(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210924259.X (22)申请日 2022.08.03 (65)同一申请的已公布的文献号 申请公布号 CN 114997539 A (43)申请公布日 2022.09.02 (73)专利权人 上海叁零肆零科技有限公司 地址 201306 上海市浦东 新区海洋二路88 弄33-34号创新魔坊二期6幢8楼 (72)发明人 孟辉　栾星　周乐乐　王子峥　 王英鹏　田兴浩　 (74)专利代理 机构 上海中外企专利代理事务所 (特殊普通 合伙) 31387 专利代理师 孙益青 (51)Int.Cl. G06Q 10/04(2012.01) G06Q 10/00(2012.01) G06Q 50/06(2012.01) G06K 9/62(2022.01) (56)对比文件 JP 2009193486 A,20 09.08.27CN 113761728 A,2021.12.07 CN 104407601 A,2015.0 3.11 CN 106600140 A,2017.04.26 CN 112488420 A,2021.0 3.12 CN 112819107 A,2021.0 5.18 CN 112699048 A,2021.04.23 CN 111191725 A,2020.0 5.22 田露等.基 于参数学习的燃气调压 器故障诊 断网络优化. 《煤气与热力》 .202 2,第42卷(第7 期), 李琪.中低压 燃气调压 器智能预警技 术应用 与优化. 《中国优秀硕士学位 论文全文数据库 工 程科技Ⅱ辑 (月刊)》 .2020,(第08 期), 郝学军等.基 于贝叶斯网络的燃气调压 器故 障诊断研究. 《煤气与热力》 .202 2,第42卷(第6 期), Dong Yinxing等.Researc h on fault diagnosis algorithm of g as pressure regulator based o n compres sed sensi ng theory. 《2017 2 9th Chinese Control And Decision Conference (C CDC)》 .2017, 审查员 喻天君 (54)发明名称 一种燃气压力调节器故障预测方法与系统 (57)摘要 本发明公开了一种燃气压力调节器故障预 测方法与系统， 方法包含以下步骤： 步骤1： 获取 压力调节器的历史数据并进行处理得到所述压 力调节器的故障类型数据； 步骤2： 提取所述故障 类型数据中的故障特征并进行处理得到故障特 征数据集； 步骤3： 对所述故障特征数据集进行筛 选得到精 准特征数据集； 步骤4： 对所述精 准特征 数据集进行概率计算得到概率数据； 步骤5： 根据 所述概率数据进行调节器故障预测； 系统包含数 据处理模块、 特征提取模块、 筛选模块、 概率计算 模块、 分析模块。 权利要求书2页 说明书8页 附图4页 CN 114997539 B 2022.12.02 CN 114997539 B 1.一种燃气压力调节器故障预测方法， 其特 征在于， 包 含以下步骤： 步骤1： 获取压力调节器出口压力的历史数据并进行处理得到所述压力调节器的故障 类型， 再进行 标签化处 理， 得到所述故障类型 数据； 步骤2： 提取所述故障类型数据中的故障特征并进行处理得到故障特征数据集， 所述故 障特征包含数据采集月份、 数据采集季节、 出口压力值、 入口压力值、 出口压力阈值上限、 出 口压力阈值下限、 入口压力阈值上限、 入口压力阈值下限、 温度数据、 流 量数据； 步骤3： 采用移除低方差方法与IV值方法对所述故障特征数据集进行筛选得到精准特 征数据集； 采用移除低方差方法与IV值方法对所述故障特征数据集进行筛选得到所述精准特征 数据集的具体方法如下： 采用伯努利分布方差计算公式var(X)＝p(1 ‑p)移除所述故障特征数据集中小于阈值 的数据得到移除低方差特征数据集， 选取p为0.9时计算得出的方差值作为阈值， 其中， var (X)为随机变量X的方差， X为随机变量， 取值0或1， p为X＝1时的概率， 那么X＝0的概率是1 ‑ p； 依次通过公式 IV(i)＝(Py(i)‑Pn(i))*WOE(i)、 对所述移除低方差特征数据集分别进 行计算并剔除IV 值小于0.02与大于0.5 的数据得到所述精准特征数据集， 其中， WOE(i)为第i个分箱的WOE值， Py(i)为所有无故障 类型中第i个分箱中无故障类型所占的比率， Pn(i)为所有出口高压类型、 出口低压类型、 喘 振故障类型中第i个分箱中出口高压类型、 出口低压类型、 喘振故障类型所占的比率， yi为 第i个分箱中无故障类型的样本数， ys表示所有移除低方差特征数据集中无故障类型的样 本数， ni为第i个分箱中出口高压类型、 出口低压类型、 喘振故障类型的样本数， ns表示移除 低方差特征数据集中出口高压类型、 出口低压类型、 喘振故障类型的样 本数、 IV(i)为第i个 分箱的IV值， T为特 征的分箱个数； 步骤4： 对所述精准特 征数据集进行概 率计算得到概 率数据； 步骤5： 根据所述 概率数据进行调节器故障预测。 2.如权利要求1所述的一种燃气压力调节器故障预测方法， 其特征在于， 所述故障类型 包含无故障类型、 出口高压类型、 出口低压类型、 喘 振故障类型。 3.如权利要求2所述的一种燃气压力调节器故障预测方法， 其特征在于， 标签化处理后 的所述故障类型为无故障类型记为0、 出口高压类型记为1、 出口低压类型记为2、 喘振故障 类型记为3 。 4.如权利要求3所述的一种燃气压力调节器故障预测方法， 其特 征在于， 根据所述数据采集月份进行编码处 理得到数据采集月份编码数据； 根据所述数据采集季节进行编码处 理得到数据采集季节编码数据； 依次通过公式 与公式 计算得到出口压力方差、 入口压力方差，权　利　要　求　书 1/2 页 2 CN 114997539 B 2其中， 为样本出口压力值或入口压力值的均值， n为样本的数量， p i为第i个样本的出口压 力值或入口压力值， S2为所有样本的出口压力方差或入口压力方差； 按K小时区间计算所述出口压力值的均值方差得到K小时区间出口压力均值方差， 其 中， K小时的取值包 含1小时、 2小时、 3小时、 6小时、 12小时、 24小时； 所述故障特征数据集包含所述数据采集月份编码数据、 所述数据采集季节编码数据、 所述出口压力值、 所述出口压力方差、 所述入口压力值、 所述入口压力方差、 所述出口压力 阈值上限、 所述出 口压力阈值下限、 所述入口压力阈值上限、 所述入口压力阈值下限、 所述 温度数据、 所述 流量数据、 所述K小时区间出口压力均值方差 。 5.如权利要求4所述的一种燃气压力调节器故障预测方法， 其特征在于， 所述数据采集 季节编码数据依据春为0 001、 夏为0 010、 秋为010 0、 冬为10 00进行编码； 所述数据采集月份编码数据采用1月为000000000001、 2月为000000000010、 3月为 000000000100、 4月为000000001000、 5月为000000010000、 6月为000000100000、 7月为 000001000000、 8月为000010000000、 9月为000100000000、 10月为001000000000、 11月为 010000000000、 12月为10 0000000000进行编码。 6.如权利要求5所述的一种燃气压力调节器故障预测方法， 其特征在于， 步骤4依据朴 素贝叶斯分类算法对所述精准特 征数据集进行概 率计算得到概 率数据的方法如下： 将所述精准特征数据集的数据输入至公式1中计算所有精准特征数据集中给定特征时 y为Ck类型的概 率， 记为P(y＝Ck)； 根据公式2给定类型P(y＝Ck)计算第i个特 征的条件概 率P(xi∣ y＝Ck)； 公式1: 公式2: 其中， X为精准特征数据集， Ck代表故障类型， k表示故障类型个数， M表示特征数量， P(y ＝Ck∣X)为给定精准特征数据集X时y为Ck类型的概率， P(y＝Ck)为类型Ck的概率， P(X)为精 准特征数据集的概率分布， P(xi∣ y＝Ck)为给定y＝Ck类型时第i个特征的概率,如果xi为连 续型变量， 那么P(xi∣y＝Ck)服从高斯分布， 如果xi为离散型变量， 那么P(xi∣y＝Ck)服从伯 努利分布； P(y＝Ck)和P(xi∣ y＝Ck)为计算得到的概 率数据。 7.一种采用权利要求1所述方法的燃气压力调节器故障预测系统， 其特征在于， 包含数 据处理模块、 特 征提取模块、 筛 选模块、 概 率计算模块、 分析模块； 所述数据处理模块用于获取压力调节器的历史数据并进行处理得到所述压力调节器 的故障类型 数据； 所述特征提取模块用于提取所述故障类型数据中的故障特征并进行处理得到故障特 征数据集； 所述筛选模块用于对所述故障特 征数据集进行筛 选得到精准特 征数据集； 所述概率计算模块用于对所述精准特 征数据集进行概 率计算得到概 率数据； 所述分析模块用于根据所述 概率数据进行调节器故障预测。权　利　要　求　书 2/2 页 3 CN 114