[发明专利]一种基于自标准化编解码的发电机线圈温度异常监测方法

权利要求书

1.一种基于自标准化编解码的发电机线圈温度异常监测方法，其特征在于，包括以下步骤：

S1、利用多个温度测点获取发电机线圈处于正常运行状态下不同时间点的出水温度数据并进行预处理；

S2、计算同一时间点时各温度测点之间的最大温度差值，将不同时间点对应的最大温度差值按时序排列形成最大温差时间序列；

S3、分割所述最大温差时间序列，得到多个最大温差时间序列片段，以作为训练集，一个最大温差时间序列片段包括多个时间点对应的最大温度差值信息；

S4、将所述训练集输入到神经网络模型中进行训练，利用自标准化编解码输出所述最大温差时间序列片段对应预测的温差数据，以作为预测值，所述预测值分布的时间段紧邻该最大温差时间序列片段，将所述预测值与相应时间段内的出水温度数据实测值进行损失比较，以不断优化神经网络模型；

S5、获取待判断状态时间段内不同时间点的发电机线圈的出水温度数据并进行预处理，再进行步骤S2-S3的数据处理，以得到多个最大温差时间序列片段，将其输入至优化后的神经网络模型，以得到相应的预测值；

S6、若所述预测值与对应实测值的差值超出预设阈值，则判断相应时间段内的所述发电机线圈运行状态异常，发出警告提示；若所述预测值与对应实测值的差值不超出预设阈值，则判断相应时间段内的所述发电机线圈运行状态正常。

2.根据权利要求1所述的发电机线圈温度异常监测方法，其特征在于，所述预处理包括：剔除数据传输波动产生的突变，并进行小波降噪。

3.根据权利要求2所述的发电机线圈温度异常监测方法，其特征在于，在剔除数据传输波动产生的突变时，若检测测量值出现瞬时变成0又恢复的情况，则采用线性插值的方式替代0值。

4.根据权利要求1所述的发电机线圈温度异常监测方法，其特征在于，所述神经网络模型包括编码层、解码层和全连接层，所述编码层将所述最大温差时间序列片段编码为中间状态，所述解码层将该中间状态解码成指定长度的时间序列，所述全连接层将指定长度的时间序列映射为目标输出，作为预测值。

5.根据权利要求4所述的发电机线圈温度异常监测方法，其特征在于，所述编码层包括多个编码单元，每个编码单元为标准长短时记忆网络结构单元，并且在数据输入之前，需要先对数据进行如下公式的标准化处理，

其中，X表示原始数据，表示标准化后的数据，表示原始数据均值，S_X表示原始数据标准差。

6.根据权利要求5所述的发电机线圈温度异常监测方法，其特征在于，前一个编码单元的输出作为后一个编码单元的输入，同时所述编码单元按前后顺序对应一一对应输入所述最大温差时间序列片段中按时序记录的最大温度差值。

7.根据权利要求4所述的发电机线圈温度异常监测方法，其特征在于，所述解码层包括多个解码单元，每个解码单元为标准长短时记忆网络结构单元，前一个解码单元的输出作为下一解码单元的输入。

8.根据权利要求5所述的发电机线圈温度异常监测方法，其特征在于，所述编码层、解码层和全连接层的隐藏层大小相同，所述全连接层在数据输入前，将和S_X作为扩展维度进行输入。

9.根据权利要求1所述的发电机线圈温度异常监测方法，其特征在于，所述预测值与对应实测值均为相应时间段内的多个点值，所述预测值与对应实测值的差值为两者的均方根误差。

10.根据权利要求1所述的发电机线圈温度异常监测方法，其特征在于，所述最大温差时间序列片段对应的时间段大于相应的预测值分布的时间段。