1城市燃气2022/12总第574期燃气技术GasTechnology彭小宝，杨铭添，郑燕群，赵洁上海世昕软件股份有限公司基于集成学习方法的燃气调压器故障类型智能判断研究摘要：调压器作为燃气输配系统中重要的设备，其状态检测及故障诊断尤为重要。本研究基于某燃气公司的调压器预警台账统计数据，收集了2020年至2022年间的9125条报警数据，引入集成学习的方法，结合调压器进出口压力数据、压力数据特征等变量，基于3种集成学习方法：随机森林、XGBoost（eXtremeGradientBoosting）、LightGBM（LightGradientBoostingMachine）构建了调压器故障类型智能判断模型，利用实际检测数据从进出口、故障类型等方面对3种模型分别进行了评价，根据评价结果得出以下结论：针对进口压力报警，LightGBM智能判断模型的表现最好，精度为97%；针对出口压力报警，XGBoost智能判断模型的表现最好，精度为92%，均达到了较高的准确率。关键词：燃气调压器故障类型；集成学习；智能判断doi:10.3969/j.issn.1671-5152.2022.12.0011绪论调压器在燃气的输配系统中起着调节并稳定管网压力的功能，其稳定的运行是燃气安全的保障。由于调压器设备数量大，监管区域覆盖面广，且对于报警设备的状况排查需要由专业人员进行，不仅工作难度非常大，而且还要耗费大量的人力物力，造成管理成本较高、无法高效合理的安排检维修等问题。目前已经有很多机器学习的方法被引入了燃气行业，许彤[1]基于北京燃气集团的管线防腐检测结果和相关的数据特征，结合了线性模型、随机森林等机器学习方法，对埋地燃气管线的防腐层绝缘电阻值进行了预测；姜赛赛[2]选取了长短期记忆网络与深度神经网络两种方式分别建立了中低压燃气调压器故障诊断模型，并对故障类型进行了定性分析；薛钦枥[3]等人建立了支持向量机模型，结合供热锅炉用燃气调压器的特性，以及绘制出调压器出口压力数据的压力云图以及雷达图对调压器进行了故障诊断。本研究将机器学习中的集成学习方法与燃气行业的应用相结合，利用集成学习方法结合燃气调压器的进出口压力数据实时智能的判断出调压器的故障类型，可以有效提升燃气输配管理的智能化水平，使调压器的检维修流程得到优化。2研究数据及其预处理2.1调压器故障类型划分本研究基于某燃气公司长期以来的调压器报警数据和专家的经验知识把调压器常见的故障分为了以下6种类型：（1）关闭压力升高关闭压力升高在调压器的故障类型中较为常见，2城市燃气2022/12总第574期燃气技术GasTechnology其...
