一种水电站风险预控评价方法及系统与流程

1.本发明涉及水电站故障监控技术领域，具体涉及一种水电站风险预控评价方法及系统。


背景技术：

2.水电站检修主要通过人工巡查的方式，通过个人工作经验对机械工作情况进行评价，不同人有不同评价标准，无法形成统一标准，存在较大弊端。现有水电站在建好，后续会一直进行检修，保障其工作正常和人员安全。
3.现有水电站检修后采用数据采集的方式进行风险预控评价，这种方式通过将传感器设置在具体的机械部分，探测其工作时的实时数据，从而监测实时数据是否处于正常范围内。这种水电站风险预控评价方式，传感器必须设置在固定位置，监测范围有限，且需要设置多个传感器从多点进行监测，无法从整体上对检修情况做出风险评价。


技术实现要素：

4.针对现有技术中的上述不足，本发明提供的一种水电站风险预控评价方法及系统解决了现有采用传感器方式对水电站的检修情况进行风险预控评价的方法，存在传感器必须设置在固定位置，监测范围有限，且需要设置多个传感器从多点进行监测，无法从整体上对检修情况做出评价的问题。
5.为了达到上述发明目的，本发明采用的技术方案为：一种水电站风险预控评价方法，包括以下步骤：s1、采集水电站正常工作时的声音信号，得到第一声音信号；s2、采集检修后水电站工作时的声音信号，得到第二声音信号；s3、分别提取第一声音信号和第二声音信号的幅度数据、频率数据和相移数据；s4、根据第一声音信号和第二声音信号的幅度数据、频率数据和相移数据，构建检修特征数据；s5、根据检修特征数据，基于水电站检修评价模型，得到水电站检修程度。
6.本发明方法的有益效果为：本发明通过分别采集正常工作时的声音信号和检修后水电站工作时的声音信号，得到第一声音信号和第二声音信号，分别提取声音信号中的幅度数据、频率数据和相移数据，并根据幅度数据、频率数据和相移数据去构建检修特征数据，通过检修特征数据，得到水电站检修程度。本发明通过找到检修后与正常工作时声音信号的幅度数据、频率数据和相移数据三方面的差异情况，去反应水电站的检修程度，从而达到从整体上判断出当前水电站的检修情况，从而实现对水电站风险预控，由于本发明采集的是水电站的声音信号，因此，相比于传感器单点式的监测，本发明的监测范围更广，且是从整体上对检修情况做出评价。
7.进一步地，所述步骤s4包括以下分步骤：s41、根据第一声音信号的幅度数据、频率数据和相移数据，得到第一幅度特征数
据、第一频率特征数据和第一相移特征数据；s42、根据第二声音信号的幅度数据、频率数据和相移数据，得到第二幅度特征数据、第二频率特征数据和第二相移特征数据；s43、根据第一幅度特征数据、第一频率特征数据、第一相移特征数据、第二幅度特征数据、第二频率特征数据和第二相移特征数据，得到检修特征数据。
8.上述进一步方案的有益效果为：分别提取了第一声音信号和第二声音信号的幅度、频率和相移三方面的数据，通过幅度、频率和相移三方面综合得到检修特征数据。
9.进一步地，所述步骤s41中得到第一幅度特征数据、第一频率特征数据或第一相移特征数据的公式为：其中，为第一幅度特征数据、第一频率特征数据或第一相移特征数据，为数据量，为第一声音信号的幅度数据、频率数据或相移数据的均值，为第一声音信号的第个幅度数据、频率数据或相移数据，为第一声音信号最大的幅度数据、频率数据或相移数据，为第一声音信号最小的幅度数据、频率数据或相移数据，为一级权重，为二级权重，为三级权重。
10.上述进一步方案的有益效果为：以均值为基础，通过各个数据与均值的差值与的比值，表征数据的分布的情况，通过数据与均值之间的四阶矩表征数据的波动峰态，综合不同情况的数据分布和波动情况，凸显数据的故障特征。
11.进一步地，所述步骤s42中得到第二幅度特征数据、第二频率特征数据和第二相移特征数据的公式为：其中，为第二幅度特征数据、第二频率特征数据或第二相移特征数据，为数据量，为第二声音信号的幅度数据、频率数据或相移数据的均值，为第二声音信号的第个幅度数据、频率数据或相移数据，为第二声音信号最大的幅度数据、频率数据或相移数据，为第二声音信号最小的幅度数据、频率数据或相移数据，为一级权重，为二级权重，为三级权重。
12.上述进一步方案的有益效果为：以均值为基础，通过各个数据与均值的差值与
的比值，表征数据的分布的情况，通过数据与均值之间的四阶矩表征数据的波动峰态，综合不同情况的数据分布和波动情况，凸显数据的故障特征。
13.进一步地，所述步骤s43中检修特征数据的公式为：其中，为检修特征数据，为第二幅度特征数据，为第一幅度特征数据，为第二频率特征数据，为第一频率特征数据，为第二相移特征数据，为第一相移特征数据，为幅度权重，为频率权重，为相移权重。
14.上述进一步方案的有益效果为：通过幅度、频率和相移的差距，去表征正常时和检修后的差距。
15.进一步地，所述步骤s5中水电站检修评价模型为：第一特征提取模块、第二特征提取模块、加法模块、第一注意力模块、第二注意力模块、concat层和全连接层；所述第一特征提取模块的输入端与第二特征提取模块的输入端连接，并作为水电站检修评价模型的输入端，其输出端与加法模块的第一输入端连接；所述加法模块的第二输入端与第二特征提取模块的输出端连接，其输出端分别与第一注意力模块的输入端和第二注意力模块的输入端连接；所述concat层的第一输入端与第一注意力模块的输出端连接，其第二输入端与第二注意力模块的输出端连接，其输出端与全连接层的输入端连接；所述全连接层的输出端作为水电站检修评价模型的输出端。
16.上述进一步方案的有益效果为：通过两个特征提取模块提取特征，加法模块对特征进行融合，两个注意力模块对不同特征进行关注，保障数据特征充分保留，得到不同的数据特征，采用concat层对不同的数据特征进行拼接，再采用全连接层对拼接后的数据特征进行分类。
17.进一步地，所述第一注意力模块包括：第一卷积层、第二卷积层、第三卷积层、第一旋转层、第一乘法层、第一softmax层和第二乘法层；所述第一卷积层的输入端分别与第二卷积层的输入端和第三卷积层的输入端连接，并作为第一注意力模块的输入端；所述第一卷积层的输出端与第一旋转层的输入端连接；所述第一乘法层的第一输入端与第一旋转层的输出端连接，其第二输入端与第二卷积层的输出端连接，其输出端与第一softmax层的输入端连接；所述第二乘法层的第一输入端与第一softmax层的输出端连接，其第二输入端与第三卷积层的输出端连接，其输出端作为第一注意力模块的输出端。
18.上述进一步方案的有益效果为：在第一卷积层提取特征数据后，第一旋转层对特征数据进行矩阵旋转（相当于转置），在旋转后与第二卷积层提取的特征数据进行相乘，相乘结果通过第一softmax层限制最大值幅度再与第三卷积层提取的特征数据相乘，得到第一注意力模块结果，多个卷积层提取不同的特征数据，旋转层进行特征数据中数值位置的调整，将不同特征数据进行相乘使得特征数据融合，保障特征丰富。
19.进一步地，所述第二注意力模块包括：第三乘法层、第四乘法层、第二旋转层和第二softmax层；所述第三乘法层的第一输入端分别与第二旋转层的输入端和第四乘法层的第一
输入端连接，并作为第二注意力模块的输入端；所述第三乘法层的第二输入端与第二旋转层的输出端连接，其输出端与第二softmax层的输入端连接；所述第四乘法层的第二输入端与第二softmax层的输出端连接，其输出端作为第二注意力模块的输出端。
20.上述进一步方案的有益效果为：第三乘法层将加法模块输出的数据以及旋转后的数据相乘，采用第二softmax层对相乘结果限制最大值幅度，再通过第四乘法层与加法模块输出的数据相乘，达到通过第一注意力模块和第二注意力模块实现不同方式保留数据特征。
21.进一步地，所述水电站检修评价模型的损失函数为：其中，为损失函数，为水电站检修评价模型第个评价程度的标签，为水电站检修评价模型第个评价程度对应的实际输出，为评价程度的等级，为取序列的最大值。
22.上述进一步方案的有益效果为：通过水电站检修评价模型输出的多个，与对应的多个的差值，以及水电站检修评价模型输出的最大与最大标签之间的距离，表征训练过程中水电站检修评价模型的差距。
23.一种水电站风险预控评价方法的系统，包括：第一声音信号采集子系统、第二声音信号采集子系统、幅度频率相移提取子系统、特征数据构建子系统和水电站评价子系统；所述第一声音信号采集子系统用于采集水电站正常工作时的声音信号，得到第一声音信号；所述第二声音信号采集子系统用于采集检修后水电站工作时的声音信号，得到第二声音信号；所述幅度频率相移提取子系统用于分别提取第一声音信号和第二声音信号的幅度数据、频率数据和相移数据；所述特征数据构建子系统用于根据第一声音信号和第二声音信号的幅度数据、频率数据和相移数据，构建检修特征数据；所述水电站评价子系统用于根据检修特征数据，基于水电站检修评价模型，得到水电站检修程度。
24.本发明系统的有益效果为：本发明通过分别采集正常工作时的声音信号和检修后水电站工作时的声音信号，得到第一声音信号和第二声音信号，分别提取声音信号中的幅度数据、频率数据和相移数据，并根据幅度数据、频率数据和相移数据去构建检修特征数据，通过检修特征数据，得到水电站检修程度。本发明通过找到检修后与正常工作时声音信号的幅度数据、频率数据和相移数据三方面的差异情况，去反应水电站的检修程度，从而达到从整体上判断出当前水电站的检修情况，从而实现对水电站风险预控，由于本发明采集的是水电站的声音信号，因此，相比于传感器单点式的监测，本发明的监测范围更广，且是从整体上对检修情况做出评价。
附图说明
25.图1为一种水电站风险预控评价方法的流程图；图2为水电站检修评价模型的结构示意图。
具体实施方式
26.下面对本发明的具体实施方式进行描述，以便于本技术领域的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。
27.实施例1：如图1所示，一种水电站风险预控评价方法，包括以下步骤：s1、采集水电站正常工作时的声音信号，得到第一声音信号；s2、采集检修后水电站工作时的声音信号，得到第二声音信号；s3、分别提取第一声音信号和第二声音信号的幅度数据、频率数据和相移数据；s4、根据第一声音信号和第二声音信号的幅度数据、频率数据和相移数据，构建检修特征数据；s5、根据检修特征数据，基于水电站检修评价模型，得到水电站检修程度。
28.本发明实施例1的有益效果为：本发明通过分别采集正常工作时的声音信号和检修后水电站工作时的声音信号，得到第一声音信号和第二声音信号，分别提取声音信号中的幅度数据、频率数据和相移数据，并根据幅度数据、频率数据和相移数据去构建检修特征数据，通过检修特征数据，得到水电站检修程度。本发明通过找到检修后与正常工作时声音信号的幅度数据、频率数据和相移数据三方面的差异情况，去反应水电站的检修程度，从而达到从整体上判断出当前水电站的检修情况，从而实现对水电站风险预控，由于本发明采集的是水电站的声音信号，因此，相比于传感器单点式的监测，本发明的监测范围更广，且是从整体上对检修情况做出评价。
29.实施例2：针对实施例1中步骤s4包括以下分步骤：s41、根据第一声音信号的幅度数据、频率数据和相移数据，得到第一幅度特征数据、第一频率特征数据和第一相移特征数据；s42、根据第二声音信号的幅度数据、频率数据和相移数据，得到第二幅度特征数据、第二频率特征数据和第二相移特征数据；s43、根据第一幅度特征数据、第一频率特征数据、第一相移特征数据、第二幅度特征数据、第二频率特征数据和第二相移特征数据，得到检修特征数据。
30.实施例2的有益效果为：分别提取了第一声音信号和第二声音信号的幅度、频率和相移三方面的数据，通过幅度、频率和相移三方面综合得到检修特征数据。
31.实施例3：针对实施例2中步骤s41中得到第一幅度特征数据、第一频率特征数据或第一相移特征数据的公式为：
其中，为第一幅度特征数据、第一频率特征数据或第一相移特征数据，为数据量，为第一声音信号的幅度数据、频率数据或相移数据的均值，为第一声音信号的第个幅度数据、频率数据或相移数据，为第一声音信号最大的幅度数据、频率数据或相移数据，为第一声音信号最小的幅度数据、频率数据或相移数据，为一级权重，为二级权重，为三级权重。
32.实施例3的有益效果为：以均值为基础，通过各个数据与均值的差值与的比值，表征数据的分布的情况，通过数据与均值之间的四阶矩表征数据的波动峰态，综合不同情况的数据分布和波动情况，凸显数据的故障特征。
33.在本实施例中，所有字符均是针对同一类数据，例如在为相移数据时，为相移数据均值，为最大相移数据，为最小相移数据。
34.实施例4：针对实施例2中步骤s42中得到第二幅度特征数据、第二频率特征数据和第二相移特征数据的公式为：其中，为第二幅度特征数据、第二频率特征数据或第二相移特征数据，为数据量，为第二声音信号的幅度数据、频率数据或相移数据的均值，为第二声音信号的第个幅度数据、频率数据或相移数据，为第二声音信号最大的幅度数据、频率数据或相移数据，为第二声音信号最小的幅度数据、频率数据或相移数据，为一级权重，为二级权重，为三级权重。
35.实施例4的有益效果为：以均值为基础，通过各个数据与均值的差值与的比值，表征数据的分布的情况，通过数据与均值之间的四阶矩表征数据的波动峰态，综合不同情况的数据分布和波动情况，凸显数据的故障特征。
36.在本实施例中，所有字符均是针对同一类数据，例如在为相移数据时，为相移数据均值，为最大相移数据，为最小相移数据。
37.实施例5：
针对实施例2中步骤s43中检修特征数据的公式为：其中，为检修特征数据，为第二幅度特征数据，为第一幅度特征数据，为第二频率特征数据，为第一频率特征数据，为第二相移特征数据，为第一相移特征数据，为幅度权重，为频率权重，为相移权重。
38.实施例5的有益效果为：通过幅度、频率和相移的差距，去表征正常时和检修后的差距。
39.实施例6：如图2所示，针对实施例1中步骤s5中水电站检修评价模型为：第一特征提取模块、第二特征提取模块、加法模块、第一注意力模块、第二注意力模块、concat层和全连接层；所述第一特征提取模块的输入端与第二特征提取模块的输入端连接，并作为水电站检修评价模型的输入端，其输出端与加法模块的第一输入端连接；所述加法模块的第二输入端与第二特征提取模块的输出端连接，其输出端分别与第一注意力模块的输入端和第二注意力模块的输入端连接；所述concat层的第一输入端与第一注意力模块的输出端连接，其第二输入端与第二注意力模块的输出端连接，其输出端与全连接层的输入端连接；所述全连接层的输出端作为水电站检修评价模型的输出端。
40.实施例6的有益效果为：通过两个特征提取模块提取特征，加法模块对特征进行融合，两个注意力模块对不同特征进行关注，保障数据特征充分保留，得到不同的数据特征，采用concat层对不同的数据特征进行拼接，再采用全连接层对拼接后的数据特征进行分类。
41.在本实施例中，第一特征提取模块和第二特征提取模块可采用卷积层构建，其中，第一特征提取模块和第二特征提取模块中卷积层的卷积核不同，则提取到的特征数据不同。
42.实施例7：针对实施例6中第一注意力模块包括：第一卷积层、第二卷积层、第三卷积层、第一旋转层、第一乘法层、第一softmax层和第二乘法层；所述第一卷积层的输入端分别与第二卷积层的输入端和第三卷积层的输入端连接，并作为第一注意力模块的输入端；所述第一卷积层的输出端与第一旋转层的输入端连接；所述第一乘法层的第一输入端与第一旋转层的输出端连接，其第二输入端与第二卷积层的输出端连接，其输出端与第一softmax层的输入端连接；所述第二乘法层的第一输入端与第一softmax层的输出端连接，其第二输入端与第三卷积层的输出端连接，其输出端作为第一注意力模块的输出端。
43.实施例7的有益效果为：在第一卷积层提取特征数据后，第一旋转层对特征数据进行矩阵旋转（相当于转置），在旋转后与第二卷积层提取的特征数据进行相乘，相乘结果通过第一softmax层限制最大值幅度再与第三卷积层提取的特征数据相乘，得到第一注意力模块结果，多个卷积层提取不同的特征数据，旋转层进行特征数据中数值位置的调整，将不同特征数据进行相乘使得特征数据融合，保障特征丰富。
44.在本实施例中，第一卷积层、第二卷积层和第三卷积层的卷积核大小不同，更便于提取到不同的特征数据。
45.实施例8：针对实施例6中第二注意力模块包括：第三乘法层、第四乘法层、第二旋转层和第二softmax层；所述第三乘法层的第一输入端分别与第二旋转层的输入端和第四乘法层的第一输入端连接，并作为第二注意力模块的输入端；所述第三乘法层的第二输入端与第二旋转层的输出端连接，其输出端与第二softmax层的输入端连接；所述第四乘法层的第二输入端与第二softmax层的输出端连接，其输出端作为第二注意力模块的输出端。
46.实施例8的有益效果为：第三乘法层将加法模块输出的数据以及旋转后的数据相乘，采用第二softmax层对相乘结果限制最大值幅度，再通过第四乘法层与加法模块输出的数据相乘，达到通过第一注意力模块和第二注意力模块实现不同方式保留数据特征。
47.实施例9：针对实施例1中水电站检修评价模型的损失函数为：其中，为损失函数，为水电站检修评价模型第个评价程度的标签，为水电站检修评价模型第个评价程度对应的实际输出，为评价程度的等级，为取序列的最大值。
48.实施例9的有益效果为：通过水电站检修评价模型输出的多个，与对应的多个的差值，以及水电站检修评价模型输出的最大与最大标签之间的距离，表征训练过程中水电站检修评价模型的差距。
49.实施例10：针对实施例1~9中，本发明提供一种水电站风险预控评价方法的系统，包括：第一声音信号采集子系统、第二声音信号采集子系统、幅度频率相移提取子系统、特征数据构建子系统和水电站评价子系统；所述第一声音信号采集子系统用于采集水电站正常工作时的声音信号，得到第一声音信号；所述第二声音信号采集子系统用于采集检修后水电站工作时的声音信号，得到第二声音信号；所述幅度频率相移提取子系统用于分别提取第一声音信号和第二声音信号的幅度数据、频率数据和相移数据；所述特征数据构建子系统用于根据第一声音信号和第二声音信号的幅度数据、频率数据和相移数据，构建检修特征数据；所述水电站评价子系统用于根据检修特征数据，基于水电站检修评价模型，得到水电站检修程度。
50.实施例10的有益效果为：本发明通过分别采集正常工作时的声音信号和检修后水电站工作时的声音信号，得到第一声音信号和第二声音信号，分别提取声音信号中的幅度数据、频率数据和相移数据，并根据幅度数据、频率数据和相移数据去构建检修特征数据，通过检修特征数据，得到水电站检修程度。本发明通过找到检修后与正常工作时声音信号的幅度数据、频率数据和相移数据三方面的差异情况，去反应水电站的检修程度，从而达到从整体上判断出当前水电站的检修情况，从而实现对水电站风险预控，由于本发明采集的是水电站的声音信号，因此，相比于传感器单点式的监测，本发明的监测范围更广，且是从整体上对检修情况做出评价。