一种基于OCSVM的火电厂一次风机异常检测方法技术

本发明专利技术涉及通过建模及人工智能的方法来实现风机异常的快速检测，一种基于OCSVM的火电厂一次风机异常检测方法，包括(1)原始监测数据预处理；(2)通过分帧加窗的方式，计算各原始监测数据的日均值、日方差、日能量以及日峭度，并与原始数据共同构成特征向量；(3)将样本分为训练集和测试集，其中训练集特征向量送入单分类支持向量机分类器，构建异常检测模型；(4)利用测试集对模型进行性能评估；在训练集上准确率最高的模型所对应的nu值作为最优参数值，不仅能够有效识别故障样本，还能及时发现一次风机异常，防止重大事故发生。

An anomaly detection method of primary fan in thermal power plant based on OCSVM

【技术实现步骤摘要】
一种基于OCSVM的火电厂一次风机异常检测方法
本专利技术涉及火电厂风机检测方法领域，尤其涉及一种通过建模及人工智能的方法来实现风机异常的快速检测。
技术介绍
一次风机是火电厂重要的辅机设备之一，主要用来输送和干燥煤粉，并提供燃料燃烧初期所需要的空气。其工作环境恶劣，且需要频繁调节负荷，因此故障高发，故障诊断难度大。对一次风机产生的故障必须做到及时有效的检测与分析，以便于查明故障原因和排除故障，防止事故发生。设备故障检测可以通过多种方法来实现，包括基于模型的方法、人工智能的方法，以及基于过程变量的阈值报警技术等。但由于电厂已经存储的海量历史数据多为无标签数据，采用有监督学习算法就必须面临数据标注这一难题。考虑到一次风机具备大量的运行监测数据，且相较于故障数据，大部分为正常运行数据，类别严重不平衡且无标签，构建异常检测模型对其进行数据处理和分析无疑是一个有效的方法。OCSVM最早由提出，是支持向量机的一种，但是它和传统的基于监督学习的分类回归支持向量机不同，它是无监督学习的方法，不需要训练集的输出标签。在没有类别标签的情况，如何寻本文档来自技高网...

【技术保护点】
1.一种基于OCSVM的火电厂一次风机异常检测方法，其特征在于：包括以下步骤：(1)原始监测数据预处理；(2)通过分帧加窗的方式，计算各原始监测数据的日均值、日方差、日能量以及日峭度，并与原始数据共同构成特征向量；(3)将样本分为训练集和测试集，其中训练集特征向量送入单分类支持向量机分类器，构建异常检测模型；(4)利用测试集对模型进行性能评估。/n

【技术特征摘要】
1.一种基于OCSVM的火电厂一次风机异常检测方法，其特征在于：包括以下步骤：(1)原始监测数据预处理；(2)通过分帧加窗的方式，计算各原始监测数据的日均值、日方差、日能量以及日峭度，并与原始数据共同构成特征向量；(3)将样本分为训练集和测试集，其中训练集特征向量送入单分类支持向量机分类器，构建异常检测模型；(4)利用测试集对模型进行性能评估。


2.如权利要求1所述的一种基于OCSVM的火电厂一次风机异常检测方法，其特征在于：步骤(1)历史监测数据为X＝{x1,x2,……,xMn}，对其进行日平均特征提取时，首先以天为单位对X进行分段，分别计算每一行数据的均值...

【专利技术属性】
技术研发人员：邵家林，赵重阳，王煜伟，丁永三，张建伟，
申请(专利权)人：国家能源集团谏壁发电厂，
类型：发明
国别省市：江苏;32