基于异常搜索和组合预测的汽轮机组在线故障预警方法

摘要

本发明公开了属于电力系统的预警技术领域的一种基于异常搜索和组合预测的汽轮机组在线故障预警方法。该发明包括：负责标准化分割输入参数时间序列并提取序列特征模式的输入初始化处理；通过训练正常状态参数获取异常搜索参考标准的异常特征边界训练；通过搜索超越特征边界而确定异常序列组的异动搜索；利用回归分析识别异常变化趋势，得到异动分布变化规律的异常分析；建立预测模型对异常变化进行趋势预测；根据预测结果，结合异动参数与故障征兆的对应关系预警输出。本发明能够解决传统监测分析仅利用限值理论无法全面识别异常的缺陷，提高了异常预警的精度和深度，为机组故障起因及责任归属问题提供有利证据。

主权项

一种基于异常搜索和组合预测的汽轮机组在线故障预警方法，对机组监测的异常信号进行专业化搜索，并通过异动分析处理对异常进行深入挖掘分析，从而还原异常信号演绎形成的过程，解析其变化的趋势分布，最后通过故障预测模型实现汽轮机组故障预警，其特征在于，包括以下步骤：1）对输入机组异动数据的参数初始化处理，分割输入参数的时间序列为标准时间子序列模式，分析计算子序列模式中的；2）所述特征模式包括序列模式高度、模式长度、模式斜率、模式均值和标准差五个特征，并进行标准化；3）异常特征边界训练，在上述输入参数初始处理基础上，从机组正常运行历史参数数据中，通过训练得到较信任的特征模式值的极大值，作为异常特征边界；利用移动窗口的初始分割，采用一种匹配各个序列点的阀门编码来识别分割子序列的边界点，其中阀门编码采用二进制编码，具有对时间序列极值对位编码进行变异的功能；4）异动搜索，根据上述异常特征边界训练的边界结果，通过搜索超越边界的序列实现异动序列搜索，形成对应的异动序列数组；5）异常分析，对上述搜索得到的异动序列数组进行基于确定系数优选的回归分析，识别异常数据的变化趋势，得到异常时间序列演绎下的异动分布变化规律；6）预警输出，综合上述机组异动数据的发展过程的分析结果，输出异动演绎分布曲线，并结合各类监测参数应用汽轮机组故障预测模型进行故障预测，得到最大可能性故障模式的预警。