[發明專利]基于異常搜索和組合預測的汽輪機組在線故障預警方法

在審

• 申請號: 201410025897.3
• 申請日: 2014-01-20
• 公開（公告）號: CN103793601A
• 公開（公告）日: 2014-05-14
• 發明（設計）人: 鄧小文;顧煜炯;宋磊;周振宇;房麗萍;李鵬;陳東超;吳冠宇;蘇璐瑋;高芬芬;韓延鵬;任朝旭
• 申請（專利權）人: 廣東電網公司電力科學研究院;華北電力大學
• 主分類號: G06F19/00
• 分類號: G06F19/00
• 代理公司: 北京眾合誠成知識產權代理有限公司 11246
• 代理人: 張文寶

1.一種基于異常搜索和組合預測的汽輪機組在線故障預警方法，對機組監測的異常信號進行專業化搜索，并通過異動分析處理對異常進行深入挖掘分析，從而還原異常信號演繹形成的過程，解析其變化的趨勢分布，最后通過故障預測模型實現汽輪機組故障預警，其特征在于，包括以下步驟：

1）對輸入機組異動數據的參數初始化處理，分割輸入參數的時間序列為標準時間子序列模式，分析計算子序列模式中的；

2）所述特征模式包括序列模式高度、模式長度、模式斜率、模式均值和標準差五個特征，并進行標準化；

3）異常特征邊界訓練，在上述輸入參數初始處理基礎上，從機組正常運行歷史參數數據中，通過訓練得到較信任的特征模式值的極大值，作為異常特征邊界；利用移動窗口的初始分割，采用一種匹配各個序列點的閥門編碼來識別分割子序列的邊界點，其中閥門編碼采用二進制編碼，具有對時間序列極值對位編碼進行變異的功能；

4）異動搜索，根據上述異常特征邊界訓練的邊界結果，通過搜索超越邊界的序列實現異動序列搜索，形成對應的異動序列數組；

5）異常分析，對上述搜索得到的異動序列數組進行基于確定系數優選的回歸分析，識別異常數據的變化趨勢，得到異常時間序列演繹下的異動分布變化規律；

6）預警輸出，綜合上述機組異動數據的發展過程的分析結果，輸出異動演繹分布曲線，并結合各類監測參數應用汽輪機組故障預測模型進行故障預測，得到最大可能性故障模式的預警。

2.根據權利要求1所述一種基于異常搜索和組合預測的汽輪機組在線故障預警方法，其特征在于，所述輸入初始化處理過程包括分割輸入參數的時間序列為標準時間子序列和計算子序列特征模式并標準化兩階段；其中，前一階段目的是以期望滑動窗口和設定的閥門編碼將預定時間序列劃分為不重疊的標準時間子序列；后一階段目的提供上述劃分子序列的模式特征，并進行標準化；故障預警先采用GM(1,1)模型預測和對隨機項進行AR(n)預測，最后將兩種預測方法進行加權組合，形成灰色加權-AR(n)預測模型。

3.根據權利要求1所述一種基于異常搜索和組合預測的汽輪機組在線故障預警方法，其特征在于，所述步驟2）各模式特征計算方法如下：

設時間序列X=(<x(t₁),t₁>,<x(t₂),t₂>,…,<x(t_n),t_n>)，第i個子時間序列為X_i=(<x(t_i1),t_i1>,<x(t_i2),t_i2>,…,<x(t_in),t_in>)，則其對應的特征模式定義如下：

模式高度sph：????sph=x(t_in)-x(t_i1)，

顯然，當x(t_in)>x(t_i1)時，sph的值為正；當x(t_in)<x(t_i1)時，sph的值為負，

模式長度spl：????spl=in-i1+1，

模式斜率spk：spk=x(tin)-x(ti1)spl,]]>

模式均值spx‾=1splΣj=ti1tinx(j),]]>

模式標準差spσ：spσ=1splΣj=tiltin(x(j)-spx‾)2,]]>

其中，根據監測參數的變化規律，一般模式高度sph和模式長度spl模式單獨使用僅用于具有周期變化的參數。