一种面向百万千瓦超超临界机组制粉系统报警管理的因果网络构建方法技术方案

本发明专利技术涉及一种面向百万千瓦超超临界机组制粉系统报警管理的因果网络构建方法，包括：步骤1、根据制粉系统结构进行分布式划分，划分出各个子设备变量组；步骤2、数据预处理；步骤3、粗糙图构建；步骤4、精细图构建；步骤5、因果网络图的修剪；步骤6、因果网络参数的确定。本发明专利技术的有益效果是：结合系统级分布式思想，基于数据驱动，将过程变量按照设备功能分组，对每个设备分别建模，解决大型系统因果关系挖掘困难的问题；确定性系统的角度解决了非线性工业过程中的因果关系识别问题，不涉及样本分布问题，降低了对样本质量的要求。此外，在因果定向性的识别中，考虑了因果传播的时滞效应，可以识别因果链中的间接因果关系。

【技术实现步骤摘要】
一种面向百万千瓦超超临界机组制粉系统报警管理的因果网络构建方法
本专利技术涉及工业过程异常工况诊断与溯因分析中的变量因果关系分析等
，尤其包括一种面向百万千瓦超超临界机组制粉系统报警管理的因果网络构建方法。
技术介绍
现代工业系统的规模和复杂程度都在日益提高，火力发电过程日趋复杂化、大型化发展，一旦出现异常，都可能带来重大的财产损失和人员伤亡。同时电厂锅炉制粉系统是火电厂机组的一个重要组成部分，它的经济调整直接影响整个火电发电厂运行的经济效益。因此，为了保证制粉系统在运行的安全性与可靠性，提高火电机组经济效益，通常部署大量的传感器、执行器、通信设备和控制模块，设置报警系统。火力发电机组是由多个设备、多个子系统组成的复杂的大范围连续生产系统。各子系统之间存在着高维非线性的关联关系，并且故障类型多，机理各不相同，因此单个故障可能会传播到整个工厂设备，从而在报警系统中引起报警洪水。因此，在报警系统中识别报警洪水的根本原因是必要的，以支持决策，并帮助工厂采取即时有效的措施来处理异常情况，防止任何重大事故由于故障传播。由于单位之间的联系，系本文档来自技高网...

【技术保护点】
1.一种面向百万千瓦超超临界机组制粉系统报警管理的因果网络构建方法，其特征在于，包括以下步骤：/n步骤1、根据制粉系统结构进行分布式划分，划分出各个子设备变量组；每个子设备变量组包括该设备的可测变量；设每个子设备包含J个可测变量，每次采样得到一个1×J的向量，采样M次后得到一个正常过程下的二维设备变量矩阵Xd

【技术特征摘要】
1.一种面向百万千瓦超超临界机组制粉系统报警管理的因果网络构建方法，其特征在于，包括以下步骤：
步骤1、根据制粉系统结构进行分布式划分，划分出各个子设备变量组；每个子设备变量组包括该设备的可测变量；设每个子设备包含J个可测变量，每次采样得到一个1×J的向量，采样M次后得到一个正常过程下的二维设备变量矩阵Xdi(M×J)，其中i表示第i个子设备，i＝1,2,……n，n为子设备个数；
步骤2、数据预处理：对同一属性的冗余变量取均值代表该属性的数据，所述冗余变量包含在J个可测变量中；经过数据预处理后的若干设备的二维设备变量矩阵记为Xdi(M×N)，N为预处理后的可测变量个数；
步骤3、粗糙图构建：对每个子设备单独进行建模，子设备中的可测变量作为构建图的节点，构建一个全连接无向图：
P＝{<xi,xj>}(1)
上式中，i≠j；设定阈值为ε；
初始化N×N的邻接矩阵Ad以及权值矩阵Aw为零矩阵，设V＝{x1,x2,…,xN}为全连接无向图P网络模型的节点全集，其中xi为设备变量矩阵Xdi(M×N)中的第i个变量；对每一对节点变量xi,xj∈V,i≠j，使用CCM算法计算每一对节点变量间的收敛交叉映射能力：
对于一对节点变量xi,xj,假设其长度为L，利用时延坐标状态空间重构对流形Mxi进行重构，在t时刻的重构流形坐标为：
Mxi(t)＝<xi(t),xi(t-τ),xi(t-2τ),…,xi(t-(E-1)τ)>(2)
上式中，t为时间，E为流形Mxi的维度，τ为时间间隔；
从流形Mxi中找到距离Mxi(t)最近的E+1个点Mxi,t＝{Mxi(t1),…,Mxi(tE+1)}；
通过流形Mxi的值估计Mxj，表示为计算公式如下：









上式(3)至上式(5)中，xj为节点变量，为流形Mxj的估计值，d[x(s),x(t)]表示计算欧氏距离，ωi为估计值与原始序列的相关系数；
计算得到的估计值与原始序列xj的相关系数的收敛值代表xi,xj的收敛交叉映射能力；
步骤3.1、如果xi的收敛交叉映射值收敛于一个大于阈值ε的值，而xj的收敛交叉映射值不收敛于一个大于阈值ε的值，则连接节点xi,xj的方向为xi→xj，并且令adi,j＝1,adj,i＝0；反之连接节点xi,xj的方向为xj→xi，并且令adi,j＝0,adj,i＝1；其中i,j分别代表邻接矩阵Ad的行数和列数；
步骤3.2、如果xi和xj的收敛交叉映射值都不能收敛于一个大于阈值ε的值，则xi和xj二者之间不存在因果关系，删除节点xi和xj之间的连接，并且令adi,j＝0,adj,i＝0；
步骤3.3、如果xi和xj的收敛交叉映射值都收敛于一个大于阈值ε的值，则进一步分析变量间的因果方向，将xi,xj作为待定节点放入待定集合T：
T＝{xi,xj},i,j∈N(6)
步骤4、精细图构建：确定变量之间存在的时间延迟范围[-Δt,Δt]，对待定集合T中的每一对节点xi,xj∈T使用CCM算法计算不同时滞下的收敛交叉映射能力,比较不同时滞下的收敛交叉映射能力；然后根据最优交叉映射对应的时滞确定两个变量的因果关系方向；得到...

【专利技术属性】
技术研发人员：孟瑜炜，王豆，张震伟，郭鼎，田畅，赵春晖，
申请(专利权)人：浙江浙能技术研究院有限公司，浙江大学，
类型：发明
国别省市：浙江;33