本發(fā)明涉及油質(zhì)預(yù)測，尤其涉及一種油質(zhì)異常預(yù)測方法、裝置及設(shè)備。

背景技術(shù)：

1、電廠油務(wù)監(jiān)督是指對電廠使用的各類油質(zhì)，如汽輪機(jī)油、絕緣油和抗燃油等的化學(xué)監(jiān)督和管理。主要目的是確保這些油類的質(zhì)量符合相關(guān)標(biāo)準(zhǔn)，從而保障設(shè)備的安全經(jīng)濟(jì)運(yùn)行。傳統(tǒng)上，電廠在油務(wù)監(jiān)督上的工作主要是定期通過人工采樣的方式進(jìn)行指標(biāo)檢測。

2、但是，人工采樣的方式時(shí)效性較差，導(dǎo)致對油質(zhì)進(jìn)行維護(hù)處理往往存在滯后的缺點(diǎn)。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明提供一種油質(zhì)異常預(yù)測方法、裝置及設(shè)備，用以解決現(xiàn)有技術(shù)中人工進(jìn)行油質(zhì)檢測時(shí)效性差，且存在時(shí)間滯后的缺陷。

2、第一方面，本發(fā)明提供一種油質(zhì)異常預(yù)測方法，包括：

3、采集不同設(shè)備油質(zhì)數(shù)據(jù)和特征數(shù)據(jù)，構(gòu)建特征指標(biāo)數(shù)據(jù)集；

4、利用所述特征指標(biāo)數(shù)據(jù)集，訓(xùn)練基于注意力機(jī)制的gru網(wǎng)絡(luò)模型；

5、采集單一用戶的個(gè)性化特征數(shù)據(jù)，對所述個(gè)性化特征數(shù)據(jù)進(jìn)行處理，得到與所述特征指標(biāo)數(shù)據(jù)集結(jié)構(gòu)相同的個(gè)性化數(shù)據(jù)集；

6、利用所述個(gè)性化數(shù)據(jù)集，對所述gru網(wǎng)絡(luò)模型進(jìn)行個(gè)性化訓(xùn)練調(diào)整，得到個(gè)性化油質(zhì)異常預(yù)測模型；

7、輸入待檢測油質(zhì)至所述個(gè)性化油質(zhì)異常預(yù)測模型，輸出對所述待檢測油質(zhì)的預(yù)測結(jié)果。

8、根據(jù)本發(fā)明提供的一種油質(zhì)異常預(yù)測方法，所述優(yōu)質(zhì)數(shù)據(jù)包括正常油質(zhì)數(shù)據(jù)和異常油質(zhì)數(shù)據(jù)，所述特征數(shù)據(jù)包括個(gè)體特征、環(huán)境信息和行為信息：

9、所述構(gòu)建特征指標(biāo)數(shù)據(jù)集，包括：

10、利用多重插補(bǔ)，對所述正常油質(zhì)數(shù)據(jù)、所述異常油質(zhì)數(shù)據(jù)、所述個(gè)體特征、所述環(huán)境信息和所述行為信息進(jìn)行分析與合并，將不完整數(shù)據(jù)集的觀測行估算填充n次，生成n個(gè)完整數(shù)據(jù)集；

11、分別對所述n個(gè)完整數(shù)據(jù)集進(jìn)行分析，對來自各個(gè)填補(bǔ)數(shù)據(jù)集的結(jié)果進(jìn)行綜合，得到統(tǒng)計(jì)推斷后的數(shù)據(jù)；

12、對所述數(shù)據(jù)進(jìn)行歸一化和平滑處理，得到特征指標(biāo)數(shù)據(jù)集。

13、根據(jù)本發(fā)明提供的一種油質(zhì)異常預(yù)測方法，所述利用所述特征指標(biāo)數(shù)據(jù)集，訓(xùn)練基于注意力機(jī)制的gru網(wǎng)絡(luò)模型，包括：

14、將所述特征指標(biāo)數(shù)據(jù)集通過更新門和重置門送入帶有注意力機(jī)制的gru網(wǎng)絡(luò)模型；

15、按照7：3的比例劃分所述特征指標(biāo)數(shù)據(jù)集為訓(xùn)練集和驗(yàn)證集，并設(shè)置最大訓(xùn)練次數(shù)；

16、利用所述訓(xùn)練集和所述驗(yàn)證集，對所述帶有注意力機(jī)制的gru網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，若所述訓(xùn)練次數(shù)大于所述最大訓(xùn)練次數(shù)，則輸出gru網(wǎng)絡(luò)模型。

17、根據(jù)本發(fā)明提供的一種油質(zhì)異常預(yù)測方法，還包括：

18、若所述訓(xùn)練次數(shù)小于所述最大訓(xùn)練次數(shù)，則獲取loss值；

19、基于所述loss值，利用adam優(yōu)化器調(diào)整網(wǎng)絡(luò)參數(shù)，再次進(jìn)行訓(xùn)練，直到所述訓(xùn)練次數(shù)大于所述最大訓(xùn)練次數(shù)。

20、根據(jù)本發(fā)明提供的一種油質(zhì)異常預(yù)測方法，還包括：

21、利用測試集對所述輸出的gru網(wǎng)絡(luò)模型進(jìn)行驗(yàn)證，比較真實(shí)值與預(yù)測值；

22、基于所述比較結(jié)果，確定所述gru網(wǎng)絡(luò)模型的準(zhǔn)確率。

23、根據(jù)本發(fā)明提供的一種油質(zhì)異常預(yù)測方法，所述采集單一用戶的個(gè)性化特征數(shù)據(jù)，對所述個(gè)性化特征數(shù)據(jù)進(jìn)行處理，得到與所述特征指標(biāo)數(shù)據(jù)集結(jié)構(gòu)相同的個(gè)性化數(shù)據(jù)集之后，還包括：

24、存儲(chǔ)所述個(gè)性化數(shù)據(jù)集至云端，構(gòu)建用戶個(gè)性化檔案。

25、根據(jù)本發(fā)明提供的一種油質(zhì)異常預(yù)測方法，所述構(gòu)建特征指標(biāo)數(shù)據(jù)集之前，還包括：

26、對所述采集不同設(shè)備油質(zhì)數(shù)據(jù)和特征數(shù)據(jù)進(jìn)行時(shí)間戳同步，得到不同設(shè)備在時(shí)間維度上一致的數(shù)據(jù)源；

27、對不同時(shí)間點(diǎn)的所述數(shù)據(jù)源進(jìn)行數(shù)據(jù)聚合，以減少數(shù)據(jù)量。

28、根據(jù)本發(fā)明提供的一種油質(zhì)異常預(yù)測方法，還包括：

29、基于所述預(yù)測結(jié)果，確定油質(zhì)異常的類型；

30、當(dāng)所述類型為液壓油異?；蛴唾|(zhì)劣化時(shí)，控制自動(dòng)化程序?qū)Ξ惓Ｓ唾|(zhì)進(jìn)行處理；

31、當(dāng)所述類型為油泥積碳或抗燃油油質(zhì)劣化時(shí)，發(fā)出人工介入調(diào)整對異常油質(zhì)進(jìn)行處理指示。

32、第二方面，本發(fā)明還提供一種油質(zhì)異常預(yù)測裝置，包括：

33、采集模塊，用于采集不同設(shè)備油質(zhì)數(shù)據(jù)和特征數(shù)據(jù)，構(gòu)建特征指標(biāo)數(shù)據(jù)集；

34、訓(xùn)練模塊，用于利用所述特征指標(biāo)數(shù)據(jù)集，訓(xùn)練基于注意力機(jī)制的gru網(wǎng)絡(luò)模型；

35、同步模塊，用于采集單一用戶的個(gè)性化特征數(shù)據(jù)，對所述個(gè)性化特征數(shù)據(jù)進(jìn)行處理，得到與所述特征指標(biāo)數(shù)據(jù)集結(jié)構(gòu)相同的個(gè)性化數(shù)據(jù)集；

36、個(gè)性化模塊，用于利用所述個(gè)性化數(shù)據(jù)集，對所述gru網(wǎng)絡(luò)模型進(jìn)行個(gè)性化訓(xùn)練調(diào)整，得到個(gè)性化油質(zhì)異常預(yù)測模型；

37、預(yù)測模塊，用于輸入待檢測油質(zhì)至所述個(gè)性化油質(zhì)異常預(yù)測模型，輸出對所述待檢測油質(zhì)的預(yù)測結(jié)果。

38、第三方面，本發(fā)明還提供一種電子設(shè)備，包括存儲(chǔ)器、處理器及存儲(chǔ)在存儲(chǔ)器上并可在處理器上運(yùn)行的計(jì)算機(jī)程序，所述處理器執(zhí)行所述程序時(shí)實(shí)現(xiàn)如上述任一種所述油質(zhì)異常預(yù)測方法。

39、第四方面，本發(fā)明還提供一種非暫態(tài)計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，該計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)如上述任一種所述油質(zhì)異常預(yù)測方法。

40、第五方面，本發(fā)明還提供一種計(jì)算機(jī)程序產(chǎn)品，包括計(jì)算機(jī)程序，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)如上述任一種所述油質(zhì)異常預(yù)測方法。

41、本發(fā)明提供的一種油質(zhì)異常預(yù)測方法、裝置及設(shè)備，包括采集不同設(shè)備油質(zhì)數(shù)據(jù)和特征數(shù)據(jù)，構(gòu)建特征指標(biāo)數(shù)據(jù)集；利用特征指標(biāo)數(shù)據(jù)集，訓(xùn)練基于注意力機(jī)制的gru網(wǎng)絡(luò)模型；采集單一用戶的個(gè)性化特征數(shù)據(jù)，對個(gè)性化特征數(shù)據(jù)進(jìn)行處理，得到與特征指標(biāo)數(shù)據(jù)集結(jié)構(gòu)相同的個(gè)性化數(shù)據(jù)集；利用個(gè)性化數(shù)據(jù)集，對gru網(wǎng)絡(luò)模型進(jìn)行個(gè)性化訓(xùn)練調(diào)整，得到個(gè)性化油質(zhì)異常預(yù)測模型；輸入待檢測油質(zhì)至個(gè)性化油質(zhì)異常預(yù)測模型，輸出對待檢測油質(zhì)的預(yù)測結(jié)果，由于通過個(gè)性化油質(zhì)異常預(yù)測模型進(jìn)行優(yōu)質(zhì)異常預(yù)測，僅需實(shí)時(shí)地輸入待測油質(zhì)即可，與人工采樣方式相比，更具有時(shí)效性，且油質(zhì)預(yù)測結(jié)果更快，有效地解決了滯后的問題。

技術(shù)特征：

1.一種油質(zhì)異常預(yù)測方法，其特征在于，包括：

2.根據(jù)權(quán)利要求1所述的油質(zhì)異常預(yù)測方法，其特征在于，所述優(yōu)質(zhì)數(shù)據(jù)包括正常油質(zhì)數(shù)據(jù)和異常油質(zhì)數(shù)據(jù)，所述特征數(shù)據(jù)包括個(gè)體特征、環(huán)境信息和行為信息：

3.根據(jù)權(quán)利要求1所述的油質(zhì)異常預(yù)測方法，其特征在于，所述利用所述特征指標(biāo)數(shù)據(jù)集，訓(xùn)練基于注意力機(jī)制的gru網(wǎng)絡(luò)模型，包括：

4.根據(jù)權(quán)利要求3所述的油質(zhì)異常預(yù)測方法，其特征在于，還包括：

5.根據(jù)權(quán)利要求3所述的油質(zhì)異常預(yù)測方法，其特征在于，還包括：

6.根據(jù)權(quán)利要求1所述的油質(zhì)異常預(yù)測方法，其特征在于，所述采集單一用戶的個(gè)性化特征數(shù)據(jù)，對所述個(gè)性化特征數(shù)據(jù)進(jìn)行處理，得到與所述特征指標(biāo)數(shù)據(jù)集結(jié)構(gòu)相同的個(gè)性化數(shù)據(jù)集之后，還包括：

7.根據(jù)權(quán)利要求1-6任一項(xiàng)所述的油質(zhì)異常預(yù)測方法，其特征在于，所述構(gòu)建特征指標(biāo)數(shù)據(jù)集之前，還包括：

8.根據(jù)權(quán)利要求1-6任一項(xiàng)所述的油質(zhì)異常預(yù)測方法，其特征在于，還包括：

9.一種油質(zhì)異常預(yù)測裝置，其特征在于，包括：

10.一種電子設(shè)備，包括存儲(chǔ)器、處理器及存儲(chǔ)在所述存儲(chǔ)器上并可在所述處理器上運(yùn)行的計(jì)算機(jī)程序，其特征在于，所述處理器執(zhí)行所述程序時(shí)實(shí)現(xiàn)如權(quán)利要求1至8任一項(xiàng)所述油質(zhì)異常預(yù)測方法。

技術(shù)總結(jié)
本發(fā)明提供一種油質(zhì)異常預(yù)測方法、裝置及設(shè)備，包括采集不同設(shè)備油質(zhì)數(shù)據(jù)和特征數(shù)據(jù)，構(gòu)建特征指標(biāo)數(shù)據(jù)集；利用特征指標(biāo)數(shù)據(jù)集，訓(xùn)練基于注意力機(jī)制的GRU網(wǎng)絡(luò)模型；采集單一用戶的個(gè)性化特征數(shù)據(jù)，對個(gè)性化特征數(shù)據(jù)進(jìn)行處理，得到與特征指標(biāo)數(shù)據(jù)集結(jié)構(gòu)相同的個(gè)性化數(shù)據(jù)集；利用個(gè)性化數(shù)據(jù)集，對GRU網(wǎng)絡(luò)模型進(jìn)行個(gè)性化訓(xùn)練調(diào)整，得到個(gè)性化油質(zhì)異常預(yù)測模型；輸入待檢測油質(zhì)至個(gè)性化油質(zhì)異常預(yù)測模型，輸出對待檢測油質(zhì)的預(yù)測結(jié)果，由于通過個(gè)性化油質(zhì)異常預(yù)測模型進(jìn)行優(yōu)質(zhì)異常預(yù)測，僅需實(shí)時(shí)地輸入待測油質(zhì)即可，與人工采樣方式相比，更具有時(shí)效性，且油質(zhì)預(yù)測結(jié)果更快，有效地解決了滯后的問題。

技術(shù)研發(fā)人員：張姝,李開梅,王紫瓊
受保護(hù)的技術(shù)使用者：華能青島熱電有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/2