[发明专利]发电机组故障数据预测方法、装置和计算机设备

说明书

本申请涉及一种发电机组故障数据预测方法、装置、计算机设备和存储介质。所述方法包括：采集发电机组当前运行过程中的运行参数；采用已建立的决策树模型对运行参数进行决策分类；获取决策树模型决策分类后输出的分类信息；根据分类信息输出故障数据预测结果。采用发电机组故障数据预测方法，可以提高故障分析的准确性，且可减少安全事故的发生，如此，故障预测准确性高。

技术领域

本申请涉及电力系统技术领域，特别是涉及一种发电机组故障数据预测方法、装置、计算机设备和存储介质。

背景技术

随着经济的发展，用户对电量的需求不断增加，从而电厂发电机组的容量、发电机组间的关联性、机组复杂程度也逐渐增大，导致发电机组的故障率上升。发电机组的故障将影响电厂的发电量，使得无法按时完成用户所需要的电量，不可避免对电力企业造成巨大的经济损失。为保证电厂按时完成发电需求，发电机组的故障分析就显得异常重要。

传统采用的故障分析方法大多为两种：第一种是由监测系统采集实时的发电机组运行的数据，将被监测的发电机组运行的数据与正常状态的数据对比，根据对比结果判断发电机组是否异常；第二种是采用BP(back propagation反向传播)神经网络进行故障分析。由于大多数发电机组是动态变化的多耦合非线性系统，发电机组之间环环相扣，运行参数之间并非独立，发电机组的运行状态模糊，使得第一种故障分析方式容易出现判断错误，故障分析准确性低。而第二种方式存在收敛速度慢、隐含层数、节点数选取困难等缺陷，同样存在故障分析准确性低的问题。

发明内容

基于此，有必要针对上述技术问题，提供一种能够提高预测准确性的发电机组故障数据预测方法、装置、计算机设备和存储介质。

一种发电机组故障数据预测方法，所述方法包括：

采集发电机组当前运行过程中的运行参数；

采用已建立的决策树模型对所述运行参数进行决策分类，所述决策树模型表征运行参数和分类信息的对应关系；

获取所述决策树模型决策分类后输出的分类信息；

根据所述分类信息输出故障数据预测结果。

一种发电机组故障数据预测装置，所述装置包括：

参数采集模块，用于采集发电机组当前运行过程中的运行参数；

参数分析模块，用于采用已建立的决策树模型对所述运行参数进行决策分类，所述决策树模型表征运行参数和分类信息的对应关系；

信息获取模块，用于获取所述决策树模型决策分类后输出的分类信息；

结果输出模块，用于根据所述分类信息输出故障数据预测结果。

一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：

采集发电机组当前运行过程中的运行参数；

采用已建立的决策树模型对所述运行参数进行决策分类，所述决策树模型表征运行参数和分类信息的对应关系；

获取所述决策树模型决策分类后输出的分类信息；

根据所述分类信息输出故障数据预测结果。

一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：

采集发电机组当前运行过程中的运行参数；

采用已建立的决策树模型对所述运行参数进行决策分类，所述决策树模型表征运行参数和分类信息的对应关系；

获取所述决策树模型决策分类后输出的分类信息；