[发明专利]一种多模型融合的水轮机振摆分析方法

权利要求书

1.一种多模型融合的水轮机振摆分析方法，其特征在于，具体包括以下步骤：

S1获取历史的机组振摆相关数据，并对所述机组振摆相关数据进行预处理；

S11收集历史在线与离线监测数据，去除与振摆无关的数据及错误数据，初步整合出训练所用的数据集；

S12将数据集中的重复数据、零值数据、缺失数据进行清洗，并进行重采样；

S2将预处理完成的所述机组振摆相关数据进一步进行特征工程，得到训练集合；

S21对数据集中的数据进行相关性分析，使用皮尔森相关系数对特征属性与目标属性进行相关性分析，按照相关性排序选出所需要的特征值；

S22根据每一列特征，求出其每项特征的最大值max最小值min；

S23若min≥0，则对每列数据进行如下归一化：

其中，x_i,j为第i列第j行的特征值，x’_i,j为其归一化后的值，min_i为第i列的最小值，max_i为第i列的最大值；

S24若min0,则对每列数据进行如下归一化：

其中，x_i,j为第i列第j行的特征值，x’_i,j为其归一化后的值，min_i为第i列的最小值，max_i为第i列的最大值；

S25对归一化后的数据进行切分，将数据划分为训练集与测试集，比例为8:2，划分特征值与目标值，得到训练集合；

S3提取出所述训练集合中与振摆关联的数据，分别输入SVR模型、LightGBM模型和XGBoost模型进行训练；

S4对三个模型的结果进行最小二乘拟合，得到三个模型的权值分配，形成融合模型；

S5将在线监测的振摆相关数据输入到训练好的融合模型，得到预测出的振摆值并作为该工况下振摆的标准值；

S6将采集的振摆数据与标准值做对比，标记异常数据及异常等级。

2.根据权利要求1所述的一种多模型融合的水轮机振摆分析方法，其特征在于，步骤S6中，当振动值与摆度值小于40μm时，若幅度大于预测值10μm以上，判断为二级幅度异常；若幅度大于预测值20μm以上，判断为一级幅度异常。

3.根据权利要求1所述的一种多模型融合的水轮机振摆分析方法，其特征在于：步骤S6中，当振动值与摆度值大于40um时，当幅度大于预测值的10％-25％，判断为二级幅度异常；当幅度大于预测值的25％时，判断为一级幅度异常。