【技术实现步骤摘要】
本专利技术涉及发电信息，更确切地说，它涉及基于火电机组多元状态估计故障预警模型的增量学习方法。
技术介绍
1、随着信息化与数字化技术在电力生产领域逐渐成熟，加之全球对清洁、高效、可持续能源的需求持续攀升，不可否认，智能电厂已然崭露头角，成为电力生产新一代解决方案之典范。机器学习作为人工智能领域的一个关键分支，是一种通过计算机系统从数据中学习和改进性能的技术。传统的模型训练方式往往采用一次性处理所有训练数据进行离线学习，这种学习方法通常被归类为″批量学习″。然而它们不会将新信息连续地集成到已经构建的模型中，而是定期从头开始重建新模型，这不仅非常耗时，而且会导致潜在的过时模型。
2、在实际生产环境中，设备预警模型方面一直存在一个问题，即由于历史训练数据的质量存在差异，并且受到设备的生命周期的影响，预警模型效果随着时间的推移也会持续变差，甚至可能出现误报。同时，由于数据量有限，工作人员希望能够在有限的资源下获得更加准确的预测结果。在智能电厂研究中，批量学习方法在设备故障预警情况下可能并不适用，特别是设备故障预警是需要具备实时性、适...
【技术保护点】
1.基于火电机组多元状态估计故障预警模型的增量学习方法，其特征在于，包括：
2.根据权利要求1所述的基于火电机组多元状态估计故障预警模型的增量学习方法，其特征在于，步骤3包括：
3.根据权利要求2所述的基于火电机组多元状态估计故障预警模型的增量学习方法，其特征在于，步骤3.4中，根据所述留存排序集合Bsort，设定更新率φ，根据模型的数据量m，记下Bsort前m×φ部分中各个dj的下标j，根据下标j找到相应的数据xj作为记忆矩阵待增量更新的向量，并根据下标j由小到大排序形成待增量更新的向量集Xtd。
4.根据权利要求3所述的基于火电...
【技术特征摘要】
1.基于火电机组多元状态估计故障预警模型的增量学习方法，其特征在于，包括：
2.根据权利要求1所述的基于火电机组多元状态估计故障预警模型的增量学习方法，其特征在于，步骤3包括：
3.根据权利要求2所述的基于火电机组多元状态估计故障预警模型的增量学习方法，其特征在于，步骤3.4中，根据所述留存排序集合bsort，设定更新率φ，根据模型的数据量m，记下bsort前m×φ部分中各个dj的下标j，根据下标j找到相应的数据xj作为记忆矩阵待增量更新的向量，并根据下标j由小到大排序形成待增量更新的向量集xtd。
4.根据权利要求3所述的基于火电机组多元状态估计故障预警模型的增量学习方法，其特征在于，步骤4包括：
5.根据权利要求4所述的基于火电机组多元状态估计故障预警模型的增量学习方法，其特征在于，步骤4.4中，根据所述删排序集合csorted，设定更新率φ，根据模型的数据量m，记下csorted前m×φ部分中各个dj的下标j，根据下标j找到相应的数据yj进行删除，得到第二历史记忆矩阵dtd。
6.根据权利要求5所述的基于火电机组多元状态估计故障预警模型的增量学习方法，其特征在于，步骤5中，将待增量更新的向量集xtd中的数据...
【专利技术属性】
技术研发人员：顾宝，郭庆，叶欣楠，王豆，姜志锋，郭鼎，邵程安，张震伟，俞荣栋，贾晓燕，
申请(专利权)人：浙江浙能数字科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。