一种基于实时残差分布估计的设备状态预警方法与流程
- 国知局
- 2024-09-11 14:49:47
本发明涉及设备状态监测,尤其涉及数据概率分布估计技术,具体为一种基于实时残差分布估计的设备状态预警方法。
背景技术:
1、发电机组系统的设备繁多复杂,通常会保持长时间的连续运行,而其运行状态的好坏会影响机组的安全高效运行,现有的状态监测方法普遍缺乏动态自适应能力,使得误警率难以控制,因此,目前亟需一种能够用于发电机组设备的状态监测预警方法,
技术实现思路
1、针对上述问题,本发明提供了一种基于实时残差分布估计的设备状态预警方法,其可对机组设备进行实时监测,并及时作出状态预警,自适应能力强。
2、本发明采用如下技术方案,一种基于实时残差分布估计的设备状态预警方法,包括以下步骤:
3、s1、实时监测机组设备运行参数,并进行相关性分析,确定监测参数集;
4、s2、根据确定的监测参数集,建立监测参数的实时估计模型;
5、s3、基于实时估计模型获得监测参数集内监测参数的模型估计值,以获得实时监测参数集残差,从而确定滑动时间窗内的残差序列;
6、s4、对滑动时间窗内的残差序列进行概率密度分布估计,进而根据密度分布获得置信区间;
7、s5、根据确定的置信区间获得预警的阈值;
8、s6、在滑动时间窗内的残差序列中,若连续设定数量的残差均超过阈值,则给出预警信号,否则返回所述步骤s3。
9、进一步地,在所述步骤s1中,采用皮尔逊相关分析法进行相关性分析,并选取相关性程度大于0.5的监测参数,从而确定得到m个监测参数集;
10、进一步地,在所述步骤s2中,根据确定的监测参数集,利用多元状态估计法建立监测参数的实时估计模型;
11、进一步地,在所述步骤s3中,具体包括以下步骤:
12、s3.1、基于实时估计模型获得监测参数集内监测参数的模型估计值根据公式(1)获得监测参数的残差eij,即:
13、
14、其中,xij和分别表示监测参数的实时测量值和模型估计值;
15、i表示滑动时间窗内第i个时刻,i=1,2,…,l;l为滑动时间窗长度;
16、j表示对应的第j个监测参数,j=1,2,…,m;m为监测参数集个数;
17、s3.2、随后根据公式(2)获得监测参数集残差ei,即:
18、ei=med(ei1,ei2,…,eim) (2)
19、s3.3、根据公式(3)确定滑动时间窗内的残差序列e,即:
20、e=[e1,e2,…,el] (3)
21、进一步地,在所述步骤s4中,具体包括以下步骤:
22、s4.1、对滑动时间窗内的残差序列进行概率密度分布估计的计算公式为:
23、f(ei,γ,η)=nk/2lhk,k=1,2,…,n (4)
24、其中,nk表示滑动时间窗内残差值处于第k区间的个数;
25、n为区间个数;
26、γ、η均表示概率密度分布估计函数中的参数;
27、hk为每个区间的半宽度;
28、s4.2、基于概率密度分布估计函数,根据公式(5)获得置信区间:
29、p(λ2<ei≤λ1)=α (5)
30、其中,α表示该置信区间对应的置信概率;
31、λ1、λ2分别表示该置信区间的上、下分位数;
32、进一步地,在步骤s4.1中,通过最小二乘法求解概率密度分布估计函数中参数γ、η,具体包括:
33、先根据计算公式:
34、
35、随后根据求导公式:
36、
37、即可求得概率密度分布估计函数中的参数γ、η;
38、其中,wj为权重系数;
39、进一步地,在所述步骤s5中,根据公式(7)获得预警的阈值d,计算公式为:
40、d=c1×d1+c2×d2 (7)
41、其中,
42、d1=λ1×(ei,max-ei,min)+ei,min (8)
43、d2=λ1×(ei,max-ei,min)+ei,min (9)
44、ei,min=min(ei1,ei2,…,eim)、ei,max=max(ei1,ei2,…,eim)分别为i时刻参数集残差的最小值和最大值;
45、c1、c2分别为权重值;
46、进一步地,在所述步骤s6中,还包括对滑动时间窗内的残差序列进行滤波,得到滤波后的残差序列:随后对滤波后的残差序列进行判断,若序列中连续设定数量的残差均超过阈值,则给出预警信号,否则返回所述步骤s3。
47、本发明的有益效果是,其可实时监测获得机组设备运行状态参数,并通过相关性分析法确定机组设备的监测参数集,随后基于建立的监测参数的实时估计模型获得模型估计值,在确定滑动时间窗内的残差序列后进行概率密度分布估计获得置信区间,并根据确定的置信区间获得预警的阈值,从而可将残差序列与阈值进行判断,在不满足条件时可及时给出预警信号,自适应能力强,对于机组的安全生产也具有重大的现实意义。
技术特征:1.一种基于实时残差分布估计的设备状态预警方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的一种基于实时残差分布估计的设备状态预警方法,其特征在于,在所述步骤s1中,采用皮尔逊相关分析法进行相关性分析,并选取相关性程度大于0.5的监测参数,从而确定得到m个监测参数集。
3.根据权利要求1所述的一种基于实时残差分布估计的设备状态预警方法,其特征在于,在所述步骤s2中,根据确定的监测参数集,利用多元状态估计法建立监测参数的实时估计模型。
4.根据权利要求1所述的一种基于实时残差分布估计的设备状态预警方法,其特征在于,在所述步骤s3中,具体包括以下步骤:
5.根据权利要求4所述的一种基于实时残差分布估计的设备状态预警方法,其特征在于,在所述步骤s4中,具体包括以下步骤:
6.根据权利要求5所述的一种基于实时残差分布估计的设备状态预警方法,其特征在于,在步骤s4.1中,通过最小二乘法求解概率密度分布估计函数中参数γ、η,具体包括:
7.根据权利要求5所述的一种基于实时残差分布估计的设备状态预警方法,其特征在于,在所述步骤s5中,根据公式(7)获得预警的阈值d,计算公式为:
8.根据权利要求7所述的一种基于实时残差分布估计的设备状态预警方法,其特征在于,在所述步骤s6中,还包括对滑动时间窗内的残差序列进行滤波,得到滤波后的残差序列:随后对滤波后的残差序列进行判断,若序列中连续设定数量的残差均超过阈值,则给出预警信号,否则返回所述步骤s3。
技术总结本发明提供了一种基于实时残差分布估计的设备状态预警方法,其采用相关性分析法确定机组设备的监测参数集,并建立监测参数的实时估计模型,在确定滑动时间窗内的残差序列后,对残差序列进行概率分布估计,则根据分布获得置信区间和预警阈值,进而能够根据阈值判定是否应给出预警信号,从而实现对机组设备进行实时监测,并及时作出状态预警,自适应能力强。技术研发人员:赵亮,杨柏依,董鹏,孙国华,郑峰,周卫庆受保护的技术使用者:华能莱芜发电有限公司技术研发日:技术公布日:2024/9/9本文地址:https://www.jishuxx.com/zhuanli/20240911/292249.html
版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至 YYfuon@163.com 举报,一经查实,本站将立刻删除。
下一篇
返回列表