(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111630978.2 (22)申请日 2021.12.28 (71)申请人 国家石油天然气管网集团有限公司 地址 100020 北京市朝阳区东土城路5号 申请人 国家管网集团北方管道有限责任公 司 (72)发明人 张世斌　贾立东　宋飞　史威　 艾月乔　张小俊　张舒　王宁　 黑卫春　杨永利　余冬　张赫　 宫连峰　杨全博　高博颢　 (74)专利代理 机构 北京众达德权知识产权代理 有限公司 1 1570 代理人 詹守琴 (51)Int.Cl. G06F 30/20(2020.01)G06Q 10/06(2012.01) G06Q 50/06(2012.01) G06F 119/02(2020.01) (54)发明名称 一种天然气管道远维控制系统健康度评价 方法及系统 (57)摘要 本发明提供了一种天然气管道远维控制系 统健康度评价方法及系统， 其中， 所述方法包括： 获得系统运行历史数据， 并行训练健康度评价子 模型， 使用得到的各个判别器作为分类器分别对 各硬件对应的测试集进行分类， 根据分类结果与 测试集对健康评价子模型进行性能验证和优化， 获得最终健康度评价子模型； 获得各硬件健康评 价结果， 进行等级离散处理获得离散结果， 进行 整体模型训练得到系统整体健康度评价模型， 进 行系统健康度评价。 解决了 现有技术中存在对远 维系统的健康度评价过程中各个健康度等级的 样本数据分布存在较严重的不平衡 现象， 并且无 法保证生 成的样本与原样本分布的一致性， 健康 度评价的准确性和可靠性较低的技 术问题。 权利要求书3页 说明书15页 附图2页 CN 114329966 A 2022.04.12 CN 114329966 A 1.一种天然气管道远维控制系统健康度评价方法， 其特 征在于， 所述方法包括： 获得系统运行历史数据， 所述系统运行历史数据包括多个 硬件运行历史数据； 分别对每个硬件运行历史数据进行数据划分， 其中， 所述数据划分包括从所述硬件运 行历史数据中选取训练集， 确定测试集； 分别利用各硬件在数据划分中得到的所述训练集并行训练健康度评价子模型， 其中， 所述健康度评价子模型与硬件一 一对应； 使用各健康度评价子模型训练得到的判别器作为分类器分别对各硬件对应的所述测 试集进行分类， 根据分类结果与所述测试集对所述健康评价子模型进行性能验证和优化， 通过多次迭代确定最终健康度评价子模型； 获得各所述最终健康度评价子模型的输出结果， 所述输出结果包括各硬件健康评价结 果； 对所述各硬件健康评价结果进行等级离散处理， 获得离散结果， 并基于所述离散结果 进行整体模型训练， 得到系统整体健康度评价模型， 利用所述系统整体健康度评价模型进 行系统健康度评价。 2.如权利要求1所述的方法， 其特 征在于， 所述方法包括： 步骤1： 从服从正态分布的随机噪音中获得随机噪声数据， 为所述随机噪声数据指定健 康度等级， 根据随机噪声数据和指定健康度等级， 通过生成器得到生成数据； 步骤2： 从所述训练集中按照预设健康度等级分别抽样得到真实数据， 将所述真实数据 和生成数据送入所述判别器， 得到数据判别为真实的概 率和数据判别类别； 步骤3： 基于所述数据判别为真实的概率、 所述数据判别类型通过损失函数更新判别器 参数； 步骤4： 判断判别次数是否大于预设次数， 当大于所述预设次数时， 保持所述判别器参 数不变， 生成器通过 所述噪声数据和所述指定健康度等级生成新数据； 步骤5： 基于所述噪声数据、 所述指定健康度等级、 所述生成新数据， 根据损失函数更新 生成器参数； 步骤6： 循环交替执行上述步骤1 ‑5进行判别器参数、 生成器参数训练更新， 直到满足停 止训练要求为止， 得到所述最终健康度评价子模型， 并基于最终判别器参数确定所述判别 器。 3.如权利要求2所述的方法， 其特征在于， 所述基于所述数据判别为真实的概率、 所述 数据判别类型通过损失函数 更新判别器参数， 包括： 根据损失函数 其中， 基于所述损 失函数， 通过计算获得判别器参数的梯度， 基于梯度对判别器参数进行更 新其中， D(X)为数据判别为真实的概率， 为判别为生成的概率， c为数据判别类型， pr (x)为真实数据分布， 为生成数据， 是判别器对抗训练损失， 是判别器类权　利　要　求　书 1/3 页 2 CN 114329966 A 2别损失， 服从分布 随机数a～U(0,1)， λ为梯度惩罚系数， pz (z)为服从噪音分布的随机噪声数据， E 为期望， cr为真实数据类别， cg为生成数据类别， logP (c＝cr|x)和 分别表示辅助分类 器预测数据类别为cr和cg的概率。 4.如权利要求2所述的方法， 其特征在于， 所述基于所述噪声数据、 所述指定健康度等 级、 所述生成新数据， 根据损失函数 更新生成器参数， 包括： 生成器通过噪声数据z和指定健康度等级cg得到生成新数据 根据损失 函数 更新生成器参数， 其中： 是生成器类别损失， 是生成器 对抗训练损失。 5.如权利要求2所述的方法， 其特征在于， 所述循环交替进行判别器参数、 生成器参数 训练更新， 包括： 所述生成器每训练一次， 所述判别器训练ncritic次， 所述预设次数为 ncritic次。 6.如权利要求1所述的方法， 其特征在于， 所述分别对每个硬件运行历史数据进行数据 划分， 其中， 所述数据划分包括从所述硬件运行历史数据中选取训练集， 确定测试集， 包括： 从所述硬件运行历史数据中基于健康度等级随机抽取80％数据作为所述训练集， 剩余 硬件运行历史数据作为所述测试集。 7.如权利要求2所述的方法， 其特 征在于， 所述方法还 包括： 使用ACWGAN ‑GP算法并行训练所述各健康度评价子模型， 串行训练所述健康度评价子 模型与所述系统整体健康度评价模 型， 其中， 预设健康度等级包括： 完好、 正常、 注 意、 异常、 严重， 对应的离 散化结果分别为0、 1、 2、 3、 4。 8.一种天然气管道远维控制系统健康度评价系统， 其特 征在于， 所述系统包括： 第一获得单元， 所述第一获得单元用于获得系统运行历史数据， 所述系统运行历史数 据包括多个 硬件运行历史数据； 第一执行单元， 所述第一执行单元用于分别对每个硬件运行历史数据进行数据划分， 其中， 所述数据划分包括从所述硬件运行历史数据中选取训练集， 确定测试集； 第二执行单元， 所述第 二执行单元用于分别利用各硬件在数据划分中得到的所述训练 集并行训练健康度评价子模型， 其中， 所述 健康度评价子模型与硬件一 一对应； 第三执行单元， 所述第 三执行单元用于使用各健康度评价子模型训练得到的判别器作 为分类器分别对各硬件对应的所述测试集进 行分类， 根据分类结果与所述测试集对所述健 康评价子模型进行性能验证和优化， 通过多次迭代确定最终健康度评价子模型； 第二获得单元， 所述第二获得单元用于获得各所述最终健康度评价子模型的输出结 果， 所述输出 结果包括各硬件健康评价结果； 第四执行单元， 所述第四执行单元用于对所述各硬件健康评价结果进行等级离散处 理， 获得离散结果， 并基于所述离散结果进行整体模型训练， 得到系统整体健康度评价模 型， 利用所述系统整体健康度评价模型进行系统健康度评价。 9.一种天然气管道远维控制系统健康度评价系统， 包括： 处理器， 所述处理器与存储器 耦合， 所述存储器用于存储程序， 当所述程序被所述处理器执行时， 其特征在于， 使系统以权　利　要　求　书 2/3 页 3 CN 114329966 A 3