[发明专利]基于模型趋势预测的报警方法及系统

说明书

技术领域

本发明涉及趋势预测领域，具体地，涉及一种基于模型趋势预测的报警方法及系统。

背景技术

一直以来，生产过程的参数报警基本都是以设备说明书、运行规程为依据，通过设定多级阈值报警、速率阈值报警等手段来实现，这种报警方式属于事后报警，报警之后设备劣化趋势或者系统异常工况已不可挽回；另外报警阈值是在极端工况下出于保护设备以及系统的目的而给定的，无法反映出故障初期参数微小偏离的情况。

现有的大数据分析方法中一般是在历史数据中提取大量的正常参数和相当数量的异常参数，由模型进行分类学习，警报的精确程度主要取决于异常参数取样数量，而在正常生产过程中，异常参数产生数量不可能很多，对于异常参数取样数量不足时，该模型给出的警报的精确度将会大打折扣。

发明内容

本发明实施例的主要目的在于提供一种基于模型趋势预测的报警方法及系统，以先期精确报警，提前暴露生产过程中的安全隐患，大幅提高生产过程的安全性和经济性。

为了实现上述目的，本发明实施例提供一种基于模型趋势预测的报警方法，包括：

根据历史基准点和历史输出点的关系从多个预设模型中调用相应的模型；

将历史基准点和历史输出点带入模型，计算模型的模型参数；

根据模型、模型参数和实时历史基准点计算评估值；

将评估值与历史输出点的差值的最大绝对值设为报警阈值；

判断实时输出点与评估值的差值是否大于报警阈值；当大于报警阈值时，输出报警信号。

在其中一种实施例中，预设模型包括：线性拟合模型、反向传播神经网络模型和主元分析模型。

在其中一种实施例中，线性拟合模型如下：

其中，y为历史输出点，k_i为第i个模型参数，x_i为第i个历史基准点，h为历史基准点的数量。

在其中一种实施例中，根据历史基准点和历史输出点的关系从多个预设模型中调用相应的模型之前，还包括：

采集历史参数和实时参数；

按照预设的过滤规则过滤历史参数和实时参数中的无效点、异常点和非法点，得到历史基准点、历史输出点、实时基准点和实时输出点。

本发明实施例还提供一种基于模型趋势预测的报警系统，包括：

模型调用模块，用于根据历史基准点和历史输出点的关系从多个预设模型中调用相应的模型；

模型参数模块，用于将历史基准点和历史输出点带入模型，计算模型的模型参数；

评估值模块，用于根据模型、模型参数和实时基准点计算评估值；

报警阈值模块，用于将评估值与历史输出点的差值的最大绝对值设为报警阈值；

判断模块，用于判断实时输出点与评估值的差值是否大于报警阈值；

报警模块，用于输出报警信号。

在其中一种实施例中，预设模型包括：线性拟合模型、反向传播神经网络模型和主元分析模型。

在其中一种实施例中，线性拟合模型如下：

其中，y为历史输出点，k_i为第i个模型参数，x_i为第i个历史基准点，h为历史基准点的数量。

在其中一种实施例中，还包括：

采集模块，用于采集历史参数和实时参数；

过滤模块，用于按照预设的过滤规则过滤历史参数和实时参数中的无效点、异常点和非法点，得到历史基准点、历史输出点、实时基准点和实时输出点。

本发明实施例还提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现以下步骤：

根据历史基准点和历史输出点的关系从多个预设模型中调用相应的模型；

将历史基准点和历史输出点带入模型，计算模型的模型参数；

根据模型、模型参数和实时历史基准点计算评估值；

将评估值与历史输出点的差值的最大绝对值设为报警阈值；

判断实时输出点与评估值的差值是否大于报警阈值；当大于报警阈值时，输出报警信号。

本发明实施例还提供一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：

根据历史基准点和历史输出点的关系从多个预设模型中调用相应的模型；

将历史基准点和历史输出点带入模型，计算模型的模型参数；

根据模型、模型参数和实时历史基准点计算评估值；