电站设备故障监测模型生成方法、系统及装置制造方法及图纸

本发明专利技术公开了一种电站设备故障监测模型生成方法、系统及装置，所述方法包括：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

【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；
[0008]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。
[0009]本专利技术提供一种电站设备故障监测模型生成系统，包括：
[0010]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理获取包含训练数据的训练样本集；
[0011]聚类模块，用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，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；
[0012]训练模块，用于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。
[0013]本专利技术实施例还提供一种电站设备故障监测模型生成装置，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现上述电站设备故障监测模型生成方法的步骤。
[0014]本专利技术实施例还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有信息传递的实现程序，所述程序被处理器执行时实现上述电站设备故障监测模型生成方法的步骤。
[0015]采用本专利技术实施例，通过监测模型充分利用历史数据训练结果，能够显著减少训练时间，将十分有利于工业过程在线监测过程。此外，通过使用聚类方法降低建模复杂度，有效解决多模式下故障监测问题，并且计算复杂度满足在线监测的要求。本专利技术实施例的技术方案无需人工先验知识支持，完全由数据驱动，满足各种多模式故障监测的需求，有利于解决复杂模型的故障监测问题。
[0016]上述说明仅是本专利技术技术方案的概述，为了能够更清楚了解本专利技术的技术手段，而可依照说明书的内容予以实施，并且为了让本专利技术的上述和其它目的、特征和优点能够更明显易懂，以下特举本专利技术的具体实施方式。
附图说明
[0017]为了更清楚地说明本专利技术具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0018]图1是本专利技术实施例的电站设备故障监测模型生成方法的流程图；
[0019]图2是本专利技术实施例的电站设备故障监测模型生成方法的详细流程图；
[0020]图3是本专利技术实施例的电站设备故障监测模型生成系统的示意图；
[0021]图4是本专利技术实施例的电站设备故障监测模型生成装置的示意图。
具体实施方式
[0022]鉴于现有技术中存在的问题，聚类算法可以有效降低模型复杂度，简化多模式系统的统计特性，是解决多模式故障监测的有效方法。目前，由于簇群个数对于聚类效果有着显著的影响。因此，利用Calinski
‑
Harabasz分数值来搜索最优的簇群数是非常有效的方法。而基于KFCM的聚类算法有着类似于人工分类的推理逻辑，更适合多模式问题的聚类分类。因此，本专利技术实施例提供了一种机器学习领域中的基于KFCM和PCA模型的故障监测方法、系统及装置。其中，该方法先将数据库中保存的正常历史工况数据进行标准化处理来获取训练样本，再运用KFCM算法对训练样本进行分类处理并建立FCM模型，根据不同类别分别建立PCA监测模型。测试样本经由标准化处理后，由FCM模型确定模型隶属度，经由各模型监测统计量加权得到监测结果。本专利技术方法使PCA监测模型充分利用历史数据训练结果，能够显著提高多工况状态下PCA的监测准确率，十分有利于工业过程监测，特别是电站设备过程监测。
[0023]下面将结合实施例对本专利技术的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技
术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0024]在本专利技术的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”、“顺时针”、“逆时针”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本专利技术和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本专利技术的限制。
[0025]此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个所述特征。在本专利技术的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。此外，术语“安装”、“相连”、“连接”应做广义理解，例如，可本文档来自技高网...

【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：