[发明专利]一种基于网源涉网试验的机组状态分析方法与系统

权利要求书

1.一种基于网源涉网试验的机组状态分析方法，其特征在于，包括：

获取电厂上送的涉网试验报告，通过OCR图像识别技术将图片形式的试验报告转换为可编辑的文本信息；

将转换后的试验报告传入预先根据不同文件类型配置的设备参数模版，提取对应的设备参数；

将所述设备参数输入关联度计算公式，计算设备参数关联度；

根据设备参数关联度计算结果，将设备参数进行分类，获取关联参数集合；

从所述关联参数集合中选择与机组运行安全相关的且属于强关联参数集合的信息并结合试验报告计算得出机组的劣化程度值；

通过所述劣化程度值确定权重系数和基本扣分值，进而计算状态量应扣分值，进行最终运行状态判断。

2.根据权利要求1所述的基于网源涉网试验的机组状态分析方法，其特征在于，建立设备状态评估模型，评估机组的当前运行状态，包括：

通过多台机组多时段的历史数据为每台机组建立状态特性评估模型，即基于贝叶斯分类器的状态评估模型；

通过对现场数据的实时采集，计算得到当前状态属于不同类别的概率，公式如下：

y＝f(x)＝argmax

根据当前状态属于不同类别的概率，综合评估机组的当前运行状态。

3.根据权利要求1所述的基于网源涉网试验的机组状态分析方法，其特征在于，将机组各项指标综合汇总，形成机组安全评估报告，通过邮件的形式发送给对应系统专责。

4.根据权利要求1所述的基于网源涉网试验的机组状态分析方法，其特征在于，将所述设备参数输入关联度计算公式，计算设备参数关联度，包括：

假定要计算关联度的两序列分别为x，y，对x，y两序列进行无量纲处理；

求x，y两序列之间的关联系数ξ(x_i)，公式如下：

式中，ξ(x_i)表示序列关联系统，ρ表示的是分辨系数，Δmin表示第二级最小差，Δmax表示两级最大差，Δoi(k)表示各比较数列Xi曲线上的每一个点与参考数列X0曲线上的每一个点的绝对差值；

计算不同序列之间在某时刻的关联度r_i，公式如下：

式中，r_i表示序列x对y的灰关联度，其中，r_i值越接近1，则代表序列x与y的相关性越好。

5.根据权利要求1所述的基于网源涉网试验的机组状态分析方法，其特征在于，所述根据设备参数关联度计算结果，将设备参数进行分类，获取关联参数集合，包括：

根据设备参数关联度计算结果，构建机组各部件参数状态分类预测的神经网络模型；

随机选取包含低关联度以及高关联度的参数作为训练集以及验证集，选取一段包含无关联或者低关联的参数集合以及强关联度参数集合作为测试集，输入分类预测的神经网络模型中，得到分类预测值；

通过无监督聚类的方法对分类预测值进行聚类，得到关联参数集合。

6.根据权利要求1所述的基于网源涉网试验的机组状态分析方法，其特征在于，所述从所述关联参数集合中选择与机组运行安全相关的且属于强关联参数集合的信息并结合试验报告计算得出机组的劣化程度值，公式如下：

式中，g(x)为评判指标的劣化度；x为评判指标实测值；α为该指标允许值；α或β为该指标上下限值，θ为劣化程度限值。

7.根据权利要求1所述的基于网源涉网试验的机组状态分析方法，其特征在于，通过所述劣化程度值确定权重系数和基本扣分值，进而计算状态量应扣分值，并计算得到最终运行状态评分包括:

通过所述劣化程度值确定权重系数和基本扣分值；

将该状态量的基本扣分值乘以权重系数计算得到状态量应扣分值；

将状态量应扣分值与预先设定基本评价标准进行比较，进行最终运行状态判断。