多元状态估计的记忆矩阵选取及风机故障预警方法

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.