本发明涉及一种海上微透平机组性能异常检测方法、系统、设备和介质，涉及到海上动力装备、远程监测与控制、数据分析与机器学习、物联网技术等多个。
背景技术：
1、海上动力设备数据物联传输主要依赖于移动蜂窝网络、微波、卫星等通讯技术，随着通讯技术的发展，在数据传输速率、低延迟和更大容量上有了显著的提升，使得海上设备能够实现更高效的数据传输和通信。
2、远程监测是实现对海上微透`平远程数据的监测和控制的关键技术。通过远程监测与控制系统，操作人员可以远程访问微透平的数据，实时监测性能状态，并进行异常检测和故障诊断。在海上动力设备数据远程传输过程中，数据遥测通常采用间隔周期采样或定周期采样的传输机制，当高采样（等同与 dcs 数据采样）时，会造成数据量大，进而导致网络传输流量负载会很大，且对后台中心侧数据库的承载能力形成考验；当采样间隔采样（离散提取或稀疏化数据）时，可能会造成故障时刻数据丢失，影响后台分析。
3、另外，基于数据分析和机器学习的预测维护技术可以帮助预测微透平的故障和维护需求。通过对微透平性能数据的分析和模型训练，可以根据特定的指标和模式发现潜在的故障迹象，提前进行维护和修复，减少停机时间和成本。当前，微透平性能分析主要分为白盒分析和黑盒分析，前者采用对微透平进行机理建模，后者借助于机器学习或深度学习方法；机理模型精度高且具有解释性，但建模过程复杂，泛化能力差，机器学习或深度学习等方法仅需依赖于输入输出数据，与过程数据无关，但普遍思路都是依据进气工况温度、压力、转速、燃料流量等输入数据，去求解微透平功率、涡轮排气温度等，未考虑工程实际过程中热值波动、燃气流量计量不准等问题，从而影响燃机性能分析判断。
技术实现思路
1、针对上述问题，本发明的目的是提供一种海上微透平机组性能异常检测方法、系统、设备和介质，该方法能够对海上微透平远程数据性能监测，通过神经网络等机器学习或深度学习实现燃机性能的异常检测或健康管理。
2、为实现上述目的，本发明采取以下技术方案：
3、第一方面，本发明提供一种海上微透平机组性能异常检测系统，包括：
4、云端服务器、性能监控客户端、燃机控制器和传感器设备；
5、所述传感器设备用于对海上微透平机组的不同数据进行采集，并发送至所述燃机控制器；
6、所述燃机控制器通过物联网关，借助蜂窝网络方式将采集的微透平数据上传至所述云端服务器；
7、所述云端服务器基于预设异常检测算法对微透平数据进行处理，并将处理结果发送到性能监控客户端进行显示。
8、进一步，所述云端服务器采用基于docker 的云化部署方式，其包括gpu服务器、数据库服务器和应用服务器；
9、所述gpu服务器作为模型策略引擎，用于进行模型训练，得到微透平性能预测模型；
10、所述数据库服务器作为数据服务组件，用于业务数据、历史数据、实时数据的存储或调用；
11、所述应用服务器作为监控诊断服务组件，用于利用微透平性能预测模型，采用预设异常检测算法实现微透平机组的性能监控或健康管理。
12、第二方面，本发明提供一种海上微透平机组性能异常检测方法，包括以下步骤：
13、根据实际需求，利用传感器设备对海上微透平机组的数据进行采集；
14、按照预设数据传输机制，通过物联网关将采集的微透平数据传输到云端服务器；
15、云端服务器基于预设异常检测算法对微透平数据进行处理，并将处理结果发送到性能监控客户端进行显示。
16、进一步，所述预设数据传输机制包括：
17、微透平控制器基于 modbus tcp 或 profinet协议按照第一预设间隔将数据打包传送给物联网关，并存储在物联网关时序数据库内；
18、所述物联网关内设置有常规发送模式和事件触发模式，常规发送模式下，物联网关按照第二预设间隔将微透平数据传输到云端服务器；事件触发模式下，物联网关从物联网关时序数据库内调用故障时刻前第一预设时间段的数据以及故障时刻后第二预设时间段的数据打包传输到云端服务器。
19、进一步，所述云端服务器基于预设异常检测算法对微透平数据进行处理，并将处理结果发送到性能监控客户端进行显示，包括：
20、①对历史微透平数据进行预处理，得到训练样本集；
21、②利用训练样本集对预先建立的多层神经网络模型进行训练，并将满足预设要求的多层神经网络模型作为微透平性能预测模型；
22、③对微透平机组的实时数据进行数据清洗与归一化后，输入微透平性能预测模型，得到在线预测结果；
23、④将在线预测结果反归一化得到特征数据，作为某一特定发电功率下的压气机出口压力与涡轮排气温度基准值，并将此发电功率下微透平机组实际的压气机出口压力和涡轮排气温度分别与其相对应基准值形成差值趋势；
24、⑤重复步骤③～④，观察预设时间段 t内压气机出口压力与涡轮排气温度的差值趋势变化，并判断微透平性能异常情况。
25、进一步，所述步骤①中，对历史微透平数据进行预处理，得到训练样本集，包括：
26、基于远程遥测的微透平机组的历史数据，挑选n组输入层数据和输出层数据；其中，输入层数据={压气机进气温度，压气机进气压力，微透平转速，微透平涡轮排气压力，微透平发电功率}，输出层数据={压气机出口压力，涡轮排气温度}；
27、对挑选的n组输入层数据和输出层数据进行归一化；
28、对归一化后的数据进行随机划分，得到训练集和预测集作为训练样本集。
29、进一步，所述观察预设时间段 t内压气机出口压力与涡轮排气温度的差值趋势变化，并判断微透平性能异常情况，包括：
30、比较当前时刻压气机出口压力与涡轮排气温度数据与实际运行数据的偏差，并求解变化率△a；
31、重复上一步骤，根据预设时间段 t 内各时刻压气机出口压力与涡轮排气温度的变化率，计算得到平均值△a平均值；
32、将当前时刻变化率△a与平均值△a平均值作比较，并根据比较结果判断微透平机组性能是否发生异常。
33、进一步，所述将当前时刻变化率△a与平均值△a平均值作比较，并根据比较结果判断微透平机组性能是否发生异常，包括：
34、首先，所述根据预设阈值判断趋势偏差是否超过预设范围，计算公式为：
35、
36、其次，若a大于预设阈值的次数超过预设次数，则认为微透平机组发生异常，否则，认为微透平机组性能健康。
37、第三方面，本发明提供一种存储一个或多个程序的计算机可读存储介质，所述一个或多个程序包括指令，所述指令当由计算设备执行时，使得所述计算设备执行任一方法。
38、第四方面，本发明提供一种计算设备，包括：一个或多个处理器及存储器，所述存储器中存储有一个或多个程序，并被配置为所述一个或多个处理器执行，所述一个或多个程序包括用于执行任一方法的指令。
39、本发明由于采取以上技术方案，其具有以下优点：
40、（1）本发明利用微透平控制器和物联网关对传感器设备采集的微透平数据上传到云端服务器，物联传输机制灵活度更高，云端服务器部署成本更低；
41、（2）本发明在云端服务器中采用历史数据对微透平性能预测模型进行训练，采用的异常检测算法泛化能力更大，可降低算法开发成本。
42、因此，本发明可以广泛应用于海上动力装备、远程监测与控制、数据分析与机器学习、物联网技术等多个技术领域。
1.一种海上微透平机组性能异常检测系统，其特征在于，包括：
2.如权利要求1所述的一种海上微透平机组性能异常检测系统，其特征在于，所述云端服务器采用基于docker 的云化部署方式，其包括gpu服务器、数据库服务器和应用服务器；
3.一种海上微透平机组性能异常检测方法，其特征在于，包括以下步骤：
4.如权利要求3所述的一种海上微透平机组性能异常检测方法，其特征在于，所述预设数据传输机制包括：
5.如权利要求3所述的一种海上微透平机组性能异常检测方法，其特征在于，所述云端服务器基于预设异常检测算法对微透平数据进行处理，并将处理结果发送到性能监控客户端进行显示，包括：
6.如权利要求5所述的一种海上微透平机组性能异常检测方法，其特征在于，所述步骤①中，对历史微透平数据进行预处理，得到训练样本集，包括：
7.如权利要求5所述的一种海上微透平机组性能异常检测方法，其特征在于，所述观察预设时间段 t内压气机出口压力与涡轮排气温度的差值趋势变化，并判断微透平性能异常情况，包括：
8.如权利要求7所述的一种海上微透平机组性能异常检测方法，其特征在于，所述将当前时刻变化率△a与平均值△a平均值作比较，并根据比较结果判断微透平机组性能是否发生异常，包括：
9.一种存储一个或多个程序的计算机可读存储介质，其特征在于，所述一个或多个程序包括指令，所述指令当由计算设备执行时，使得所述计算设备执行如权利要求3至8所述方法中的任一方法。
10.一种计算设备，其特征在于，包括：一个或多个处理器及存储器，所述存储器中存储有一个或多个程序，并被配置为所述一个或多个处理器执行，所述一个或多个程序包括用于执行如权利要求3至8所述方法中的任一方法的指令。
