[發明專利]一種面向發電設備狀態參量參考值的增量式計算方法

有效

• 申請號: 202110631676.0
• 申請日: 2021-06-07
• 公開（公告）號: CN113393107B
• 公開（公告）日: 2022-08-12
• 發明（設計）人: 楊嘉偉;崔宇;唐健;田軍
• 申請（專利權）人: 東方電氣集團科學技術研究院有限公司
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06F16/2458;G06K9/62;G06Q50/06;G06N3/04;G06N3/08
• 代理公司: 成都天嘉專利事務所(普通合伙) 51211
• 代理人: 蘇丹

1.一種面向發電設備狀態參量參考值的增量式計算方法，其特征在于，包括如下步驟：

步驟一、從離線存儲數據庫以最小時間單位提取歷史數據；

步驟二、以每個最小時間單位歷史數據為待聚合數據z；

步驟三、對待聚合數據z進行基于局部敏感哈希算法的數據聚合，得到聚合后的數據z′；

步驟四、將各歷史數據中最小時間單位聚合后的數據進行級聯拼接，作為新的待聚合數據，通過步驟三基于局部敏感哈希算法進行數據聚合，將得到的聚合后的數據作為原始小樣本數據模板D₀保存至在線計算數據庫中；

步驟五、建立基于深度神經網絡搭建待計算狀態參量的回歸計算模型，loss損失函數選取均方根誤差；

步驟六、以小樣本數據模板D₀為訓練集，所有歷史最小時間單位源數據Z₀為驗證集，對步驟五所建立的回歸計算模型進行訓練和誤差評估，若驗證集狀態參量實測值與計算值的均方根小于預設閾值ρ₂，將該模型保存至在線計算數據庫中作為后續狀態參量計算的初始化模型；

步驟七、對離線存儲數據庫最近新增一個最小時間單位的數據Z_t，將其與過去3-12個最小時間單位數據組成新的驗證模板Z_v，保存至在線計算數據庫中；

步驟八、將新增數據Z_t作為待聚合數據進行步驟三所述的基于局部敏感哈希算法的數據聚合，得到聚合后的數據Z′_t，并將其與上一最小時間單位小樣本數據模板D_t-1級聯拼接，作為新的待聚合數據，通過步驟三所述的基于局部敏感哈希算法進行數據聚合，將得到的聚合后的數據作為原始小樣本數據模板D_t保存至在線計算數據庫中，此時，小樣本數據模板D_t既包含歷史數據信息，也涵蓋本最小時間單位新增的模式特點；

步驟九、以小樣本數據模板D_t為訓練集，驗證數據模板Z_v為驗證集，對與步驟五中相同結構的回歸計算模型進行訓練，若新訓練模型在驗證數據模板Z_v上的均方根誤差小于在線計算數據庫中保存的回歸計算模型誤差，則用新訓練回歸模型替代原模型，保存在在線計算數據庫中；

步驟十、提取在線計算數據庫中回歸計算數據模型，以待計算狀態參量的相關特征數據X_c為輸入，計算得到狀態參量的參考值y_c；

所述步驟三中的基于局部敏感哈希算法的數據聚合算法，具體步驟如下：

步驟(1).對每條數據經哈希函數映射后的數值

上式中，隨機矩陣均滿足N～(0,1)標準正態分布，r₀為預設敏感閾值，共同構成哈希函數H(.)，T表示矩陣轉置；

步驟(2).對映射后的h^l＝[h₁,h₂,...,h_S]的每一維數值h_s通過符號函數進行0，1二進制編碼，作為每條數據的鍵值k^l＝[k₁,k₂,...,k_S]進行標記，每條數據可記為(k^l,z^l)；提取月數據的鍵值集合K＝{k₁,k₂,...,k_Q}，對每個鍵值建立Q個獨立的哈希桶，并將具有相同鍵值的數據歸入對應的哈希桶中；

上式中，sgn(.)為符號函數；

步驟(3).對每個哈希桶中數據每次取出兩條數據作為數據對進行歐式距離計算，其中J代表鍵值為k_q的哈希桶中的數據條數，分別代表鍵值為k_q哈希桶中的第i條和第m條不同的數據，i≠m；若兩者間距離小于預設距離閾值ρ₁，則對數據對進行中心聚合為新數據加入桶中進行后續距離計算比較，數據對不放回桶中；反之則將數據對放回桶中，直至該哈希桶中不存在小于預設距離閾值的數據對；

上式中，且

步驟(4)、將Q個哈希桶中剩余數據，進行級聯拼接，得到原始數據z對應的聚合數據其中z_q′為鍵值為k_q哈希桶的剩余數據,L′為聚合數據樣本數，且L′L，通常在5000以內；

步驟五中模型具體為：

g_i+1＝σ(A_i·g_i+B_i)

上式中A_i和B_i代表第i層神經網絡的神經元權重和偏置，σ(.)為激活函數，可取sigmoid、tanh或relu，g_i和g_i+1分別代表第i層神經網絡的輸入和輸出，y_j和分別代表第j個樣本的實測值和模型計算值。

2.根據權利要求1所述的一種面向發電設備狀態參量參考值的增量式計算方法，其特征在于，所述步驟一中，所示每最小時間單位歷史數據其中L代表月所記錄的時序數據條數，每條數據由需計算的狀態參量的測量值及該參量相關的特征測量值組成，l代表該月的第l條數據，N代表每條數據所記錄的特征維數，通常情況下L200000，N15。