[发明专利]一种基于FEKNN策略的燃煤电厂锅炉故障诊断方法

权利要求书

1.一种基于FEKNN的燃煤电厂锅炉故障诊断方法，其特征在于，包括以下步骤：

S1、对历史数据进行预处理,得到处理后正常运行的历史数据；

S2、数据降维：对经过数据预处理的正常运行的历史数据进行降维处理；

S3、数据聚类：利用均值漂移聚类Mean Shift方法对所述正常运行的历史数据进行聚类，形成燃烧系统正常运行状态库；

S4、故障诊断：采用FEKNN故障诊断方法得到燃烧系统运行状态曲线，进行燃烧系统的故障诊断；

所述采用燃烧系统运行状态曲线进行故障诊断的方法为：

S4.1、选取与锅炉燃烧系统运行相关的关键变量作为初始数据，对所选取的初始数据进行预处理获得正常的运行数据；

S4.2、将剔除异常点后的数据进行归一化处理：

其中，x表示样本值，x_min表示样本中最小的值，x_max表示样本中最大的值；

S4.3、将预处理后的数据利用MDS方法进行降维处理，使得数据变为二维数据；

S4.4、将降维后的二维数据利用均值漂移聚类方法聚类，得到正常运行数据的各个类别，用Ω＝(ω₁，ω₂，…，ω_c)表示；

S4.5、选择一组新的待检测数据，利用KNN算法在各个类别中找到k个最近邻居，利用以下公式对每个邻居的类别信息进行模糊化处理，得到每个邻居属于各个类别的隶属度：

其中，c^j为x^j所属的类别，k为x^j的邻居个数，n_i为x^j属于i类的邻居个数；

S4.6、计算出每个邻居为待检测数据提供的分类证据：

对于待检测的测试样本x，首先利用KNN算法的原理采用欧式距离，找到距离其最近的k个邻居组成集合Φ_S，集合Φ_S中的每个数据点(x_i,C_i)都可以为x的分类提供一条证据，C_i表示第i个数据所属的类别，该证据信息可以表示为：

m_i(Ω|x)＝1-αφ(d_i)u_qi，i＝1,2,…,k (8)

m_i({ω_q}|x)＝αφ(d_i)u_qi,q＝1,2,…c，i＝1,2,…,k (9)

其中，d_i表示x和x_i之间的欧式距离，即x和x_i之间的相似性；ω_q为所属的类别，α为结构函数，取值为0.95，φ为距离折扣函数：

式中的γ0，为待检测样本x与k个最近邻居间距离的平均值的倒数，并且φ函数满足：

S4.7、利用D-S理论改进Murphy融合规则对k个最近邻居提供的证据进行融合，如果证据融合后，属于未知状态的概率最大，则表明锅炉在异常运行，为工作人员提供故障报警。

2.根据权利要求1所述的基于FEKNN的燃煤电厂锅炉故障诊断方法，其特征在于，所述步骤S1中对历史数据进行预处理的过程为：利用肖维勒准则法进行异常值剔除，首先找到一个以样本均值为中心的概率带，所述概率带包含所有的样本数据，所述概率带以外的数据为异常值，剔除出数据集，计算剩余数据的均值和标准差；采用Savitzky-Golay滤波方法通过时域内局域多项式最小二乘法拟合的方法对所述剩余数据进行滤波。

3.根据权利要求1所述的基于FEKNN的燃煤电厂锅炉故障诊断方法，其特征在于，采用MDS算法对所述步骤S2中正常运行的历史数据进行降维处理。