[发明专利]一种基于误差匹配的中低压燃气调压器故障检测方法

说明书

本发明提供一种基于误差匹配的中低压燃气调压器故障检测方法，利用离散化数据思想和统计学习思想，根据随机森林算法建立算法模型并利用随机搜索优化算法模型，输入预处理后的训练数据对优化后的算法模型进行训练得到训练好的算法模型，将预处理后的测试数据输入训练好的算法模型后输出调压器压力的预测值，然后将调压器压力的预测值与调压器压力的真实压值进行差值计算和误差特征匹配，最终输出相应的故障等级+故障类型。该检测方法通过对压力数据段进行切分，实现单个子数据段独立预测，使预测结果的准确性和适应性得到优化，同时考虑到各种因素对预测结果的影响，对温度，时间，流量，压力各部分数据完全利用，增强了算法的泛化性能和鲁棒性。

技术领域

本发明涉及一种中低压燃气调压器故障检测方法，具体涉及一种基于误差匹配和统计分析的中低压燃气故障检测方法。

背景技术

在天然气输送的系统中，燃气调压器有着举足轻重的作用，由于现今对天然气的使用越来越多，用气量也逐年上升，在燃气调压器的运营和维护中，也显现出越来越多的问题，其中最主要的问题大致有：调压器诊断方式落后，调压器诊断准确率低；目前调压器诊断大部分还是采取定期人工维护，维护成本很高，智能化程度较低。所以，针对调压器的智能化诊断技术就显得尤为重要。

现如今大部分调压器故障检测方法为燃气企业委派专业人员定期的维护，通过人工查看压力数据，基于专家经验来做分析判断故障类型，该方法费时费力，同时消耗大量资金，不利于智能化检测技术的推广。

近几年来，机器学习的方法越来越多，应用也越来越广泛，有学者相继提出调压器的智能诊断方法，其通过使用分类器，例如Support Vector Machine，即支持向量机等方法，将调压器一天的压力信息作为整体数据样本进行处理分析，来判断调压器的故障类型，其运算速度快，能节约大量的人力物力财力；但该方法存在一个明显的弊端：对于无规律的压力信息，特别是中小型企业使用的中小型燃气调压器，它的压力信息变化较大，无法分析规律，并不能有效的判断故障类型；同时，对于其他因素变化的影响，例如温度，流量等，鲁棒性较差。

发明内容

基于以上背景，本发明的目的在于提供一种故障检测准确度高，适应能力强；且算法复杂度低，易于实现的检测方法，基于集成学习和统计学习思想，采用的技术方案如下：

本发明提供一种基于误差匹配的中低压燃气调压器故障检测方法，其特征在于，包括如下步骤：

步骤(a)，对训练数据进行预处理；

步骤(b)，建立算法模型，输入预处理后的训练数据对算法模型进行训练，并保存训练好的算法模型；

步骤(c)，对测试数据进行预处理；

步骤(d)，向训练好的算法模型输入预处理后的测试数据，输出调压器压力的预测值；

步骤(e)，把调压器压力的预测值与调压器压力的真实压值进行误差特征匹配，输出相应的故障等级+故障类型。

进一步地，本发明提供的基于误差匹配的中低压燃气调压器故障检测方法中，步骤(a)包括如下步骤：

步骤(a1)，对作为训练数据的调压器时间，温度T，流量F，压力P_true，构建一维数组a，a＝[T,F,P_true]，并删除压力数据低于0的训练数据，将一维数组a构建形成嵌套数组A，A＝[a₁，a₂，a₃，…a_M]；

步骤(a2)，对数据清洗后的训练数据按时间类别排列出对应数据月份mouth，小时hour，温度T，流量F，压力P_true并保存到一维数组a中，a＝[month,hour,T,F,P_true]。