[发明专利]用于火电厂重要辅助设备运行状态监测的智慧声纹识别平台

说明书

本发明针对火电厂辅助设备运行过程中声音具有唯一性和入微性的特点，基于自行开发的智慧声纹识别技术，搭建了用于火电厂重要辅助设备运行状态监测的智慧声纹识别平台。本发明通过声纹监测手段并深度融合物联网与神经网络等先进技术，在利用人工智能在辅助检修人员完成故障有效识别和分析的基础上，实现远程监控及早期预警，从而改变传统巡检方式，具有可在线、保实时、非损伤、速诊断等优点，旨在为火电厂重要辅助设备的故障监测问题提供一种全新的技术和平台，实现电厂安全领域的智能化升级，进而将事后处理前移到事前预警、事中控制，有效提高电厂运行管理水平和整体经济效益，完成管理制度和技术方法的有效变革。

技术领域

本发明属于燃煤电厂数字化、智慧化建设，以及运行生产安全防控的技术领域；尤其涉及一种针对火电厂重要辅助设备运行状态进行监测的识别技术、装置及平台，具体为用于火电厂重要辅助设备运行状态监测的智慧声纹识别平台。

背景技术

现阶段针对锅炉本体设备的故障监测与诊断，国内外学者已开展了大量研究并取得了显著成就，但是基于智能声学，针对辅助设备运行状态的监测系统开发尚处于起步阶段，因为一方面，针对辅助设备自身的海量高维度过程所测量的信息会给传统的故障诊断算法带来极大的计算复杂度和建模复杂度，并且传统诊断算法存在难以利用高阶量进行在线估计的不足。另一方面，由于辅助设备长期处于正常工作状态，异常的故障状态数据仅占很小部分，因此通过传统检测方法所获得的监测数据价值密度低；同时在辅助设备监测过程中需要快速准确的手段，避免因少量异常数据缺漏而导致未及时预判而产生的损失。另外，鉴于深度学习技术具有强大的数据学习和分析能力，所衍生的故障诊断手段也引起了工业界和学术界的广泛关注。

综上所述，火电厂辅助设备所产生的故障在参数变化方面，都具有非线性、模糊性等特点。同时随着目前辅助设备日趋大型化、高速化、自动化和智能化，设备内部构造更加复杂，监测参数更加多元化，导致所产生故障的表现形式更加复杂，仅通过特征参数的提取难以达到对故障的有效识别。因此对火电厂故障诊断过程要求日趋提高，特别是对故障特征参数识别的精度和速度提出了挑战，并形成了研究热点。另外，针对锅炉辅助设备的状态监测问题，没有一套完整且针对性的设备和系统，并且缺乏对设备运行状况或者健康状况的评价体系。

发明内容

本发明从传统火电厂的实际需求出发，结合智慧电厂建设的典型方向，针对火电厂辅助设备运行过程中声音具有唯一性和入微性的特点，建设运行状态监测平台，基于自行研发的智慧声纹识别技术，利用人工智能在辅助检修人员完成故障有效识别和分析的基础上，实现电厂重要辅助设备管理的智慧化。通过本发明的应用，可根据声音检测结果，及时记录异常声音，提前判断设备故障，避免事故扩大，为设备检修提供依据，进而实现电厂设备安全领域的智能化升级，进而将事后处理前移到事前预警、事中控制，有效提高电厂运行管理水平和整体经济效益，实现电力行业的管理制度变革和技术方法变革。

本发明是采用如下的技术方案实现的：用于火电厂重要辅助设备运行状态监测的智慧声纹识别平台，包括智慧声纹识别技术、离在线监测设备和设备运行状态监测平台。

其中智慧声纹识别技术包括硬件设备和降维识别方法，硬件设备包括布置在离在线监测设备中的信号放大器、电容、电阻等，降维识别方法是在离在线监测设备中的微控制器内运行，将所采集的声纹信号转换为音频信号，音频信号包括幅值、频率和相位三个维度下的音频特征，从而在实现声纹信号降维分解。

离在线监测设备包括微控制器和声音传感器，声音传感器将采集的辅助设备声纹信号转换为电信号，经过电容与电阻进行稳压以后，通过信号放大器进行信号调理后送入到微控制器中进行降维分解；离在线监测设备将音频特征通过无线物联网模块传输到服务器平台。

设备运行状态监测平台基于服务器平台所搭建，设备运行状态监测平台包括运行状态识别库，运行状态识别库中包含正常运行状态模型和故障识别模型，其中故障识别模型根据音频特征对辅助设备故障进行识别。