天然气净化装置检维修作业智能管控系统及方法与流程

本技术涉及智能化检维修领域，具体涉及一种天然气净化装置检维修作业智能管控系统及方法。

背景技术：

1、天然气净化装置在工业生产中扮演着至关重要的角色，用于去除天然气中的杂质、硫化氢等有害物质，以确保天然气的质量和安全。然而，随着设备运行时间的增加，设备可能会出现磨损、老化或故障，导致性能下降甚至停止工作。

2、然而，传统的天然气净化装置检维修方式通常是基于固定的时间或周期进行，定期维护通常不考虑设备的实时运行状况，可能导致在设备出现性能下降或故障前未能及时发现和处理问题。并且，由于维护是基于固定的时间表，即使设备状态良好，也会进行不必要的检查和更换部件，造成人力、物力和财力的浪费。此外，在未及时对于天然气净化装置进行维护和检修时，当设备发生故障后，可能需要较长时间来诊断问题并安排维修，这期间设备无法正常工作，影响生产效率和安全性，还可能导致环境污染问题。

3、因此，期望一种天然气净化装置检维修作业智能管控系统。

技术实现思路

1、考虑到以上问题而做出了本技术。本技术的一个目的是提供一种天然气净化装置检维修作业智能管控系统及方法。

2、本技术的实施例提供了一种天然气净化装置检维修作业智能管控方法，其包括：通过传感器网络采集天然气净化装置的设备运行数据的时间序列，其中，所述设备运行数据包括温度值、压力值、振动幅度值、电流值和电压值；分别对所述设备运行数据的时间序列中的各个设备运行数据进行嵌入编码以得到设备运行数据嵌入编码向量的时间序列；将所述设备运行数据嵌入编码向量的时间序列通过基于数据语义关联和数据时间跨度的上下文关联编码器以得到上下文关联设备运行语义特征向量的序列；对所述上下文关联设备运行语义特征向量的序列进行基于融合节点重要性的节点消息传播融合以得到设备运行状态特征时序传播聚合表示信息；基于所述设备运行状态特征时序传播聚合表示信息，确定是否进行设备预维护。

3、例如，根据本技术的实施例的天然气净化装置检维修作业智能管控方法，其中，分别对所述设备运行数据的时间序列中的各个设备运行数据进行嵌入编码以得到设备运行数据嵌入编码向量的时间序列，包括：将所述设备运行数据的时间序列中的各个设备运行数据分别通过基于全连接层的设备数据嵌入编码模块以得到所述设备运行数据嵌入编码向量的时间序列。

4、例如，根据本技术的实施例的天然气净化装置检维修作业智能管控方法，其中，将所述设备运行数据嵌入编码向量的时间序列通过基于数据语义关联和数据时间跨度的上下文关联编码器以得到上下文关联设备运行语义特征向量的序列，包括：从所述设备运行数据嵌入编码向量的时间序列中提取预定设备运行数据嵌入编码向量；计算所述预定设备运行数据嵌入编码向量与其他所有设备运行数据嵌入编码向量之间的语义关联度以得到设备运行数据嵌入编码语义时序关联度的序列；计算所述设备运行数据嵌入编码语义时序关联度的序列的全局均值以得到设备运行数据嵌入编码语义时序全局平均关联度；以所述设备运行数据嵌入编码语义时序全局平均关联度作为权重，对所述预定设备运行数据嵌入编码向量进行加权强化以得到所述预定设备运行数据嵌入编码向量对应的上下文关联设备运行语义特征向量。

5、例如，根据本技术的实施例的天然气净化装置检维修作业智能管控方法，其中，计算所述预定设备运行数据嵌入编码向量与其他所有设备运行数据嵌入编码向量之间的语义关联度以得到设备运行数据嵌入编码语义时序关联度的序列，包括：计算所述预定设备运行数据嵌入编码向量与其他所有设备运行数据嵌入编码向量之间的语义相似度以得到设备运行数据嵌入编码语义时序相似度的序列；计算所述预定设备运行数据嵌入编码向量与其他所有设备运行数据嵌入编码向量之间相隔的特征向量的数量以得到设备运行数据嵌入编码语义时序距离计数量的序列；将所述设备运行数据嵌入编码语义时序相似度的序列与所述设备运行数据嵌入编码语义时序距离计数量的序列进行按位置相除以得到所述设备运行数据嵌入编码语义时序关联度的序列。

6、例如，根据本技术的实施例的天然气净化装置检维修作业智能管控方法，其中，对所述上下文关联设备运行语义特征向量的序列进行基于融合节点重要性的节点消息传播融合以得到设备运行状态特征时序传播聚合表示信息，包括：将所述上下文关联设备运行语义特征向量的序列输入融合节点重要性的节点消息传播融合网络以得到设备运行状态特征时序传播聚合表示向量作为所述设备运行状态特征时序传播聚合表示信息。

7、例如，根据本技术的实施例的天然气净化装置检维修作业智能管控方法，其中，将所述上下文关联设备运行语义特征向量的序列输入融合节点重要性的节点消息传播融合网络以得到设备运行状态特征时序传播聚合表示向量作为所述设备运行状态特征时序传播聚合表示信息，包括：使用评分函数来度量所述上下文关联设备运行语义特征向量的序列中前k-1个上下文关联设备运行语义特征向量的显著因子以得到k-1个上下文关联设备运行语义时序显著因子；以所述k-1个上下文关联设备运行语义时序关联显著因子作为权重，计算所述上下文关联设备运行语义特征向量的序列中前k-1个上下文关联设备运行语义特征向量的按位置加权和以聚合所述上下文关联设备运行语义特征向量的序列中前k-1个上下文关联设备运行语义特征向量以得到后部节点集合上下文关联设备运行语义时序关联聚合表示向量；使用预设超参数对所述上下文关联设备运行语义特征向量的序列中第k个上下文关联设备运行语义特征向量进行线性调制以得到调制后第k个上下文关联设备运行语义特征向量；计算所述调制后第k个上下文关联设备运行语义特征向量和所述后部节点集合上下文关联设备运行语义时序关联聚合表示向量的按位置加和以得到上下文关联设备运行语义时序关联全节点聚合表示向量；将所述上下文关联设备运行语义时序关联全节点聚合表示向量输入多层感知机模型以得到所述设备运行状态特征时序传播聚合表示向量。

8、例如，根据本技术的实施例的天然气净化装置检维修作业智能管控方法，其中，使用评分函数来度量所述上下文关联设备运行语义特征向量的序列中前k-1个上下文关联设备运行语义特征向量的显著因子以得到k-1个上下文关联设备运行语义时序显著因子，包括：分别计算各个权重系数矩阵与前k-1个所述上下文关联设备运行语义特征向量之间的矩阵乘积以得到前k-1个上下文关联设备运行语义时序关联加权特征向量；将所述前k-1个上下文关联设备运行语义时序关联加权特征向量中的各个上下文关联设备运行语义时序关联加权特征向量加上相应的偏置向量以得到前k-1个上下文关联设备运行语义时序关联偏置特征向量；使用函数对所述前k-1个上下文关联设备运行语义时序关联偏置特征向量进行激活以得到前k-1个上下文关联设备运行语义时序关联激活特征向量；计算所述前k-1个上下文关联设备运行语义时序关联激活特征向量中的各个上下文关联设备运行语义时序关联激活特征向量与权重系数向量之间的乘积以得到前k-1个上下文关联设备运行语义时序关联度；将所述前k-1个上下文关联设备运行语义时序关联度输入函数以得到所述k-1个上下文关联设备运行语义时序显著因子。

9、例如，根据本技术的实施例的天然气净化装置检维修作业智能管控方法，其中，基于所述设备运行状态特征时序传播聚合表示信息，确定是否进行设备预维护，包括：将所述设备运行状态特征时序传播聚合表示向量通过基于分类器的管控结果生成器以得到管控结果，所述管控结果用于表示是否进行设备预维护。

10、例如，根据本技术的实施例的天然气净化装置检维修作业智能管控方法，其中，还包括训练步骤：用于对所述基于全连接层的设备数据嵌入编码模块、所述基于数据语义关联和数据时间跨度的上下文关联编码器、所述融合节点重要性的节点消息传播融合网络和所述基于分类器的管控结果生成器进行训练；其中，所述训练步骤，包括：获取训练数据，所述训练数据包括通过传感器网络采集天然气净化装置的训练设备运行数据的时间序列以及真实管控结果，其中，所述训练设备运行数据包括训练温度值、训练压力值、训练振动幅度值、训练电流值和训练电压值；将所述训练设备运行数据的时间序列中的各个训练设备运行数据分别通过所述基于全连接层的设备数据嵌入编码模块以得到训练设备运行数据嵌入编码向量的时间序列；将所述训练设备运行数据嵌入编码向量的时间序列通过所述基于数据语义关联和数据时间跨度的上下文关联编码器以得到训练上下文关联设备运行语义特征向量的序列；将所述训练上下文关联设备运行语义特征向量的序列输入所述融合节点重要性的节点消息传播融合网络以得到训练设备运行状态特征时序传播聚合表示向量；将所述训练设备运行状态特征时序传播聚合表示向量通过所述基于分类器的管控结果生成器以得到训练管控结果；计算所述训练管控结果与所述真实管控结果之间的交叉熵损失函数值以得到分类损失函数值；基于所述分类损失函数值对所述基于全连接层的设备数据嵌入编码模块、所述基于数据语义关联和数据时间跨度的上下文关联编码器、所述融合节点重要性的节点消息传播融合网络和所述基于分类器的管控结果生成器进行训练。

11、本技术的实施例还提供了一种天然气净化装置检维修作业智能管控系统，其包括：运行数据采集模块，用于通过传感器网络采集天然气净化装置的设备运行数据的时间序列，其中，所述设备运行数据包括温度值、压力值、振动幅度值、电流值和电压值；嵌入编码模块，用于分别对所述设备运行数据的时间序列中的各个设备运行数据进行嵌入编码以得到设备运行数据嵌入编码向量的时间序列；上下文关联编码模块，用于将所述设备运行数据嵌入编码向量的时间序列通过基于数据语义关联和数据时间跨度的上下文关联编码器以得到上下文关联设备运行语义特征向量的序列；融合模块，用于对所述上下文关联设备运行语义特征向量的序列进行基于融合节点重要性的节点消息传播融合以得到设备运行状态特征时序传播聚合表示信息；维护分析模块，用于基于所述设备运行状态特征时序传播聚合表示信息，确定是否进行设备预维护。

12、根据本技术的实施例的天然气净化装置检维修作业智能管控系统及方法，其使用传感器和监控设备实时收集天然气净化装置的设备运行数据，然后将这些设备运行数据传输至云计算平台进行分析，以利用基于人工智能和深度学习技术的数据处理和分析算法来学习并捕获到天然气净化装置的各个设备运行数据之间的时序协同关联和交互特征信息，以此来识别设备运行状态，从而判断是否进行设备预维护。这样，能够及时发现潜在的设备异常或性能下降的迹象，并提前预警可能的故障风险，从而进行设备预维护，以实现对天然气净化装置检维修作业的智能化管控。

技术特征：

1.一种天然气净化装置检维修作业智能管控方法，其特征在于，包括：通过传感器网络采集天然气净化装置的设备运行数据的时间序列，其中，所述设备运行数据包括温度值、压力值、振动幅度值、电流值和电压值；分别对所述设备运行数据的时间序列中的各个设备运行数据进行嵌入编码以得到设备运行数据嵌入编码向量的时间序列；将所述设备运行数据嵌入编码向量的时间序列通过基于数据语义关联和数据时间跨度的上下文关联编码器以得到上下文关联设备运行语义特征向量的序列；对所述上下文关联设备运行语义特征向量的序列进行基于融合节点重要性的节点消息传播融合以得到设备运行状态特征时序传播聚合表示信息；基于所述设备运行状态特征时序传播聚合表示信息，确定是否进行设备预维护；其中，对所述上下文关联设备运行语义特征向量的序列进行基于融合节点重要性的节点消息传播融合以得到设备运行状态特征时序传播聚合表示信息，包括：将所述上下文关联设备运行语义特征向量的序列输入融合节点重要性的节点消息传播融合网络以得到设备运行状态特征时序传播聚合表示向量作为所述设备运行状态特征时序传播聚合表示信息；其中，将所述上下文关联设备运行语义特征向量的序列输入融合节点重要性的节点消息传播融合网络以得到设备运行状态特征时序传播聚合表示向量作为所述设备运行状态特征时序传播聚合表示信息，包括：使用评分函数来度量所述上下文关联设备运行语义特征向量的序列中前k-1个上下文关联设备运行语义特征向量的显著因子以得到k-1个上下文关联设备运行语义时序显著因子；以所述k-1个上下文关联设备运行语义时序关联显著因子作为权重，计算所述上下文关联设备运行语义特征向量的序列中前k-1个上下文关联设备运行语义特征向量的按位置加权和以聚合所述上下文关联设备运行语义特征向量的序列中前k-1个上下文关联设备运行语义特征向量以得到后部节点集合上下文关联设备运行语义时序关联聚合表示向量；使用预设超参数对所述上下文关联设备运行语义特征向量的序列中第k个上下文关联设备运行语义特征向量进行线性调制以得到调制后第k个上下文关联设备运行语义特征向量；计算所述调制后第k个上下文关联设备运行语义特征向量和所述后部节点集合上下文关联设备运行语义时序关联聚合表示向量的按位置加和以得到上下文关联设备运行语义时序关联全节点聚合表示向量；将所述上下文关联设备运行语义时序关联全节点聚合表示向量输入多层感知机模型以得到所述设备运行状态特征时序传播聚合表示向量。

2.根据权利要求1所述的天然气净化装置检维修作业智能管控方法，其特征在于，分别对所述设备运行数据的时间序列中的各个设备运行数据进行嵌入编码以得到设备运行数据嵌入编码向量的时间序列，包括：将所述设备运行数据的时间序列中的各个设备运行数据分别通过基于全连接层的设备数据嵌入编码模块以得到所述设备运行数据嵌入编码向量的时间序列。

3.根据权利要求2所述的天然气净化装置检维修作业智能管控方法，其特征在于，将所述设备运行数据嵌入编码向量的时间序列通过基于数据语义关联和数据时间跨度的上下文关联编码器以得到上下文关联设备运行语义特征向量的序列，包括：从所述设备运行数据嵌入编码向量的时间序列中提取预定设备运行数据嵌入编码向量；计算所述预定设备运行数据嵌入编码向量与其他所有设备运行数据嵌入编码向量之间的语义关联度以得到设备运行数据嵌入编码语义时序关联度的序列；计算所述设备运行数据嵌入编码语义时序关联度的序列的全局均值以得到设备运行数据嵌入编码语义时序全局平均关联度；以所述设备运行数据嵌入编码语义时序全局平均关联度作为权重，对所述预定设备运行数据嵌入编码向量进行加权强化以得到所述预定设备运行数据嵌入编码向量对应的上下文关联设备运行语义特征向量。

4.根据权利要求3所述的天然气净化装置检维修作业智能管控方法，其特征在于，计算所述预定设备运行数据嵌入编码向量与其他所有设备运行数据嵌入编码向量之间的语义关联度以得到设备运行数据嵌入编码语义时序关联度的序列，包括：计算所述预定设备运行数据嵌入编码向量与其他所有设备运行数据嵌入编码向量之间的语义相似度以得到设备运行数据嵌入编码语义时序相似度的序列；计算所述预定设备运行数据嵌入编码向量与其他所有设备运行数据嵌入编码向量之间相隔的特征向量的数量以得到设备运行数据嵌入编码语义时序距离计数量的序列；将所述设备运行数据嵌入编码语义时序相似度的序列与所述设备运行数据嵌入编码语义时序距离计数量的序列进行按位置相除以得到所述设备运行数据嵌入编码语义时序关联度的序列。

5.根据权利要求4所述的天然气净化装置检维修作业智能管控方法，其特征在于，使用评分函数来度量所述上下文关联设备运行语义特征向量的序列中前k-1个上下文关联设备运行语义特征向量的显著因子以得到k-1个上下文关联设备运行语义时序显著因子，包括：分别计算各个权重系数矩阵与前k-1个所述上下文关联设备运行语义特征向量之间的矩阵乘积以得到前k-1个上下文关联设备运行语义时序关联加权特征向量；将所述前k-1个上下文关联设备运行语义时序关联加权特征向量中的各个上下文关联设备运行语义时序关联加权特征向量加上相应的偏置向量以得到前k-1个上下文关联设备运行语义时序关联偏置特征向量；使用函数对所述前k-1个上下文关联设备运行语义时序关联偏置特征向量进行激活以得到前k-1个上下文关联设备运行语义时序关联激活特征向量；计算所述前k-1个上下文关联设备运行语义时序关联激活特征向量中的各个上下文关联设备运行语义时序关联激活特征向量与权重系数向量之间的乘积以得到前k-1个上下文关联设备运行语义时序关联度；将所述前k-1个上下文关联设备运行语义时序关联度输入函数以得到所述k-1个上下文关联设备运行语义时序显著因子。

6.根据权利要求5所述的天然气净化装置检维修作业智能管控方法，其特征在于，基于所述设备运行状态特征时序传播聚合表示信息，确定是否进行设备预维护，包括：将所述设备运行状态特征时序传播聚合表示向量通过基于分类器的管控结果生成器以得到管控结果，所述管控结果用于表示是否进行设备预维护。

7.根据权利要求6所述的天然气净化装置检维修作业智能管控方法，其特征在于，还包括训练步骤：用于对所述基于全连接层的设备数据嵌入编码模块、所述基于数据语义关联和数据时间跨度的上下文关联编码器、所述融合节点重要性的节点消息传播融合网络和所述基于分类器的管控结果生成器进行训练；其中，所述训练步骤，包括：获取训练数据，所述训练数据包括通过传感器网络采集天然气净化装置的训练设备运行数据的时间序列以及真实管控结果，其中，所述训练设备运行数据包括训练温度值、训练压力值、训练振动幅度值、训练电流值和训练电压值；将所述训练设备运行数据的时间序列中的各个训练设备运行数据分别通过所述基于全连接层的设备数据嵌入编码模块以得到训练设备运行数据嵌入编码向量的时间序列；将所述训练设备运行数据嵌入编码向量的时间序列通过所述基于数据语义关联和数据时间跨度的上下文关联编码器以得到训练上下文关联设备运行语义特征向量的序列；将所述训练上下文关联设备运行语义特征向量的序列输入所述融合节点重要性的节点消息传播融合网络以得到训练设备运行状态特征时序传播聚合表示向量；将所述训练设备运行状态特征时序传播聚合表示向量通过所述基于分类器的管控结果生成器以得到训练管控结果；计算所述训练管控结果与所述真实管控结果之间的交叉熵损失函数值以得到分类损失函数值；基于所述分类损失函数值对所述基于全连接层的设备数据嵌入编码模块、所述基于数据语义关联和数据时间跨度的上下文关联编码器、所述融合节点重要性的节点消息传播融合网络和所述基于分类器的管控结果生成器进行训练。

8.一种天然气净化装置检维修作业智能管控系统，其特征在于，包括：运行数据采集模块，用于通过传感器网络采集天然气净化装置的设备运行数据的时间序列，其中，所述设备运行数据包括温度值、压力值、振动幅度值、电流值和电压值；嵌入编码模块，用于分别对所述设备运行数据的时间序列中的各个设备运行数据进行嵌入编码以得到设备运行数据嵌入编码向量的时间序列；上下文关联编码模块，用于将所述设备运行数据嵌入编码向量的时间序列通过基于数据语义关联和数据时间跨度的上下文关联编码器以得到上下文关联设备运行语义特征向量的序列；融合模块，用于对所述上下文关联设备运行语义特征向量的序列进行基于融合节点重要性的节点消息传播融合以得到设备运行状态特征时序传播聚合表示信息；维护分析模块，用于基于所述设备运行状态特征时序传播聚合表示信息，确定是否进行设备预维护；其中，对所述上下文关联设备运行语义特征向量的序列进行基于融合节点重要性的节点消息传播融合以得到设备运行状态特征时序传播聚合表示信息，包括：将所述上下文关联设备运行语义特征向量的序列输入融合节点重要性的节点消息传播融合网络以得到设备运行状态特征时序传播聚合表示向量作为所述设备运行状态特征时序传播聚合表示信息；其中，将所述上下文关联设备运行语义特征向量的序列输入融合节点重要性的节点消息传播融合网络以得到设备运行状态特征时序传播聚合表示向量作为所述设备运行状态特征时序传播聚合表示信息，包括：使用评分函数来度量所述上下文关联设备运行语义特征向量的序列中前k-1个上下文关联设备运行语义特征向量的显著因子以得到k-1个上下文关联设备运行语义时序显著因子；以所述k-1个上下文关联设备运行语义时序关联显著因子作为权重，计算所述上下文关联设备运行语义特征向量的序列中前k-1个上下文关联设备运行语义特征向量的按位置加权和以聚合所述上下文关联设备运行语义特征向量的序列中前k-1个上下文关联设备运行语义特征向量以得到后部节点集合上下文关联设备运行语义时序关联聚合表示向量；使用预设超参数对所述上下文关联设备运行语义特征向量的序列中第k个上下文关联设备运行语义特征向量进行线性调制以得到调制后第k个上下文关联设备运行语义特征向量；计算所述调制后第k个上下文关联设备运行语义特征向量和所述后部节点集合上下文关联设备运行语义时序关联聚合表示向量的按位置加和以得到上下文关联设备运行语义时序关联全节点聚合表示向量；将所述上下文关联设备运行语义时序关联全节点聚合表示向量输入多层感知机模型以得到所述设备运行状态特征时序传播聚合表示向量。

技术总结
本申请公开了一种天然气净化装置检维修作业智能管控系统及方法。其使用传感器和监控设备实时收集天然气净化装置的设备运行数据，然后将这些设备运行数据传输至云计算平台进行分析，以利用基于人工智能和深度学习技术的数据处理和分析算法来学习并捕获到天然气净化装置的各个设备运行数据之间的时序协同关联和交互特征信息，以此来识别设备运行状态，从而判断是否进行设备预维护。这样，能够及时发现潜在的设备异常或性能下降的迹象，并提前预警可能的故障风险，从而进行设备预维护，以实现对天然气净化装置检维修作业的智能化管控。

技术研发人员：文峰,黄微,李铭华,张耀巍,崔马力,赵彭城,左新庆,高楠,王建安,魏娇,向梅,彭钿,刘进军,王乐,王占恒,姜璐,阎劲松,高慧超,黄燕,李丽,付敏
受保护的技术使用者：克拉玛依市三达有限责任公司
技术研发日：
技术公布日：2024/9/23