Multi index prediction method for power equipment, including the establishment of model and operation model of power equipment, multi index prediction results and other major steps, using generalized regression neural network (GRNN), on the historical data of the study, to simulate the index rule when the equipment is running, then calculate the corresponding value is universal, robust and adaptive ability of the characteristics of data driven based on the predicted speed, can predict multiple values, solves the need for equipment related indicators predict the actual work demand in the power plant.
【技术实现步骤摘要】
一种电力设备多指标预测方法
本专利技术涉及检测领域,具体设计设备状态监测领域,尤其涉及到一种基于广义回归神经网络(GRNN)的电力设备多指标预测方法。
技术介绍
众所周知,设备的运行状态对于电厂生产影响巨大,比如电厂机组中的锅炉、发电机等关键设备。设备在正常工况运行过程中体现出来的功能特征、表象特征以及电气特征与异常状态下的特征是有差异的。根据设备状态预警,做出检修计划,将节省电厂巨大的人力、物力、财力,具有非常大的经济潜力。目前,在设备状态预警方面主要有三大类方法:一是采用设备生产厂商根据制造工艺设定各个部件不同预警级别的阈值方法;二是基于知识的方法,主要以相关专家和操作人员的启发性经验知识为基础,定性或定量的描述过程中各单元之间的连接关系、故障传播模式等,通过推理、演绎等方式模拟过程专家在监测上的推理能力,从而自动完成设备故障预警和设备监测;三是采用非线性多元回归建模的数学挖掘方法拟合出设备各个部分之间的复杂冗余关系,通过分析实际值与评估值之间的差距来进行预警。三种方法均有各自的特点与局限性。现有技术中,已经公开的预测方法主要有:1.《改进关联规则方法在电力设备故障预测中的应用》智能电网,2015年10期3;2.《一种适用于状态检修的电力设备时变停运模型》中国电机工程学报,2013年25期;3.《一种设备故障预警及状态监测方法》,CN104102773A;4.《电力设备温升模型及其在载流故障预测的应用》电机与控制学报,2013年07期;5.《多维时间序列关联分析方法在电力设备故障预测中的应用》电网与清洁能源,2014年12期;6.期刊:《局部优化加权回 ...
【技术保护点】
一种电力设备多指标预测方法,其特征在于,依次包括如下步骤:(1)建立模型:步骤1.1:获取训练数据,在电厂DCS系统数据库里,找到目标设备、以及设备下的所有指标信息,按照一定的取数间隔,选取设备在正常运行状态下的历史数据,进行预处理;步骤1.2:根据实际需要,选择主要的相关指标;步骤1.3:对选择的主要的相关指标进行归一化处理,得到训练数据;步骤1.4:采用交互验证方法处理训练数据;步骤1.5:对交互验证方法处理后划分的数据进行训练,寻找最佳参数,获得最佳参数模型;(2)运行模型,得到电力设备多指标预测结果:步骤2.1:获取实时数据,从电厂DCS系统数据库里获取设备运行时的实时数据,并做与步骤1一致的预处理操作;步骤2.2:根据实际需要,选择相应的指标数据;步骤2.3:对选择相应的指标数据进行与步骤1.3一致的归一化处理,得到处理后的指标数据;步骤2.4:将步骤2.3得到的处理后的指标数据,输入到最佳参数模型,得到处理结果;步骤2.5:对步骤2.4得到的处理结果进行反归一化处理,得到预测结果。
【技术特征摘要】
1.一种电力设备多指标预测方法,其特征在于,依次包括如下步骤:(1)建立模型:步骤1.1:获取训练数据,在电厂DCS系统数据库里,找到目标设备、以及设备下的所有指标信息,按照一定的取数间隔,选取设备在正常运行状态下的历史数据,进行预处理;步骤1.2:根据实际需要,选择主要的相关指标;步骤1.3:对选择的主要的相关指标进行归一化处理,得到训练数据;步骤1.4:采用交互验证方法处理训练数据;步骤1.5:对交互验证方法处理后划分的数据进行训练,寻找最佳参数,获得最佳参数模型;(2)运行模型,得到电力设备多指标预测结果:步骤2.1:获取实时数据,从电厂DCS系统数据库里获取设备运行时的实时数据,并做与步骤1一致的预处理操作;步骤2.2:根据实际需要,选择相应的指标数据;步骤2.3:对选择相应的指标数据进行与步骤1.3一致的归一化处理,得到处理后的指标数据;步骤2.4:将步骤2.3得到的处理后的指标数据,输入到最佳参数模型,得到处理结果;步骤2.5:对步骤2.4得到的处理结果进行反归一化处理,得到预测结果。2.如权利要求1所述的方法,其特征在于:步骤1.1或步骤2.1中还包括对选取的数据进行预处理,去除指标数据超过指标上下限的记录和系统原因导致某些值缺失的记录。3.如权利要求1或2所述的方法,其特征在于,步骤1.2具体步骤为:假设最终得到某个设备下N个指标,M条记录,则第m条的记录看作一个N维的向量,表示为:Xm=[xm1,xm2,...xmN],则训练数据为M*N的矩阵形式,具体形式如下:4.如权利要求1所述的方法,其特征在于,步骤1.3或步骤2.3中所述归一化处理具体按照如下公式进行:xnew=(2x-2xmax)/(xmax-xmin)+1其中,xnew为x归一化后的值,xmax为主要的相关指标的最大值,xmin为主要的相关指标的最小值。5.如权利要求1所述的方法,其特征在于,步骤1.4具体为:采用交互验证方法,将训练数据4等份,每次取出...
【专利技术属性】
技术研发人员:于秋红,唐守伟,张华伟,潘爱兵,赵俊,李海斌,
申请(专利权)人:山东鲁能软件技术有限公司,
类型:发明
国别省市:山东,37
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。