一种基于大数据模型的智能疏水方法

本发明属于蒸汽管网智能疏水技术领域，具体涉及一种基于大数据模型的智能疏水方法。该发明对蒸汽管网的基准参数进行收集与预处理，利用前置分类条件对其进行分类，有效区分了正常特征参数和异常特征参数，并通过对异常特征参数的发生节点和恢复节点进行偏移处理，构建了第一样本采集时段和第二样本采集时段，在构建监测模型时，选取第一样本采集时段内的正常特征参数作为训练样本，输出针对异常发生前正常特征参数的神经网络模型，利用该监测模型能够更准确的输出管网的疏水状态，实现了对蒸汽管网疏水状态的实时监测与动态更新，另外还根据实时恢复偏量匹配修复方案，避免管网发生不可修复的故障，保证蒸汽管网的运行安全性。