[发明专利]一种基于大数据分析挖掘的火电设备性能监测方法

摘要

一种基于大数据分析挖掘的火电设备性能监测方法。主要步骤包括：第一步对电站健康运行数据进行相关性分析以及主成分分析，第二步利用设备数据的相关性并经过主成分分析后得到的设备主成分变量，运用基于密度的聚类分析建立正常运行工况的三维聚类簇，利用该聚类簇进行设备性能监测。比起传统的火电设备性能监测方法，利用大数据的性能监测方法能够充分利用大量的火电厂运行数据，反映设备的实时性能，提高监测的准确度。

主权项

一种基于大数据分析挖掘的火电设备性能监测方法，其特征是该方法包括以下步骤：1)从火力发电机组实时信息监控与管理系统中获取一段时间的历史健康运行数据，计算测量变量间的两两相关系数，得到相关系数矩阵，根据相关系数矩阵选取与目标设备温度、压力和流量相关系数高的变量作为设备相关变量X1,X2,…,Xm；其中，m为设备相关变量个数，2)对设备相关变量进行主成分分析，得到一组主成分变量P1,P2,…,Pi,…,Pn，其中n为主成分变量个数，每一个主成分变量表达式为：Pi=Σj=1mkijXj]]>其中，kij为各个设备相关变量前系数，j为1至m的整数，通过主成分分析，得到各个主成分变量方差对设备相关变量整体方差的贡献率大小，将其逐次递减排列，选取其中贡献最大的三个主成分变量，分别命名为PC1、PC2和PC3，Var(PC1)≥Var(PC2)≥...≥Var(PCn)其中Var表示对设备相关变量整体方差贡献的大小；3)对三个主成分变量PC1、PC2和PC3进行标准化处理，使PC1、PC2和PC3均服从标准正态分布；对标准化后的PC1、PC2和PC3进行基于密度的聚类分析；利用基于密度的聚类分析方法，结合大数据分析平台，将设备的三个主成分变量PC1、PC2和PC3聚类到不同的三维聚类簇中，所形成的不同聚类簇就代表着设备正常运行工况的聚类簇；通过对设备相关变量的实时数据进行上述的主成分分析，得到三个最大的主成分变量PC1、PC2和PC3的实时值，判断其是否属于设备正常运行工况的聚类簇，然后进行实时设备运行状态的监测，若属于，则设备在正常工况运行，若不属于，则设备发生故障。