基于AHC-GP混合模型的火电机组报警数据过滤方法

摘要

针对火电机组设备工况复杂、报警系统效率低下及“报警泛滥”现象频发等问题,提出了基于AHC-GP混合模型的火电机组报警数据过滤方法,消除冗余性报警。首先,采用近邻传播算法(AP)结合类间类内划分指标(BWP)确定最佳聚类数目,再使用凝聚式层次聚类算法(AHC)进行聚类,区分各类复杂工况。其次,利用高斯过程模型(GP)结合后验报警概率估计值实现机组冗余性报警数据的准确过滤。最后,采用某电厂1 000 MW机组在3种典型故障下的实际主蒸汽温度、主蒸汽压力等报警数据作为实验数据集,验证所提方法有效性。结果表明:AHC-GP混合模型相较于单一高斯过程模型,冗余性报警数据的过滤准确率提高了10.7%,误判率降低了50.1%,证明了模型的有效性;与支持向量机和梯度提升决策树等成熟算法相比,漏检率、误判率均较低,具有良好的报警数据过滤性能,可准确定位冗余性报警数据,减少“报警泛滥”问题的发生。