[发明专利]一种用于火电机组主辅设备状态异常的识别方法及系统

权利要求书

1.一种用于火电机组主辅设备状态异常的识别方法，其特征在于，所述方法包括：

步骤S1，获取火电机组主辅设备的状态参数，所述状态参数包括状态特征变量、典型状态值和正常状态值；

步骤S2，根据获取的状态参数，通过数据预处理和方差筛选法，得到稳态参数；

步骤S3，根据稳态参数，通过样本选择算法，筛选出典型样本集；

步骤S4，根据典型样本集，构建正常状态证据回归模型；

步骤S5，根据正常状态证据回归模型，计算得到期望值和应达区间值；

步骤S6，根据期望值和应达区间值，判断期望值是否落入应达区间值内。

2.如权利要求1所述的方法，其特征在于，所述根据典型样本集，构建正常状态证据回归模型包括：

步骤S41，根据典型样本集，将典型样本集中的数据归一化，得到标准样本集；

步骤S42，根据标准样本集，将标准样本集中的数据构建成证据库；

步骤S43，根据证据库，通过k-nn近邻算法和DS证据融合法则，将证据库构建成正常状态证据回归模型。

3.如权利要求2所述的方法，其特征在于，所述根据证据库，通过k-nn近邻算法和DS证据融合法则，将证据库构建成正常状态证据回归模型包括：

步骤S431，根据证据库，获取实时输入值；

步骤S432，根据实时输入值，通过k-nn近邻算法和DS证据融合法则，计算得到实时输入值对应实时输出值的密度概率分布函数；

步骤S433，根据密度概率分布函数，构建正常状态证据回归模型。

4.如权利要求3所述的方法，其特征在于，所述根据实时输入值，通过k-nn近邻算法和DS证据融合法则，计算得到实时输入值对应实时输出值的密度概率分布函数包括：

步骤S4321，根据实时输入值，通过k-nn近邻算法，获取证据，所述证据包含有用信息；

步骤S4322，根据获取的证据，通过DS证据融合法则，将距离近的证据进行融合，得到标准化证据；

步骤S4323，根据标准化证据，计算得到实时输入值对应实时输出值的密度概率分布函数。

5.如权利要求3所述的方法，其特征在于，所述根据密度概率分布函数，构建正常状态证据回归模型包括：

步骤S4331，根据密度概率分布函数，计算得到实时输入值的期望输出值；

步骤S4332，根据期望输出值，通过留一法，计算得到全局优化指标；

步骤S4333，根据全局优化指标，构建正常状态证据回归模型。

6.一种用于火电机组主辅设备状态异常的系统，其特征在于，所述系统包括：状态参数获取装置、稳态参数获取装置、典型样本集构建装置、正常状态证据回归模型构建装置、计算装置和判断装置，其中，

所述状态参数获取装置、所述稳态参数获取装置、所述典型样本集构建装置、所述正常状态证据回归模型构建装置、所述计算装置和所述判断装置依次连接；

所述状态参数获取装置，用于获取火电机组主辅设备的状态参数；

所述稳态参数获取装置，用于将火电机组主辅设备的状态参数转换成稳态参数；

所述典型样本集构建装置，用于将稳态参数构建成典型样本集；

所述正常状态证据回归模型构建装置，用于将典型样本集构建成正常状态证据回归模型；

所述计算装置，用于计算出期望值和应达区间值；

所述判断装置，用于判断期望值是否落入到应达区间值内。

7.如权利要求6所述的系统，其特征在于，所述正常状态证据回归模型构建装置包括：标准样本集构建模块、证据库构建模块和正常状态证据回归模型构建模块，其中，

所述标准样本集构建模块、所述证据库构建模块和所述正常状态证据回归模型构建模块依次连接；

所述标准样本集构建模块，用于将典型样本集构建成标准样本集；

所述证据库构建模块，用于将标准样本集构建成证据库；

所述正常状态证据回归模型构建模块，用于将证据库构建成正常状态证据回归模型。