[发明专利]发电机组故障数据预测方法、装置和计算机设备

权利要求书

1.一种发电机组故障数据预测方法，所述方法包括：

采集发电机组当前运行过程中的运行参数；

采用已建立的决策树模型对所述运行参数进行决策分类，所述决策树模型表征运行参数和分类信息的对应关系；

获取所述决策树模型决策分类后输出的分类信息；

根据所述分类信息输出故障数据预测结果。

2.根据权利要求1所述的方法，其特征在于，所述运行参数包括引风机电流、引风机入口开度、引风机入口负压、引风机控制油压、引风机轴承轴向振动值、引风机轴承径向振动值、引风机主轴承第一测试点温度、引风机主轴承第二测试点温度、引风机主轴承第三测试点温度、引风机主轴承第四测试点温度、引风机非驱动侧轴承温度和引风机驱动侧轴承温度。

3.根据权利要求1所述的方法，其特征在于，所述采用已建立的决策树模型对所述运行参数进行决策分类之前，还包括：

获取多组样本参数和各组样本参数对应的故障类别，所述样本参数包括的数据类型和所述运行参数包括的数据类型相同；

根据所述样本参数和各组样本参数对应的故障类别，依次从多个数据类型中选取一个数据类型作为最优特征属性；

按照选取顺序依次以各最优特征属性作为当前的分裂结点，根据各组样本参数对应的故障类别对当前的分裂结点所对应的各组样本参数的取值进行决策划分，创建得到决策树模型。

4.根据权利要求3所述的方法，其特征在于，所述根据所述样本参数和各组样本参数对应的故障类别，依次从多个数据类型中选取一个数据类型作为最优特征属性，包括：

以所述样本参数对应的故障类别和所述样本参数包括的各个数据类型为列，将各组样本参数排列成行，得到总数据集，并计算所述总数据集的熵；

以所述总数据集中同一列下同一取值的行作为对应列的一个单元行，从总所述数据集中提取单个数据类型所在列、故障类别所在列、所提取的数据类型所在列的一个单元行进行组合，得到所提取的数据类型中所提取的单元行对应的训练集；

计算各数据类型中各单元行对应的训练集的熵；

根据所述总数据集的熵、所述总数据集和所述数据类型对应的各训练集的熵计算得到对应数据类型的信息增益；

从各数据类型的信息增益中选取最大的信息增益，将最大的信息增益对应的数据类型作为最优特征属性；

从所述总数据集中剔除所述最优特征属性的列得到新的总数据集，并返回所述以所述总数据集中同一列下同一取值的行作为对应列的一个单元行，从总所述数据集中提取单个数据类型所在列、故障类别所在列、所提取的数据类型所在列的一个单元行进行组合，得到所提取的数据类型中所提取的单元行对应的训练集的步骤，直到所有的数据类型均被选取完毕。

5.根据权利要求4所述的方法，其特征在于，所述计算所述总数据集的熵，包括：

其中，D表示所述总数据集，p_i为所述总数据集D中第i类故障类别出现的次数与所述总数据集D所包括样本参数的组数的比值，m为所述总数据集D中包括的故障类别的类别数，info(D)为所述总数据集D的熵。

6.根据权利要求5所述的方法，其特征在于，所述根据所述总数据集的熵、所述总数据集和所述数据类型对应的各训练集的熵计算得到对应数据类型的信息增益，包括：

gain(A)＝info(D)-info_A(D)；

其中，A表示数据类型，v为数据类型A包括的单元行的数量，D_j为数据类型A中第j个单元行对应的训练集，|D_j|为训练集D_j所包括的样本参数的组数，|D|为总数据集所包括样本参数的组数，info(D_j)为训练集D_j的熵，info_A(D)为数据类型A对总数据集划分的期望信息，gain(A)为数据类型的信息增益。