[发明专利]一种基于状态参数的凝结水泵故障预警方法

权利要求书

1.一种基于状态参数的凝结水泵故障预警方法，其特征在于，该方法包括以下步骤：

1)采集SCADA系统中的运行数据，获取表征凝结水泵系统状态参数的训练数据和测试数据；

2)结合LS-SVR与多元回归，建立基于LS-SVR的凝结水泵多元状态回归模型；基于LS-SVR的凝结水泵多元状态回归模型为六层网络结构，包括数据层、映射层、特征层、模型层、反馈层和输出层，其中，模型层包括选取LS-SVR高斯核函数的尺度参数及选取回归函数中的惩罚因子和不敏感损失参数；

3)利用基于LS-SVR的凝结水泵多元状态回归模型对凝结水泵系统状态参数进行拟合，获取凝结水泵系统各个状态参数的回归值；

4)求取回归值与实际值的残差，并设置随残差变化的动态阈值，建立状态参数的动态预警带；动态阈值的获取过程为：

设置滑动窗口对动态阈值进行计算，并利用置信区间的残差平方根作为该滑动窗口的残差估计函数，动态阈值J的表达式为：

J＝μ±1.96σ²

式中，μ为滑动窗口残差序列的均值，σ为滑动窗口残差序列的方差；

5)动态预警带对凝结水泵状态的初步预警进行判断，若判断为异常状态，则发送预警信号至运行端，完成状态参数的初级异常预警，否则，进行下一轮检测；

6)运行端对预警信号进行审核，若审核通过，则生成状态检修单，发布检修命令至运维端，若审核未通过，则持续跟踪检查。

2.根据权利要求1所述的一种基于状态参数的凝结水泵故障预警方法，其特征在于，采用交叉验证选取高斯核的尺度参数，具体步骤包括：

1)随机将训练数据分为N份；

2)随机选取一份训练数据作为测试集，将剩余N-1份数据作为训练集；

3)对参数选取不同的值进行训练和测试，将最接近实际值的回归结果所对应的参数值保存，作为最优的尺度参数。

3.根据权利要求2所述的一种基于状态参数的凝结水泵故障预警方法，其特征在于，选取回归函数中的惩罚因子的内容为：

回归函数f(x)的表达式为：

式中，K(x_i,x)为支持向量机的高斯核函数，C为惩罚因子，λ_i为拉格朗日算子，l为训练数据的样本数；

由于高斯核函数的表达式为：

式中，β为高斯核函数的尺度参数，x_i为某一样本点，x为核函数中心点；

则惩罚因子C选择为：

4.根据权利要求3所述的一种基于状态参数的凝结水泵故障预警方法，其特征在于，不敏感损失参数的获取过程包括：

1)根据获取的高斯核函数的尺度参数和惩罚因子，初步选取不敏感损失参数为ε₀，对训练集进行训练，获取估计函数；

2)采用二次训练的方法，根据估计函数和训练数据计算回归误差的标准差γ；

3)根据回归误差的标准差计算不敏感损失参数：

ε＝γ*υ

式中，υ为比例系数，其值选取1.65或1.95。

5.根据权利要求3所述的一种基于状态参数的凝结水泵故障预警方法，其特征在于，惩罚因子C选取为C＝10max(|f(x)|)。

6.根据权利要求1所述的一种基于状态参数的凝结水泵故障预警方法，其特征在于，步骤5)中，采用滑动窗口残差序列的残差均方根r_RMS对凝结水泵状态的初步预警进行判断，当r_RMS＜J时，参数正常，当r_RMS＞J时，参数异常，残差均方根r_RMS的计算公式为：

式中，n为滑动窗口的残差数量，r_i为残差序列中的某个残差。

7.根据权利要求1所述的一种基于状态参数的凝结水泵故障预警方法，其特征在于，采用标准误差估计S来衡量回归值与实际值之间的差异，其表达式为：

式中，y为回应变量的实际值，为回应变量的估计值，m为预测变量的个数，p为测试数据的样本数。

8.根据权利要求7所述的一种基于状态参数的凝结水泵故障预警方法，其特征在于，采用决定系数R²来衡量模型获取的回归线预测变量和回应变量之间的拟合程度，其表达式为：

式中，为回应变量实际值的均值。