(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111422865.3 (22)申请日 2021.11.26 (71)申请人 中国华能集团清洁能源技 术研究院 有限公司 地址 102209 北京市昌平区北七家镇未来 科技城南区华能人才创新创业基地实 验楼A楼 (72)发明人 曾谁飞　王振荣　刘艳贵　黄思皖　 王青天　张燧　刘旭亮　李小翔　 冯帆　王海明　沈伟文　郑建飞　 邸智　韦玮　童彤　任鑫　杜静宇　 赵鹏程　武青　祝金涛　朱俊杰　 吴昊　吕亮　 (74)专利代理 机构 北京清亦华知识产权代理事 务所(普通 合伙) 11201 代理人 黄垚琳(51)Int.Cl. G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06Q 10/04(2012.01) G06Q 50/06(2012.01) (54)发明名称 一种融合BiLSTM与注意力的发电设备异常 预测方法及系统 (57)摘要 本发明涉及一种融合BiLSTM与注意力的发 电设备异常预测方法及系统， 所述方法包括： 获 取发电设备当前时刻 的运行数据和所述发电设 备当前时刻对应的气象数据， 并对 所述获取的数 据进行预处理； 将所述预处理后的数据转化为所 述数据对应的词向量文本； 将所述数据对应的词 向量文本输入预先训练好的发电设备异常预测 模型中， 得到所述发电设备异常预测的得分； 基 于所述发电设备异常预测的得分预测所述发电 设备是否异常， 并将预测结果进行信息触达。 本 发明提供的技术方案， 提高了发电设备异常预测 的得分的精度， 同时使 得发电设备的异常预测更 加方便， 也降低了发电设备的异常预测成本 。 权利要求书2页 说明书7页 附图3页 CN 114330494 A 2022.04.12 CN 114330494 A 1.一种融合Bi LSTM与注意力的发电设备异常预测方法， 其特 征在于， 所述方法包括： 获取发电设备当前时刻的运行数据和所述发电设备当前时刻对应的气象数据， 并对所 述获取的数据进行 预处理； 将所述预处 理后的数据转 化为所述数据对应的词向量文本； 将所述数据对应的词向量文本输入预先训练好的发电设备异常预测模型中， 得到所述 发电设备异常预测的得分； 基于所述发电设备异常预测的得分预测所述发电设备是否异常， 并将预测结果进行信 息触达； 其中， 所述预先训练好的发电设备异常预测模型是基于预处理后的历史时段内发电设 备的运行 数据及所述发电设备对应的气象数据对应的词向量文本进行训练得到的； 所述预先训练好的发电设备异常预测模型包括： Bi LSTM层、 A ttention层和全连接层。 2.如权利要求1所述的方法， 其特征在于， 所述获取的发电设备当前时刻的运行数据和 历史时段内的运行 数据是基于智能仪表、 传感器、 手工参数输入获取的。 3.如权利要求1所述的方法， 其特 征在于， 所述对所述获取的数据进行 预处理， 包括： 对所述发电设备当前时刻及历史时段内的运行数据及对应的气象数据进行数据清洗、 噪音或句子补全、 数据格式统一和归一 化数据处 理。 4.如权利要求1所述的方法， 其特征在于， 所述将所述数据对应的词向量文本输入预先 训练好的发电设备异常预测模型中， 得到所述发电设备异常预测的得分， 包括： 将所述数据对应的词向量文本输入预先训练好的发电设备异常预测模型的BiLSTM层 中， 提取出所述数据对应的词向量文本的特 征向量文本信息； 将所述提取出的特征向量文本信息输入预先训练好的发电设备异常预测模型的 Attention层中， 得到分配了不同权 重后的特 征向量文本信息； 将所述分配了不同权重后的特征向量文本信息输入预先训练好的发电设备异常预测 模型的全连接层中并采用Softmax函数计算， 得到所述发电设备异常预测的得分。 5.如权利要求1所述的方法， 其特征在于， 所述预先训练好的发电设备异常预测模型的 训练过程包括： 获取预处理后的历史时段内发电设备的运行数据及所述发电设备对应的气象数据对 应的词向量文本； 将所述词向量文本输入初始发电设备异常预测模型的BiLSTM层、 Attention层和全连 接层， 将均方差损失MS E作为模型的损失函数， 利用自适应矩阵估计Adam优化算法对 所述模 型进行训练， 得到训练好的发电设备异常预测模型。 6.如权利要求1所述的方法， 其特征在于， 所述基于所述发电设备异常预测的得分预测 所述发电设备 是否异常， 并将预测结果进行信息触达， 包括： 将所述预测得分反归一化， 并检测所述预测得分是否在预设的异常分数范围内， 若是， 则所述发电设备异常， 否则， 所述发电设备正常； 将所述检查结果进行信息触达； 其中， 所述信息触达的方式包括： 文本展示、 语音播报、 外呼终端、 短信送达、 邮件触达、 智能音箱、 语音唤醒和大屏展示。 7.一种融合Bi LSTM与注意力的发电设备异常预测系统， 其特 征在于， 所述系统包括：权　利　要　求　书 1/2 页 2 CN 114330494 A 2获取模块， 用于获取发电设备当前时刻的运行数据和所述发电设备当前时刻对应的气 象数据， 并对所述获取的数据进行 预处理； 转化模块， 用于将所述预处 理后的数据转 化为所述数据对应的词向量文本； 得分模块， 用于将所述数据对应的词向量文本输入预先训练好的发电设备异常预测模 型中， 得到所述发电设备异常预测的得分； 预测模块， 用于基于所述发电设备异常预测的得分预测所述发电设备是否异常， 并将 预测结果进行信息触达； 其中， 所述预先训练好的发电设备异常预测模型是基于预处理后的历史时段内发电设 备的运行 数据及所述发电设备对应的气象数据对应的词向量文本进行训练得到的； 所述预先训练好的发电设备异常预测模型包括： Bi LSTM层、 A ttention层和全连接层。 8.如权利要求7 所述的系统， 其特 征在于， 所述预测模块， 包括： 预测单元， 用于将所述预测得分反归一化， 并检测所述预测得分是否在预设的异常分 数范围内， 若是， 则所述发电设备异常， 否则， 所述发电设备正常； 信息触达单 元， 用于将所述检查结果进行信息触达； 其中， 所述信息触达的方式包括： 文本展示、 语音播报、 外呼终端、 短信送达、 邮件触达、 智能音箱、 语音唤醒和大屏展示。 9.一种电子设备， 其特征在于， 包括： 存储器、 处理器及存储在存储器上并可在处理器 上运行的计算机程序， 所述处理器执行所述程序时， 实现如权利要求1至6中任一项所述的 方法。 10.一种计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 该程序被处理器 执行时实现如权利要求1至 6中任一项所述的方法。权　利　要　求　书 2/2 页 3 CN 114330494 A 3