火电厂环保设备风险评估方法、装置、设备及存储介质与流程

本发明涉及火电厂，特别涉及火电厂环保设备风险评估方法、装置、设备及存储介质。

背景技术：

1、随着全球环境问题的严峻，环境保护已成为国际共识和各国政策的核心，火电厂作为电力供应的关键，其环保设备稳定运行至关重要，火电厂在运行中会产生大量污染物，对环境和人类健康构成威胁，因此，环保设备的稳定运行成为减少排放、保护环境的关键，同时，环保设备的稳定运行对火电厂的可持续发展具有决定性意义，随着环保法规的严格，火电厂需加强环保设备运行管理，确保稳定运行，提高能源效率，减少排放，实现可持续发展，此外，稳定运行还有助于提升火电厂的社会形象和声誉，为其长远发展奠定基础。

2、在火电厂环保设备风险评估的实践中，现有技术虽有其价值，但也显露出一些细微的不足，首先，当前评估周期较长，往往依赖于定期的检测，这种方式在捕捉设备状态和风险变化的即时性上稍显滞后，可能会给污染防控和设备保护带来挑战，其次，传统风险评估方法过分依赖人工检测和分析，导致数据准确性可能受到人为误差和设备精度的双重影响，从而削弱了评估结果的可靠性，再者，实时性的缺乏使得传统方法在应对突发环境事件或设备故障时显得力不从心，难以为决策者提供及时的预警和应对方案，最后，不同企业、地区间评估方法和标准的多样性，也增加了全球范围内环境风险评价的复杂性和不确定性。因此，如何准确的对火电厂环保设备的风险进行评估是需要解决的。

技术实现思路

1、有鉴于此，本发明的目的在于提供火电厂环保设备风险评估方法、装置、设备及存储介质，能够实时、准确地评估环保设备的运行状态和风险。其具体方案如下：

2、第一方面，本技术公开了一种火电厂环保设备风险评估方法，包括：

3、基于安装在目标火电厂中各环保设备上的预设传感器对所述目标火电厂的进行数据采集以得到所述目标火电厂的运行数据，并对所述运行数据进行数据标准化处理以得到处理后数据；

4、根据预设业务需求从若干神经网络模型中确定目标神经网络模型进行模型初始化以得到目标训练模型，并利用所述处理后数据中的数据特征对所述目标训练模型进行模型训练以得到风险评估模型；

5、将所述处理后数据输入至所述风险评估模型中以得到所述风险评估模型以得到所述目标火电厂的运行风险评估结果。

6、可选的，所述基于安装在目标火电厂中各环保设备上的预设传感器对所述目标火电厂的进行数据采集以得到所述目标火电厂的运行数据，包括：

7、根据目标火电厂中各环保设备的设备类型和目标监测参数确定各所述环保设备对应的目标传感器，并将各所述目标传感器安装至对应的所述环保设备的目标位置；

8、基于预设数据采集方式和各所述目标传感器对所述目标火电厂的进行数据采集，并在进行所述数据采集的过程中通过预设数据校验方法和预设冗余采集方法对数据的准确度进行校验，以得到所述目标火电厂的运行数据；所述预设冗余采集方法在数据异常或数据缺失时，启动预设备用传感器或预设数据采集通道对所述目标火电厂的进行数据采集。

9、可选的，所述对所述运行数据进行数据标准化处理以得到处理后数据，包括：

10、利用预设噪声数据审查方法对所述运行数据中的噪声数据进行识别删除，并利用预设缺失值处理方法对所述运行数据中的缺失数据进行数据插补以得到清洗后数据；

11、基于预设业务需求确定数据整合标准，并基于所述数据整合标准对所述清洗后数据进行字段匹配和格式转换以得到整合后数据；

12、基于所述预设业务需求对所述整合后数据进行格式化处理以得到格式化数据，并基于预设行业标准对所述格式化数据进行标准化处理以得到处理后数据。

13、可选的，所述根据预设业务需求从若干神经网络模型中确定目标神经网络模型进行模型初始化以得到目标训练模型，并利用所述处理后数据中的数据特征对所述目标训练模型进行模型训练以得到风险评估模型，包括：

14、对所述处理后数据进行数据特征提取操作以得到所述处理后数据的数据特征，并对所述数据特征进行数据预处理以得到训练数据；

15、根据预设业务需求从若干神经网络模型中确定目标神经网络模型，并根据预设业务需求对所述目标神经网络模型的参数进行设置以得到目标训练模型；

16、利用所述训练数据对所述目标训练模型进行模型训练，并利用预设迭代优化算法在模型训练过程中对所述目标训练模型的参数进行调整以得到风险评估模型。

17、可选的，所述将所述处理后数据输入至所述风险评估模型中以得到所述风险评估模型以得到所述目标火电厂的运行风险评估结果之后，还包括：

18、基于所述运行风险评估结果的数据内容和用户端下发的结果呈现方式选择指令确定目标结果呈现方式；

19、若所述目标结果呈现方式表征为雷达图，则基于所述运行风险评估结果的风险类型或者风险评估维度对初始雷达图的参数进行设置，并将所述运行风险评估结果映射到设置后的所述初始雷达图上以得到风险评估结果雷达展示图。

20、可选的，所述将所述处理后数据输入至所述风险评估模型中以得到所述风险评估模型以得到所述目标火电厂的运行风险评估结果之后，还包括：

21、将所述运行风险评估结果与预设风险阈值进行比较以确定所述运行风险评估结果对应的风险等级；

22、基于所述风险等级触发相应的预警操作，并根据所述运行风险评估结果生成相应的应对措施并将所述应对措施发送至用户端，以便所述用户端及时进行风险处理。

23、可选的，所述根据所述运行风险评估结果生成相应的应对措施并将所述应对措施发送至用户端之后，还包括：

24、基于各所述预设传感器对所述目标火电厂的进行数据采集以得到所述目标火电厂的新运行数据；

25、利用所述新运行数据对所述风险评估模型进行模型优化训练以得到优化后评估模型；

26、基于预设独立验证数据集对所述优化后评估模型进行验证以得到模型评估指标分数，并判断所述模型评估指标分数是否满足预设模型优化条件；

27、若所述模型评估指标分数满足预设模型优化条件，则将所述优化后评估模型确定为新的风险评估模型。

28、第二方面，本技术公开了一种火电厂环保设备风险评估装置，包括：

29、数据处理模块，用于基于安装在目标火电厂中各环保设备上的预设传感器对所述目标火电厂的进行数据采集以得到所述目标火电厂的运行数据，并对所述运行数据进行数据标准化处理以得到处理后数据；

30、模型训练模块，用于根据预设业务需求从若干神经网络模型中确定目标神经网络模型进行模型初始化以得到目标训练模型，并利用所述处理后数据中的数据特征对所述目标训练模型进行模型训练以得到风险评估模型；

31、风险评估模块，用于将所述处理后数据输入至所述风险评估模型中以得到所述风险评估模型以得到所述目标火电厂的运行风险评估结果。

32、第三方面，本技术公开了一种电子设备，包括：

33、存储器，用于保存计算机程序；

34、处理器，用于执行所述计算机程序以实现前述的火电厂环保设备风险评估方法。

35、第四方面，本技术公开了一种计算机可读存储介质，用于保存计算机程序，所述计算机程序被处理器执行时实现前述的火电厂环保设备风险评估方法。

36、可见，本实施例中，基于安装在目标火电厂中各环保设备上的预设传感器对所述目标火电厂的进行数据采集以得到所述目标火电厂的运行数据，并对所述运行数据进行数据标准化处理以得到处理后数据；根据预设业务需求从若干神经网络模型中确定目标神经网络模型进行模型初始化以得到目标训练模型，并利用所述处理后数据中的数据特征对所述目标训练模型进行模型训练以得到风险评估模型；将所述处理后数据输入至所述风险评估模型中以得到所述风险评估模型以得到所述目标火电厂的运行风险评估结果。通过各环保设备上的预设传感器可以获取到更精准的数据，并通过对数据进行标准化处理提升了数据质量和可比性，为构建更准确的风险评估模型提供了坚实基础，通过利用模型对风险进行实时评估有效降低了人为误差，提高了能源利用效率，并显著提升了火电厂的环保管理水平，为环境保护和可持续发展做出了积极贡献。