[发明专利]一种基于DBN网络的发电设备参数预警方法

权利要求书

1.一种基于DBN网络的发电设备参数预警方法，其特征在于，该预警方法包括下列步骤：

(a)选取待处理发电设备的多个运行参数作为采样对象，并记录所述运行参数的数量，分别获取每个运行参数对应的历史运行数据和当前运行数据，并形成历史数据集和当前运行数据集；

(b)选取DBN网络作为所述运行参数预警的网络模型，根据步骤(a)中所述运行参数的数量确定该DBN网络模型的结构，并选取该DBN网络模型相应的激活函数，由此完成所述DBN网络模型的建立；

(c)利用步骤(a)中所述历史数据集中的数据训练所述DBN网络模型，通过在训练过程中调整该DBN网络模型隐藏层层数和各层神经元个数，从而使得训练误差和训练时间均最小，由此得到最优DBN网络模型；

(d)将当前运行数据集中的数据作为所述最优DBN网络模型的输入，经过该最优DBN网络模型运行后输出所述运行参数对应的预测值；

(e)将所述运行参数对应的预测值与从待处理设备上获取的该运行参数实际监测值P_i做差，并获得差值的绝对值|ΔP|，然后判断与预设阈值p₀之间的关系，当时，则标记该预测值对应的时刻为待处理发电设备的警报点，按照下列方式进行处理，否则，持续监测，其中，i是监测点，i＝1,2,3,...,n；当时，预设时间段t，在该时间段内继续监测该发电设备的运行参数，重复步骤(d)和(e)得到多个P_i并形成集合，在该集合中，与对应的P_i的数量占该集合中元素的总数量的比例小于预设值Q₀，取消当前标记的警报点，并继续监测该发电设备的运行参数，否则待处理发电设备报警，并由现场工作人员处理。

2.如权利要求1所述的一种基于DBN网络的发电设备参数预警方法，其特征在于，在步骤(a)中，获取所述运行参数对应的历史运行数据和当前运行数据后，对所有数据进行预处理，该预处理包括下列步骤：

(a1)删除所述历史数据和当前数据中的异常值，该异常值包括0值和超出待处理发电设备上的传感器测量范围的值；

(a2)采用线性差值的方法填补步骤(a1)中被删除的异常值，由此得到新的历史数据和当前数据集合；

(a3)对所述新的历史数据和当前数据集合中的数据进行归一化处理，由此完成所述预处理过程。

3.如权利要求1所述的一种基于DBN网络的发电设备参数预警方法，其特征在于，在步骤(b)中，所述DBN网络模型的结构确定按照下列方式，其中，Num_input是所述DBN网络模型的显层神经元个数，n是所述运行参数的数量，Num_output是所述DBN网络模型的输出神经元个数，

Num_input＝n-1

Num_output＝1。

4.如权利要求1所述的一种基于DBN网络的发电设备参数预警方法，其特征在于，在步骤(c)中，所述DBN网络模型的训练方法采用小批量训练法，其中,存在下列情况时,对所述最优模型进行增量训练，

(I)每隔24h，选取将该时间段内前4000组所述参数对应的运行数据作为增量训练样本，重复步骤(c)获得新的最优DBN网络模型，并将其作为当前最优模型；

(II)设备维修后，将维修后前5000组所述参数对应的运行数据作为增量训练的样本，重复步骤(c)获得新的最优DBN网络模型，并将其作为当前最优模型。

5.如权利要求1所述的一种基于DBN网络的发电设备参数预警方法，其特征在于，在步骤(c)中，所述激活函数采用ReLu函数或sigmoid函数。