[发明专利]一种燃气调压器故障监测方法和装置

说明书

本申请公开了一种燃气调压器故障监测方法和装置，采用神经网络的方法，构建以所述燃气调压器的运行参数为输入，以所述燃气调压器的运行状态为输出的故障诊断模型；选取所述燃气调压器的历史维检数据库中运行参数与相应的运行状态组成训练集，对所述故障诊断模型进行训练；将实时监测的所述燃气调压器的运行参数输入训练后的故障诊断模型，得到所述燃气调压器的当前运行状态，以判断所述燃气调压器当前是否处于故障状态或者某个关键部件是否发生故障。

技术领域

本申请涉及燃气设备技术领域，尤其涉及一种燃气调压器故障监测方法和装置。

背景技术

燃气调压器是调节和稳定燃气管网压力的关键设备，在燃气输配系统中起着重要作用。而在实际运行中，往往会因为下游用气量的变化和上游压力的变化而使下游压力发生不断变化，从而导致燃气调压器的运行状态急剧变化，大大增加其发生故障的概率。

目前常用的燃气调压器故障诊断方式是，专业人员通过分析压力表纸和自动仪表采集的数据，然后依据经验来判定燃气调压器是否处在正常运行状态。有些燃气调压器即使没有问题或是没有在用，仍需要定期进行维护与检修，消耗了大量的人力和物力，导致运维成本大大增加。。

发明内容

本发明为解决目前的燃气调压器故障诊断方式不够方便、智能，浪费人力、物力，成本较高的技术问题，提供了一种燃气调压器故障监测方法和装置。

本申请实施例提出一种燃气调压器故障监测方法，包括以下步骤：

采用神经网络的方法，构建以所述燃气调压器的运行参数为输入，以所述燃气调压器的运行状态为输出的故障诊断模型；

选取所述燃气调压器的历史维检数据库中运行参数与相应的运行状态组成训练集，对所述故障诊断模型进行训练；

将实时监测的所述燃气调压器的运行参数输入训练后的故障诊断模型，得到所述燃气调压器的当前运行状态，以判断所述燃气调压器当前是否处于故障状态或者某个关键部件是否发生故障。

优选地，所述故障诊断模型为采用5层深度神经网络，包括4个隐含层和一个输出层。

优选地，采用梯度下降法利用数据训练集对故障诊断模型进行训练，经过故障诊断模型输出的结果为调压器的运行状态以及调压器关键部位或部件发生故障的概率。

优选地，所述运行参数包括以下至少一个参数及组合：

进出口压力、进出口流量、温度、阀口开度、P2、P3压力

优选地，所述运行状态包括：正常运行、喘振状态、下游供压不足和下游供压过度；其中，喘振状态、下游供压不足和下游供压过度为故障状态。

在本申请任意一个实施例中，如果所述燃气调压器处在故障状态，则发出报警。

在本申请任意一个实施例中，优选地，在训练时，将训练集分成多个子集，对每一个子集，将其中的样本送入网络，计算误差函数；利用微分不变性构建误差逆传播机制，计算误差函数关于网络参数的梯度，沿着梯度的反方向更新网络参数。

优选地，所述关键部件包含以下至少一个：调压器部件、过滤器部件、爆管部件。

优选地，所述误差函数，使用均方误差。

本申请还提出一种燃气调压器故障监测装置，用于实现本申请任意一项实施例所述方法，包含：输入模块、显示模块、处理模块；

所述输入模块，用于采集现场输入数据；

所述处理模块，用来实施故障诊断模型、得到运行状态信息；

所述显示模块，用于显示实时的运行状态和故障报警提示。

本申请实施例采用的上述至少一个技术方案能够达到以下有益效果：