本发明涉及电厂金属监测技术领域，特别涉及一种电厂受热面失效分析方法、装置、设备及存储介质。
背景技术：
金属技术监督工作是要对金属设备的选型、设计、制造、安装、调试、试生产、运行、停用、检修及技术改造实行全过程技术监督管理，及时发现问题采取有效技术监督措施，减少与堵截在上述各个过程中的金属设备的时期失效与损坏，针对减少金属失效、预测故障并做出提前检修更换，目前已建立了完善的法规体系对电厂金属实施监督检查，进行规范的管理。金属监督都能对电厂的金属失效起到一定的保障作用，但不能完全杜绝金属失效的发生，如某省电厂每年发生金属失效的案例在300～500起。目前的检验金属是否失效的常见做法是依靠人员去现场检验金属的内部结构，这种方式的效率较低。
技术实现要素：
本发明的目的在于至少解决现有技术中存在的技术问题之一，提供一种电厂受热面失效分析方法、装置、设备及存储介质。基于fp-growth算法建立电厂受热面属性信息和金属失效形式之间的强关联关系，提取较为可靠的关联规则，对在役机组中具有相似特征的金属设备提供失效的警示作用，达到预测设备故障的目的，防止金属设备失效的发生。
作为一种可选的实现方式，本公开披露了一种电厂受热面失效分析方法，包括以下步骤：
从电厂受热面检验报告中提取电厂受热面属性信息，并对所述电厂受热面属性信息进行离散化处理；
根据fp-growth算法计算所述电厂受热面属性信息中的各个属性与金属失效形式之间的强关联关系并建立关联规则；
按照置信度对各项关联规则进行降序排序，划分前若干项关联规则为预警集合；
将待检测电厂受热面数据与关联规则进行匹配，若匹配的关联规则项在所述预警集合中，则发出预警信号。
作为一种可选的实现方式，本公开披露了一种电厂受热面失效分析装置，包括：
数据提取模块、数据关联计算模块、数据排序模块、以及数据匹配预警模块；
所述数据提取模块用于从电厂受热面检验报告中提取电厂受热面属性信息，并对所述电厂受热面属性信息进行离散化处理；
所述数据关联计算模块用于根据fp-growth算法计算所述电厂受热面属性信息中的各个属性与金属失效形式之间的强关联关系并建立关联规则；
所述数据排序模块用于按照置信度对各项关联规则进行降序排序，划分前若干项关联规则为预警集合；
所述数据匹配预警模块用于将待检测电厂受热面数据与关联规则进行匹配，若匹配的关联规则项在所述预警集合中，则发出预警信号。
作为一种可选的实现方式，本公开披露了一种电厂受热面失效分析设备，包括：至少一个控制处理器和用于与所述至少一个控制处理器通信连接的存储器；所述存储器存储有可被所述至少一个控制处理器执行的指令，所述指令被所述至少一个控制处理器执行，以使所述至少一个控制处理器能够执行如上述的一种电厂受热面失效分析方法。
作为一种可选的实现方式，本公开披露了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机可执行指令，所述计算机可执行指令用于使计算机执行如上述的一种电厂受热面失效分析方法。
相对于现有技术，本公开实施例披露的技术方案具有以下优点：
本公开方案从数据分析的角度方法出发，辅助金属失效的监督工作，对受热面的可能发生的失效提出预警。针对电厂受热面检验报告中数据，基于fp-growth算法建立电厂受热面属性信息和金属失效形式之间的强关联关系，提取较为可靠的关联规则，对在役机组中具有相似特征的金属设备提供失效的警示作用，达到预测设备故障的目的，防止金属设备失效的发生。
本公开实施例所实现的更多特点和优势，将在具体实施方式或实践中给出。
附图说明
构成本公开实施例一部分的附图用来提供对本公开实施例的进一步理解，本公开的示意性实施例及其说明用于解释本公开，并不构成对本公开的不当限定。
在附图中：
图1为本公开一实施例提供的一种电厂受热面失效分析方法的流程示意图；
图2为本公开一实施例提供的一种电厂受热面失效分析方法的装置示意图；
图3为本公开一实施例提供的一种电厂受热面失效分析方法的设备示意图。
具体实施方式
下面将结合附图，对本公开实施例的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本公开一部分实施例，而不是全部的实施例。基于本公开的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本公开保护的范围。需要说明的是，在不冲突的情况下，本公开实施例及实施例中的特征可以相互组合。另外，附图的作用在于用图形补充说明书文字部分的描述，使人能够直观地、形象地理解本公开的每个技术特征和整体技术方案，但其不能理解为对本公开保护范围的限制。
参照图1，在一可选实施例中，提供了一种电厂受热面失效分析方法，包括以下步骤：
步骤s101、从电厂受热面检验报告中提取电厂受热面属性信息，并对电厂受热面属性信息进行离散化处理；
这里的电厂受热面检验报告来源于电科院对电厂的受热面检验报告，其中每一份检验报告中包含有厂家设备发生金属失效后的检测数据；
优选的，提取出的电厂受热面属性包括：材质(cz)、直径(zj)、厚度(hd)、内/外三圈(nw)、容量等级(rl)、厂家(cj)、运行煤种(mz)、累计运行时间(yx)、累计超温时间(cw)、老化级别(lh)、氧化皮厚度(yhp)、以及金属失效形式(xy)。
本步骤在若干份检验报告中提取出电厂受热面属性，并对其进行离散化处理以便于后续的处理，优选的离散处理如下：
包括对材质、内/外三圈、厂家、运行煤种、以及金属失效形式按照属性进行离散数值转换；对直径、厚度、容量等级、累计运行时间、累计超温时间、老化级别、以及氧化皮厚度采用等宽法进行数值离散，降低计算复杂度，例如：对于材质、内/外三圈、厂家、运行煤种、以及金属失效形式这类分类变量，可直接利用划分后的数值，直接可以将他们转换为[0，1，2，3…n]；累计运行时间，可分成[0，20000]，[20000，40000]，[40000，60000]，[60000，80000]，[80000，100000]，[100000，∞]六个等宽的箱，然后将分别映射为[0，1，2，3，4，5]。
步骤s102、根据fp-growth算法计算电厂受热面属性信息中的各个属性与金属失效形式之间的强关联关系并建立关联规则；
具体流程如下：
首先，整理数据离散后的电厂受热面属性信息，将报告中的每一个电厂设备作为标识符，将每一个电厂设备的电厂受热面属性信息作为一个事务，电厂受热面属性信息中的每一个属性作为一个项，所有的事务的集合作为事务集；
其次，对事务集进行第一次扫描，计算每个事务中的各个项的支持度计数，预设置一个最小支持度阈值，若支持度计数小于最小支持度，则删除；若支持度计数大于或等于最小支持度，则保留；然后将频繁项按照支持度计数进行降序排序。
然后，对事务集进行第二次扫描，每读入一个事务时，创建标记为设备节点，然后形成根节点到设备节点的路径，直到每个事务都映射到fp-tree的一条路径，读入所有事务后形成fp-tree；
再然后，从fp-tree的每条路径的结尾节点依次向上提取出相应的项集，若项集的支持度计数大于或等于最小支持度时，则将该项集作为频繁项集1保留；若项集的支持度计数小于最小支持度时，则删除；
最后，输出强关联规则。
优选的，这里的金属失效形式包括：长期过热、短期过热、磨损、汽侧氧腐蚀、应力腐蚀裂纹、热疲劳、高温腐蚀、异种金属焊接、以及质量控制失误。
步骤s103、按照置信度对各项关联规则进行降序排序，划分前若干项关联规则为预警集合；
置信度越高代表发生金属失效的概率越高，这里按照置信度进行排序，选取出发生金属失效的概率较高的关联规则项。
步骤s104、将待检测电厂受热面数据与关联规则进行匹配，若匹配的关联规则项在预警集合中，则发出预警信号。
本方法从数据分析的角度方法出发，辅助金属失效的监督工作，对受热面的可能发生的失效提出预警。针对电科院对电厂受热面检验报告中数据，基于fp-growth算法建立电厂受热面属性信息和金属失效形式之间的强关联关系，提取较为可靠的关联规则，对在役机组中具有相似特征的金属设备提供失效的警示作用，达到预测设备故障的目的，并提醒相关人员重点注意并检查该设备，防止金属设备失效的发生。
为了便于理解，在一可选实施例中，提供了一种电厂受热面失效分析方法的具体过程，如下：
某省电科院2018年全年对该省电厂的金属失效检验报告和金属常规检验报告共630份，共涉及45家电厂的141台机组，其中金属失效检验报告450份，常规检验报告180份。对该630份报告中的金属检验提取特征数据，建立金属检验数据库。
第一步，从报告中提取出电厂受热面属性信息；
选取部分机组数据，如表1和表2所示：
表1
表2
步骤2、对数据进行数据离散化处理；
处理结果如下表3和表4所示：
表3
表4
步骤3、根据fp-growth算法建立关联分析、提取强关联规则，并按照置信度进行降序排序；
计算结果如下表5和表6所示：
表5
其中表5为长期过热(sx＝1)的关联规则与置信度排序，在表5中，对置信度最高的一条规则解释为：当运行时间(yx＝9)为4.5-5万小时、老化级别(lh＝6)为6级时，金属可能发生长期过热，并且发生的概率为72.61。以上几条规则，累计运行时间(yx)与累计超温时间(cw)出现次数较多，且发生长期过热的置信度都偏高，可见这两项因素主要影响长期过热。其次，老化级别(lh)、内外三圈(nw)和煤种(mz)也对长期过热有相对较显著的影响。
表6
表6为短期过热(sx＝2)的关联规则与置信度排序，在表6中，信度较高的因素出现比长期过热更多，短期过热的原因更多、复杂度更大，它不仅与超温时间(cw)、老化级别(lh)、氧化皮厚度(yhp)有一定的关系，还与金属的材质(cz)与厂家(cj)也有一定的关联度。
步骤4、将待检测的电厂机组设备的金属信息与关联规则进行匹配，产生失效预警；
预警结果如下表7所示：
表7
上述7个电厂机组设备产生金属失效的概率较高，应该产生失效预警，以提示相关工作人员重点注意并检查该设备，防止金属设备失效情况的发生。
参照图2，在一可选实施例中，提供了一种电厂受热面失效分析装置，包括：包括：数据提取模块、数据关联计算模块、数据排序模块、以及数据匹配预警模块；
数据提取模块用于从电厂受热面检验报告中提取电厂受热面属性信息，并对电厂受热面属性信息进行离散化处理；
数据关联计算模块用于根据fp-growth算法计算电厂受热面属性信息中的各个属性与金属失效形式之间的强关联关系并建立关联规则；
数据排序模块用于按照置信度对各项关联规则进行降序排序，划分前若干项关联规则为预警集合；
数据匹配预警模块用于将待检测电厂受热面数据与关联规则进行匹配，若匹配的关联规则项在预警集合中，则发出预警信号。
本实施例提供的装置能够从数据分析的角度方法出发，辅助金属失效的监督工作，对受热面的可能发生的失效提出预警。针对电科院对电厂受热面检验报告中数据，基于fp-growth算法建立电厂受热面属性信息和金属失效形式之间的强关联关系，提取较为可靠的关联规则，本装置对在役机组中具有相似特征的金属设备提供失效的警示作用，达到预测设备故障的目的，并提醒相关人员重点注意并检查该设备，防止金属设备失效的发生，需要说明的是，由于本实施例中的电厂受热面失效分析装置与上述的电厂受热面失效分析方法基于相同的发明构思，因此，方法实施例中的相应内容同样适用于本装置实施例，此处不再详述。
参照图3，本发明实施例还提供了一种电厂受热面失效分析设备，该电厂受热面失效分析设备可以是任意类型的智能终端，例如手机、平板电脑、个人计算机等。
具体地，该电厂受热面失效分析设备包括：一个或多个控制处理器和存储器，图3中以一个控制处理器为例。
控制处理器和存储器可以通过总线或者其他方式连接，图3中以通过总线连接为例。
存储器作为一种非暂态计算机可读存储介质，可用于存储非暂态软件程序、非暂态性计算机可执行程序以及模块，如本发明实施例中的电厂受热面失效分析设备对应的程序指令/模块，例如，图2中所示的数据提取模块、数据关联计算模块、数据排序模块、以及数据匹配预警模块；控制处理器通过运行存储在存储器中的非暂态软件程序、指令以及模块，从而执行电厂受热面失效分析装置的各种功能应用以及数据处理，即实现上述方法实施例的电厂受热面失效分析方法。
存储器可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据电厂受热面失效分析装置的使用所创建的数据等。此外，存储器可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施方式中，存储器可选包括相对于控制处理器远程设置的存储器，这些远程存储器可以通过网络连接至该电厂受热面失效分析设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
所述一个或者多个模块存储在所述存储器中，当被所述一个或者多个控制处理器执行时，执行上述方法实施例中的电厂受热面失效分析方法，例如，执行以上描述的图1中的方法步骤s101至s104，实现图2装置的功能。
本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机可执行指令，该计算机可执行指令被一个或多个控制处理器执行，例如，被图3中的一个控制处理器执行，可使得上述一个或多个控制处理器执行上述方法实施例中的电厂受热面失效分析方法，例如，执行以上描述的图1中的方法步骤s101至s104，实现图2装置的功能。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
通过以上的实施方式的描述，本领域技术人员可以清楚地了解到各实施方式可借助软件加通用硬件平台的方式来实现。本领域技术人员可以理解实现上述实施例方法中的全部或部分流程是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(readonlymemory，rom)或随机存储记忆体(randomaccessmemory，ram)等。
以上是对本发明的较佳实施进行了具体说明，但本发明并不局限于上述实施方式，熟悉本领域的技术人员在不违背本发明精神的前提下还可作出种种的等同变形或替换，这些等同的变形或替换均包含在本申请权利要求所限定的范围内。
1.一种电厂受热面失效分析方法，其特征在于，包括以下步骤：
从电厂受热面检验报告中提取电厂受热面属性信息，并对所述电厂受热面属性信息进行离散化处理；
根据fp-growth算法计算所述电厂受热面属性信息中的各个属性与金属失效形式之间的强关联关系并建立关联规则；
按照置信度对各项关联规则进行降序排序，划分前若干项关联规则为预警集合；
将待检测电厂受热面数据与关联规则进行匹配，若匹配的关联规则项在所述预警集合中，则发出预警信号。
2.根据权利要求1所述的一种电厂受热面失效分析方法，其特征在于，所述电厂受热面属性信息包括：材质、直径、厚度、内/外三圈、容量等级、厂家、运行煤种、累计运行时间、累计超温时间、老化级别、氧化皮厚度、以及金属失效形式。
3.根据权利要求2所述的一种电厂受热面失效分析方法，其特征在于，所述对所述电厂受热面属性信息进行离散化处理，进一步包括：
对材质、内/外三圈、厂家、运行煤种、以及金属失效形式按照属性进行离散数值转换；对直径、厚度、容量等级、累计运行时间、累计超温时间、老化级别、以及氧化皮厚度采用等宽法进行数值离散。
4.根据权利要求1至3任一项所述的一种电厂受热面失效分析方法，其特征在于，所述金属失效形式包括：长期过热、短期过热、磨损、汽侧氧腐蚀、应力腐蚀裂纹、热疲劳、高温腐蚀、异种金属焊接、以及质量控制失误。
5.一种电厂受热面失效分析装置，其特征在于，包括：数据提取模块、数据关联计算模块、数据排序模块、以及数据匹配预警模块；
所述数据提取模块用于从电厂受热面检验报告中提取电厂受热面属性信息，并对所述电厂受热面属性信息进行离散化处理；
所述数据关联计算模块用于根据fp-growth算法计算所述电厂受热面属性信息中的各个属性与金属失效形式之间的强关联关系并建立关联规则；
所述数据排序模块用于按照置信度对各项关联规则进行降序排序，划分前若干项关联规则为预警集合；
所述数据匹配预警模块用于将待检测电厂受热面数据与关联规则进行匹配，若匹配的关联规则项在所述预警集合中，则发出预警信号。
6.一种电厂受热面失效分析设备，其特征在于，包括：至少一个控制处理器和用于与所述至少一个控制处理器通信连接的存储器；所述存储器存储有可被所述至少一个控制处理器执行的指令，所述指令被所述至少一个控制处理器执行，以使所述至少一个控制处理器能够执行如权利要求1至4任一项所述的一种电厂受热面失效分析方法。
7.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机可执行指令，所述计算机可执行指令用于使计算机执行如权利要求1至4任一项所述的一种电厂受热面失效分析方法。
技术总结