【技术实现步骤摘要】
电站设备故障监测模型生成方法、系统及装置
[0001]本专利技术涉及电站监测
,尤其是涉及一种电站设备故障监测模型生成方法、系统及装置。
技术介绍
[0002]在现有技术中,故障监测(Fault Detection)是使用当系统发生故障时,对其及时发现和确认,并给予相应的显示或报警。较早的监测到故障可以对即将出现的问题做出重要警告,进而采取适当措施,避免严重事故发生。PCA(Principle Component Analysis)故障监测方法属于统计学习领域的故障监测方法。它具有效率高,计算方便并不依赖故障变量的特点,近年来被广泛使用。
[0003]电站设备故障监测是电站安全经济运行的重要环节,不断提高监测方法的准确性能够有效保障电站人身和财产安全,对于整个国民经济与和谐社会的发展都有着积极的意义。同时,由于电站是一个典型的多模式系统,不同工况下的参数呈现不同的统计特性,单个PCA监测模型难以学习这样的统计特性,因此不能得到较好的监测效果。
技术实现思路
[0004]本专利技术的目的在于提供一种电站设备故障监测模型生成方法、系统及装置,旨在解决现有技术中的上述问题。
[0005]本专利技术提供一种电站设备故障监测模型生成方法,包括:
[0006]预先设定初始训练样本集的最大容量,基于最大容量将数据库中保存大量历史正常数据经标准化处理获取包含训练数据的训练样本集;
[0007]通过计算比较不同簇群下训练数据下的Calinski
‑
Harabasz ...
【技术保护点】
【技术特征摘要】
1.一种电站设备故障监测模型生成方法,其特征在于,包括:预先设定初始训练样本集的最大容量,基于最大容量将数据库中保存大量历史正常数据经标准化处理获取包含训练数据的训练样本集;通过计算比较不同簇群下训练数据下的Calinski
‑
Harabasz分数值,确定最优的簇群数,将确定的最优簇群数作为K
‑
means算法的簇群数,并将训练数据经由算法训练确定数据的聚类中心集;将确定的聚类中心集作为FCM算法的初始聚类中心,并将训练数据经由算法训练确定数据的簇群隶属度并建立FCM模型,根据最大隶属度将训练数据进行分类,并根据不同类别建立相应的PCA模型,完成训练过程。2.根据权利要求1所述的方法,其特征在于,所述方法进一步包括:将现场数据经由标准化处理获取测试样本集,并经由FCM模型确定测试样本集的隶属度,并由各PCA监测模型获取监测统计量,并根据监测统计量和隶属度加权获取最终监测结果。3.根据权利要求1所述的方法,其特征在于,通过计算比较不同簇群下训练数据下的Calinski
‑
Harabasz分数值,确定最优的簇群数具体包括:根据公式1,通过计算比较不同簇群下训练数据下的Calinski
‑
Harabasz分数值,确定最优的簇群数:其中,s(k)表示类间方差与类内方差之间的比值,B
k
为表示类间方差,W
k
表示类内方差,tr(*)表示矩阵的迹,即矩阵对角线元素和,m为聚类数目,k为当前的类别。4.根据权利要求1所述的方法,其特征在于,将训练数据经由算法训练确定数据的簇群隶属度并建立FCM模型具体包括:根据公式2和公式3将训练数据经由算法训练确定数据的簇群隶属度并建立FCM模型:根据公式2和公式3将训练数据经由算法训练确定数据的簇群隶属度并建立FCM模型:其中,u
ij
为第i个样本隶属于第j种类型的隶属度,x
i
为第i个样本,c
j
为第j个聚类中心,c
k
为第k个聚类中心,k=1,2,
…
,C,m为加权指数,用于控制分区的模糊性,C为聚类中心的数量,C
j
为更新后的聚类中心,N为样本数量,为更新后的隶属度矩阵。5.一种电站设备故障监测模型生成系统,其特征在于,包括:标准化模块,用于预先设定初始训练样本集的最大容量,基于最大容量将数据库中保
存大量历史正常数据经标准化处...
【专利技术属性】
技术研发人员:孟磊,王彦文,袁照威,谷小兵,司风琪,白玉勇,李文龙,乔宗良,曹书涛,王力光,杨大洲,李广林,
申请(专利权)人:大唐环境产业集团股份有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。