[发明专利]一种基于多源数据融合的燃气轮机控制系统状态预测方法

权利要求书

1.一种基于多源数据融合的燃气轮机控制系统状态预测方法，其特征在于，具体包括以下步骤：

S1、采集真实运行的燃气轮机上的多源传感器信号，根据多源传感器信号建模得到一个随时间变化的图结构；

S2、根据预设的步长大小和批处理大小，对图结构的每步输入序列进行特征提取，并将提取得到的信号特征输入自注意力机制模块，得到自适应邻接矩阵；

S3、将多源传感器信号和自适应邻接矩阵同时输入到编码器和解码器中，所述编码器和解码器均由门控循环扩散图卷积神经网络组成，输出多源时间序列预测结果作为燃气轮机控制系统的状态预测结果。

2.根据权利要求1所述的一种基于多源数据融合的燃气轮机控制系统状态预测方法，其特征在于，所述传感器信号对应的传感器的类型包括压力传感器、温度传感器和转速传感器。

3.根据权利要求1所述的一种基于多源数据融合的燃气轮机控制系统状态预测方法，其特征在于，所述步骤S1中还包括将采集到的多源传感器信号划分为训练集、验证集和测试集。

4.根据权利要求3所述的一种基于多源数据融合的燃气轮机控制系统状态预测方法，其特征在于，所述训练集包含所有工况类型，所述工况类型包括启停、加载、减载以及平稳运行，所述测试集包括加载和减载的工况类型。

5.根据权利要求1所述的一种基于多源数据融合的燃气轮机控制系统状态预测方法，其特征在于，所述步骤S2中特征提取的方式包括特征维度相加、一次差分或门控循环网络。

6.根据权利要求1所述的一种基于多源数据融合的燃气轮机控制系统状态预测方法，其特征在于，所述自注意力机制模块包括两个全连接层。

7.根据权利要求6所述的一种基于多源数据融合的燃气轮机控制系统状态预测方法，其特征在于，所述全连接层的输出包括查询值和键值，所述查询值和键值进行相乘与正则化，并通过激活函数得到所述自适应邻接矩阵。

8.根据权利要求1所述的一种基于多源数据融合的燃气轮机控制系统状态预测方法，其特征在于，所述门控循环扩散图卷积神经网络的公式具体如下所示：

其中，f_θ为滤波器，X^(t)为输入序列，θ_k,1和θ_k,2为滤波器的参数，和为扩散过程的状态转移矩阵及其反向过程，k为扩散步长。

9.根据权利要求8所述的一种基于多源数据融合的燃气轮机控制系统状态预测方法，其特征在于，所述编码器和解码器的公式具体如下所示：

r^(t)＝sigmoid(Θ_r*[X^(t),H^(t-1)]+b_r)

u^(t)＝sigmoid(Θ_u*[X^(t),H^(t-1)]+b_u)

C^(t)＝tanh(Θ_C*[X^(t),r^(t)⊙H^(t-1))]+b_C)

H^(t)＝u^(t)⊙H^(t-1)+(1-u^(t))⊙C^(t)

其中，X^(t)和H^(t)为每步时间序列的输入和输出，r^(t)、u^(t)和C^(t)分别为重置门、更新门和卷积门，Θ_r、Θ_i和Θ_C为相应门的滤波器，b_r、b_u和b_C为相应门的参数，⊙为哈达玛积。

10.根据权利要求1所述的一种基于多源数据融合的燃气轮机控制系统状态预测方法，其特征在于，所述编码器和解码器中设有损失函数、学习率和训练周期，所述损失函数具体为L1范数约束的损失函数。