基于故障匹配算法的水电设备故障诊断方法技术

基于故障匹配算法的水电设备故障诊断方法，建立故障案例库，实时获取水电设备运行数据；结合获取的特征数据计算各类故障征兆可信度值；根据计算出来的故障征兆可信度值，计算故障模式可信度值；利用余弦相似度算法与的故障案例库的案例进行匹配计算得出每个案例的匹配度值；将特征数据组合成二维数组得到多组子序列，结合特征数据的权重和母序列，利用灰色关联度算法计算案例匹配度值；结合计算得到的匹配度值，利用加权平均的方式，按照一定权重融合得到最终的匹配结果；生成故障诊断初步信息，同步更新故障案例库。该方法结合了余弦匹配算法和灰色关联度算法，通过加权平均融合最终结果，从多角度匹配历史故障案例，使诊断结果更加精确。结果更加精确。结果更加精确。

【技术实现步骤摘要】
基于故障匹配算法的水电设备故障诊断方法


[0001]本专利技术涉及水电设备故障诊断
，具体涉及一种基于故障匹配算法的水电设备故障诊断方法。

技术介绍

[0002]现有水电设备故障诊断技术未能充分考虑已有故障情况，没有总结沉淀过往故障经验和案例，缺乏故障匹配案例支撑，因此无法对设备故障做出准确可靠的判断。近年来利用人工智能技术对水电设备进行故障诊断成为研究热点，但人工智能算法需要大量数据进行模型训练，而实际应用中往往会存在数据不足的情况，使得训练出来的模型存在准确率低、诊断精细化程度不足等问题。且现有故障诊断方法，未能充分结合历史故障案例库进行案例匹配，无法得到准确可靠的诊断结果。

技术实现思路

[0003]为解决上述技术问题，本专利技术提供一种基于故障匹配算法的水电设备故障诊断方法，该方法结合了余弦匹配算法和灰色关联度算法，通过加权平均融合最终结果，从多角度匹配历史故障案例，使诊断结果更加精确。
[0004]本专利技术采取的技术方案为：基于故障匹配算法的水电设备故障诊断方法，包括以下步骤：步骤一: 根据历史故障经验和典型故障问题，建立故障案例库，故障案例库包括故障模式、故障征兆、特征参数、故障现象和处理措施信息，每种故障征兆对应不同的算法逻辑，最大化覆盖水电设备故障；步骤二:从工业互联网数据平台实时获取水电设备运行数据，水电设备运行数据包括定子温度和上导X向摆度峰峰值等特征数据；步骤三: 结合步骤二获取的特征数据，计算各类故障征兆可信度值；每种征兆对应不同计算逻辑；步骤四:根据步骤三计算出来的故障征兆可信度值，结合故障模式中对应的征兆固定权重进行归一化处理，计算故障模式可信度值；步骤五:根据步骤四计算的故障模式可信度值,利用余弦相似度算法与步骤一的故障案例库的案例依次进行匹配计算，得出每个案例的匹配度值；步骤六:根据步骤二实时获取的特征数据，计算故障发生时特征数据的中位数，得到一组数列作为母序列；步骤七:查询故障案例库中带有相关特征数据的案例，将它们的特征数据组合成二维数组，得到多组子序列，结合特征数据的权重和母序列，利用灰色关联度算法计算案例匹配度值；步骤八: 结合步骤五的余弦相似度算法和步骤七的灰色关联度算法计算得到的匹配度值，利用加权平均的方式，按照一定权重融合得到最终的匹配结果；
步骤九:基于步骤八的最终的匹配结果，结合其它组件共同确认故障原因，生成故障诊断初步信息，人工补充完善故障信息，形成故障诊断最终信息，基于故障诊断最终信息管理水电设备，并将信息远程输出，同时同步更新故障案例库。
[0005]所述步骤三中，针对下导摆度大的故障征兆，可信度计算公式为：cf=min(1.0,1.2*LowerGuideThrow/LowerGuideThrowDanger)其中，LowerGuideThrow为设下导摆度的通频幅值，LowerGuideThrowDanger为通道危险值；针对振动频谱中转频大的故障征兆，可信度计算公式为：cf=fyp1*fyp1/(fyp1*fyp1+fyp1bj*fyp1bj)其中，fyp1为振动摆度通道的转频振幅，fyp1bj为转频预警值。
[0006]所述步骤四中，故障模式包括拉断销断裂、水电机组轴系运行故障和风机故障。
[0007]所述步骤五中，余弦相似度算法为：；其中，X为步骤三中计算出的故障征兆可信度值，Y为故障案例库中案例所绑定的故障征兆可信度值，i为故障征兆个数。
[0008]所述步骤八中，灰色关联度算法为：；其中，X0为母序列，X
i
为子序列，k为每个子序列中的特征数据，ρ为可调节系数，取0.5，i为案例数，w
i
(k)为特征数据的权重。
[0009]本专利技术一种基于故障匹配算法的水电设备故障诊断方法，技术效果如下：1）本专利技术故障案例库作为底层的诊断工具，主要是为高级应用（故障诊断）提供案例匹配服务。高级应用（故障诊断）发起诊断请求，包含KKS，时序时间段等参数，故障案例库依据上述参数提取时序数据，计算数据特征及征兆，通过多种匹配算法联合匹配计算，与案例库里的相关内容进行匹配比对，查询最为匹配的故障案例，得出诊断结论。
[0010]2）本专利技术方法结合了余弦匹配算法和灰色关联度算法，通过加权平均融合最终结果，从多角度匹配历史故障案例，使诊断结果更加精确。
附图说明
[0011]图1为本专利技术方法的流程图。
具体实施方式
[0012]本专利技术提供一种基于故障匹配算法的水电设备故障诊断方法，如图1所示，包括：步骤一：根据水电设备历史故障案例和典型故障问题，组织成故障案例库，案例中包括故障模式、故障征兆、特征参数、故障现象、处理措施等信息。
[0013]步骤二：从工业互联网数据平台实时获取水电设备运行数据，数据包括定子温度和上导X向摆度峰峰值等特征数据；步骤三：结合特征数据计算各类征兆的可信度值，每种征兆对应不同计算逻辑。
[0014]步骤四:根据步骤三计算得出的故障征兆可信度值结合故障模式中对应的征兆固定权重进行归一化处理，计算故障模式可信度值；步骤五：根据步骤三中计算出的故障征兆可信度值，利用余弦相似度算法，与步骤二故障案例库中的案例依次进行匹配计算，得出每个案例的匹配度值。
[0015]步骤六：根据步骤二中实时获取的特征数据，计算其中位数，得到一组数列作为母序列。
[0016]步骤七：查询案例库中带有相关特征数据的案例，将它们的特征数据组合成二维数组，得到多组子序列。结合特征数据的权重和母序列，利用灰色关联度算法计算案例匹配度值。
[0017]步骤八：使用加权平均的方式将两种算法计算出的匹配度值进行融合得出最终匹配结果。
[0018]步骤九：结合其它组件共同确认故障原因，生成案例初步信息，人工补充完善故障信息，形成最终案例，存储到故障案例库中。
[0019]所述步骤四中，根据步骤三计算出来的故障征兆可信度值，结合故障模式中对应的征兆固定权重进行归一化处理。
[0020]这里的归一化使用的是向量归一化中，把数据映射到0~1范围之内处理。例如，某故障模式下有三个征兆，可信度为0.85，0.6，1。固定权重分别为0.15，0.3，0.15。则先对权重进行归一化处理，0.15+0.3+0.15=0.6，0.15/0.6=0.25,0.3/0.6=0.5,0.15/0.6=0.25。处理之后得到0.25，0.5，0.25。再将三个征兆可信度结合权重计算：0.85*0.25+0.6*0.5+1*0.15=0.6625；该结果即为故障模式的可信度。
[0021]所述步骤八中，使用加权平均的方式将两种算法计算出的匹配度值进行融合得出最终匹配结果。
[0022]例如灰色关联度计算出结果为0.7，余弦相似度为0.8，一般权重取值为灰色关联度0.4的权重，余弦相似度0.6的权重，则0.7*0.4+0.8*0.6=0.676。即为最终融合结果。融合结果最大的案例即为案例最终匹配结果。
[0023]所述步骤八中，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于故障匹配算法的水电设备故障诊断方法，其特征在于包括以下步骤：步骤一: 根据历史故障经验和典型故障问题，建立故障案例库，故障案例库包括故障模式、故障征兆、特征参数、故障现象和处理措施信息；步骤二:实时获取水电设备运行数据，水电设备运行数据包括定子温度和上导X向摆度峰峰值特征数据；步骤三: 结合步骤二获取的特征数据，计算各类故障征兆可信度值；步骤四:根据步骤三计算出来的故障征兆可信度值，结合故障模式中对应的征兆固定权重进行归一化处理，计算故障模式可信度值；步骤五:根据步骤四计算的故障模式可信度值,利用余弦相似度算法与步骤一的故障案例库的案例依次进行匹配计算，得出每个案例的匹配度值；步骤六:根据步骤二实时获取的特征数据，计算故障发生时特征数据的中位数，得到一组数列作为母序列；步骤七:查询故障案例库中带有相关特征数据的案例，将它们的特征数据组合成二维数组，得到多组子序列，结合特征数据的权重和母序列，利用灰色关联度算法计算案例匹配度值；步骤八: 结合步骤五的余弦相似度算法和步骤七的灰色关联度算法计算得到的匹配度值，利用加权平均的方式，按照一定权重融合得到最终的匹配结果；步骤九:基于步骤八的最终的匹配结果，结合其它组件共同确认故障原因，生成故障诊断初步信息，同步更新故障案例库。2.根据权利要求1所述基于故障匹配算法的水电设备故障诊断方法，...

【专利技术属性】
技术研发人员：宋晶辉，冉毅川，毛业栋，郭钰静，易万爽，刘志辉，肖江涛，张承俊，
申请(专利权)人：中国长江电力股份有限公司，
类型：发明
国别省市：