[发明专利]一种燃气调压设备的智能化故障诊断方法、系统、终端及存储介质

说明书

本申请提供一种燃气调压设备的智能化故障诊断方法、系统、终端及存储介质。所述方法包括：获取已知故障类型的燃气调压设备故障数据特征向量，作为SVM的训练样利用训练样本对SVM算法进行训练，使用高斯径向基核函数K，建立SVM故障诊断分类模型；采用遗传算法对SVM故障诊断分类模型的参数C与g进行优化，建立优化的SVM故障诊断分类模型；利用优化的SVM故障诊断分类模型对燃气调压器进行故障诊断，得到故障类型；本申请构建了基于支持向量机的分类模型，对故障类型进行诊断，解决现有技术中存在的故障数据少，不能对故障类型进行高精度识别的问题，具有很好学习能力且能够解决数据小样本、非线性及高维度分类等问题。最后给出了计算机系统的实现方案。

技术领域

本申请涉及燃气调压技术领域，尤其是涉及一种燃气调压设备的智能化故障诊断方法、系统、终端及存储介质。

背景技术

城镇燃气管道输配系统由接受站(或门站)、输配管网、储气设施、调压设施以及运行管理设施和监控系统等共同组成。其中，燃气调压装置在城市燃气供应系统中占有非常重要的地位，其运行的稳定性和可靠性对城市燃气供应影响巨大，直接影响到下游供气压力的稳定。

燃气公司在生产运行过程中为了保障供气安全，对各种压力级制的调压器制定了严格的检查、保养、维护管理和操作规程。这些管理措施的落实需要大量的人力物力资源消耗。由于存在过度保守的运行维护管理制度，以及对燃气调压器故障率和使用年限的相关统计规律资料欠缺，燃气公司在生产运营过程中，从备品备件到调压器整机更换都普遍存在较大的安全余量，使得生产运营成本居高不下。在此背景下，迫切需要进一步提高燃气管网和场站运行管理智能化水平，作为燃气输配系统的最重要关键设备的燃气调压器也需要实现在线故障诊断和安全预警。

SCADA数据采集系统(Supervisory Control And Data Acquisition)已经被广泛的应用于燃气输配系统进行燃气管网相关监测点信号的，可以对燃气管网系统的运行状态，进行不间断的监测，并对监测点的信号数据进行采集、存储、处理和分析等，方便对燃气管网运行状态的实时监测。但是SCADA系统不足之处在于大多只是通过简单的阈值设定进行故障警报，不能对故障类型进行识别。此外，燃气调压设备的故障诊断的研究现大多集中在针对燃气调压设备或者燃气调压设备关键部件建立模型等静态特性描述上，基于燃气调压设备的运行数据大多是企业机密，且大部分数据为正常数据，故障数据很少等原因，导致燃气调压设备的动态特性研究较少。

随着计算机和智能算法的快速发展，诸多学者把神经网络和专家系统方法运用到燃气调压器故障诊断中，用以弥补传统方法的不足。这些方法在一定程度上能有效地诊断燃气调压器故障，但仍存在一些不足，比如神经网络需要大量故障样本进行训练，并且神经网络建立的模型只可解决低维问题，对高维问题处理复杂，并且容易陷入局部极值，因而故障诊断效果达不到预期；专家系统则存在获取知识困难、知识不完整、适应性差等问题。

因此，亟需一种燃气调压设备的智能化故障诊断方法、系统、终端及存储介质，在小样本数据的基础上，实现故障类型的有效识别。

发明内容

针对现有技术的不足，本申请提供一种燃气调压设备的智能化故障诊断方法、系统、终端及存储介质，解决现有技术中存在的故障数据少，不能对故障类型进行识别的问题等问题。

为解决上述技术问题，第一方面，本申请提供一种燃气调压设备的智能化故障诊断方法，包括：

获取已知故障类型的燃气调压设备故障数据特征向量，作为SVM的训练样本；

利用训练样本对SVM算法进行训练，使用高斯径向基核函数K，建立SVM故障诊断分类模型，其中，SVM故障诊断分类模型以故障数据为输入，故障类型为输出进行训练；

采用遗传算法对SVM故障诊断分类模型的参数C与g进行优化，建立优化的SVM故障诊断分类模型；