一种基于PCA与LSTM融合算法的磨煤机故障预警方法技术

本申请公开了一种基于PCA与LSTM融合算法的磨煤机故障预警方法，包括：获取磨煤机正常运行工况时间段的多个历史运行状态参数并对参数进行主成分分析，得到磨煤机状态表征参数数据集；构建基于长短期记忆网络的磨煤机故障预警模型，利用磨煤机状态表征参数数据集对磨煤机故障预警模型进行迭代训练，得到训练完备的磨煤机故障预警模型；获取磨煤机的多个实时运行状态参数，对多个实时运行状态参数进行主成分分析，得到磨煤机实时状态表征参数；将磨煤机实时状态表征参数输入到训练完备的磨煤机故障预警模型中，得到磨煤机的故障预警结果。本发明专利技术基于关联变量对磨煤机故障相关参量进行准确有效地预测，实现了对磨煤机实时运行状态的监测和故障预警。状态的监测和故障预警。状态的监测和故障预警。

【技术实现步骤摘要】
一种基于PCA与LSTM融合算法的磨煤机故障预警方法


[0001]本专利技术涉及火力发电系统故障预警
，具体涉及一种基于PCA与LSTM融合算法的磨煤机故障预警方法、装置、电子设备和计算机可读存储介质。

技术介绍

[0002]我国是煤炭资源大国和电力消耗大国，火力发电的发电量占我国总发电量的70％左右。磨煤机作为燃煤电厂制粉系统的核心设备，其运行健康状态与电厂的安全稳定运行密切相关。由煤场输送来的原煤虽然经过筛选、洗煤等工序，但是仍不可避免的会含有各种杂质和异物，给煤机、磨煤机长时间处于高负荷运转状态，加之制粉系统运行环境恶劣，工作过程复杂，这些都可能导致制粉系统发生各类故障，制粉系统故障会直接影响燃煤电厂的发电产量，造成不必要的经济损失。因此，对磨煤机运行状态进行监测和故障预警对保障燃煤电厂的安全运行具有重大的意义。
[0003]现有技术中，大部分电厂主要通过在制粉系统关键部位安装传感器来实现部件状态监测，例如对入口一次风量、磨煤机电流、出口温度等重要测点的参数进行监测，现场运行人员根据监测系统显示的各传感器的数值，人工判断磨煤机的运行状态，并基于经验来分析其未来的运行趋势。由于磨煤机上测点繁多，单是显示于监测系统界面上的测点就有几十个，运行人员难以通过各个测点的状态预警实时掌握磨煤机的整体运行状态和未来变化趋势。
[0004]因此，需要提出一种基于PCA与LSTM融合算法的磨煤机故障预警方法，解决现有技术中由于磨煤机故障预警是通过现场人员根据制粉系统的监测数据人工判断运行状态，并基于经验分析磨煤机未来的运行趋势，存在人力成本高、判断准确性低的问题。

技术实现思路

[0005]有鉴于此，有必要提供一种基于PCA与LSTM融合算法的磨煤机故障预警方法、装置、电子设备和计算机可读存储介质，用以解决现有技术中通过现场人员根据制粉系统的监测数据人工判断磨煤机的运行状态和未来运行趋势，导致磨煤机故障预警存在工作量大、人力成本高、判断准确性低的技术问题。
[0006]为了解决上述问题，本专利技术提供一种基于PCA与LSTM融合算法的磨煤机故障预警方法，包括：
[0007]获取磨煤机正常运行工况时间段的多个历史运行状态参数，对所述多个历史运行状态参数进行主成分分析，得到磨煤机状态表征参数数据集；
[0008]构建基于长短期记忆网络的磨煤机故障预警模型，利用所述磨煤机状态表征参数数据集对所述磨煤机故障预警模型进行迭代训练，得到训练完备的磨煤机故障预警模型；
[0009]获取所述磨煤机的多个实时运行状态参数，对多个所述实时运行状态参数进行主成分分析，得到磨煤机实时状态表征参数；
[0010]将所述磨煤机实时状态表征参数输入到所述训练完备的磨煤机故障预警模型中，
得到所述磨煤机的故障预警结果。
[0011]进一步的，对所述多个历史运行状态参数进行主成分分析，得到磨煤机状态表征参数数据集，包括：
[0012]根据所述历史运行状态参数得到所述磨煤机的高维度特征矩阵；
[0013]对所述高维度特征矩阵进行去中心化，得到所述磨煤机的标准化高维度特征矩阵；
[0014]求解所述标准化高维度特征矩阵的协方差矩阵；
[0015]计算所述协方差矩阵的特征值和所述特征值对应的特征向量；
[0016]对所述特征值进行排序，根据排序后的所述特征值对应的特征向量对所述实时运行状态参数进行降维处理，得到磨煤机状态表征参数数据集。
[0017]进一步的，构建基于长短期记忆网络的磨煤机故障预警模型，包括：
[0018]将依次连接的一个输入层、两个LSTM层、两个Dropout层及一个全连接层进行堆叠组合，得到所述磨煤机故障预警模型；
[0019]所述输入层用于输入预设时间步长的多维输入数据；
[0020]所述LSTM层用于根据所述预设时间步长的多维输入数据，预测得到预设输出步长的多维输出数据；
[0021]所述Dropout层用于降低过拟合概率；
[0022]所述全连接层用于通过非线性变化提取所述Dropout层的输出数据的关联特征，并将输出预设映射维度的输出数据。
[0023]进一步的，利用所述磨煤机状态表征参数数据集对所述磨煤机故障预警模型进行迭代训练，得到训练完备的磨煤机故障预警模型，包括：
[0024]将所述磨煤机状态表征参数数据集划分为训练集和测试集；
[0025]利用所述训练集对所述磨煤机故障预警模型进行训练，计算所述训练后的模型的损失值和预测误差；
[0026]根据所述训练后的模型的损失值和预测误差判断所述模型是否满足预设准确度标准；
[0027]当所述模型不满足所述预设准确度标准时，调整所述模型的超参数，并继续对所述模型进行训练，直到所述模型满足预设准确度标准，得到训练完备的磨煤机故障预警模型；
[0028]根据所述测试集确定所述训练完备的磨煤机故障预警模型的预警阈值。
[0029]进一步的，根据所述测试集确定所述训练完备的磨煤机故障预警模型的预警阈值，包括：
[0030]将所述测试集输入到所述训练完备的磨煤机故障预警模型中，得到残差序列；
[0031]利用均值
‑
标准差控制图法对所述残差序列进行分析，得到残差上下限值，并将所述残差上下限值设定为磨煤机故障预警阈值。
[0032]进一步的，将所述磨煤机实时状态表征参数输入到所述训练完备的磨煤机故障预警模型中，得到所述磨煤机的故障预警结果，包括：
[0033]将所述磨煤机实时状态表征参数输入到所述训练完备的磨煤机故障预警模型中，得到实时残差值；
[0034]判断所述实时残差值是否超过所述磨煤机故障预警阈值；
[0035]当所述实时残差值超过所述磨煤机故障预警阈值时，确定所述磨煤机将会发生故障。
[0036]进一步的，对多个所述实时运行状态参数进行主成分分析之前，还包括：对所述实时运行状态参数进行预处理；
[0037]所述预处理包括：对所述运行状态参数进行异常值剔除、缺失值补全和归一化处理。
[0038]本专利技术还提供一种基于PCA与LSTM融合算法的磨煤机故障预警装置，包括：
[0039]数据集建立模块，用于获取磨煤机正常运行工况时间段的多个历史运行状态参数，对所述多个历史运行状态参数进行主成分分析，得到磨煤机状态表征参数数据集；
[0040]模型训练模块，用于构建基于长短期记忆网络的磨煤机故障预警模型，利用所述磨煤机状态表征参数数据集对所述磨煤机故障预警模型进行迭代训练，得到训练完备的磨煤机故障预警模型；
[0041]实时数据获取模块，用于获取所述磨煤机的多个实时运行状态参数，对多个所述实时运行状态参数进行主成分分析，得到磨煤机实时状态表征参数；
[0042]预警模块，用于将所述磨煤机实时状态表征参数输入到所述训练完备的磨煤机故障预警模型中，得到所述磨煤机的故障预警结果。
[00本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于PCA与LSTM融合算法的磨煤机故障预警方法，其特征在于，包括；获取磨煤机正常运行工况时间段的多个历史运行状态参数，对所述多个历史运行状态参数进行主成分分析，得到磨煤机状态表征参数数据集；构建基于长短期记忆网络的磨煤机故障预警模型，利用所述磨煤机状态表征参数数据集对所述磨煤机故障预警模型进行迭代训练，得到训练完备的磨煤机故障预警模型；获取所述磨煤机的多个实时运行状态参数，对多个所述实时运行状态参数进行主成分分析，得到磨煤机实时状态表征参数；将所述磨煤机实时状态表征参数输入到所述训练完备的磨煤机故障预警模型中，得到所述磨煤机的故障预警结果。2.根据权利要求1所述的基于PCA与LSTM融合算法的磨煤机故障预警方法，其特征在于，对所述多个历史运行状态参数进行主成分分析，得到磨煤机状态表征参数数据集，包括：根据所述历史运行状态参数得到所述磨煤机的高维度特征矩阵；对所述高维度特征矩阵进行去中心化，得到所述磨煤机的标准化高维度特征矩阵；求解所述标准化高维度特征矩阵的协方差矩阵；计算所述协方差矩阵的特征值和所述特征值对应的特征向量；对所述特征值进行排序，根据排序后的所述特征值对应的特征向量对所述实时运行状态参数进行降维处理，得到磨煤机状态表征参数数据集。3.根据权利要求1所述的基于PCA与LSTM融合算法的磨煤机故障预警方法，其特征在于，构建基于长短期记忆网络的磨煤机故障预警模型，包括：将依次连接的一个输入层、两个LSTM层、两个Dropout层及一个全连接层进行堆叠组合，得到所述磨煤机故障预警模型；所述输入层用于输入预设时间步长的多维输入数据；所述LSTM层用于根据所述预设时间步长的多维输入数据，预测得到预设输出步长的多维输出数据；所述Dropout层用于降低过拟合概率；所述全连接层用于通过非线性变化提取所述Dropout层的输出数据的关联特征，并将输出预设映射维度的输出数据。4.根据权利要求1所述的基于PCA与LSTM融合算法的磨煤机故障预警方法，其特征在于，利用所述磨煤机状态表征参数数据集对所述磨煤机故障预警模型进行迭代训练，得到训练完备的磨煤机故障预警模型，包括：将所述磨煤机状态表征参数数据集划分为训练集和测试集；利用所述训练集对所述磨煤机故障预警模型进行训练，计算所述训练后的模型的损失值和预测误差；根据所述训练后的模型的损失值和预测误差判断所述模型是否满足预设准确度标准；当所述模型不满足所述预设准确度标准时，调整所述模型的超参数，并继续对所述模型进行训练，直到所述模型满足预设准确度标准，得到训练完备的磨煤机故障预警模型；根据所述测...

【专利技术属性】
技术研发人员：殷伟铭，丁国平，范子珺，徐文杰，陈雪飞，曹析非，
申请(专利权)人：国能长源武汉青山热电有限公司，
类型：发明
国别省市：