基于指数平滑的电站设备故障时间序列预测研究

《基于指数平滑的电站设备故障时间序列预测研究》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、基于指数平滑的电站设备故障时间序列预测研究　　摘要：发电站正常高效运行是社会发展和人民生活中一个非常重要的基础保障工作。利用数据预测技术对电站设备故障的趋势进行预测分析，发现隐藏在数据中的有用信息，有助于管理者制定更加有效的电站管理策略以及进行工作的改革和创新。根据某发电集团设备故障的统计报告，利用指数平滑的时间序列预测方法对电站设备故障的趋势进行预测。实验结果合理，对设备故障的其他研究具有一定的借鉴意义。　　关键词：电站；设备故障；时间序列；指数平滑　　中图分类号：TP311文献标识码：A文章编号：10

2、09-3044（2016）26-0243-03　　ResearchontheTimeSeriesPredictionofPowerPlants'EquipmentFaultswithExponentialSmoothingMethod　　WANGShuang，ZHAOHui-yang　　（SchoolofInformationEngineering，XuchangUniversity，Xuchang461000，China）　　Abstract：Itisanimportantbasicsecuritywo

3、rkforsocialdevelopmentandpeople'slifethatpowerplantscanrunnormallyandefficiently.Ifweusedatapredictiontechniquestoanalyzethetrendofpowerplants'equipmentfaults，theusefulinformationhiddeninthedatawillbefound.Itishelpfulformanagersto5establishamoreeffectivem

4、anagementstrategyofpowerplantandcarryoutthereformandinnovation.Accordingtotheequipmentfaultstatisticsreportofacertainpowergroup，thepaperusesamethodoftimeseriespredictionnamedexponentialsmoothingtopredictthetrendofpowerplants'equipmentfaults.Theresultofexp

5、erimentsisreasonableandcanbeareferenceforotherstudiesonequipmentfaults.　　Keywords：PowerPlants；EquipmentFaults；TimeSeries；LinearRegression　　1引言5　　根据麦肯锡（McKinsey）2011年5月发布的《大数据：创新、竞争和生产力的下一个新领域》报告，数据已经渗透到每一个行业和业务职能领域，逐渐成为重要的生产因素。数据挖掘能够从大量的数据中通过算法发现隐藏于其中的信息，

6、并已经成功应用于电子商务、银行、医药、气象等众多领域。近年来，数据挖掘在电力领域的研究也受到了较多的关注。文献[1-3]研究了分类和聚类算法在电力客户分类及电力负荷分类方面的应用。文献[4-9]研究了数据预测算法在电力负荷预测、风电功率预测、电价预测、风力预测、风速预测等方面中的应用。文献[10-13]研究了关联规则算法在电力负荷、电网脆弱性、电站凝汽器等方面的应用。本文基于大量的设备故障历史统计数据，运用指数平滑的时间序列预测方法对设备故障的发展趋势进行预测，从而为电站的运行维护、设备检修管理提供决策支

7、持。2013年电力行业信息化年会的与会专家一致认为：电力大数据的信息挖掘和利用将给电力企业带来新一轮商业模式转变和价值创新。　　2数据描述　　研究所基于的数据来自中国某大型发电集团从2008年到2014年的设备运行故障月度报告。报告有word和pdf两种格式，每份报告的主要内容有设备运行故障的统计概况、具体案例描述。经过数据整理后形成了设备运行异常情况表，具体内容如表1所示。　　由于数据条目较多，在此仅列出每张表的少数几条数据。对于文字内容描述较多的字段，仅列出了一条较为完整的数据来说明问题，其他条目的内

8、容用“略”来代替。表1中的的类别1到类别4是从粗到细分别描述了设备故障的类别，每条样本数据展现了不同类别的故障在特定时间所发生的项数和具体的原因描述。　　由于数据条目较多，在此仅列出每张表的少数几条数据。对于文字内容描述较多的字段，仅列出了一条较为完整的数据来说明问题，其他条目的内容用“略”来代替。表1中的的类别1到类别4是从粗到细分别描述了设备故障的类别，每条样本数据展现了不同类别的故障在特定时间所发生的项数和具体的原因描述