一种基于Lightgbm的水轮机组轴线轨迹异常检测方法技术

水轮机组轴线轨迹是表征水轮机是否正常运行的关键参量，轴线运行状态异常直接影响水轮机组运行状态，对水利发电质量产生不利影响。本发明专利技术公开了一种基于Lightgbm的水轮机组轴线轨迹异常检测方法。其特点是，首先，根据盘车数据抽取关键属性表征轴线的状态，构建轴线轨迹表征数据集；然后，采用核主成分分析方法对数据进行降维和去冗余处理，提升检测精度和效率；最后，采用正则损失函数优化的Lightgbm算法对水轮机组轴线状态进行异常诊断。使用本发明专利技术提出的水轮机组轴线轨迹异常检测方法可以获得97.18％的检测精度。该方法科学合理，准确性和实时性较高，对保障水轮机组的正常运行有重要意义。有重要意义。有重要意义。

【技术实现步骤摘要】
一种基于Lightgbm的水轮机组轴线轨迹异常检测方法


[0001]本专利技术涉及水力发电机组检修领域，提出一种基于Lightgbm的水轮机组轴线轨迹异常检测方法。

技术介绍

[0002]中国水电系统经过20多年的快速发展，现在水电装机总容量已经超过了2亿KW。水轮发电机作为水电工业中的重要设备，机组运行的状态直接影响水力发电厂的安全运行。水轮机组长时间运行存在故障损坏的风险，及时准确地得到水轮机组的运行状态，对于实时分析水轮机组的运行状态，挖掘机组运行的潜在风险具有重要意义。水轮机组的轴线轨迹是表征水轮机组运行状态的关键参量，其表示轴系上一点在其旋转平面上相对于轴承基座的运行轨迹，其运行轨迹对于判断机组的运行状态具有重要参考价值。
[0003]目前水轮机组轴线轨迹异常检测的方法主要有两种：一种是盘车方法。盘车法是最传统的轴线轨迹异常检测方法，利用盘车将机组的转轮部分转动，并用位移传感器等，对相关测量部位进行摆渡值测量，通过摆渡值对轴线摆度的方向、大小以及原因进行分析，从而检测轴线轨迹是否异常。盘车法应用十分广泛，然而依赖多人的协同操作，存在效率低下，精度值不高的弊端。另一种是钢琴重锤耳机法，将钢琴线悬挂在大轴的中心点，计算大轴的垂直度、轴摆度以及旋转中心，通过摆度分析轴线轨迹是否异常。这种方法通常运用于大型的机组轴线测量中，但是测量受外界因素和人工方面的影响，测量精度偏低，智能化不足。
[0004]综合上述分析，本文一种基于Lightgbm的水轮机组轴线轨迹异常检测方法，主要工作如下：
[0005](1)采集历史盘车数据，从盘车数据中筛选出具有表征性的关键变量构建结构化数据集，对水轮机组轴线轨迹发生异常前后轴线的状态进行表征。(2)采用核主成分分析算法对盘车数据进行降维及去冗余处理，提升水轮机组轴线异常轨迹检测效率和精度。(3)最后构建Lightgbm集成分类器对异常轴线轨迹进行检测，在损失函数中引入正则化项降低过拟合风险，提升水轮机组轴线异常轨迹检测方法的可靠性。

技术实现思路

[0006]本专利技术的目的是：提升水轮机组故障检测效率和精度，提升故障检测的实时性。为水轮机组的状态感知提供一种智能的手段，保障水轮机组安全稳定的运行。
[0007]本专利技术的目的由以下技术方案实现：一种基于Lightgbm的水轮机组轴线轨迹异常检测方法，其特征是，它包括的内容有：
[0008]S1，从历史盘车数据中抽取最能表征水轮机组轴线状态的若干特征，构建水轮机组轴线轨迹结构化数据，为水轮机组轴线异常轨迹检测提供数据支持。
[0009]S2，将核主成分分析(Kernel principal component analysis,KPCA)算法应用于水轮机组轴线轨迹结构化数据的特征提取，通过在特征空间内的核映射以及投影变换，实
现降维和去冗余的目的，提升轴线异常轨迹检测的效率和精度。
[0010]S3，构建Lightgbm集成学习分类器，检测水轮机组的轴线轨迹是否异常，在损失函数中加入正则化项来降低模型过拟合的风险，使模型对水轮机组轴线异常轨迹结果更加可靠、稳定。
[0011]S4，采用S2得到的降维后盘车数据，训练S3得到的改进Lightgbm算法，经盘车数据驱动后，Lightbgm可以对水轮机组轴线异常轨迹进行智能、动态检测。
[0012]进一步地，所述S1具体包括：
[0013]水轮机组盘车数据分为X，Y轴两个方向，每个方向各有8个测点；X轴方向盘车获取192个状态量，Y轴方向盘车获取184个状态量，共包含376个状态量；为了简化数据复杂程度，抽取测量值的操作油管上以及操作油管下的8个点位，共32个关键状态组成结构化数据集，为机器学习算法提供数据支持。
[0014]进一步地，所述S2具体包括：
[0015]KPCA可以将数据通过非线性映射转换到高维特征空间，然后在此高维空间中使用标准PCA算法将其映射到另外一个低维空间中，使数据呈现线性可分的特征；
[0016]KPCA算法原理如下，对于数据集{x
i
,i＝1,2,...,n}，对其协方差矩阵进行特征分解后如公式(1)所示：
[0017]φ(X)φ(X)
T
w
j
＝λ
j
w
j
ꢀꢀꢀ
(1)
[0018]其中，为D
×
1维的高维映射样本向量(D≥d)，λ
J
(J＝1,2,...,d)为协方差矩阵C的特征值，w
j
对应的D
×
1维向量且
[0019]用高维特征向量表示特征向量w
j
，w
j
计算方式如公式(2)所示：
[0020][0021]其中，α为n
×
1维列向量；将公式(2)代入到公式(1)，公式两边同时乘以φ(X)
T
得公式(3).
[0022]φ(X)
T
φ(X)φ(X)
T
φ(X)α＝λ
J
φ(X)
T
φ(X)α
ꢀꢀꢀ
(3)
[0023]定义核函数如公式(4)所示：
[0024]K＝φ(X)
T
φ(X)＝(k
i,j
)
n
×
n
ꢀꢀꢀ
(4)
[0025]其中K为n
×
n维核函数矩阵，将带入到公式(3)可得公式(5)：
[0026][0027]求解公式(5)可得α＝(α1,α2,...,α
n
)
T
,且对于任意样本x，将其高维映射到w
j
方向进行投影得到x降维后的新特征x
new
,x
new
如公式(6)所示：
[0028][0029]进一步地，所述S3具体包括：
[0030]对于第m棵决策树，对于Lightgbm算法，损失函数一般是对数损失函数，如公式(7)
所示：
[0031][0032]其中，F
m
‑1(x
i
,A
m
‑1)表示由前m
‑
1棵树组成的模型在参数为A
m
‑1的条件下对输入x
i
的预测值，A
m
‑1包括了前m
‑
1棵树的参数a1,...,a
m
‑1，L(y
i
,F
m
‑1(x
i
；A
m
‑1))是描述真实值y
i
与当前模型预测值误差的函数；
[0033]改进后的第m棵树的损失函数为如公式(8)所示：
[0034][0035]其中，λ是正则化系数；λ除以二是为了和平方项求导后相互抵消，简化计算；系本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.本发明的目的是：提升水轮机组轴线轨迹异常检测效率和精度。为水轮机组的状态感知提供一种智能的手段，保障水轮机组安全稳定的运行。2.一种基于Lightgbm的水轮机组轴线轨迹异常检测方法。其特征是，它包括的内容有：步骤1，从历史盘车数据中抽取最能表征水轮机组轴线状态的若干特征，构建水轮机组轴线轨迹结构化数据，为水轮机组轴线轨迹异常检测提供数据支持。步骤2，基于核主成分分析(Kernel principal component analysis,KPCA)算法设计水轮机组轴线轨迹结构化数据特征提取方法，通过在特征空间内的核映射以及投影变换，实现降维和去冗余的目的，提升水轮机组轴线轨迹异常检测的效率和精度。步骤3，构建Lightgbm集成学习分类器，检测水轮机组的轴线轨迹是否异常，在损失函数中加入正则化项来降低模型过拟合的风险，使模型对水轮机组轴线异常轨迹结果更加可靠、稳定。步骤4，采用步骤2得到的降维后盘车数据，训练步骤3得到的改进Lightgbm算法，经盘车数据驱动后获取水轮机组轴线轨迹异常检测模型，该模型可以对水轮机组轴线异常轨迹进行的智能、动态化检测。3.根据权利要求2所述的一种基于Lightgbm的水轮机组轴线轨迹异常检测方法，其特征在于，所述步骤1具体包括：水轮机组盘车数据分为X，Y轴两个方向，每个方向各有8个测点；X轴方向盘车获取192个状态量，Y轴方向盘车获取184个状态量，共包含376个状态量；为了简化数据复杂程度，抽取测量值的操作油管上以及操作油管下的8个点位，共32个关键状态组成结构化数据集，为机器学习算法提供数据支持。4.根据权利要求3所述的一种基于Lightgbm的水轮机组轴线轨迹异常检测方法，其特征在于，所述步骤2具体包括：KPCA可以将数据通过非线性映射转换到高维特征空间，然后在此高维空间中使用标准PCA算法将其映射到另外一个低维空间中，使数据呈现线性可分的特征；KPCA算法原理如下，对于数据集{x
i
,i＝1,2,...,n}，对其协方差矩阵进行特征分解后如公式(1)所示：φ(X)φ(X)
T
w
j
＝λ
j
w
j
ꢀꢀꢀꢀꢀ
(1)其中，为D
×
1维的高维映射样本向量(D≥d)，λ
J
(J＝1,2,...,d)为协方差矩阵C的特征值，w
j
对应的D
×
1维向量且用高维特征向量表示特征向量w
j
，w
j
计算方式如公式(2)所示：其中，α为n
×
1维列向量；将公式(2)代入到公式(1)，公式两边同时乘以φ(X)
T
得公式(3).φ(X)
T
φ(X)φ(X)
T
φ(X)α＝λ
J
φ(X)
T
φ(X)α
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(3)定义核函数如公式(4)所示：K＝φ(X)
T
φ(X)＝(k
i,j
)
n
...

【专利技术属性】
技术研发人员：梁雪山，赵欣然，秦爽，徐兴伟，曲洪钧，于群，谭诚，徐同科，丛晓兵，金文宝，陈铁男，房栋梁，陈超，高世东，张建军，罗希军，孙海，闫广志，徐向东，安胜东，孙壮，于闯，安斌，梁志，郭桉麟，史恩泽，李骅峻，梁子正，罗敏嘉，孙可，赵中晖，于之川，刘筱靓，赵玉璐，
申请(专利权)人：国网东北分部绿源水力发电公司检修公司，
类型：发明
国别省市：