[发明专利]基于NLP-CNN的燃气轮机控制系统故障诊断分类方法

说明书

本发明提供一种基于NLP‑CNN的燃气轮机控制系统故障诊断分类方法，涉及火电厂故障诊断技术领域。该方法包括：获取资料库，收集与燃气轮机控制系统有关的文本信息，用于构建专用及停用词典；对文本信息进行预处理，形成短文本，并对短文本进行向量化处理；以关键词为标志，从历史日志中提取与关键词相关联的日志集合，形成样本库；采用CNN模型进行词向量训练模型搭建；将样本库中的日志集合进行分词，调取各分词的特征向量，进行模型训练和测试，得到故障诊断的诊断结果。将文本语言处理运用到燃气轮机控制系统故障诊断中，依赖系统自带的日志报警，不依赖机组运行中大量的数据，在保证故障诊断准确性的同时，显著提升了诊断效率。

技术领域

本发明涉及火电厂故障诊断技术领域，具体涉及一种基于NLP-CNN的燃气轮机控制系统故障诊断分类方法。

背景技术

伴随着燃气-蒸汽联合循环发电机组在我国的全面建设以及数字化电厂的迅速发展，电力大数据呈现出内容庞大、种类繁多等独有特色。燃气轮机控制系统是燃机安全稳定运行的重要一环，在燃气-蒸汽联合循环发电机组中占有相当重要的地位。当控制系统发生故障时，燃气轮机的性能就会出现不同程度的下降，严重时可能导致整个电厂的跳机。

目前，燃气轮机控制系统的故障诊断多为基于数据驱动、专家知识等方法，然而，现有的故障诊断方法在识别燃气轮机控制系统故障类型时效率较低。

发明内容

本发明的目的在于，针对上述现有技术的不足，提供一种基于NLP-CNN的燃气轮机控制系统故障诊断分类方法，以解决识别燃气轮机控制系统故障类型时效率较低的问题。

为实现上述目的，本发明采用的技术方案如下：

本发明提供了一种基于NLP-CNN的燃气轮机控制系统故障诊断分类方法，该方法包括：

获取用于自然语言学习的资料库，并且收集与燃气轮机控制系统有关的文本信息，以用于构建燃气轮机控制系统的专用及停用词典，文本信息包括燃气轮机控制系统的报警历史日志、控制说明以及设备及专用名称；

对收集到的文本信息进行预处理操作，以形成经处理的短文本，并且对短文本进行向量化处理，从而形成短文本向量，预处理操作包括翻译、分词以及去停用词；

以预设关键词为标志，从报警历史日志中提取与预设关键词相关联的第一预设时间段内的日志集合，对日志集合的故障原因进行核准，以形成用于文本模型学习的样本库，预设关键词为用于表示燃气轮机控制系统的故障类型的关键词；

采用CNN模型进行词向量训练模型的搭建，并调整优化模型中的参数；

将样本库中的日志集合进行分词，调取各分词的特征向量，并且求取短文本的句向量，并划分训练集及测试集，进行模型训练和测试，从而得到燃气轮机控制系统故障诊断的诊断结果。

可选地，资料库包括中文维基百科资料库。

可选地，对短文本进行向量化处理，包括：利用Word2vec模型对经预处理操作形成的报警日志短文本进行向量化处理。

可选地，对收集到的文本信息进行预处理操作，以形成经处理的短文本，并且对短文本进行向量化处理，从而形成短文本向量，包括：

对收集到的文本信息进行中英文替换，替换掉文本信息中的英文词，以形成中文格式的文本信息；

构件语料库，语料库包括来自中文维基百科的语料、电厂专用语料以及将报警日志翻译为中文日志形成的语料；

对中文格式的文本信息进行分词及去停用词处理，以形成短文本；

使用gensim的word2vec模型进行训练，并生成短文本中的每个词的向量化模型；

将短文本向量化，经向量化的短文本为后续的训练及测试提供输入。