[发明专利]轴温异常状态的预测方法和装置

权利要求书

1.一种轴温异常状态的预测方法，其特征在于，包括：

判断发电机组的当前轴温是否处于异常状态；

若判断结果为处于正常状态，则根据第一概率分布函数和预设的第一概率，获取异常状态的时间间隔的预测结果；

获取轴温上一次异常状态的进入时刻，根据所述上一次进入异常状态的时刻和所述异常状态的时间间隔的预测结果，获取轴温下一次异常状态的进入时刻的预测结果；

其中，所述第一概率分布函数是根据历史轴温数据获得的；异常状态的时间间隔，为轴温相邻两次异常状态的进入时刻之间的时间间隔；所述第一概率分布函数，为异常状态的时间间隔的概率分布函数；

所述判断发电机组的当前轴温是否处于异常状态之后还包括：

若判断结果为处于异常状态，则根据第二概率分布函数和预设的第二概率，获取本次异常状态的持续时间的预测结果；

其中，所述第二概率分布函数是根据所述历史轴温数据获得的；异常状态的持续时间，为每次异常状态的进入时刻和退出时刻之间的时间间隔；所述第二概率分布函数，为异常状态的持续时间的概率分布函数。

2.根据权利要求1所述的轴温异常状态的预测方法，其特征在于，获取本次异常状态的持续时间的预测结果之后还包括：

根据本次异常状态的持续时间的预测结果和所述发电机组的输出功率减少量，获取所述发电机组本次损失的发电量的预测结果。

3.根据权利要求1或2所述的轴温异常状态的预测方法，其特征在于，获取所述第一概率分布函数的具体步骤包括：

对所述历史轴温数据进行拟合，确定多元分布滞后模型中的系数，获取多元分布滞后预测模型；

根据多元分布滞后预测模型，获取预测轴温序列；

根据所述预测轴温序列，获取预测轴温相邻两次状态变化的发生时刻之间的时间间隔，组成时间间隔序列；

根据所述时间间隔序列，获取所述时间间隔序列的概率密度函数；

根据所述时间间隔序列的概率密度函数，获取所述时间间隔序列的概率分布函数，作为所述第一概率分布函数。

4.根据权利要求3所述的轴温异常状态的预测方法，其特征在于，获取所述第二概率分布函数的具体步骤包括：

根据所述预测轴温序列，获取预测轴温每次异常状态的持续时间，组成持续时间序列；

根据所述持续时间序列，获取所述持续时间序列的概率密度函数；

根据所述持续时间序列的概率密度函数，获取所述持续时间序列的概率分布函数，作为所述第二概率分布函数。

5.根据权利要求1所述的轴温异常状态的预测方法，其特征在于，判断发电机组的当前轴温是否处于异常状态之前还包括：

获取所述当前轴温。

6.一种轴温异常状态的预测装置，其特征在于，包括：

状态判断模块，用于判断发电机组的当前轴温是否处于异常状态；

第一预测模块，用于若判断结果为处于正常状态，则根据第一概率分布函数和预设的第一概率，获取异常状态的时间间隔的预测结果；

第二预测模块，用于获取轴温上一次异常状态的进入时刻，根据所述上一次进入异常状态的时刻和所述异常状态的时间间隔的预测结果，获取轴温下一次异常状态的进入时刻的预测结果；

第三预测模块，用于若判断结果为处于异常状态，则根据第二概率分布函数和预设的第二概率，获取本次异常状态的持续时间的预测结果以及本次损失的发电量的预测结果；

其中，所述第一概率分布函数是根据历史轴温数据获得的；异常状态的时间间隔，为轴温相邻两次异常状态的进入时刻之间的时间间隔；所述第一概率分布函数，为异常状态的时间间隔的概率分布函数；

其中，所述第二概率分布函数是根据所述历史轴温数据获得的；异常状态的持续时间，为每次异常状态的进入时刻和退出时刻之间的时间间隔；所述第二概率分布函数，为异常状态的持续时间的概率分布函数。