[发明专利]一种面向百万千瓦超超临界机组制粉系统报警管理的因果网络构建方法

权利要求书

1.一种面向百万千瓦超超临界机组制粉系统报警管理的因果网络构建方法，其特征在于，包括以下步骤：

步骤1、根据制粉系统结构进行分布式划分，划分出各个子设备变量组；每个子设备变量组包括该设备的可测变量；设每个子设备包含J个可测变量，每次采样得到一个1×J的向量，采样M次后得到一个正常过程下的二维设备变量矩阵Xd_i(M×J)，其中i表示第i个子设备，i＝1，2，……n，n为子设备个数；

步骤2、数据预处理：对同一属性的冗余变量取均值代表该属性的数据，所述冗余变量包含在J个可测变量中；经过数据预处理后的若干设备的二维设备变量矩阵记为Xd_i(M×N)，N为预处理后的可测变量个数；

步骤3、粗糙图构建：对每个子设备单独进行建模，子设备中的可测变量作为构建图的节点，构建一个全连接无向图：

P＝{x_i，x_j} (1)

上式中，i≠j；设定阈值为ε；

初始化N×N的邻接矩阵A_d以及权值矩阵A_w为零矩阵，设V＝{x₁，x₂，...，x_N}为全连接无向图P网络模型的节点全集，其中x_i为设备变量矩阵Xd_i(M×N)中的第i个变量；对每一对节点变量x_i，x_j∈V，i≠j，使用CCM算法计算每一对节点变量间的收敛交叉映射能力：

对于一对节点变量x_i，x_j，假设其长度为L，利用时延坐标状态空间重构对流形M_xi进行重构，在t时刻的重构流形坐标为：

M_xi(t)＝x_i(t)，x_i(t-τ)，x_i(t-2τ)，...，x_i(t-(E-1)τ) (2)

上式中，t为时间，E为流形M_xi的维度，τ为时间间隔；

从流形M_xi中找到距离M_xi(t)最近的E+1个点M_xi，t＝{M_xi(t₁)，...，M_xi(t_E+1)}；

通过流形M_xi的值估计M_xj，表示为计算公式如下：

上式(3)至上式(5)中，x_j为节点变量，为流形M_xj的估计值，d[x(s)，x(t)]表示计算欧氏距离，ω_i为估计值与原始序列的相关系数；

计算得到的估计值与原始序列x_j的相关系数的收敛值代表x_i，x_j的收敛交叉映射能力；每一对节点流形估计值与原始序列的相关系数的收敛值越大，这对节点相互的收敛交叉映射能力越好；

步骤3.1、如果x_i的收敛交叉映射值收敛于一个大于阈值ε的值，而x_j的收敛交叉映射值不收敛于一个大于阈值ε的值，则连接节点x_i，x_j的方向为x_i→x_j，并且令ad_i，j＝1，ad_j，i＝0；反之连接节点x_i，x_j的方向为x_j→x_i，并且令ad_i，j＝0，ad_j，i＝1；其中i，j分别代表邻接矩阵A_d的行数和列数；

步骤3.2、如果x_i和x_j的收敛交叉映射值都不能收敛于一个大于阈值ε的值，则x_i和x_j二者之间不存在因果关系，删除节点x_i和x_j之间的连接，并且令ad_i，j＝0，ad_j，i＝0；

步骤3.3、如果x_i和x_j的收敛交叉映射值都收敛于一个大于阈值ε的值，则进一步分析变量间的因果方向，将x_i，x_j作为待定节点放入待定集合T：

T＝{x_i，x_j}，i，j∈N (6)

步骤4、精细图构建：确定变量之间存在的时间延迟范围[-Δt，Δt]，对待定集合T中的每一对节点x_i，x_j∈T使用CCM算法计算不同时滞下的收敛交叉映射能力，比较不同时滞下的收敛交叉映射能力；然后根据最优交叉映射对应的时滞确定两个变量的因果关系方向；得到因果网络图G＝(V，A_d)；

步骤4.1、如果最优收敛交叉映射能力对应的时滞为负，则表示x_j的未来值更能准确的反映x_i的过去值，存在从x_i到x_j的因果关系；连接节点x_i，x_j，方向为x_i→x_j，令邻接矩阵A_d的第i行和第j列的元素ad_i，j＝1；

步骤4.2、如果最优收敛交叉映射能力对应的时滞为正，则表示x_i的未来值更能准确的反映x_j的过去值，存在从x_j到x_i的因果关系；连接节点x_i，x_j，方向为x_j→x_i，令邻接矩阵A_d的第j行和第i列的元素ad_j，i＝1；

步骤5、因果网络图的修剪：

步骤5.1、将所有构成间接因果关系的节点以及其间的连接关系看作一个子图；使用遍历的方法，从一个节点开始，搜索传递因果链；将每个传递因果链看作一个子图g_m，记录子图节点集v_m和邻接表ad_m；遍历步骤4)得到的因果网络图G中所有N个节点，找出因果网络图G＝(V，A_d)中所有存在潜在间接因果关系的子图，放入待定子图集合GT：

GT＝{g₁，g₂，...g_m} (7)

上式中，g_m代表子图：

g_m＝v_m，ad_m (8)

上式中，v_m为子图g_m中的节点集合，ad_m为子图g_m的邻接表；

步骤5.2、对待定子图集合GT的所有子图，使用扩展的CCM方法判断是否存在间接因果关系：若存在间接因果关系，则删除因果网络图G中对应的连接关系；得到简化后的因果网络图G＝(V，A_d)，作为因果网络的最终结构；使用扩展的CCM方法判断是否存在间接因果关系的方式为：

对每个待定子图集合GT中的子图g_m，计算节点间的收敛交叉映射能力，记为其中L为g_m的节点个数；确定变量之间存在的时间延迟范围[-Δt，Δt]，对每个待定子图集合GT中的子图g_m，计算节点间不同时滞下的收敛交叉映射能力，由最优交叉映射对应的时滞确定两个节点间时滞关系，记为所述代表g_m起始和终点节点间的时滞关系，代表g_m起始和终点节点间的收敛交叉映射能力，当和满足下式(10)时，g_m中存在间接因果关系；

步骤6、因果网络参数的确定：对简化后的因果网络图G中的一对连通节点，从整个时间序列中随机选择m个长度为T的时间段使用CCM算法计算收敛交叉映射能力，从m个计算得到的收敛交叉映射能力估计值中，由核密度估计取给定置信水平下的置信区间作为网络参数，将网络参数赋值给权矩阵A_w；

更新整个权值矩阵后，得到最终的因果网络图模型：

CN＝(V，A_d，A_w) (9)

所述因果网络参数为有向图G中边的权值，在正常的运行条件下，变量之间的收敛交叉映射值在因果网络参数范围内波动。