[发明专利]一种用于电厂的工业控制系统诊断方法及系统

权利要求书

1.一种用于电厂的工业控制系统诊断系统，其特征在于，包括：

DCS历史数据站、数据网关、单向隔离网闸、企业防火墙、远程诊断云平台及DCS技术人员客户端；

所述DCS历史站用于存储电厂多个DSC系统测点的数据；

所述数据网关用于从所述DCS历史站采集电厂DCS系统测点的数据，并将采集的测点数据经过所述单向隔离网闸和所述企业防火墙后发送至所述远程诊断云平台；

所述远程诊断云平台存储有电厂DCS系统各个系统模块的模型，所述远程诊断云平台还包括数据清洗模块、异常数据提取模块和故障诊断模块；

所述数据清洗模块用于根据数据清洗规则对所述数据网关上传的测点数据进行数据清洗；

所述异常数据提取模块用于从完成数据清洗的测点数据中提取异常数据；

所述故障诊断模块用于根据所述异常数据对各个系统模块的模型进行故障故障预测，并生成针对各个系统模块的不同时间粒度的故障诊断报告；

所述DCS技术人员客户端与所述远程诊断云平台通信连接，所述DCS技术人员客户端用于接入所述远程诊断云平台调取所述诊断报告。

2.根据权利要求1所述的系统，其特征在于，所述数据清洗模块根据数据清洗规则对所述数据网关上传的测点数据进行数据清洗的方法包括：

清除DCS系统中的已经发生变化或无效的系统测点以及与其相关联的系统测点的数据；

清除电厂在启停机时超出负荷的测点数据；

去除空值或者缺失的测点数据。

3.根据权利要求2所述的系统，其特征在于，所述清除电厂在启停机时超出负荷的测点数据包括：

使用异常点检测算法计算待清洗的测点数据的变化异常的负荷值范围；

根据所述待清洗的测点数据的变化异常的负荷值范围，得到待清洗的测点数据的正常的负荷值范围；

应用所述待清洗的测点数据的正常的负荷值范围与机组稳定运行的负荷范围作比较，取范围小的负荷范围作为负荷的上限限值和负荷的下限限值；

将超出负荷的上限限值和负荷的下限限值的测点数据清除。

4.根据权利要求1所述的系统，其特征在于，所述异常数据提取模块从完成数据清洗的测点数据中提取异常数据的方法包括：

提取待处理的测点数据之前设定时间段内的数据；

将提取的数据进行对数化处理并画出时序图；

使用自回归条件异方差模型计算出某一置信区间，得到所述待处理的测点数据的上限初始阈值和下限初始阈值；

将所述待处理的测点数据的上限初始阈值和下限初始阈值与所述待处理的测点数据的上限工艺阈值和下限工艺阈值做对比，取对比后的最小范围的限值作为上限计算阈值和下限计算阈值；

提取超出上限计算阈值和下限计算阈值的数据作为异常数据。

5.根据权利要求1所述的系统，其特征在于，所述故障诊断模块包括已经完成训练的BP神经网络故障预测模型，所述故障诊断模块根据所述异常数据进行故障故障预测包括：

对所述异常数据进行分类，划分为分别属于不同系统模块的模型的时/日/月三种不同时间粒度的数据样本；

将属于每个系统模块的模型的时/日/月三种不同时间粒度的异常数据样本分别输入所述BP神经网络故障预测模型进行故障预测，输出对应每个系统模块的时/日/月三种时间粒度的诊断报告。

6.根据权利要求5所述的系统，其特征在于，对所述BP神经网络故障预测模型进行训练的方法包括：

获取DCS系统所有测点的历史数据；

获取确定为电厂设备发生故障的相关历史时间；

基于发生故障的时间点，获取故障时间点之前一小时、一日以及一个月三种不同时间粒度的相关测点的异常数据；

将三种不同时间粒度的异常数据分别生成时/日/月三种不同时间粒度的数据样本，每个样本中均标注对应的故障描述，形成样本数据库；

分别采用时/日/月三种不同时间粒度的数据样本对初始的BP神经网络故障预测模型进行训练，使完成训练的BP神经网络故障预测模型能够根据输入的时/日/月三种不同时间粒度的异常数据输出相应的故障诊断报告。