基于数据驱动的长期加电设备健康状态实时异常检测方法

摘要

本发明公开了一种基于数据驱动的长期加电设备健康状态实时异常检测方法，该方法包括如下步骤：步骤一：对长期加电设备采集到的加电设备数据，进行数据处理得到观测数据，将观测数据进行转换或增强处理，得到有效测量数据；步骤二：对步骤一中的有效测量数据进行降维处理得到降维处理后的数据，对降维处理后的数据采用随机森林模型和相关性分析选取重要变量；步骤三：根据步骤二筛选得到的重要变量通过时域特征提取以及频域特征提取得到寿命特征；对寿命特征进行平滑处理得到加电设备寿命特征；步骤四：根据步骤三中的加电设备寿命特征，采用基于多变量聚类与主成分分析的故障趋势预测算法得到故障因子；步骤五：根据步骤三计算得到的加电设备寿命特征,建立故障预测模型。本发明提高了预测准确性和模型的鲁棒性。