火电机组运行状态检测方法及系统

技术领域

本发明涉及人工智能技术领域，具体而言，涉及一种火电机组运行状态检测方法及系统。

背景技术

火电机组一般包括锅炉、汽轮机、发电机三大主要设备，以及相关配套的锅炉水处理，燃料供应，灰渣处理，汽轮机回热系统等组成。对于供热机组，还会有相关的热网设备等。由于火电机组的组成较为复杂，运行状态的监控也尤为重要，因此，需要对火电机组的运行状态进行检测。但是，在现有技术中，存在着运行状态检测的成本较高的问题。

发明内容

有鉴于此，本发明的目的在于提供一种火电机组运行状态检测方法及系统，以在一定程度上降低运行状态检测的成本。

为实现上述目的，本发明实施例采用如下技术方案：

一种火电机组运行状态检测方法，包括：

提取到待分析火电机组的运行结果数据，所述运行结果数据用于描述所述待分析火电机组运行的结果；

基于所述待分析火电机组的运行结果数据，分析出所述待分析火电机组对应的初始运行状态信息，所述初始运行状态信息用于反映所述待分析火电机组具有的运行状态；

在所述初始运行状态信息反映出所述待分析火电机组具有的运行状态存在异常的时候，基于所述待分析火电机组的全局运行数据，分析出所述待分析火电机组对应的目标运行状态信息，所述目标运行状态信息用于反映所述待分析火电机组具有的运行状态异常类型，所述全局运行数据用于描述所述待分析火电机组全部的属性信息。

在一些优选的实施例中，在上述火电机组运行状态检测方法中，所述在所述初始运行状态信息反映出所述待分析火电机组具有的运行状态存在异常的时候，基于所述待分析火电机组的全局运行数据，分析出所述待分析火电机组对应的目标运行状态信息的步骤，包括：

在所述初始运行状态信息反映出所述待分析火电机组具有的运行状态存在异常的时候，提取到所述待分析火电机组的全局运行数据，所述全局运行数据中存在第一数量个区别性维度局部数据，所述第一数量大于或等于2，所述区别性维度局部数据属于不同火电机组之间在同一维度上具有区别的数据；

挖掘出所述全局运行数据中的基本信息特征表示，所述基本信息特征表示属于对所述全局运行数据中的所述第一数量个区别性维度局部数据进行关系分解挖掘操作形成的特征挖掘结果，所述关系分解挖掘操作为，在所述全局运行数据包括存在相互关联的第一区别性维度局部数据和第二区别性维度局部数据的时候，将所述第二区别性维度局部数据进行特征挖掘的时候中不考虑与所述第一区别性维度局部数据之间的相互关联关系，所述基本信息特征表示用于反映所述待分析火电机组的运行状态语义；

基于所述基本信息特征表示，分析出所述待分析火电机组对应的目标运行状态信息。

在一些优选的实施例中，在上述火电机组运行状态检测方法中，所述挖掘出所述全局运行数据中的基本信息特征表示的步骤，包括：

通过运行状态分析网络，将所述全局运行数据进行特征挖掘操作，以输出所述全局运行数据中的基本信息特征表示；

所述运行状态分析网络包括：

前端处理模型；或，所述前端处理模型和后端处理模型；

所述前端处理模型属于依据相互关联关系，将所述第一数量个区别性维度局部数据进行关系分解挖掘操作的网络优化形成的网络模型，所述后端处理模型属于将所述前端处理模型挖掘出的不同维度的维度局部特征表示进行任意的配对操作后进行网络优化形成的网络模型，所述不同维度包括运行过程动态维度和第一数量个运行过程静态区别性维度。

在一些优选的实施例中，在上述火电机组运行状态检测方法中，所述前端处理模型包括特征空间映射单元、第一特征挖掘单元和第一特征分析单元；

所述通过运行状态分析网络，将所述全局运行数据进行特征挖掘操作，以输出所述全局运行数据中的基本信息特征表示的步骤，包括：

通过所述特征空间映射单元，对所述全局运行数据进行特征空间映射操作，以形成对应的整体的维度局部特征表示；

通过所述第一特征挖掘单元，将所述整体的维度局部特征表示进行特征挖掘操作，以形成所述全局运行数据对应的基本信息特征表示；

并且，所述基于所述基本信息特征表示，分析出所述待分析火电机组对应的目标运行状态信息的步骤，包括：

通过所述第一特征分析单元，将所述基本信息特征表示进行运行过程动态信息分析操作，以输出所述待分析火电机组对应的目标运行状态信息，或者，在通过所述第一特征分析单元将所述基本信息特征表示进行状态分析操作之后将配对的维度局部特征表示加载到所述后端处理模型。

在一些优选的实施例中，在上述火电机组运行状态检测方法中，所述前端处理模型包括第二数量个第二特征挖掘单元，所述第二数量个第二特征挖掘单元包括第二特征挖掘单元1，...，第二特征挖掘单元N，所述第二数量和所述第一数量之间的差值等于1，每一个第二特征挖掘单元n对应有第二数量个第二特征分析单元，所述第二数量个第二特征分析单元包括第二特征分析单元n1，...，第二特征挖掘单元nN，第n个第二特征挖掘单元n用于挖掘第n个维度的信息，所述运行过程动态维度对应的第二特征挖掘单元1是第一特征挖掘单元，所述第二特征挖掘单元1对应的第二特征分析单元11是第一特征分析单元；

所述前端处理模型的网络优化过程包括：

将全部的第二特征挖掘单元a进行维持操作，并对全部的第二特征分析单元an进行参数优化更新操作，以使得分析出的数据靠近第a个维度对应的标识数据Wa，a属于小于或等于所述第二数量的整数；

将全部的第二特征分析单元an进行维持操作，并对全部的第二特征挖掘单元a进行参数优化更新操作，以使得分析出的数据远离所述第a个维度对应的标识数据Wa；

在第x个维度和第n个维度之间具有相互关联关系的时候，确定丢弃所述第二特征分析单元nx的分析数据差异，x属于小于或等于所述第二数量的整数。

在一些优选的实施例中，在上述火电机组运行状态检测方法中，所述后端处理模型包括第一特征表示映射单元和第一特征表示分析单元；

所述基于所述基本信息特征表示，分析出所述待分析火电机组对应的目标运行状态信息的步骤，包括：

通过所述第一特征表示映射单元，将在所述前端处理模型形成的配对的维度局部特征表示进行映射操作，以形成对应的配对映射特征表示；

通过所述第一特征表示分析单元，将所述配对映射特征表示进行运行过程动态信息分析操作，以输出所述待分析火电机组对应的目标运行状态信息。

在一些优选的实施例中，在上述火电机组运行状态检测方法中，所述后端处理模型的网络优化过程包括：

将所述前端处理模型在示例性数据簇中挖掘出的不同的维度局部特征表示进行任意的配对操作，以及，基于任意的配对操作形成的配对的维度局部特征表示，对所述后端处理模型进行模型参数的优化调整，至少一个所述配对的维度局部特征表示对应的配对的维度是所述示例性数据簇中不包括的配对的维度。

在一些优选的实施例中，在上述火电机组运行状态检测方法中，所述后端处理模型包括与第二数量个维度一一对应的第二数量个第二特征表示映射单元和第二数量个第二特征表示分析单元；

所述将所述前端处理模型在示例性数据簇中挖掘出的不同的维度局部特征表示进行任意的配对操作，以及，基于任意的配对操作形成的配对的维度局部特征表示，对所述后端处理模型进行模型参数的优化调整的步骤，包括：

对所述前端处理模型形成的不同维度对应的维度局部特征表示进行任意的配对操作，以形成第三数量个配对的维度局部特征表示；

对所述第三数量个配对的维度局部特征表示分割操作，以形成对应的特征表示第一簇和特征表示第二簇，所述特征表示第一簇中的配对的维度局部特征表示的配对的维度属于所述示例性数据簇中具有的配对的维度，所述特征表示第二簇中的配对的维度局部特征表示的配对的维度属于所述示例性数据簇中没有的配对的维度；

基于所述特征表示第一簇和所述特征表示第二簇，将所述第二特征表示映射单元和所述第二特征表示分析单元进行相应的数据处理，第n个第二特征表示映射单元用于对第n个配对的维度局部特征表示进行映射操作，以形成对应的第n个配对映射特征表示，第n个第二特征表示分析单元用于将第二数量个配对映射特征表示的叠加映射特征表示进行第n个维度对应的标识数据分析操作；

针对所述特征表示第一簇在数据处理的过程中形成的第一类误差参数，基于所述第一类误差参数，对每一个维度对应的所述第二特征表示分析单元和所述第二特征表示映射单元进行参数优化调整操作；

针对所述特征表示第二簇在数据处理的过程中形成的第二类误差参数，基于所述第二类误差参数，对其它维度对应的所述第二特征表示分析单元和所述第二特征表示映射单元进行参数优化调整操作。

在一些优选的实施例中，在上述火电机组运行状态检测方法中，所述基于所述待分析火电机组的运行结果数据，分析出所述待分析火电机组对应的初始运行状态信息的步骤，包括：

针对所述待分析火电机组的运行结果数据中的每一个局部运行结果数据，对该局部运行结果数据进行特征挖掘操作，以形成该局部运行结果数据对应的特征挖掘结果，每一个所述局部运行结果数据对应于所述待分析火电机组中的一个待分析火电设备；

对于每一个所述待分析火电设备，确定出所述待分析火电机组中与该待分析火电设备之间具有关联关系的关联火电设备；

对于每一个所述待分析火电设备，基于该待分析火电设备对应的关联火电设备对应的特征挖掘结果，对该待分析火电设备对应的特征挖掘结果进行关联挖掘操作，以形成对应的关联特征挖掘结果；

将每一个所述待分析火电设备对应的关联特征挖掘结果进行聚合操作，以形成对应的聚合关联特征挖掘结果；

基于所述聚合关联特征挖掘结果进行运行状态分析操作，以输出所述待分析火电机组对应的初始运行状态信息。

本发明实施例还提供一种火电机组运行状态检测系统，包括处理器和存储器，所述存储器用于存储计算机程序，所述处理器用于执行所述计算机程序，以实现上述的火电机组运行状态检测方法。

本发明实施例提供的火电机组运行状态检测方法及系统，可以先提取到待分析火电机组的运行结果数据；基于待分析火电机组的运行结果数据，分析出待分析火电机组对应的初始运行状态信息，初始运行状态用于反映待分析火电机组具有的运行状态；在初始运行状态信息反映出待分析火电机组具有的运行状态存在异常的时候，基于待分析火电机组的全局运行数据，分析出待分析火电机组对应的目标运行状态信息。基于前述的内容，由于在基于待分析火电机组的全局运行数据分析出待分析火电机组对应的目标运行状态信息之前，会配置初始运行状态信息的分析机制，使得只有才分析出存在异常的时候，才会基于全局运行数据进行进一步的分析，因此，可以在一定程度上降低运行状态检测的成本，改善现有技术的不足。

为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。

附图说明

附图是用来提供对本公开的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本公开，但并不构成对本公开的限制。在附图中：

图1为本发明实施例提供的火电机组运行状态检测系统的结构框图。

图2为本发明实施例提供的火电机组运行状态检测方法包括的各步骤的流程示意图。

图3为本发明实施例提供的火电机组运行状态检测装置包括的各模块的示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例只是本发明的一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。

因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

如图1所示，本发明实施例提供了一种火电机组运行状态检测系统。其中，所述火电机组运行状态检测系统可以包括存储器和处理器。

详细地，所述存储器和处理器之间直接或间接地电性连接，以实现数据的传输或交互。例如，相互之间可通过一条或多条通讯总线或信号线实现电性连接。所述存储器中可以存储有至少一个可以以软件或固件(firmware)的形式，存在的软件功能模块(计算机程序)。所述处理器可以用于执行所述存储器中存储的可执行的计算机程序，从而实现本发明实施例提供的火电机组运行状态检测方法。

可以选择的是，在一些可能的实施方式中，所述存储器可以是，但不限于，随机存取存储器(Random Access Memory，RAM)，只读存储器(Read Only Memory，ROM)，可编程只读存储器(Programmable Read-Only Memory，PROM)，可擦除只读存储器(ErasableProgrammable Read-Only Memory，EPROM)，电可擦除只读存储器(Electric ErasableProgrammable Read-Only Memory，EEPROM)等。

可以选择的是，在一些可能的实施方式中，所述处理器可以是一种通用处理器，包括中央处理器(Central Processing Unit，CPU)、网络处理器(Network Processor，NP)、片上系统(System on Chip，SoC)等；还可以是数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。

可以选择的是，在一些可能的实施方式中，所述火电机组运行状态检测系统可以是一种具备数据处理能力的服务器。

结合图2，本发明实施例还提供一种火电机组运行状态检测方法，可应用于上述火电机组运行状态检测系统。其中，所述火电机组运行状态检测方法有关的流程所定义的方法步骤，可以由所述火电机组运行状态检测系统实现。下面将对图2所示的具体流程，进行详细阐述。

步骤S110，提取到待分析火电机组的运行结果数据。

在本发明实施例中，所述火电机组运行状态检测系统可以提取到待分析火电机组的运行结果数据。所述运行结果数据用于描述所述待分析火电机组运行的结果，如短时间的发电功率等。

步骤S120，基于所述待分析火电机组的运行结果数据，分析出所述待分析火电机组对应的初始运行状态信息。

在本发明实施例中，所述火电机组运行状态检测系统可以基于所述待分析火电机组的运行结果数据，分析出所述待分析火电机组对应的初始运行状态信息。所述初始运行状态信息用于反映所述待分析火电机组具有的运行状态，如运行状态是否存在异常。

步骤S130，在所述初始运行状态信息反映出所述待分析火电机组具有的运行状态存在异常的时候，基于所述待分析火电机组的全局运行数据，分析出所述待分析火电机组对应的目标运行状态信息。

在本发明实施例中，所述火电机组运行状态检测系统可以在所述初始运行状态信息反映出所述待分析火电机组具有的运行状态存在异常的时候，基于所述待分析火电机组的全局运行数据，分析出所述待分析火电机组对应的目标运行状态信息，如存在的异常状态类型。所述目标运行状态信息用于反映所述待分析火电机组具有的运行状态异常类型，所述全局运行数据用于描述所述待分析火电机组全部的属性信息，例如，所述属性信息在包括前述的运行结果数据的基础上，还可以进一步包括长时间段的发电功率以及其它的参数，如静态的一些参数等。也就是说，在所述初始运行状态信息反映出所述待分析火电机组具有的运行状态不存在异常的时候，可以不基于所述待分析火电机组的全局运行数据，分析出所述待分析火电机组对应的目标运行状态信息，如此，相较于直接基于全局运行数据进行分析的常规技术方案，可以在一定程度上降低成本。

基于前述的内容，由于在基于待分析火电机组的全局运行数据分析出待分析火电机组对应的目标运行状态信息之前，会配置初始运行状态信息的分析机制，使得只有才分析出存在异常的时候，才会基于全局运行数据进行进一步的分析，因此，可以在一定程度上降低运行状态检测的成本，改善现有技术的不足(即现有技术中的运行状态检测的成本较高的问题)。

可以选择的是，在一些可能的实施方式中，上述实施方式中的步骤S120，也就是，所述基于所述待分析火电机组的运行结果数据，分析出所述待分析火电机组对应的初始运行状态信息的步骤，可以进一步包括以下所述的具体实施内容：

针对所述待分析火电机组的运行结果数据中的每一个局部运行结果数据，对该局部运行结果数据进行特征挖掘操作，以形成该局部运行结果数据对应的特征挖掘结果(可以用向量的形式进行表示)，每一个所述局部运行结果数据对应于所述待分析火电机组中的一个待分析火电设备；

对于每一个所述待分析火电设备，确定出所述待分析火电机组中与该待分析火电设备之间具有关联关系的关联火电设备，例如，在一些应用场景中，有一些火电设备的存在空间相近，使得温度控制上具有关联，或者，在输出上具有关联关系，如总功率一定，一个火电设备的输出功率降低时，会提高另一个火电设备的输出功率；

对于每一个所述待分析火电设备，基于该待分析火电设备对应的关联火电设备对应的特征挖掘结果(在存在多个关联火电设备的时候，可以先将多个关联火电设备对应的特征挖掘结果进行均值化，然后，基于均值化的特征挖掘结果进行关联挖掘操作)，对该待分析火电设备对应的特征挖掘结果进行关联挖掘操作，以形成对应的关联特征挖掘结果，该关联挖掘操作可以是指显著性特征分析；

将每一个所述待分析火电设备对应的关联特征挖掘结果进行聚合操作，以形成对应的聚合关联特征挖掘结果，例如，可以将每一个所述待分析火电设备对应的关联特征挖掘结果进行拼接；

基于所述聚合关联特征挖掘结果进行运行状态分析操作，以输出所述待分析火电机组对应的初始运行状态信息，例如，可以先对所述聚合关联特征挖掘结果进行全连接处理，以形成对应的全连接特征表示，然后，可以基于激活函数，对该全连接特征表示进行处理，如此，可以得到述待分析火电机组对应的初始运行状态信息；另外，步骤S120包括的上述的各子步骤可以基于相应的神经网络实现，该神经网络可以对示例性的运行结果数据和示例性的运行状态信息进行学习以形成。

其中，可以选择的是，在一些可能的实施方式中，所述对于每一个所述待分析火电设备，基于该待分析火电设备对应的关联火电设备对应的特征挖掘结果，对该待分析火电设备对应的特征挖掘结果进行关联挖掘操作，以形成对应的关联特征挖掘结果的步骤，可以进一步包括以下所述的具体实施内容：

对所述待分析火电设备对应的关联火电设备对应的特征挖掘结果进行均值计算操作，以输出所述待分析火电设备对应的均值特征挖掘结果；

对所述待分析火电设备对应的特征挖掘结果进行至少两种的参数压缩操作，以形成所述待分析火电设备对应的至少两种压缩特征挖掘结果，所述参数压缩操作包括，基于配置的滑窗窗口，对所述特征挖掘结果中的特征参数进行滑窗操作，并分别将每一个滑窗窗口内的多个参数进行代表参数的确定操作，以形成每一个滑窗窗口对应的代表特征参数，最后，将每一个滑窗窗口对应的代表特征参数进行组合，以形成对应的压缩特征挖掘结果，不同的参数压缩操作，对应的滑窗窗口一致，只是在确定代表参数的时候不同，如将平均值、中位值、最大值等作为代表特征参数；

针对每一种所述压缩特征挖掘结果，通过相应的神经网络包括的第一映射矩阵、第二映射矩阵和第三映射矩阵(各矩阵可以在神经网络的网络优化过程中形成)，将该压缩特征挖掘结果和所述均值特征挖掘结果进行映射操作，以形成对应的第一映射结果、第二映射结果和第三映射结果，其中，所述第一映射结果通过将所述第一映射矩阵和所述压缩特征挖掘结果进行相乘(如叉乘)以得到，所述第二映射结果通过将所述第二映射矩阵和所述均值特征挖掘结果进行相乘以得到，所述第三映射结果通过将所述第三映射矩阵和所述均值特征挖掘结果进行相乘以得到；

将所述第一映射结果的转置处理结果和所述第二映射结果进行相乘(如点乘)，以得到对应的相乘结果参数；

基于所述压缩特征挖掘结果，对所述相乘结果参数进行调整操作，以形成对应的调整输出参数，例如，所述相乘结果参数和所述压缩特征挖掘结果的维度数量之间的比值，可以等于所述调整输出参数；

将所述相乘结果参数和所述第三映射结果进行相乘运算，以输出所述压缩特征挖掘结果对应的局部关联挖掘结果；

将每一种所述压缩特征挖掘结果对应的局部关联挖掘结果进行叠加运算(或加权求和运算，对应的加权系数可以根据参数压缩操作的重要性进行配置，具体可以根据需求针对不同的参数压缩操作进行不同的配置)，以输出对应的关联特征挖掘结果。

其中，可以选择的是，在一些可能的实施方式中，所述对于每一个所述待分析火电设备，基于该待分析火电设备对应的关联火电设备对应的特征挖掘结果，对该待分析火电设备对应的特征挖掘结果进行关联挖掘操作，以形成对应的关联特征挖掘结果的步骤，可以进一步包括以下所述的具体实施内容：

对所述待分析火电设备对应的关联火电设备对应的特征挖掘结果进行均值计算操作，以输出所述待分析火电设备对应的均值特征挖掘结果，以及，对所述均值特征挖掘结果进行至少两种的参数压缩操作，以形成所述待分析火电设备对应的至少两种第一压缩特征挖掘结果；

对所述待分析火电设备对应的特征挖掘结果进行至少两种的参数压缩操作(与前一个步骤的至少两种的参数压缩操作一一对应)，以形成所述待分析火电设备对应的至少两种第二压缩特征挖掘结果，所述参数压缩操作包括，基于配置的滑窗窗口，对所述特征挖掘结果中的特征参数进行滑窗操作，并分别将每一个滑窗窗口内的多个参数进行代表参数的确定操作，以形成每一个滑窗窗口对应的代表特征参数，最后，将每一个滑窗窗口对应的代表特征参数进行组合，以形成对应的压缩特征挖掘结果，不同的参数压缩操作，对应的滑窗窗口一致，只是在确定代表参数的时候不同，如将平均值、中位值、最大值等作为代表特征参数；

针对每一种所述第二压缩特征挖掘结果，通过相应的神经网络包括的第一映射矩阵、第二映射矩阵和第三映射矩阵(各矩阵可以在神经网络的网络优化过程中形成)，将该第二压缩特征挖掘结果和对应的所述第一特征挖掘结果(即对应的参数压缩操作一致)进行映射操作，以形成对应的第一映射结果、第二映射结果和第三映射结果，其中，所述第一映射结果通过将所述第一映射矩阵和所述第二压缩特征挖掘结果进行相乘(如叉乘)以得到，所述第二映射结果通过将所述第二映射矩阵和所述第一特征挖掘结果进行相乘以得到，所述第三映射结果通过将所述第三映射矩阵和所述第一特征挖掘结果进行相乘以得到；

将所述第一映射结果的转置处理结果和所述第二映射结果进行相乘(如点乘)，以得到对应的相乘结果参数；

基于所述压缩特征挖掘结果，对所述相乘结果参数进行调整操作，以形成对应的调整输出参数，例如，所述相乘结果参数和所述压缩特征挖掘结果的维度数量之间的比值，可以等于所述调整输出参数；

将所述相乘结果参数和所述第三映射结果进行相乘运算，以输出所述第二压缩特征挖掘结果对应的局部关联挖掘结果；

将每一种所述第二压缩特征挖掘结果对应的局部关联挖掘结果进行叠加运算(或加权求和运算，对应的加权系数可以根据参数压缩操作的重要性进行配置，具体可以根据需求针对不同的参数压缩操作进行不同的配置)，以输出对应的关联特征挖掘结果。

可以选择的是，在一些可能的实施方式中，上述实施方式中的步骤S130，也就是，所述在所述初始运行状态信息反映出所述待分析火电机组具有的运行状态存在异常的时候，基于所述待分析火电机组的全局运行数据，分析出所述待分析火电机组对应的目标运行状态信息的步骤，可以进一步包括以下所述的具体实施内容：

在所述初始运行状态信息反映出所述待分析火电机组具有的运行状态存在异常的时候，提取到所述待分析火电机组的全局运行数据，所述全局运行数据中存在第一数量个区别性维度局部数据，所述第一数量大于或等于2，所述区别性维度局部数据属于不同火电机组之间在同一维度上具有区别的数据，如额定的发电功率等，属于静态的数据；示例性地，所述全局运行数据可以是待分析火电机组的运行日志数据，包括全部的运行信息；

挖掘出所述全局运行数据中的基本信息特征表示，所述基本信息特征表示属于对所述全局运行数据中的所述第一数量个区别性维度局部数据进行关系分解挖掘操作形成的特征挖掘结果，所述关系分解挖掘操作为，在所述全局运行数据包括存在相互关联的第一区别性维度局部数据和第二区别性维度局部数据的时候，将所述第二区别性维度局部数据进行特征挖掘的时候中不考虑与所述第一区别性维度局部数据之间的相互关联关系，所述基本信息特征表示用于反映所述待分析火电机组的运行状态语义；

基于所述基本信息特征表示，分析出所述待分析火电机组对应的目标运行状态信息，由于所述基本信息特征表示可以反映所述待分析火电机组的运行状态语义，因此，可以对基于所述基本信息特征表示分析出所述待分析火电机组对应的目标运行状态信息。例如，可以先将所述基本信息特征表示进行全连接处理，然后，利用激活函数，对全连接处理的结果进行处理，可以得到对应的目标运行状态信息。

可以选择的是，在一些可能的实施方式中，所述挖掘出所述全局运行数据中的基本信息特征表示的步骤，可以进一步包括以下所述的具体实施内容：

通过运行状态分析网络，将所述全局运行数据进行特征挖掘操作，以输出所述全局运行数据中的基本信息特征表示；所述运行状态分析网络包括：前端处理模型；或，所述前端处理模型和后端处理模型。所述前端处理模型属于依据相互关联关系，将所述第一数量个区别性维度局部数据进行关系分解挖掘操作的网络优化形成的网络模型，所述后端处理模型属于将所述前端处理模型挖掘出的不同维度的维度局部特征表示进行任意的配对操作后进行网络优化形成的网络模型，所述不同维度包括运行过程动态维度(如实时的发电功率)和第一数量个运行过程静态区别性维度(对应于所述第一数量个区别性维度局部数据)。

也就是说，在一种实施方式中，所述运行状态分析网络包括所述前端处理模型，在另一种实施方式中，所述运行状态分析网络包括所述前端处理模型和所述后端处理模型这两个处理模型。

可以选择的是，在一些可能的实施方式中，所述前端处理模型可以包括特征空间映射单元、第一特征挖掘单元和第一特征分析单元，基于此，所述通过运行状态分析网络，将所述全局运行数据进行特征挖掘操作，以输出所述全局运行数据中的基本信息特征表示的步骤，可以进一步包括以下所述的具体实施内容：

通过所述特征空间映射单元，对所述全局运行数据进行特征空间映射操作，以形成对应的整体的维度局部特征表示，也就是说，将所述全局运行数据映射到特征空间中，以通过向量的形式进行表示，如此，可以形成对应的整体的维度局部特征表示，其中，所述整体的维度局部特征表示中携带有运行过程动态维度的信息和区别性维度局部数据的信息；

通过所述第一特征挖掘单元，将所述整体的维度局部特征表示进行特征挖掘操作，以形成所述全局运行数据对应的基本信息特征表示；所述基本信息特征表示是运行过程动态维度对应的特征表示，即对第一数量个区别性维度局部数据进行了分离。

可以选择的是，在一些可能的实施方式中，基于前述的内容，所述基于所述基本信息特征表示，分析出所述待分析火电机组对应的目标运行状态信息的步骤，可以进一步包括以下所述的具体实施内容：

通过所述第一特征分析单元，将所述基本信息特征表示进行运行过程动态信息分析操作，以输出所述待分析火电机组对应的目标运行状态信息(也就是说，所述运行状态分析网络包括所述前端处理模型)；或者说，在通过所述第一特征分析单元将所述基本信息特征表示进行状态分析操作之后将配对的维度局部特征表示加载到所述后端处理模型中，以分析出所述待分析火电机组对应的目标运行状态信息(也就是说，所述运行状态分析网络包括所述前端处理模型和所述后端处理模型这两个处理模型)。

可以选择的是，在一些可能的实施方式中，所述后端处理模型可以包括第一特征表示映射单元和第一特征表示分析单元，基于此，上所述基于所述基本信息特征表示，分析出所述待分析火电机组对应的目标运行状态信息的步骤，可以进一步包括以下所述的具体实施内容：

通过所述第一特征表示映射单元，将在所述前端处理模型形成的配对的维度局部特征表示进行映射操作，以形成对应的配对映射特征表示，示例性地，可以将所述配对的维度局部特征表示包括的维度局部特征表示进行叠加运算操作，然后，对叠加运算操作的结果进行线性映射操作；

通过所述第一特征表示分析单元，将所述配对映射特征表示进行运行过程动态信息分析操作，以输出所述待分析火电机组对应的目标运行状态信息，例如，也可以是先对所述配对映射特征表示进行全连接处理，然后，再对全连接处理的结果进行激活处理。

可以选择的是，在一些可能的实施方式中，所述前端处理模型包括第二数量个第二特征挖掘单元，所述第二数量个第二特征挖掘单元包括第二特征挖掘单元1，...，第二特征挖掘单元N，N等于所述第二数量，所述第二数量和所述第一数量之间的差值等于1，每一个第二特征挖掘单元n对应有第二数量个第二特征分析单元，n大于或等于1、小于或等于N，所述第二数量个第二特征分析单元包括第二特征分析单元n1，...，第二特征挖掘单元nN，即第二特征挖掘单元1对应于第二数量个第二特征分析单元，第二特征挖掘单元2对应于第二数量个第二特征分析单元，第二特征挖掘单元3对应于第二数量个第二特征分析单元等，第n个第二特征挖掘单元n用于挖掘第n个维度的信息，所述运行过程动态维度对应的第二特征挖掘单元1是第一特征挖掘单元，所述第二特征挖掘单元1对应的第二特征分析单元11是第一特征分析单元，基于此，所述前端处理模型的网络优化过程，可以进一步包括以下所述的具体实施内容：

将全部的第二特征挖掘单元a进行维持操作，并对全部的第二特征分析单元an进行参数优化更新操作，以使得分析出的数据靠近第a个维度对应的标识数据Wa，a属于小于或等于所述第二数量的整数，全部的第二特征挖掘单元a包括第二特征挖掘单元1、第二特征挖掘单元2、第二特征挖掘单元3等，全部的第二特征分析单元an可以包括第二特征分析单元a1、第二特征分析单元a2、第二特征分析单元a3、第二特征分析单元a4等；也就是说，维持第二特征挖掘单元的参数，对第二特征分析单元进行更新；

将全部的第二特征分析单元an进行维持操作，并对全部的第二特征挖掘单元a进行参数优化更新操作，以使得分析出的数据远离所述第a个维度对应的标识数据Wa；也就是说，维持第二特征分析单元的参数，对第二特征挖掘单元进行更新，分析出的数据是指第二特征分析单元的输出数据；

在第x个维度和第n个维度之间具有相互关联关系的时候，确定丢弃所述第二特征分析单元nx的分析数据差异，x属于小于或等于所述第二数量的整数，所述分析数据差异可以是指分析出的数据(第二特征分析单元的输出数据)与对应的标识数据(人工标注的真实数据)之间的差异。

可以选择的是，在一些可能的实施方式中，所述后端处理模型的网络优化过程，可以进一步包括以下所述的具体实施内容：

将所述前端处理模型在示例性数据簇中挖掘出的不同的维度局部特征表示进行任意的配对操作，以及，基于任意的配对操作形成的配对的维度局部特征表示，对所述后端处理模型进行模型参数的优化调整，至少一个所述配对的维度局部特征表示对应的配对的维度是所述示例性数据簇中不包括的配对的维度，也就是说，针对不同的网络优化阶段，形成的配对的维度局部特征表示可以不同，例如，前一个网络优化阶段可以将维度1和维度2进行配对、将维度1和维度3进行配对，当前的网络优化阶段可以将维度1和维度2进行配对、将维度1和维度3进行配对、将维度2和维度3进行配对，即存在新增的维度2和维度3的配对。

可以选择的是，在一些可能的实施方式中，所述后端处理模型可以包括与第二数量个维度一一对应的第二数量个第二特征表示映射单元和第二数量个第二特征表示分析单元，也就是说，一个维度对应一个第二特征表示映射单元和一个第二特征表示分析单元，基于此，所述将所述前端处理模型在示例性数据簇中挖掘出的不同的维度局部特征表示进行任意的配对操作，以及，基于任意的配对操作形成的配对的维度局部特征表示，对所述后端处理模型进行模型参数的优化调整的步骤，可以进一步包括以下所述的具体实施内容：

对所述前端处理模型形成的不同维度对应的维度局部特征表示进行任意的配对操作，以形成第三数量个配对的维度局部特征表示；

对所述第三数量个配对的维度局部特征表示分割操作，以形成对应的特征表示第一簇和特征表示第二簇，所述特征表示第一簇中的配对的维度局部特征表示的配对的维度属于所述示例性数据簇中具有的配对的维度(即前一个网络优化阶段包括的配对的维度)，所述特征表示第二簇中的配对的维度局部特征表示的配对的维度属于所述示例性数据簇中没有的配对的维度(即当前网络优化阶段新增的配对的维度)；

基于所述特征表示第一簇和所述特征表示第二簇，将所述第二特征表示映射单元和所述第二特征表示分析单元进行相应的数据处理，第n个第二特征表示映射单元用于对第n个配对的维度局部特征表示进行映射操作，以形成对应的第n个配对映射特征表示(即将配对的维度局部特征表示包括的维度局部特征表示先进行叠加运算，再进行线性映射操作)，第n个第二特征表示分析单元用于将第二数量个配对映射特征表示的叠加映射特征表示(即第二数量个配对映射特征表示的叠加运算结果)进行第n个维度对应的标识数据分析操作；

针对所述特征表示第一簇在数据处理的过程中形成的第一类误差参数，基于所述第一类误差参数，对每一个维度对应的所述第二特征表示分析单元和所述第二特征表示映射单元进行参数优化调整操作，也就是说，可以沿着降低所述第一类误差参数的方向，将每一个维度对应的所述第二特征表示分析单元和所述第二特征表示映射单元的参数进行优化更新，所述第一类误差参数用于反映分析出的标识数据和实际数据之间的差异；

针对所述特征表示第二簇在数据处理的过程中形成的第二类误差参数，基于所述第二类误差参数，对其它维度对应的所述第二特征表示分析单元和所述第二特征表示映射单元进行参数优化调整操作，也就是说，可以沿着降低所述第二类误差参数的方向，将其它维度对应的所述第二特征表示分析单元和所述第二特征表示映射单元的参数进行优化更新，所述第二类误差参数用于反映分析出的标识数据和实际数据之间的差异。

结合图3，本发明实施例还提供一种火电机组运行状态检测装置，可应用于上述火电机组运行状态检测系统。其中，所述火电机组运行状态检测装置可以包括以下的各软件功能模块：

运行结果数据提取模块，用于提取到待分析火电机组的运行结果数据，所述运行结果数据用于描述所述待分析火电机组运行的结果；

运行结果数据分析模块，用于基于所述待分析火电机组的运行结果数据，分析出所述待分析火电机组对应的初始运行状态信息，所述初始运行状态信息用于反映所述待分析火电机组具有的运行状态；

运行状态信息分析模块，用于在所述初始运行状态信息反映出所述待分析火电机组具有的运行状态存在异常的时候，基于所述待分析火电机组的全局运行数据，分析出所述待分析火电机组对应的目标运行状态信息，所述目标运行状态信息用于反映所述待分析火电机组具有的运行状态异常类型，所述全局运行数据用于描述所述待分析火电机组全部的属性信息。

综上所述，本发明提供的火电机组运行状态检测方法及系统，可以先提取到待分析火电机组的运行结果数据；基于待分析火电机组的运行结果数据，分析出待分析火电机组对应的初始运行状态信息，初始运行状态用于反映待分析火电机组具有的运行状态；在初始运行状态信息反映出待分析火电机组具有的运行状态存在异常的时候，基于待分析火电机组的全局运行数据，分析出待分析火电机组对应的目标运行状态信息。基于前述的内容，由于在基于待分析火电机组的全局运行数据分析出待分析火电机组对应的目标运行状态信息之前，会配置初始运行状态信息的分析机制，使得只有才分析出存在异常的时候，才会基于全局运行数据进行进一步的分析，因此，可以在一定程度上降低运行状态检测的成本，改善现有技术的不足(即现有技术中存在的运行状态检测的成本较高的问题)。

在本发明实施例所提供的几个实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置和方法实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本发明的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

另外，在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。

所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，电子设备，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。