[發明專利]一種基于馬爾可夫隨機場模型的工業場景工況聚類方法、系統、設備及存儲介質

在審

• 申請號: 202111175421.4
• 申請日: 2021-10-09
• 公開（公告）號: CN113869442A
• 公開（公告）日: 2021-12-31
• 發明（設計）人: 翟俊鵬;曲曉峰;王達夢;楊永明;王克劍
• 申請（專利權）人: 哈電發電設備國家工程研究中心有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 哈爾濱市晨晟知識產權代理有限公司 23219
• 代理人: 宮曉平

1.一種基于馬爾可夫隨機場模型的工業場景工況聚類方法，其特征在于，包括以下步驟：

步驟S100、從發電廠眾多特征中初步篩選出能夠影響發電廠運行工況變化的特征，并對這些能夠影響發電廠運行工況變化的特征進行初步處理；

步驟S200、將步驟S100初步處理后的影響發電廠運行工況變化特征進行降噪處理；

步驟S300、將步驟S200中進行降噪處理后的影響發電廠運行工況變化特征數據進行降維處理；

步驟S400、將降維處理后的數據進行聚類，以得到運行工況。

2.根據權利要求1所述的一種基于馬爾可夫隨機場模型的工業場景工況聚類方法，其特征在于：步驟S100中，在燃煤鍋爐發電廠已有所有測點數據中，采集以5秒為時間周期，總時間長度為4個月的數據中，選擇影響鍋爐工況變化的特征。

3.根據權利要求1所述的一種基于馬爾可夫隨機場模型的工業場景工況聚類方法，其特征在于：步驟S200中，對影響發電廠運行工況變化特征進行降噪處理方法是：首先將異常數據進行修正，再對高頻噪聲進行抑制，具體方式為：

異常數據的處理方法：

自定義時間窗口值w，從X_m第一個數據開始取后續共w個數據，之后將窗口不斷向前平移，次都計算該窗口內數據的標準差σ和均值μ，出現在μ±3σ范圍之外的數據視為異常數據，用異常數據的前后共6個數據取均值作為替換值，替換異常數據，之后將窗口不斷向前平移，每次都對異常數據進行替換，直至處理完該特征內的所有數據；

噪聲的處理方法是：

自定義時間窗口值w，從X_m第一個數據開始取后續共w個數據，之后將窗口不斷向前平移，每次都對窗口內數據進行高斯平滑處理，即根據高斯分布概率系數對窗口中心的數據進行加權平均，修改每個窗口的中心數據，最后將X_m的最前w/2和最后w/2個數據去除。

4.根據權利要求1所述的一種基于馬爾可夫隨機場模型的工業場景工況聚類方法，其特征在于：步驟S300中，對影響發電廠運行工況變化特征數據進行降維處理具體方法如下：

步驟S310，計算任意兩個影響發電廠運行工況變化特征數據的相關系數，當相關系數大于0.95時，剔除這兩個特征中方差較小的特征，即剔除每個磨煤機的電機轉速反饋信號、風粉一次風速、風粉混合物溫度、混合風量特征，燃燒室上下端部的二次風層風門開度特征，此時數據特征降記為X∈R^T×k；

步驟S320，將X∈R^T×k數據通過主成分分析、奇異值分解算法進行降維，取特征值權重占比前95％的特征值所對應的特征向量集合作為降維后的數據，記為X∈R^T×n。

5.根據權利要求4所述的一種基于馬爾可夫隨機場模型的工業場景工況聚類方法，其特征在于：步驟S400中，將步驟S300中影響發電廠運行工況變化特征數據進行降維處理后的數據X∈R^T×n作為工況聚類的輸入，并進行聚類，以得到運行工況，具體方法包括：

步驟S410、將輸入數據X∈R^T×n進行初始化，并自定義聚類參數，形成特定形式的數據，根據自定義聚類參數，生成聚類結果P，對聚類結果P定義具有托普利茲矩陣性質的高斯逆協方差矩陣Θ，根據高斯逆協方差矩陣Θ隨機初始化托普利茲矩陣U、Z，作為后續計算的參數；

步驟S420、根據聚類結果P及參數Θ，得到能夠表征聚類結果的值，當表征值的變化小于一定閾值，或迭代次數達到最大迭代次數，則停止迭代，此時的聚類結果為最終輸出結果。

6.根據權利要求5所述的一種基于馬爾可夫隨機場模型的工業場景工況聚類方法，其特征在于：還包括步驟S430、根據整體聚類優化目標對現有聚類及其參數進行迭代更新，參數更新分為兩步，首先在Θ不變情況下更新P，在Θ不變情況下，改寫優化目標，采用動態規劃算法求解優化目標，對P進行更新；其次在P不變情況下更新聚類Θ，在P不變情況下，改寫優化目標，采用交替方向乘子算法求解優化目標，對Θ、U、Z進行更新。