基于ica分析的发电机组过程监控与评估

基于ica分析的发电机组过程监控与评估

ID:23846917

大小:236.00 KB

页数:5页

时间:2018-11-11

基于ica分析的发电机组过程监控与评估_第1页
基于ica分析的发电机组过程监控与评估_第2页
基于ica分析的发电机组过程监控与评估_第3页
基于ica分析的发电机组过程监控与评估_第4页
基于ica分析的发电机组过程监控与评估_第5页
资源描述:

《基于ica分析的发电机组过程监控与评估》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、基于ICA分析的电厂机组过程监控与评估张曦1,朱亚清1,阎威武2(1.广东电网公司电力科学研究院广州510600;2.上海交通大学自动化系上海200240)摘要:提出了一种基于独立成份分析(IndependentComponentAnalysis,ICA)的电厂机组性能监测与评估新方法。首先通过独立主元分析算法计算数据的独立主元,然后进一步计算监控统计量和SPE来监测和评估系统的运行。若统计量超过控制限,则认为系统有故障发生。电厂机组故障数据仿真研究试验验证了该方法的有效性和合理性。关键词:独立主元分析;性能监测;性能评估;汽轮机中图分类号:V263.6文献标识码:APerformanc

2、eMonitoringandAssessmentofGeneratorBasedonIndependentComponentAnalysisXiZhang1,YaqingZhu1,XiaoqiangChen,Jialuo,FengliandWeiwuYan2(1.GuangdongElectricPowerResearchInstitute,Guangzhou,510600;2.DepartmentofAutomation,ShanghaiJiaotongUniversity,Shanghai,200240)Abstract:Anovelperformancemonitoringanda

3、ssenssmentmethodbasedonIndependentcomponentanalysis(ICA)isproposed.ThestatisticindexofandSPEiscalculatedtoperfommonitoringandassessment.Iftheindexexceedsthecontrollimit,afaultmayhaveoccurred.Applicationresultstothegenerator’sfaultdatasetprovedtheeffectivenessoftheproposedmethod.Keywords:Independe

4、ntcomponentanaysis(ICA),Performancemonitoring;Performanceassessment;Turbinegenerator1.引言汽轮发电机是电厂最重要的设备之一,,所以对机组进行状态监测和故障诊断具有非常重要的理论意义和实际应用价值。而统计性能监控的方法是根据正常工况的历史数据,使用数理统计理论建立统计监测和评估模型,用于在线的生产过程监控。目前广泛使用的统计性能监测方法主要有主元分析(PrincipalComponentAnalysis,PCA)和独立主元分析(IndependentComponentAnalysis,ICA)等方法,这两

5、种方法在化工过程中已经有了较深入的研究[1-5],但基于ICA的统计性能监控方法在电厂运行监测和评估中却没有进行应用的实例。针对以上情况,本文提出了一种基于独立主元分析的机组性能监测新方法。该方法通过计算过程数据的独立主元,从而进一步得到监控统计量和SPE统计量来监测系统的运行。若统计量超过控制限,则认为系统有故障发生,运行和维修人员可以根据监测结果及时排查故障发生的原因,消除安全隐患,从而确保机组的安全稳定运行。2.独立主元分析算法独立成份分析,又称独立主元分析(IndependentComponentAnalysis,ICA)[6,7]是近年来发展起来的一种新的统计信号处理方法,与传

6、统方法相比,ICA不仅去除了变量之间的相关性,而且还包含了它们之间的高阶统计特性。ICA方法得到的独立成分分量满足统计意义上的独立性,因此独立主元分析比传统的统计分析方法包含了更多的有用信息。ICA已在盲源信号分离、生物医学信号处理、混合语音信号分离方面得到了较多的应用[6]。最早提出ICA概念的是Jutten和Herault[8],认为ICA是从线性混合信号中恢复出基本源信号的方法[7]。假设有个观测变量,它们分别是个非高斯分布的独立成分变量5的线性组合。其中独立主元分析和测量变量都是已经归一化的数据,两者之间的关系为,(1)其中为维观测矢量;为维独立变量矢量;为观测噪声矢量。ICA的

7、目的就是要寻找一解混矩阵,使得可由观测变量得到相互独立的源变量,(2)其中为的估计矢量。当分离矩阵为的逆阵时,即是源变量的最佳估计。在本文中计算值我们采用Hyvärinen提出的FastICA算法,该算法的具体步骤如下:(1)随机选择权值向量初始值;(2)令;(3)令;(4)(5)如果不收敛,转到步骤2;否则,输出;(6)令,如果小于要保留的独立主元数目,则转向步骤1继续计算。在步骤2的计算中,通常取如下三种函数:(3)(4)(5)

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。