[发明专利]一种发电机组跳闸监测方法及其监测装置

权利要求书

1.一种发电机组跳闸监测方法，其步骤包括：

第一步骤（S1）中：数据挖掘发电机组的调度日志，通过语言分析筛选调度日志中的技术词汇，对技术词汇进行词频统计分析以建立关键词汇集合，从而构成N维表征向量,其中，对所述调度日志进行分词，并分别计算通过分词获得的技术词汇的词频作为其权重，所述N维表征向量的每个元素分别与所述关键词汇相对应，每个元素的值分别为相对应的关键词汇的权重；

第二步骤（S2）中：按照汽水、燃料和电气三个分类根据运行记录建立跳闸的归类数据库, 根据运行记录整理整个跳闸过程，以跳闸原因和缺陷特点构建案例数据库；

第三步骤（S3）中：在所述归类数据库中利用所述N维表征向量进行聚类分析；

第四步骤（S4）中：经由模式识别建立运行记录与跳闸之间的联系以监测发电机组跳闸。

2.根据权利要求1所述的发电机组跳闸监测方法，其特征在于，

第一步骤（S1）中：采用正则表达式对不同字数组成的技术词汇在调度日志中进行遍历，再根据技术词汇出现的频率确定是否是关键词汇，从而建立构成N维表征向量。

3.根据权利要求1所述的发电机组跳闸监测方法，其特征在于：

第二步骤（S2）中：归类数据库采用大数据分布式存储结构。

4.根据权利要求1所述的发电机组跳闸监测方法，其特征在于：

第二步骤（S2）中：在所述归类数据库的基础上建立数据类型数据库和知识类型的数据库。

5.根据权利要求1所述的发电机组跳闸监测方法，其特征在于：

第三步骤（S3）中：所述N维表征向量进行聚类计算，经由“二小值判断法”划分类簇，实现将不同关键词汇分组，在所述归类数据库中查找与所述N维表征向量相对应的类簇。

6.根据权利要求1所述的发电机组跳闸监测方法，其特征在于：

第三步骤（S3）中：聚类分析采用基于划分的聚类算法、基于层次的聚类算法、基于密度的聚类算法、基于网格的聚类算法或基于神经网络的聚类算法。

7.根据权利要求1所述的发电机组跳闸监测方法，其特征在于：

第三步骤（S3）中：聚类分析采用K-Means算法、凝聚算法或DBSCAN算法。

8.根据权利要求1所述的发电机组跳闸监测方法，其特征在于：

第四步骤（S4）中：模式识别包括支撑向量机、神经网络或遗传算法。

9.一种实施权利要求1-8中任一项所述的发电机组跳闸监测方法的监测装置，其包括用于词频统计分析的数据分解器（1）、用于构建归类数据库的归类器（2）、用于聚类分析的聚类器（3）和用于模式识别的处理器（4），其特征在于：所述数据分解器（1）包括对技术词汇分词的分词单元（5）和生成N维表征向量的向量生成单元（6），所述归类器（2）包括大数据分布式存储结构，所述聚类器（3）包括判断单元（7）和分类处理单元（8），所述处理器（4）包括模式识别单元（9）和存储单元（10）。