申请/专利权人：浙江浙能数字科技有限公司

申请日：2023-12-08

公开（公告）日：2024-06-04

公开（公告）号：CN117708575B

主分类号：G06F18/2132

分类号：G06F18/2132;G06F18/22;G06F17/16;G06F18/214

优先权：

专利状态码：有效-授权

法律状态：2024.06.04#授权;2024.04.02#实质审查的生效;2024.03.15#公开

摘要：本发明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，包括：获取多元状态估计故障预警模型，并确定模型的历史工况矩阵，获取待增量的原始工况库，得到待增量更新的向量集，并将其并入历史工况矩阵，构建新的多元状态估计故障预警模型。本发明的有益效果是：本发明利用增量学习方法，依据火电机组发电特性，采用时间偏离和相似工况测度的加权法，使用设备近期数据更替历史工况库中差质量数据，消除设备生命周期对模型性能的影响，实现模型随着设备运行不断自适应的能力，进而保证模型自身持续的故障预警效果和持续改进性能。

主权项：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：步骤1、获取多元状态估计故障预警模型，并确定所述多元状态估计故障预警模型的第一历史工况矩阵Dm×n；其中m为模型的数据量，n为模型的特征数；步骤2、根据所述第一历史工况矩阵Dm×n和模型的特征，通过传感器采集，确定待增量的原始工况库Xa×n；其中a需要待增量原始数据量，n为模型的特征数；步骤3、对所述待增量的原始工况库Xa×n进行待增量的归一化计算、相似性计算、留存排序和待增量提取，得到待增量更新的向量集Xtd；步骤3包括：步骤3.1、对所述待增量的原始工况库Xa×n进行归一化操作，得到归一化后的待增量原始工况库步骤3.2、计算归一化后的待增量原始工况数据集各条数据间的相似性，公式为： 其中，xi表示数据集的第i条数据，dxi,xj表示第i条数据和第j条数据之间的距离，表示欧式距离；步骤3.3、计算归一化后的待增量原始工况数据集的下三角部分每一列的最小值，记为dj，形成集合B，表示为：B＝{dj|dj＝min{dxj+1,xj,dxj+2,xj,…,dxa,xj},1≤j≤a,j∈Z}对B中的值进行由大到小排序，得到留存排序集合Bsort；步骤3.4、根据所述留存排序集合Bsort，进行待增量提取；步骤4、对所述第一历史工况矩阵Dm×n进行归一化计算、相似性计算、待删排序和工况删除，得到第二历史记忆矩阵Dtd；步骤4包括：步骤4.1、对所述第一历史工况矩阵Dm×n进行归一化操作，得到归一化后的历史记忆矩阵步骤4.2、计算归一化后的历史记忆矩阵各条数据间的相似性，公式为： 其中，yi表示数据集的第i条数据，dyi,yj表示第i条数据和第j条数据之间的距离；步骤4.3、计算矩阵下三角部分每一列的最小值，记为dj，形成集合C，表示为C＝{dj|dj＝min{dyj+1,yj,dyj+2,yj,…,dya,yj},1≤j≤m,j∈Z}对C中的值进行由小到大排序，得到待删排序集合Csorted；步骤4.4、根据所述删排序集合Csorted，进行工况删除；步骤5、将待增量更新的向量集Xtd的数据合并入所述第二历史记忆矩阵Dtd中，形成第三历史记忆矩阵步骤6、根据所述第三历史记忆矩阵构建新的多元状态估计故障预警模型。

全文数据：

权利要求：

百度查询： 浙江浙能数字科技有限公司 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

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD