[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

说明书

本发明涉及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，包括：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；步骤2、数据预处理；步骤3、粗糙图构建；步骤4、精细图构建；步骤5、因果网络图的修剪；步骤6、因果网络参数的确定。本发明的有益效果是：结合系统级分布式思想，基于数据驱动，将过程变量按照设备功能分组，对每个设备分别建模，解决大型系统因果关系挖掘困难的问题；确定性系统的角度解决了非线性工业过程中的因果关系识别问题，不涉及样本分布问题，降低了对样本质量的要求。此外，在因果定向性的识别中，考虑了因果传播的时滞效应，可以识别因果链中的间接因果关系。

技术领域

本发明涉及工业过程异常工况诊断与溯因分析中的变量因果关系分析等技术领域，尤其包括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。

背景技术

现代工业系统的规模和复杂程度都在日益提高，火力发电过程日趋复杂化、大型化发展，一旦出现异常，都可能带来重大的财产损失和人员伤亡。同时电厂锅炉制粉系统是火电厂机组的一个重要组成部分，它的经济调整直接影响整个火电发电厂运行的经济效益。因此，为了保证制粉系统在运行的安全性与可靠性，提高火电机组经济效益，通常部署大量的传感器、执行器、通信设备和控制模块，设置报警系统。火力发电机组是由多个设备、多个子系统组成的复杂的大范围连续生产系统。各子系统之间存在着高维非线性的关联关系，并且故障类型多，机理各不相同，因此单个故障可能会传播到整个工厂设备，从而在报警系统中引起报警洪水。因此，在报警系统中识别报警洪水的根本原因是必要的，以支持决策，并帮助工厂采取即时有效的措施来处理异常情况，防止任何重大事故由于故障传播。由于单位之间的联系，系统中变量之间存在很强的因果关系。报警根跟踪是根据变量之间的因果关系，找出异常传播路径，找出异常条件的根本原因的一种方法。对于根源追踪，一种广泛使用的方法是首先用因果关系来描述过程，然后追踪根源。因此，需要准确描述过程中变量之间的因果关系，为根源的可追溯性提供基础。

近年来，人们提出了几种从历史数据中确定变量之间因果关系的方法。互相关函数通过两个时间序列的相似性和时间特征来确定变量之间的因果关系。另一种常用的方法是格兰杰因果关系。具体地说,一个时间序列可以被称为格兰杰随意到其他如果我们能更好地预测第二次系列通过合并的第一个知识。基于频域的方法也得到了发展，如有向传递函数(DTF)和部分有向相干(PDC)。然而，这些方法仅适用于线性系统，不能处理实际工业过程中的复杂非线性问题。为了处理非线性问题，Schreiber等提出了基于信息熵理论的传递熵。然而，由于信息熵的计算依赖于概率计算理论，因此很难保证计算结果的准确性。此外，传递熵不能计算变量之间的时延关系，这在因果挖掘中是非常重要的。

因此，处理非线性系统中变量之间的因果关系是很有必要的。上述描述工业厂房因果关系的方法都是从纯统计的角度出发，对样本质量的要求都很高。如果所观察到的样品不能代表整个过程的特征，或其统计特性随时间变化，就很难得到准确可靠的结果。然而，实际的工业过程是按照一定的规则运行的，我们可以用模型来描述工业过程，因此工业过程比完全随机的确定性系统描述的过程更合适。Sugihara等从确定性系统的角度提出了一种收敛交叉映射方法，该方法最初被应用于生态学领域。该方法利用非线性耦合系统中变量间的微分同胚映射特性，将原因果关系识别转化为嵌入流形相互预测效果的比较。差分同胚的特征在工业过程数据重构流形中也很常见。因此，CCM的思想也适用于工业过程。

综上所述，提出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，就显得尤为重要。

发明内容

本发明的目的是克服现有技术中的不足，提供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。

这种因果网络构建方法，包括以下步骤：