基于DTW技术的电站故障诊断.pdf

《基于DTW技术的电站故障诊断.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第52卷第1期汽轮机技术V01．52No．12010年2月TURBINETECHNOLOGYFeb．2010基于DTW技术的电站故障诊断段岩峰，于霄，于达仁(哈尔滨工业大学，哈尔滨150001)摘要：传统的基于Euclidean距离的相似搜索无法处理电站DAS信号之间存在相位差的问题。基于DTW距离的相似搜索可有效地解决上述问题，提高DAS序列数据的分类精度。通过两个实际应用案例，验证了DTW技术在电站故障诊断中的有效性。关键词：DTW；相似搜索；电站；故障诊断分类号：TP277文献标识码：A文章编号：100

2、1-5884(2010)01-0057-04PowerPlantFaultDiagnosisBasedonDDUANYan．feng．YUXiao．YUDa．ren(HarbinInstituteofTechnology，Harbin150001，China)Abstract：TheclassicalsimilaritysearchmethodwhichisbasedonEuclideandistancecannotdealwithphasediference，whichisubiquitousbetween

3、DASsignalsinpowerplants．BasedOilDTWdistance，similaritysearchcanovercometheobstacleandincreasetheclassificationaccumcyofdatasequencesinDAS．TwocasesareusedtoverifytheeffectivenessofDTWinpowerplantfaultdiagnosis．Keywords：DTW；similaritysearch；powerplant；faultdi

4、agnosis0前言1DTW算法原理随着数据采集系统(DAS)在电站中的广泛应用，大量的DTW距离可以度量等长或非等长序列问的相似性，考过程数据可以被采集并长期存储起来，使得基于数据分析的虑到DAS系统一般均为同步采样，同一时段内序列长度相故障诊断方法得到了迅速发展J。DAS数据均为时态数据，等，即使对于非等长序列，也可通过插值重采样的方法使序其中绝大部分是由模拟量或开关量组成的时间序列。自列长度一致。因此，为简便起见，在本文分析中假设DAS系1993年Agrawal等人发表了时间序列相似搜索的研究论文统中数

5、据序列长度一致。后，相关研究在金融、医学、生物、网络等领域逐步展设有长度为It的时间序列Q和C，开，在电站故障诊断中，时间序列相似搜索也得到了一Q=ql，q2，⋯，q，⋯，q，C=。I，C2，‘一，Cl，⋯，cn。定的应用曲。则这两个序列的Euclidean距离为：大多数时间序列相似搜索算法采用Euclidean距离及其r———————一扩展作为相似性测度，但Euclidean距离存在一定的局限，无DEvc(Q，c)=^／∑(g。)法处理存在相位差的序列集。此处相位差是指两个序列中为了计算这两个序列的DTW距

6、离，构造一个n维矩阵，变化相似的部分，在时间轴上没有对齐。由于电站存在物理其中元素(i√)的值为：和化学过程滞后，导致很多变化趋势相同的DAS测点之间d(i√)=(q—cj)。存在相位差，给基于Euclidean距离的相似搜索带来了障碍。矩阵中从(1，1)开始到(n，n)结束的连续元素的组合称为规为解决这一问题，动态时间弯曲(DTW)距离被引入时间序列整路径。若某一条规整路径上的元素之和在所有路径中相似搜索中。DTW技术最早应用于自动语音识别领域。用为最小，那么这个最小值即为Q和C的DTW距离。设的来处理不同

7、语速给语音识别带来的影响。采用DTW距离作第k个元素为W(k)=(i√)，则Q和C的DTW距离为：为相似性测度可以克服时问序列之间的相位差问题』。——一本文根据电站DAS数据的特点，把DTW技术引入到电(Q，c)=mi“√d((k))站故障诊断中，研究了DTW技术在典型时间序列数据集中其中，是的长度，≤≤2n一1。的分类效果，提出了基于DTW技术的电站故障诊断方法，并计算Euclidean距离时，是两个序列对应元素之问进行在实践中得到了廊用匹配，而计算DTW距离是通过动态规划算法寻求两个序列收稿日期：2009

8、-08-20作者简介：段岩峰(1980．)，男，博士研究生，从事汽轮机调节及故障诊断研究。58汽轮机技术第52卷的最佳匹配，使得各匹配元素对的距离之和最小，如图1所示。2基于DTW技术的电站故障诊断因为DTW技术具有优越性，把基于DTW距离的相似搜索应用于电站故障诊断，其基本思想为：故障信息会反映在很多DAS测点的变化上，并且这些测点之间具有相似的变化趋势；在故障发生时段选取某测点为故障特征信号，采