买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：中国长江电力股份有限公司

摘要：本发明公开一种透平油库安全异常状态智能监测方法，本发明涉及透平油库监测技术领域，解决透平油库安全异常状态不够智能和精确问题，采用的方法是，其中连接模块、定时采集模块和数据上传模块对透平油库内部数据进行定时采集并上传至服务器中，数据格式化单元、数据去噪单元和数据归一化单元提高后续透平油库异常检测的准确性，模型异常监测方法通过模型训练模块、异常检测模块和模型迭代更新模块设计协同监测模型，实现透平油库温度异常、压力异常、液位异常和浓度异常检测，实现透平油库安全异常状态监测的智能性和精确性，服务器通过预警信息推送机制实现及时向相关人员传递透平油库安全异常状态信息。

主权项：1.一种透平油库安全异常状态智能监测方法，其特征在于：所述方法包括如下步骤：步骤一、在透平油库内部布置温度传感器、压力传感器、液位传感器和气体检测仪，实时测量透平油库内部数据，所述透平油库内部数据至少包括温度参数、压力参数、液位参数和透平油库内部浓度；步骤二、采用嵌入式采集系统对透平油库内部数据进行定时采集并上传至服务器中，所述嵌入式采集系统包括连接模块、定时采集模块和数据上传模块；在步骤二中，所述连接模块的输出端与所述定时采集模块的输入端连接，所述定时采集模块的输出端与所述数据上传模块的输入端连接；步骤三、所述服务器通过数据预处理模块对上传的透平油库内部数据进行预处理，所述数据预处理模块包括数据格式化单元、数据去噪单元和数据归一化单元；在步骤三中，所述数据格式化单元的输出端与所述数据去噪单元的输入端连接，所述数据去噪单元的输出端与所述数据归一化单元的输入端连接；步骤四、所述服务器通过模型异常监测方法针对预处理后的透平油库内部数据设计协同监测模型，实现透平油库温度异常、压力异常、液位异常和浓度异常检测，所述模型异常监测方法包括模型训练模块、异常检测模块和模型迭代更新模块；在步骤四中，所述模型训练模块的输出端与所述模型迭代更新模块的输入端连接，所述模型迭代更新模块的输出端与所述异常检测模块的输入端连接；步骤五、当检测到透平油库存在温度异常、压力异常、液位异常或浓度异常检测时，所述服务器通过预警信息推送机制向相关人员发送预警信息；所述模型训练模块采用隐马尔可夫模型训练算法进行协同监测模型的设计和训练，所述隐马尔可夫模型训练算法的工作方法为：步骤一、采用EM无监督学习方法初始化协同监测模型参数，所述EM无监督学习方法利用预处理后的透平油库内部数据不断迭代求解协同监测模型的转移矩阵和初始概率向量，所述转移矩阵和初始概率向量作为协同监测模型参数的初始化值，所述转移矩阵的计算公式为： （1）在公式（1）中，为转移矩阵，为转移矩阵的行向量，为转移矩阵的列向量，为透平油库内部数据，为转移矩阵的特征值，为EM无监督学习方法迭代步数；所述初始概率向量的计算公式为： （2）在公示（2）中，为初始概率向量，为透平油库内部数据的时间序列，为协同监测模型中状态数量，为转移矩阵的行列式值；步骤二、所述预处理后的透平油库内部数据作为训练数据集和测试数据集，所述隐马尔可夫模型训练算法通过前向和后向递推将训练数据集、转移矩阵和初始概率向量进行联合迭代训练，获得一组协同监测模型；步骤三、采用赤池信息量模型衡量准则比较一组内的协同监测模型的拟合能力和泛化能力，选择最优协同监测模型，所述赤池信息量模型衡量准则根据测试数据集对一组内的每个协同监测模型进行训练，计算出每个协同监测模型的模型拟合值，所述赤池信息量模型衡量准则选择模型拟合值最小的协同监测模型作为最优协同监测模型，所述模型拟合值的计算公式为： （3）在公式（3）中，为模型拟合值，为协同监测模型中包含的自由度数目，为协同监测模型的移动平均系数，为测试数据集中的透平油库内部数据。

全文数据：

权利要求：

百度查询： 中国长江电力股份有限公司 一种透平油库安全异常状态智能监测方法