安全生产SafetyinProduction24城市燃气2022/11总第573期张锦玉1，2，陈小辉1，彭超龙3，寿纪斌11.上海航天能源股份有限公司；2.中南财经政法大学统计与数学学院；3.深圳市燃气集团股份有限公司基于VAE-LSTM的中低压燃气调压器异常检测无监督模型研究摘要：燃气调压器在燃气输配过程中起降压稳压的作用。目前行业多采用人工手段对调压器进行异常检测，不能提前预警故障隐患；通过智能手段检测通常需要人工标注数据做有监督处理，消耗大量时间和人力成本；VAE-LSTM混合无监督模型，不需要人工标注，实现异常的完全检出。其中VAE模型使用卷积层结构，通过缩小样本重构误差来进行训练，检测出点异常和上下文异常；LSTM模型在VAE模型训练完成的基础上进行训练，采用滑动样本，通过缩小预测误差来训练，可以检测出集体异常。最后，将混合模型用于有标签的测试集，选择最好的阈值4.545547预测样本的异常与否，该阈值对应的查准率、查全率和F1值分别为0.910604、1.0和0.953211，表明模型预测效果较好。关键词：中低压燃气调压器；VAE-LSTM无监督模型；异常检测doi:10.3969/j.issn.1671-5152.2022.11.0061引言近年来燃气安全事故频繁发生，2021年6月13日湖北省十堰市发生燃气泄漏爆炸事故，造成25人死亡、138人受伤。及时检测调压器运行状态关系到公众的生命财产安全[1]，若燃气调压器维护不当，则会出现调压器发生故障、寿命缩短甚至失效等问题，影响下游用户稳定用气，本文通过大数据分析与人工智能等技术的结合[2]，提出一种无监督的调压器异常检测技术，实现调压器实时在线异常检测，提升调压器的异常报警水平，同时降低维护成本。异常检测技术主要是用来判断设备是正常工作状态还是异常状态。冯良[3]等人运用Simulink计算不同弹簧刚度、初始压缩量等两种调压器的动态响应曲线，根据该曲线分析调压器稳定性与实际情况相符。安小然[4]使用EMD算法将调压器出口压力分解为能量矩，输入支持向量机安全预警模型，最终得到的预测结果准确率达到76%。目前燃气调压器异常检测技术仍存在一些问题。通过机理模型需要丰富的人工经验，这些条件限制了调压器异常检测的效率；现有的调压器智能检测技术多为有监督模型，训练数据需要人工标注且耗时较长；当前的调压器异常检测异常种类单一，泛化性能较差。因此提出一种混合人工智能技术进行无监督的调压器异常检测[5]，在无标签的情况下快速检测是必要的。2理论与技术模型基础2.1燃气调压器原理与工作状态2.1.1燃气调压...
