抽水蓄能机组轴系健康性能趋势区间预测的方法及装置.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115081304A(43)申请公布日2022.09.20(21)申请号202210165874.7G06Q10/06(2012.01)(22)申请日2022.02.21G06F111/06(2020.01)G06F119/02(2020.01)(71)申请人中国船舶重工集团公司第七一九研G06F119/14(2020.01)究所G06F111/04(2020.01)地址430064湖北省武汉市江夏区藏龙岛开发区杨桥湖大道19号(72)发明人单亚辉王浩刘志宏张星吴根平刘佳玥(74)专利代理机构北京理工大学专利中心11120专利代理师温子云李爱英(51)Int.Cl.G06F30/27(2020.01)G06N3/00(2006.01)G06N20/00(2019.01)权利要求书5页说明书15页附图9页(54)发明名称抽水蓄能机组轴系健康性能趋势区间预测的方法及装置(57)摘要本发明公开了一种抽水蓄能机组轴系健康性能趋势区间预测的方法及装置，能够解决现有技术未能充分考虑机组运行工况受水力‑机械‑电磁耦合因素的影响的技术问题。所述方法包括：构建抽水蓄能机组标准健康状态模型；基于抽水蓄能机组的在线监测数据，确定抽水蓄能机组的轴系不同部位的健康性能指标序列；进而获取轴系综合健康性能指标序列；构建基于多目标优化的核极限学习机(KELM)模型的轴系健康性能趋势预测模型；选轴系综合健康性能指标序列的前s个数据训练所述轴系健康性能趋势预测模型；基于轴系综合健康性能指标序列IHI中去除前s个数据后剩余的数据构建输入矩阵并代入训练好的所述轴系健康性能趋势预测模型，获取轴系的健康性能趋势区间。CN115081304ACN115081304A权利要求书1/5页1.一种抽水蓄能机组轴系健康性能趋势区间预测的方法，其特征在于，包括：步骤S1：获取所述抽水蓄能机组在不同工况下的状态监测数据，基于所述状态监测数据确定影响抽水蓄能机组设备状态的关键监测数据为工作水头、有功功率和导叶开度；获取状态监测数据中的机组振动和摆度；步骤S2：基于所述抽水蓄能机组在不同工况下的监测数据建立基于高斯过程回归的抽水蓄能机组标准健康状态模型；所述抽水蓄能机组标准健康状态模型为：F(t)＝f(H(t),P(t),G(t))；其中，H(t)为机组工作水头的监测数据，P(t)为机组有功功率的监测数据，G(t)为机组导叶开度的监测数据，f为高斯过程回归函数，F(t)为机组振动或摆度数据；t为机组状态监测时刻；步骤S3：获取所述抽水蓄能机组的在线监测数据，设置多个采样时间点，获取各个采样时间点对应的所述抽水蓄能机组的在线监测值Vnum；从所述在线监测数据中提取各个采样时间点对应的工作水头Hnum、有功功率Pnum、导叶开度Gnum，1≤num≤tnum，tnum为采样时间点个数，num为采样时间点序号；将各个采样时间点对应的工作水头Hnum、有功功率Pnum、导叶开度Gnum输入所述抽水蓄能机组标准健康状态模型，获取各个采样时间点对应的所述抽水蓄能机组设备运行标准值Fnum；计算各个采样时间点对应的轴系不同部位的健康性能指标值HPInum，所述健康性能指标值HPInum的计算公式为：单个部位的HPInum按时间排序形成一个数组，各个轴系不同部位的HPInum形成一个矩阵，记为其中，p表示行数，即部位数；q表示每一行中健康性能指标值的个数；将各个轴系不同部位的健康性能指标值HPInum按时间顺序排列，得到所述抽水蓄能机组的轴系不同部位的健康性能指标序列；步骤S4：对所述抽水蓄能机组的轴系不同部位的健康性能指标序列进行归一化处理，得到归一化后的指标矩阵步骤S5：计算归一化后的指标矩阵Z中的每一行的信息熵值及相应的权重将所述归一化后的指标矩阵Z中的每一行与相应的权重相乘，然后将每一行健康性能指标值2CN115081304A权利要求书2/5页叠加得到轴系综合健康性能指标序列IHI，IHI＝[IHI1,IHI2,…,IHIn]；其中，IHI为向量，信息熵值和权重也是向量；步骤S6：构建轴系健康性能趋势预测模型，所述轴系健康性能趋势预测模型为基于多目标优化的核极限学习机(KELM)模型，采用的核函数为RBF核函数；所述轴系健康性能趋势预测模型的区间宽度控制系数、核极限学习机KELM的正则化系数和核函数参数是待优化的参数，所述区间宽度控制系数用于构造可变的预测区间，基于所述区间宽度控制系数能够确定所述预测区间的边界；所述正则化系数C决定KELM模型的稳定性，所述核函数参数γ控制核函数的宽度；步骤S7：选取轴系综合健康性能指标序列IHI的前s个数据构建轴系健康性能趋势预测模型的输入矩阵和相应的输出矩阵，并进行数据归一化处理，使用归一化后的