基于密度聚類的主元關(guān)聯(lián)度傳感器故障檢測方法及裝置的制造方法
【專利摘要】本發(fā)明涉及一種基于密度聚類的主元關(guān)聯(lián)度傳感器故障檢測方法及裝置，其中，方法包括：利用機組多工況模型對監(jiān)測傳感器的工況數(shù)據(jù)進行判斷，對監(jiān)測傳感器進行分類，獲得工況簇；其中，所述工況簇中所有監(jiān)測傳感器的工況信息構(gòu)成矩陣X；利用所述工況簇中任意兩監(jiān)測傳感器的工況信息構(gòu)成矩陣K；對矩陣K進行主元分析，獲得矩陣K的主要特征T；利用歸一化處理之后的矩陣X和主要特征T確定任意兩監(jiān)測傳感器的關(guān)聯(lián)度；所述關(guān)聯(lián)度與一閾值相比較，對大于所述閾值的關(guān)聯(lián)度對應(yīng)的監(jiān)測傳感器進行故障檢測。
【專利說明】
基于密度聚類的主元關(guān)聯(lián)度傳感器故障檢測方法及裝置
技術(shù)領(lǐng)域
[0001]本發(fā)明涉及故障檢測技術(shù)領(lǐng)域，特別涉及一種基于密度聚類的主元關(guān)聯(lián)度傳感器故障檢測方法及裝置。
【背景技術(shù)】
[0002]傳感器作為火電廠中必不可少的底層部件，對機組安全穩(wěn)定運行起著重要的作用?；痣姍C組正常運行過程中，重要的熱力過程參數(shù)，如主蒸汽溫度、主蒸汽壓力、汽輪機轉(zhuǎn)速、汽包水位等的測量使用了大量的各種類型的傳感器。一旦傳感器發(fā)生故障，輕則使控制系統(tǒng)性能下降，重則有可能導(dǎo)致嚴重的事故，造成重大經(jīng)濟損失。火電廠熱力過程中傳感器眾多，分布于各種不同設(shè)備的多個部位，通過人力去檢測傳感器故障是非常困難的。因此，通過檢測傳感器的輸出數(shù)據(jù)，進行傳感器故障判斷和分析是十分有必要的。

【發(fā)明內(nèi)容】

[0003]本發(fā)明實施例的主要目的在于提出一種基于密度聚類的主元關(guān)聯(lián)度傳感器故障檢測方法及裝置，滿足熱力過程傳感器故障診斷的需求。
[0004]為實現(xiàn)上述目的，本發(fā)明提供了一種基于密度聚類的主元關(guān)聯(lián)度傳感器故障檢測方法，包括:
[0005]利用機組多工況模型對監(jiān)測傳感器的工況數(shù)據(jù)進行判斷，對監(jiān)測傳感器進行分類，獲得工況簇;其中，所述工況簇中所有監(jiān)測傳感器的工況信息構(gòu)成矩陣X;
[0006]利用所述工況簇中任意兩監(jiān)測傳感器的工況信息構(gòu)成矩陣K;
[0007]對矩陣K進行主元分析，獲得矩陣K的主要特征T和特征值向量L，利用特征值向量L確定任意兩監(jiān)測傳感器的關(guān)聯(lián)度；
[0008]所述關(guān)聯(lián)度與一閾值相比較，對大于所述閾值的關(guān)聯(lián)度對應(yīng)的監(jiān)測傳感器進行故障檢測。
[0009]優(yōu)選地，所述故障檢測的步驟包括:
[0010]任意兩監(jiān)測傳感器的關(guān)聯(lián)度與一閾值相比較，將大于閾值的關(guān)聯(lián)度對應(yīng)的監(jiān)測傳感器構(gòu)成傳感器二維對稱矩陣；
[0011]對所述傳感器二維對稱矩陣利用滑動平均窗的數(shù)據(jù)矩陣進行計算，獲得時間序列的關(guān)聯(lián)度；
[0012]利用時間序列的關(guān)聯(lián)度對相關(guān)傳感器進行故障判斷，實現(xiàn)傳感器故障檢測。
[0013]優(yōu)選地，所述主要特征T通過矩陣K點乘以矩陣P獲得;其中，所述矩陣P中的列向量為特征值向量L中的元素所對應(yīng)的單位特征向量。
[0014]優(yōu)選地，所述機組多工況模型建立步驟包括:
[0015]利用監(jiān)測測點的全工況范圍的歷史數(shù)據(jù)確定數(shù)據(jù)矩陣；
[0016]從所述數(shù)據(jù)矩陣中選取聚類初始中心；
[0017]根據(jù)所述聚類初始中心的每個類簇的均值，計算每個工況與所述聚類初始中心的距離測度；
[0018]利用所述距離測度和距離內(nèi)工況的分布密度重新對聚類初始中心進行劃分，獲得聚類中心；
[0019]獲得所述聚類中心的每個類簇的均值；
[0020]比較所述聚類中心的每個類簇的均值與聚類初始中心的每個類簇的均值，若均值變化超過一定范圍，則繼續(xù)對所述聚類中心進行劃分，直至均值變化處于一定范圍之內(nèi)時，最新聚類中心構(gòu)成機組多工況模型。
[0021]優(yōu)選地，所述距離測度為歐式距離。
[0022]為實現(xiàn)上述目的，本發(fā)明還提供了一種基于密度聚類的主元關(guān)聯(lián)度傳感器故障檢測裝置，包括:
[0023]分類單元，用于利用機組多工況模型對監(jiān)測傳感器的工況數(shù)據(jù)進行判斷，對監(jiān)測傳感器進行分類，獲得工況簇;其中，所述工況簇中所有監(jiān)測傳感器的工況信息構(gòu)成矩陣X;
[0024]工況簇預(yù)處理單元，用于利用所述工況簇中任意兩監(jiān)測傳感器的工況信息構(gòu)成矩陣K;
[0025]關(guān)聯(lián)度確定單元，用于對矩陣K進行主元分析，獲得矩陣K的主要特征T和特征值向量L，利用特征值向量L確定任意兩監(jiān)測傳感器的關(guān)聯(lián)度；
[0026]故障檢測單元，用于所述關(guān)聯(lián)度與一閾值相比較，對大于所述閾值的關(guān)聯(lián)度對應(yīng)的監(jiān)測傳感器進行故障檢測。
[0027]優(yōu)選地，所述故障檢測單元包括:
[0028]比較模塊，用于任意兩監(jiān)測傳感器的關(guān)聯(lián)度與一閾值相比較，將大于閾值的關(guān)聯(lián)度對應(yīng)的監(jiān)測傳感器構(gòu)成傳感器二維對稱矩陣；
[0029]時間序列的關(guān)聯(lián)度模塊，用于對所述傳感器二維對稱矩陣利用滑動平均窗的數(shù)據(jù)矩陣進行計算，獲得時間序列的關(guān)聯(lián)度；
[0030]故障判斷模塊，用于利用時間序列的關(guān)聯(lián)度對相關(guān)傳感器進行故障判斷，實現(xiàn)傳感器故障檢測。
[0031]優(yōu)選地，所述關(guān)聯(lián)度確定單元通過矩陣K點乘以矩陣P獲得主要特征T;其中，所述矩陣P中的列向量為特征值向量L中的元素所對應(yīng)的單位特征向量。
[0032]優(yōu)選地，所述分類單元包括:
[0033]數(shù)據(jù)預(yù)處理模塊，用于利用監(jiān)測測點的全工況范圍的歷史數(shù)據(jù)確定數(shù)據(jù)矩陣；
[0034]聚類初始中心模塊，用于從所述數(shù)據(jù)矩陣中選取聚類初始中心；同時獲取所述聚類初始中心的每個類簇的均值；
[0035]距離測度模塊，用于計算每個工況與所述聚類初始中心的距離測度；
[0036]重新劃分模塊，用于利用所述距離測度和距離內(nèi)工況的分布密度重新對聚類初始中心進行劃分，獲得聚類中心；同時獲得所述聚類中心的每個類簇的均值；
[0037]迭代劃分模塊，用于比較所述聚類中心的每個類簇的均值與聚類初始中心的每個類簇的均值，若均值變化超過一定范圍，則繼續(xù)對所述聚類中心進行劃分，直至均值變化處于一定范圍之內(nèi)時，最新聚類中心構(gòu)成機組多工況模型。
[0038]優(yōu)選地，所述距離測度模塊獲得的距離測度為歐式距離。
[0039]上述技術(shù)方案具有如下有益效果:
[0040]本技術(shù)方案基于密度聚類的機組多工況模型，能夠快速準確地實現(xiàn)傳感器故障診斷，特別適合于在線應(yīng)用。
【附圖說明】
[0041]為了更清楚地說明本發(fā)明實施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對實施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實施例，對于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動的前提下，還可以根據(jù)這些附圖獲得其他的附圖。
[0042]圖1為本發(fā)明提出一種基于密度聚類的主元關(guān)聯(lián)度傳感器故障檢測方法流程圖；
[0043]圖2為本方法中故障檢測具體流程圖；
[0044]圖3為本方法中機組多工況模型建立流程圖；
[0045]圖4為本發(fā)明提供了一種基于密度聚類的主元關(guān)聯(lián)度傳感器故障檢測裝置框圖；
[0046]圖5為本裝置中故障檢測單元的功能框圖；
[0047]圖6為本裝置中分類單元的功能框圖；
[0048]圖7為本實施例的測點1-2關(guān)聯(lián)度變化曲線圖；
[0049]圖8為本實施例的測點1-3關(guān)聯(lián)度變化曲線圖；
[0050]圖9為本實施例的測點1-4關(guān)聯(lián)度變化曲線圖；
[0051 ]圖10為本實施例的測點1-5關(guān)聯(lián)度變化曲線圖；
[0052]圖11為本實施例的測點1-6關(guān)聯(lián)度變化曲線圖。
【具體實施方式】
[0053]下面將結(jié)合本發(fā)明實施例中的附圖，對本發(fā)明實施例中的技術(shù)方案進行清楚、完整地描述，顯然，所描述的實施例僅僅是本發(fā)明一部分實施例，而不是全部的實施例。基于本發(fā)明中的實施例，本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動前提下所獲得的所有其他實施例，都屬于本發(fā)明保護的范圍。
[0054]本技術(shù)方案的工作原理為:該方法基于密度聚類的機組多工況模型，并在此模型基礎(chǔ)上通過測點間的主元關(guān)聯(lián)度監(jiān)測傳感器的狀態(tài)，在線檢測過程采用固定窗加滑動窗的模式，利用實時獲取的測量值，以此實現(xiàn)滑動窗的關(guān)聯(lián)度實時計算，通過關(guān)聯(lián)度的變化來實時檢測傳感器的運行狀態(tài)。
[0055]基于上述工作原理，本發(fā)明提出一種基于密度聚類的主元關(guān)聯(lián)度傳感器故障檢測方法。如圖1所示。包括:
[0056]步驟101):利用機組多工況模型對監(jiān)測傳感器的工況數(shù)據(jù)進行判斷，對監(jiān)測傳感器進行分類，獲得工況簇;其中，所述工況簇中所有監(jiān)測傳感器的工況信息構(gòu)成矩陣X;
[0057]在步驟101中，計算新測點的距離測度以及距離內(nèi)工況的分布密度，判斷新測點屬于機組多工況模型中的對應(yīng)類簇還是需要建立新類簇;如果需要建立新類簇，需要刪除較少使用的類簇，以保持機組多工況模型中總的類簇的個數(shù)不變。
[0058]步驟102):利用所述工況簇中任意兩監(jiān)測傳感器的工況信息構(gòu)成矩陣K;
[0059]步驟103):對矩陣K進行主元分析，獲得矩陣K的主要特征T和特征值向量L，利用特征值向量L確定任意兩監(jiān)測傳感器的關(guān)聯(lián)度；
[0060]在步驟103中，所述主要特征T通過矩陣K點乘以矩陣P獲得;其中，所述矩陣P中的列向量為特征值向量L的元素所對應(yīng)的單位特征向量。
[0061]步驟104):所述關(guān)聯(lián)度與一閾值相比較，對大于所述閾值的關(guān)聯(lián)度對應(yīng)的監(jiān)測傳感器進行故障檢測。
[0062]如圖2所示，為本方法中故障檢測具體流程圖。故障檢測具體包括:
[0063]步驟21):任意兩監(jiān)測傳感器的關(guān)聯(lián)度與一閾值相比較，將大于閾值的關(guān)聯(lián)度對應(yīng)的監(jiān)測傳感器構(gòu)成傳感器二維對稱矩陣；
[0064]在二維對稱矩陣中，矩陣的每個元素代表兩個測點間的關(guān)聯(lián)度值，故該矩陣為對稱矩陣。
[0065]步驟22):對所述傳感器二維對稱矩陣利用滑動平均窗的數(shù)據(jù)矩陣進行計算，獲得時間序列的關(guān)聯(lián)度；
[0066]在本步驟中，滑動平均窗由兩部分組成。其中，一、固定不動的在該工況模式下的正常運行數(shù)據(jù)，二、實時運行測量數(shù)據(jù)構(gòu)成滑動平均窗的第二部分，兩部分的長度比例基本維持在2:3左右，可以根據(jù)實際需要進行調(diào)整。
[0067]步驟23):利用時間序列的關(guān)聯(lián)度對相關(guān)傳感器進行故障判斷，實現(xiàn)傳感器故障檢測。
[0068]假設(shè)某系統(tǒng)中，al測點、a2測點出現(xiàn)了報警，則觀察二維對稱矩陣第一行(或第一列)和第二行(第二列)，若第一行中除該列外，其余列都未超限，而第二行除該列外其余各列也超限，則可判斷可能是a2測點發(fā)生了故障;若第一行中除該列外，其余列也超限，而第二行除該列外其余各列也超限，則可判斷可能是al和a2測點均發(fā)生了故障;若第一行中除該列外，其余列均超限，而第二行除該列外其余各列未超限，則可判斷可能是al測點均發(fā)生了故障。
[0069]在本方法中，步驟101涉及機組多工況模型，對于機組多工況模型建立的步驟如圖3所示。包括:
[0070]步驟31):利用監(jiān)測測點的全工況范圍的歷史數(shù)據(jù)確定數(shù)據(jù)矩陣；
[0071]步驟32):從所述數(shù)據(jù)矩陣中選取聚類初始中心；
[0072]步驟33):根據(jù)所述聚類初始中心的每個類簇的均值，計算每個工況與所述聚類初始中心的距離測度；
[0073]優(yōu)選地，所述距離測度為歐式距離。
[0074]步驟34):利用所述距離測度和距離內(nèi)工況的分布密度重新對聚類初始中心進行劃分，獲得聚類中心；
[0075]為便于劃分，在本實施例中，距離測度和距離內(nèi)工況的分布密度之間的權(quán)重均為
0.5ο
[0076]步驟35):獲得所述聚類中心的每個類簇的均值；
[0077]步驟36):比較所述聚類中心的每個類簇的均值與聚類初始中心的每個類簇的均值，若均值變化超過一定范圍，則繼續(xù)對所述聚類中心進行劃分，直至均值變化處于一定范圍之內(nèi)時，最新聚類中心構(gòu)成機組多工況模型。
[0078]基于上述工作原理，本發(fā)明提供了一種基于密度聚類的主元關(guān)聯(lián)度傳感器故障檢測裝置，如圖4所示。包括:
[0079]分類單元401，用于利用機組多工況模型對監(jiān)測傳感器的工況數(shù)據(jù)進行判斷，對監(jiān)測傳感器進行分類，獲得工況簇;其中，所述工況簇中所有監(jiān)測傳感器的工況信息構(gòu)成矩陣X；
[0080]工況簇預(yù)處理單元402，用于利用所述工況簇中任意兩監(jiān)測傳感器的工況信息構(gòu)成矩陣K;
[0081]關(guān)聯(lián)度確定單元403，用于對矩陣K進行主元分析，獲得矩陣K的主要特征T和特征值向量L，利用特征值向量L確定任意兩監(jiān)測傳感器的關(guān)聯(lián)度；
[0082]在本實施例中，關(guān)聯(lián)度確定單元403通過矩陣K點乘以矩陣P獲得主要特征T;其中，所述矩陣P中的列向量為特征值向量L中的元素所對應(yīng)的單位特征向量。
[0083]故障檢測單元404，用于所述關(guān)聯(lián)度與一閾值相比較，對大于所述閾值的關(guān)聯(lián)度對應(yīng)的監(jiān)測傳感器進行故障檢測。
[0084]如圖5所示，為本裝置中故障檢測單元的功能框圖。所述故障檢測單元404包括:
[0085]比較模塊4041，用于任意兩監(jiān)測傳感器的關(guān)聯(lián)度與一閾值相比較，將大于閾值的關(guān)聯(lián)度對應(yīng)的監(jiān)測傳感器構(gòu)成傳感器二維對稱矩陣；
[0086]時間序列的關(guān)聯(lián)度模塊4042，用于對所述傳感器二維對稱矩陣利用滑動平均窗的數(shù)據(jù)矩陣進行計算，獲得時間序列的關(guān)聯(lián)度；
[0087]故障判斷模塊4043，用于利用時間序列的關(guān)聯(lián)度對相關(guān)傳感器進行故障判斷，實現(xiàn)傳感器故障檢測。
[0088]如圖6所示，為本裝置中分類單元的功能框圖。所述分類單元401包括:
[0089]數(shù)據(jù)預(yù)處理模塊4011，用于利用監(jiān)測測點的全工況范圍的歷史數(shù)據(jù)確定數(shù)據(jù)矩陣；
[0090]聚類初始中心模塊4012，用于從所述數(shù)據(jù)矩陣中選取聚類初始中心；同時獲取所述聚類初始中心的每個類簇的均值；
[0091]距離測度模塊4013，用于計算每個工況與所述聚類初始中心的距離測度;優(yōu)選地，距離測度模塊4013獲得的距離測度為歐式距離。
[0092]重新劃分模塊4014，用于利用所述距離測度和距離內(nèi)工況的分布密度重新對聚類初始中心進行劃分，獲得聚類中心；同時獲得所述聚類中心的每個類簇的均值；
[0093]迭代劃分模塊4015，用于比較所述聚類中心的每個類簇的均值與聚類初始中心的每個類簇的均值，若均值變化超過一定范圍，則繼續(xù)對所述聚類中心進行劃分，直至均值變化處于一定范圍之內(nèi)時，最新聚類中心構(gòu)成機組多工況模型。
[0094]實施例:
[0095]任意選擇一段時間內(nèi)的所有測點進行聚類，分為幾個典型工況簇，每個工況簇的數(shù)據(jù)組數(shù)為1000，選擇某一工況簇內(nèi)的數(shù)據(jù)集作為仿真測試數(shù)據(jù)，前500組數(shù)據(jù)作為固定時間窗長度，后500組數(shù)據(jù)作為測試數(shù)據(jù)，本案例中測試數(shù)據(jù)疊加了 5%的偏差故障數(shù)據(jù)，滑動窗平均長度選為5，將固定窗與滑動窗組合后，依次實時計算窗口內(nèi)測點間的相關(guān)度。
[0096]在圖7?圖11中，縱坐標(biāo)軸表示的含義為:測點之間的關(guān)聯(lián)度，橫坐標(biāo)表示的含義為;時間序列。例如:I代表時刻I，2代表時刻2，以此類推。
[0097]圖7是測點I與測點2相關(guān)度的變化曲線，可以看到測點1、2之間的相關(guān)度較高，正常狀態(tài)下接近于I，隨著故障的出現(xiàn)，相關(guān)度隨之下降，可以判斷有傳感器發(fā)生故障；圖8和圖9分別表示測點I和3及測點I和4之間的關(guān)聯(lián)度變化曲線，可以看出它們的變化趨勢與圖2較為相似，進一步推斷出這些測點間的相關(guān)性應(yīng)該類似的；圖10和圖11分別表示測點I和5及測點I和6之間的關(guān)聯(lián)度變化曲線，看出它們之間的關(guān)聯(lián)度與前面相比較低，正常狀態(tài)下保持在0.9左右，但是只要發(fā)生故障，其相關(guān)性被打破導(dǎo)致關(guān)聯(lián)度下降這種趨勢仍然成立，從圖中也可以看出它們的變化趨勢一致，推斷出這兩種相關(guān)性也是類似的。綜上所述，與測點I相關(guān)的測點間關(guān)聯(lián)度都發(fā)生明顯向下的變化趨勢，判斷結(jié)論是測點I發(fā)生了故障。
[0098]通過本例的實施，驗證了這種基于工況聚類的關(guān)聯(lián)度檢測方法對傳感器的故障較為靈敏，本案例選擇的固定時間窗與滑動時間窗的比例為500:5，故障發(fā)生后相關(guān)度變化趨勢較為明顯，可以成功檢測出傳感器故障。本方案的實施過程清晰，一旦聚類完成，利用相關(guān)度進行在線實時故障檢測，計算復(fù)雜度小，檢測靈敏度較高，易于現(xiàn)場實現(xiàn)。
[0099]以上【具體實施方式】，對本發(fā)明的目的、技術(shù)方案和有益效果進行了進一步詳細說明，所應(yīng)理解的是，以上僅為本發(fā)明的【具體實施方式】而已，并不用于限定本發(fā)明的保護范圍，凡在本發(fā)明的精神和原則之內(nèi)，所做的任何修改、等同替換、改進等，均應(yīng)包含在本發(fā)明的保護范圍之內(nèi)。
【主權(quán)項】
1.一種基于密度聚類的主元關(guān)聯(lián)度傳感器故障檢測方法，其特征在于，包括: 利用機組多工況模型對監(jiān)測傳感器的工況數(shù)據(jù)進行判斷，對監(jiān)測傳感器進行分類，獲得工況簇;其中，所述工況簇中所有監(jiān)測傳感器的工況信息構(gòu)成矩陣X; 利用所述工況簇中任意兩監(jiān)測傳感器的工況信息構(gòu)成矩陣K; 對矩陣K進行主元分析，獲得矩陣K的主要特征T和特征值向量L，利用特征值向量L確定任意兩監(jiān)測傳感器的關(guān)聯(lián)度； 所述關(guān)聯(lián)度與一閾值相比較，對大于所述閾值的關(guān)聯(lián)度對應(yīng)的監(jiān)測傳感器進行故障檢測。2.如權(quán)利要求1所述的方法，其特征在于，所述故障檢測的步驟包括: 任意兩監(jiān)測傳感器的關(guān)聯(lián)度與一閾值相比較，將大于閾值的關(guān)聯(lián)度對應(yīng)的監(jiān)測傳感器構(gòu)成傳感器二維對稱矩陣； 對所述傳感器二維對稱矩陣利用滑動平均窗的數(shù)據(jù)矩陣進行計算，獲得時間序列的關(guān)聯(lián)度； 利用時間序列的關(guān)聯(lián)度對相關(guān)傳感器進行故障判斷，實現(xiàn)傳感器故障檢測。3.如權(quán)利要求1或2所述的方法，其特征在于，所述主要特征T通過矩陣K點乘以矩陣P獲得;其中，所述矩陣P中的列向量為特征值向量L中的元素所對應(yīng)的單位特征向量。4.如權(quán)利要求1或2所述的方法，其特征在于，所述機組多工況模型建立步驟包括: 利用監(jiān)測測點的全工況范圍的歷史數(shù)據(jù)確定數(shù)據(jù)矩陣； 從所述數(shù)據(jù)矩陣中選取聚類初始中心； 根據(jù)所述聚類初始中心的每個類簇的均值，計算每個工況與所述聚類初始中心的距離測度； 利用所述距離測度和距離內(nèi)工況的分布密度重新對聚類初始中心進行劃分，獲得聚類中心； 獲得所述聚類中心的每個類簇的均值； 比較所述聚類中心的每個類簇的均值與聚類初始中心的每個類簇的均值，若均值變化超過一定范圍，則繼續(xù)對所述聚類中心進行劃分，直至均值變化處于一定范圍之內(nèi)時，最新聚類中心構(gòu)成機組多工況模型。5.如權(quán)利要求4所述的方法，其特征在于，所述距離測度為歐式距離。6.一種基于密度聚類的主元關(guān)聯(lián)度傳感器故障檢測裝置，其特征在于，包括: 分類單元，用于利用機組多工況模型對監(jiān)測傳感器的工況數(shù)據(jù)進行判斷，對監(jiān)測傳感器進行分類，獲得工況簇;其中，所述工況簇中所有監(jiān)測傳感器的工況信息構(gòu)成矩陣X; 工況簇預(yù)處理單元，用于利用所述工況簇中任意兩監(jiān)測傳感器的工況信息構(gòu)成矩陣K; 關(guān)聯(lián)度確定單元，用于對矩陣K進行主元分析，獲得矩陣K的主要特征T和特征值向量L，利用特征值向量L確定任意兩監(jiān)測傳感器的關(guān)聯(lián)度； 故障檢測單元，用于所述關(guān)聯(lián)度與一閾值相比較，對大于所述閾值的關(guān)聯(lián)度對應(yīng)的監(jiān)測傳感器進行故障檢測。7.如權(quán)利要求6所述的裝置，其特征在于，所述故障檢測單元包括: 比較模塊，用于任意兩監(jiān)測傳感器的關(guān)聯(lián)度與一閾值相比較，將大于閾值的關(guān)聯(lián)度對應(yīng)的監(jiān)測傳感器構(gòu)成傳感器二維對稱矩陣； 時間序列的關(guān)聯(lián)度模塊，用于對所述傳感器二維對稱矩陣利用滑動平均窗的數(shù)據(jù)矩陣進行計算，獲得時間序列的關(guān)聯(lián)度； 故障判斷模塊，用于利用時間序列的關(guān)聯(lián)度對相關(guān)傳感器進行故障判斷，實現(xiàn)傳感器故障檢測。8.如權(quán)利要求6或7所述的裝置，其特征在于，所述關(guān)聯(lián)度確定單元通過矩陣K點乘以矩陣P獲得主要特征T;其中，所述矩陣P中的列向量為特征值向量L中的元素所對應(yīng)的單位特征向量。9.如權(quán)利要求6或7所述的裝置，其特征在于，所述分類單元包括: 數(shù)據(jù)預(yù)處理模塊，用于利用監(jiān)測測點的全工況范圍的歷史數(shù)據(jù)確定數(shù)據(jù)矩陣； 聚類初始中心模塊，用于從所述數(shù)據(jù)矩陣中選取聚類初始中心；同時獲取所述聚類初始中心的每個類簇的均值； 距離測度模塊，用于計算每個工況與所述聚類初始中心的距離測度； 重新劃分模塊，用于利用所述距離測度和距離內(nèi)工況的分布密度重新對聚類初始中心進行劃分，獲得聚類中心；同時獲得所述聚類中心的每個類簇的均值； 迭代劃分模塊，用于比較所述聚類中心的每個類簇的均值與聚類初始中心的每個類簇的均值，若均值變化超過一定范圍，則繼續(xù)對所述聚類中心進行劃分，直至均值變化處于一定范圍之內(nèi)時，最新聚類中心構(gòu)成機組多工況模型。10.如權(quán)利要求9所述的裝置，其特征在于，所述距離測度模塊獲得的距離測度為歐式距離。
【文檔編號】G06K9/62GK105894027SQ201610196956
【公開日】2016年8月24日
【申請日】2016年3月31日
【發(fā)明人】黃葆華, 仇曉智, 周衛(wèi)慶, 王超, 司派友
【申請人】華北電力科學(xué)研究院有限責(zé)任公司, 國家電網(wǎng)公司, 南京工程學(xué)院, 北京博望華科科技有限公司