[发明专利]基于联合学习的涡轮风机维护方法和装置

说明书

本发明适用于涡轮风机运维技术领域，提供了一种基于联合学习的涡轮风机维护方法和装置，其中，所述方法包括：接收在联合学习架构下服务器端下发的全局模型；获取涡轮风机的历史运行数据，生成用于训练所述全局模型的样本数据；利用所述样本数据训练所述全局模型，并更新本地的局部模型；如果所述局部模型达到预设收敛条件，则创建用于所述涡轮风机预测维护的模型，并利用所述模型对涡轮风机进行预测维护。本发明训练得到的模型质量更高，使得运维预测的准确性得以提高；此外，针对服务器端的聚合方式进行改进，使得预测模型的训练效率得以进一步提高。

技术领域

本发明属于能源技术领域，尤其涉及一种基于联合学习的涡轮风机维护方法和装置。

背景技术

涡轮风机维护目前多以“被动式运维”，主要依靠现场工作人员进行定期维护和故障检修，这种单纯依靠工人进行蹲点维护，运维成本极高，也容易出现由于工作人员水平不一致导致发电损失甚至运行安全问题。

现有技术中也有利用机器学习算法来建立预测模型，对涡轮风机进行预测维护。不过在实验中发现利用涡轮风机运行特征数据建立的预测模型的质量并不高。因此，如何进一步提高涡轮风机维护模型的准确度，以保障风机运维的准确性和效率，是当前的一个技术难题。

发明内容

有鉴于此，本发明实施例提供了一种基于联合学习的涡轮风机维护方法和装置，以解决效率涡轮风机运维效率和准确度不高的问题。

本发明第一方面，提供了一种基于联合学习的涡轮风机维护方法，包括：接收在联合学习架构下服务器端下发的全局模型；获取涡轮风机的历史运行数据，生成用于训练所述全局模型的样本数据；利用所述样本数据训练所述全局模型，并更新本地的局部模型；如果所述局部模型达到预设收敛条件，则创建用于所述涡轮风机预测维护的模型，并利用所述模型对涡轮风机进行预测维护。

在一些可选方案中，所述历史运行数据包括：涡轮风机的温度、涡轮风机的压力和/或涡轮风机的转速。

本发明第二方面，提供了一种基于联合学习的涡轮风机维护方法，其包括：接收客户端上传的局部模型；对局部模型进行聚合，更新全局模型；根据所述更新全局模型的更新结果，确定下一次所述全局模型更新时间，其中，所述更新结果包含更新是否成功信息和更新的属性信息。

在一些可选方案中，所述接收客户端上传的局部模型，包括：检测局部模型目录，并得到检测结果；根据所述检测结果，接收所述局部模型。

本发明的第三方面，提供了一种基于联合学习的涡轮风机维护装置，其包括：全局模型接收模块，用于接收在联合学习架构下服务器端下发的全局模型；样本数据生成模块，用于获取涡轮风机的历史运行数据，生成用于训练所述全局模型的样本数据；全局模型训练模块，用于利用所述样本数据训练所述全局模型，并更新本地的局部模型；风机预测维护模块，用于如果所述局部模型达到预设收敛条件，则创建用于所述涡轮风机预测维护的模型，并利用所述模型对涡轮风机进行预测维护。

在一些可选方案中，所述历史运行数据包括：涡轮风机的温度、涡轮风机的压力和/或涡轮风机的转速。

本发明的第四方面，提供了一种基于联合学习的涡轮风机维护装置，其包括：模型接收模块，用于接收客户端上传的局部模型；模型聚合模块，用于对局部模型进行聚合，更新全局模型；迭代更新模块，用于根据所述更新全局模型的更新结果，确定下一次所述全局模型更新时间，其中，所述更新结果包含更新是否成功信息和更新的属性信息。

在一些可选方案中，所述模型接收模块，具体包括：目录检查单元，用于检测局部模型目录，并得到检测结果；模型接收单元，用于根据所述检测结果，接收所述局部模型。

本发明的第五方面，提供了一种电子设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如第一方面和第二方面任一项所述方法的步骤。