[发明专利]一种基于熵排序与时空分析的故障诊断及预警方法

说明书

一种基于熵排序与时空分析的故障诊断及预警方法，通过对诊断对象多组监测数据的实时监控、存储和分析，可针对同类型不同空间位置的测量信号，从空间和时间角度分别构建监测信号向量，计算不同运行状态下测量信号的熵分布，形成存储排序熵与运行状态对应关系的诊断数据库。利用实时监控的数据信息，分析统计当前状态下设备运行参数的熵，结合诊断数据库，诊断对象实时状态、预测故障趋势并及时告警，为生产系统及重要设备的安全稳定运行、故障预判提供大数据、智能化技术支持，从而提升监控系统应用水平、丰富数据挖掘功能。

技术领域

本发明涉及动力工程及大数据信息交叉技术领域，特别涉及一种基于熵排序与时空分析的故障诊断及预警方法。

背景技术

发电行业是技术密集型企业，所含大型动力设备众多，涉及系统复杂，其安全稳定、节能环保运行是技术人员不断努力的方向。随着计算机技术和信息系统发展，大型生产系统及设备基本都配备了相应监控系统，获取及存储了系统设备的重要运行参数。但这些参数仅仅用于简单展示，并未充分挖掘其内在价值。

随着电力行业信息化、智能化，以及大数据技术的发展，对动力系统内同类相关参数在不同空间位置及时间变化下内在关系深入挖掘，可以获得系统或相应设备的运行状态，定量提供诊断故障、运行预警及检修策略的依据，真正实现将企业的海量生产数据转化为生产力和企业效益，提升企业管理水平、运营效益。

发明内容

为了克服上述现有技术的缺点，本发明的目的在于提供一种基于熵排序与时空分析的故障诊断及预警方法，利用实时监控的数据信息，分析统计当前状态下设备运行参数的熵，结合诊断数据库，诊断对象实时状态、预测故障趋势并及时告警，为生产系统及重要设备的安全稳定运行、故障预判提供大数据、智能化技术支持，从而提升监控系统应用水平、丰富数据挖掘功能。

为了实现上述目的，本发明采用的技术方案是：

一种基于熵排序与时空分析的故障诊断及预警方法，

1)计算诊断对象的空间上测点组的排列熵，再根据时间尺度上的排列熵变化进行实时诊断。

对选取的诊断对象，以监测系统的不同空间位置同类参数组为单位，实时进行排序熵计算，得到能表征该对象工作状态的实时熵参数。将这些熵参数存入历史数据库，并建立对象各工作状态与熵参数之间的映射关系，形成熵诊断数据库。之后，通过实时计算分析得到的熵参数，在熵诊断数据库中找到对应的工作状态，从而初步判断该对象的工作特性。若一段时间新计算的熵参数在数据库中均没有找到映射关系，根据情况更新数据库的映射关系，或者进行设备报警，提示需要进一步检修。

2)在整体诊断结果可疑或报警时，针对各测量信号先分别计算时间尺度的排列熵，再进行空间上不同测量信号的排序，通过排序结果进一步诊断对象状态。

首先，针对诊断对象特定参数，在选取的历史时间段内，抽取具有时间序列的样本值。对样本值组进行排序熵计算，得到表征该对象的熵特征。

其次，对该诊断对象的其他多个位置的监测量重复上述操作，得到表征该对象的熵特征序列。

然后，积累和存储诊断对象的同类参数在各种运行状态下的熵特征序列，并构建运行状态与熵特征序列映射关系的诊断数据库。

再次，每隔一段时间，对历史时间段内计算得到该同类参数的熵特征序列，并在诊断数据库中映射得到对象运行状态。熵特征序列中熵值的排序关系与正常运行状态下熵序列相比，没有发生变化，则认为诊断对象运行正常。若发生变化时，在诊断库中可映射出该模式下的运行状态。