发电过程控制系统故障检测方法技术方案

本发明专利技术公开了一种发电过程控制系统故障检测方法，所述方法包括：用主成分分析PCA法对经过降噪、标准化处理后的训练矩阵X进行矩阵分解，采用得分矩阵T作为基矩阵W的初始值W0；用带非负约束的交替最小二乘法迭代求解所述训练矩阵X的基矩阵W和权重系数矩阵H；构造基于非负矩阵分解的监控统计量和SPEn，利用核密度估计法分别计算监控统计量和SPEn的概率密度函数PDF，设置显著水平并分别求取统计量和SPEn的控制限；利用所述权重系数矩阵H和经过数据处理之后的测试矩阵Xtest计算得出所述测试矩阵Xtest基矩阵的近似值分别计算所述测试矩阵Xtest的监控统计量和SPEn，并与相应的所述控制限比较，超过所述控制限则表明有故障发生。本发明专利技术能够针对发电过程海量运行数据进行状态监测，进而实现发电过程控制系统的故障诊断。

【技术实现步骤摘要】

本专利技术涉及发电
，尤其涉及一种发电过程控制系统故障检测方法。
技术介绍
发电过程是一类典型的复杂工业过程，对其控制系统进行故障检测与诊断已经成为控制理论研究的一个重要分支。对于复杂工业过程来说想要建立其精确的数学模型是非常困难的，但是发电过程分散控制系统(Distributedcontrolsystem，DCS)与监控信息系统(Supervisoryinformationsystem，SIS)已实现了生产过程的数字化，使运行数据得以长期保存。因此，利用机组正常运行的历史数据建立监视系统运行状态的模型是一个既方便又有效的方法。如何从大量、高维的运行数据中提取有效的故障特征信息将是至关重要的问题。矩阵分解技术广泛应用于各类学科的研究中，通过矩阵分解可以将原始数据从高维空间投影到低维空间，从而发现原始数据的内在结构特征。常见的传统的矩阵分解方法有：主成分分析(Principalcomponentanalysis，PCA)，快速独立主成分分析(FastIndependentcomponentanalysis，FastICA)，Fisher判据分析(Fisherdiscriminantanalysis，FDA)等。在这些方法的计算过程中没有对数据进行非负约束使得其计算结果当中可能包含负数，这在数值计算的角度来看是没有问题的。但是，对于绝大多数工业过程来说，其运行数据都是非负的，这就在一定程度上造成了计算结果的不可解释性。同时，传统的PCA方法假设过程变量是服从高斯分布的，然而在复杂工业过程中这个假设很难成立的；FastICA算法对初始值的选择要求较高，如果初始值选择的不合适有可能会造成算法不收敛；FDA方法在实现过程中对数据均值信息的依赖程度很高，当处理均值变化不大的数据集时效果不理想。为此，需要一种实现简便、分解形式和分解结果具有可解释性、以及占用存储空间少的发电过程控制系统故障检测方法。
技术实现思路
为解决现有存在的技术问题，本专利技术实施例提供一种发电过程控制系统故障检测方法。为达到上述目的，本专利技术实施例的技术方案是这样实现的：一种发电过程控制系统故障检测方法，所述方法包括：用主成分分析PCA法对经过降噪、标准化处理后的训练矩阵X进行矩阵分解，采用得分矩阵T作为基矩阵W的初始值W0；用带非负约束的交替最小二乘法迭代求解所述训练矩阵X的基矩阵W和权重系数矩阵H；构造基于非负矩阵分解的监控统计量和SPEn，利用核密度估计法分别计算监控统计量和SPEn的概率密度函数PDF，设置显著水平并分别求取统计量和SPEn的控制限；利用所述权重系数矩阵H和经过数据处理之后的测试矩阵Xtest计算得出所述测试矩阵Xtest基矩阵的近似值分别计算所述测试矩阵Xtest的监控统计量和SPEn，并与相应的所述控制限比较，超过所述控制限则表明有故障发生。其中，所述用主成分分析PCA法对经过降噪、标准化处理后的训练矩阵X进行矩阵分解，采用得分矩阵T作为基矩阵W的初始值W0，包括：采集一个系统正常运行时的样本集合矩阵作为所述训练矩阵X，X∈Rn×m，n为数据样本个数，m为变量个数；对所述训练矩阵X进行数据预处理：用带有遗忘因子的递推方法对数据样本进行降噪；对降噪后的所述训练矩阵X做标准化处理；采用PCA方法对所述训练矩阵X进行矩阵分解；采用基于故障信噪比确定所述得分矩阵T的主元个数a，并求得所述得分矩阵T，即基矩阵W的初始值W0。其中，所述用带非负约束的交替最小二乘法迭代求解所述训练矩阵X的基矩阵W和权重系数矩阵H，包括：将主元分解得到的基矩阵初始值W0标准化；在传统的交替最小二乘法中引入两个稀疏因子，通过增加所述两个稀疏因子的提高所述基矩阵W和权重系数矩阵H的稀疏程度；运用带约束的交替最小二乘法求解所述基矩阵W和权重系数矩阵H。其中，所述构造基于非负矩阵分解的监控统计量和SPEn，利用核密度估计法分别计算监控统计量和SPEn的概率密度函数，包括：对所述基矩阵W进行重构，定义重构后的基矩阵为：其中，H为权重系数矩阵，T为得分矩阵，λW为稀疏因子；基于NMF的监控模型将所述训练矩阵X描述为E为残差矩阵；定义基于NMF的监控统计量和SPEn：其中，表示一个样本向量的重构值，II表示a×a的单位矩阵，a为所述得分矩阵T的主元个数；采用所述核密度估计法估计所述监控统计量和SPEn的PDF，采用高斯核函数为核函数，带宽由广义交叉熵算法求取。采用所述核密度估计法估计所述监控统计量和SPEn的PDF，包括：定义训练矩阵X的密度函数f(x)的估计形式为：其中，n是样本个数，h是带宽，K(·)是核函数，满足：u表示变量，x表示需要求概率密度函数的变量的数值，xi表示数列元素；使下列Csiszár测度达到最小值，即：其中，p(x)为给定数据的先验分布概率，若先验概率未知，则p(x)＝1，g(x)是的另一种表现形式，λ＝[λ1,…,λn]T为拉格朗日乘子；根据求解得到广义交叉熵问题中带宽的解h*，其中，C为n×n方阵，其元素为熵值，C和均为带宽h和数据x的函数；通过将h*带入式计算hopt；根据hopt以及式计算得到密度函数f(x)，密度函数f(x)即为要估算的PDF。本专利技术实施例提供一种发电过程控制系统故障检测方法，能够针对发电过程海量运行数据进行状态监测，进而实现发电过程控制系统的故障诊断，为控制系统优化设计与调试维护提供了先进的检测工具。附图说明在附图(其不一定是按比例绘制的)中，相似的附图标记可在不同的视图中描述相似的部件。具有不同字母后缀的相似附图标记可表示相似部件的不同示例。附图以示例而非限制的方式大体示出了本文中所讨论的各个实施例。图1为本专利技术实施例发电过程控制系统故障检测方法的流程图。具体实施方式本专利技术提供一种基于非负矩阵分解的发电过程控制系统故障检测方法，采用OPC通讯的方式与SIS连接，从SIS数据库中获取发电过程实时或历史运行数据或者在SIS站中进行二次开发也可以实现该方法的所有功能，其流程图如图1所示，包括以下步骤：步骤101、用PCA对经过降噪、标准化处理后的训练矩阵X进行矩阵分解，采用得分矩阵T作为基矩阵W的初始值W0；步骤102、用带非负约束的交替最小二乘法(ALS，AlternatingLeast-squares)迭代求解X的基矩阵W和权重系数矩阵H；步骤103、构造基于非负矩阵分解的监控统计量和SPEn，利用核密度估计本文档来自技高网...

【技术保护点】
一种发电过程控制系统故障检测方法，其特征在于，所述方法包括：用主成分分析PCA法对经过降噪、标准化处理后的训练矩阵X进行矩阵分解，采用得分矩阵T作为基矩阵W的初始值W0；用带非负约束的交替最小二乘法迭代求解所述训练矩阵X的基矩阵W和权重系数矩阵H；构造基于非负矩阵分解的监控统计量和SPEn，利用核密度估计法分别计算监控统计量和SPEn的概率密度函数PDF，设置显著水平并分别求取统计量和SPEn的控制限；利用所述权重系数矩阵H和经过数据处理之后的测试矩阵Xtest计算得出所述测试矩阵Xtest基矩阵的近似值分别计算所述测试矩阵Xtest的监控统计量和SPEn，并与相应的所述控制限比较，超过所述控制限则表明有故障发生。

【技术特征摘要】
1.一种发电过程控制系统故障检测方法，其特征在于，所述方法包括：
用主成分分析PCA法对经过降噪、标准化处理后的训练矩阵X进行矩阵分解，采用得分
矩阵T作为基矩阵W的初始值W0；
用带非负约束的交替最小二乘法迭代求解所述训练矩阵X的基矩阵W和权重系数矩阵
H；
构造基于非负矩阵分解的监控统计量和SPEn，利用核密度估计法分别计算监控统计
量和SPEn的概率密度函数PDF，设置显著水平并分别求取统计量和SPEn的控制限；
利用所述权重系数矩阵H和经过数据处理之后的测试矩阵Xtest计算得出所述测试矩阵
Xtest基矩阵的近似值分别计算所述测试矩阵Xtest的监控统计量和SPEn，并与相应
的所述控制限比较，超过所述控制限则表明有故障发生。
2.根据权利要求1所述的方法，其特征在于，所述用主成分分析PCA法对经过降噪、标准
化处理后的训练矩阵X进行矩阵分解，采用得分矩阵T作为基矩阵W的初始值W0，包括：
采集一个系统正常运行时的样本集合矩阵作为所述训练矩阵X，X∈Rn×m，n为数据样本
个数，m为变量个数；
对所述训练矩阵X进行数据预处理：用带有遗忘因子的递推方法对数据样本进行降噪；
对降噪后的所述训练矩阵X做标准化处理；
采用PCA方法对所述训练矩阵X进行矩阵分解；
采用基于故障信噪比确定所述得分矩阵T的主元个数a，并求得所述得分矩阵T，即基矩
阵W的初始值W0。
3.根据权利要求1所述的方法，其特征在于，所述用带非负约束的交替最小二乘法迭代
求解所述训练矩阵X的基矩阵W和权重系数矩阵H，包括：
将主元分解得到的基矩阵初始值W0标准化；
在传统的交替最小二乘法中引入两个稀疏因子，通过增加所述两个...

【专利技术属性】
技术研发人员：蔡渊，王世林，方连航，刘红岩，梁钰，牛玉广，
申请(专利权)人：海南电力技术研究院，华北电力大学，
类型：发明
国别省市：海南;46