多元时序数据演化模糊分割算法研究及其在热工过程中的应用.pdf

摘要 摘要 火力发电是我国国民经济的支柱产业，也是促进经济健康快速发展的重要保障。因 此，针对发电机组设备热工过程状态监测的研究具有重要的价值与意义。在发电机组中 广泛使用的信息化系统，为长时间采集机组运行数据提供了良好的条件，为基于数据的 运行状态监测提供了新的技术手段。然而，由于这些数据具有非线性、强耦合性、大规 模及时变性等特性，给人工分析带来了巨大的困难，需要借助数据挖掘的相关理论及方 法开展深入研究，以达到对发电机组设备热工过程状态监测的目的。本文以典型发电机 组设备热工过程为研究对象，从多元时间序列数据分割的角度出发，提出一种基于核主 成分分析及演化理论的 Gath-Geva 聚类时序分割方法。主要内容如下： 1、针对发电机组设备热工过程数据所具有的非线性及强耦合特性，提出一种基于 核主成分分析法和 Gath-Geva 模糊聚类的多元时序分割算法，即 KPCA-GG 算法。根据 Gath-Geva 模糊聚类算法所得到的聚类结果，利用核主成分分析法提取类簇之间的非线 性特征并构造非线性分析模型，将类簇在该模型空间中的距离作为类簇相似性分析及合 并的标准，提高聚类分割算法对非线性数据的准确性，从而达到对该类数据状态监测的 目的。 2 、针对发电机组设备热工过程数据规模大以及时变特性，将演化聚类理论融入上 述 KPCA-GG 算法，提出一种可用于实时聚类的演化 KPCA-GG 分割算法。根据演化聚 类的理论框架，考虑上一时间段数据聚类模型与当前时间段数据聚类模型之间的差异， 把历史信息正则化项加入到 KPCA-GG 算法的目标函数建模中，从而将静态的 KPCA- GG 聚类分割算法扩展为动态的 KPCA-GG 聚类分割算法。所提出的新算法能够克服静 态算法只能分析单一时间段的缺点，实现了动态的聚类分析，实时得到分割结果，更好 地处理具有大数据量以及时变特性的非线性数据。 3、为了验证算法的有效性，利用本文提出的方法对“云南省水火电机组状态监测中 心数据采集与监控系统”中采集的数据进行研究。以高压加热器为代表设备进行状态监 测实验，并给出相应的实验图、实验数据及研究结果。旨在说明本文方法用于热工过程 设备状态监测的优点：适用于非线性数据的实时分割处理。 4 、利用 MATLAB 的图形用户界面化功能开发一套基于本文方法的数据分析工具。 该工具能够显示系统数据的处理过程，能够将算法的运行效果可视化并且有利于参数调 整。 关键词：多元时序分割法；热工过程；核主成分分析；演化聚类；状态监测 I Abstract Abstract The power industry has always been the pillar industry of our countrys national economy and an important guarantee for promoting the healthy and rapid development of the economy. Therefore, research on the monitoring of thermal process conditions of generator sets has important value and significance. With the universal application of the information system in the generator sets, it has good conditions for long-term acquisition of sets operating data. It also can provide new technical means for data- based operational condition monitoring. However, due to the nonlinearit