摘要
本发明公开了一种基于机器学习的地热井智能故障监测系统及方法,其通过传感器和数据预处理获取预处理后的地热井运行历史数据集;采用K‑means算法模型以及Transformer算法模型构建地热井故障监测模型,并利用预处理后的地热井运行历史数据集对模型进行训练,得到训练后的地热井故障监测模型;将传感器采集的地热井运行实时数据作为该模型的输入,得到所述地热井运行实时数据所述的运行状态模式、以及相应运行状态模式下的地热井运行数据未来时变曲线,作为预测结果;基于异常故障对照数据集对预测结果进行时变曲线匹配,并当存在匹配的时变曲线时进行故障预警。本发明通过地热井智能故障监测系统及方法,解决了现有地热井监测预警效率以及精度不高的问题。
技术关键词
地热井
智能故障监测系统
算法模型
智能故障监测方法
实时数据
曲线
数据采集模块
故障运行状态
注意力
模式
清洗单元
预警模块
Softmax函数
监测模块
振动传感器
流量传感器
处理单元
矩阵
系统为您推荐了相关专利信息
加速度
训练神经网络模型
参数
负荷
伺服电机控制模块
智能机
实时数据
视频采集设备
Apriori算法
环境参数信息
电力负荷预测算法
情景
充放电特征
大数据
实时数据采集
室内地图生成方法
网格地图
动态网格
拓扑地图
三角剖分算法
监测预警方法
电缆绝缘层
监测电缆
神经网络模型
数字孪生