科研之友
微信
新浪微博
Facebook
分享链接
摘要
多元状态估计技术(MSET)通过记忆矩阵中正常运行状态的数据进行相似性建模,被广泛地应用于电站设备的故障预警中。记忆矩阵所包含的数据样本特性是否完备,直接决定了MSET模型的预测精度和预警的正确性。提出了一种包含典型工况特性的记忆矩阵选取方法,考虑样本分布的空间大小、样本分布的均匀程度以及冗余程度,构造记忆矩阵的评价指标。在此基础上,从历史运行数据中选取具有较大工况特性的记忆矩阵。同时,对不同记忆矩阵样本选取方法下模型的预警效果进行了对比验证。验证结果表明,该记忆矩阵样本选取方法,能够有效地选择具有较大工况特性的样本,使建立的MSET模型具有较高的精度,并能够实现对引风机故障的准确预警。
- 单位
