关联数据挖掘的燃机通用异常检测算法研究分析报告.pptVIP

* * * * * 汇报人：李飞 先进动力技术研究所 2014年9月3日 关联数据挖掘的燃机通用异常检测算法研究 Associated data mining technic for general anomaly detection of gas turbine 一、算法应用背景 二、通用异常检测算法原理 三、燃机异常检测算法的应用分析 四、报警策略 提纲 一、算法应用背景 动力设备远程健康管理系统 核心：建设企业级远程数据中心、提供动力设备全面的知识服务和完善的健康监测系统。 数据支撑平台：搭建高效可靠的数据采集平台。在平台端通过接收传感器上的变送数据，监测机组的运行情况，并将数据传送到数据采集服务器上。 健康管理系统：实施全面的设备健康监测和分析，通过嵌入专业分析模块实现专业分析的相关功能，引入专家系统协助进行决策并通过评价系统进行自适应改善。 数据展示平台：将设备远程数据、高级应用层分析数据进行多元化展示。 设备通用异常检测是健康管理系统中最重要的应用之一 一、算法应用背景 多源模块的无缝嵌入 专业分析模块如设备通用异常检测、燃机排温异常检测、振动故障检测等模块均可以通过通用数据接口进行无缝嵌入，这些系统的开发可以在多元化的环境中进行，极大的方便了系统的二次开发。 由于设计、安装的缺陷以及长期运行引起的老化，设备的某些部件或者子系统在运行过程中难免会出现性能下降、甚至产生故障，从而导致整个系统性能下降、可靠性得不到保障。通用异常检测的目的就是通过远程监设备的状态参数、识别系统的状态和变化趋势，在设备自身发生故障报警前进行状态预警，以维护设备性能，大大减少重大事故发生的概率。 设备的大多数潜在故障对设备的正常运行有持续的影响，但设备自身的监测系统是无法发现设备性能的缓变现象！ 通过数据挖掘和理论分析将正常模式和异常模式进行有效区分 设备运行异常状况数据 二、通用异常检测原理 异常的分类： 点异常：测量值本应该在某一常值附近波动，但此时差生了较大偏离 线异常：测量值应该保持不变或者缓慢变化，但此时变化过快或者朝恶化的发现发展 面异常：一组测点的一段时间的输出构成了一个曲面，当系统发生异常时，各个参数之间的关联关系发生变化，从而导致曲面的形状发生了变化，由此检测异常。 构造最小超球划分点异常 滑动窗方法构造线异常识别模型 无论是点异常、线异常还是其他异常形式，异常检测的实质是寻找系统运行的常模式，并且采用相应的技术有效划分常模式和非常模式，将这种划分结果建议给领域专家，辅助进行决策。 二、通用异常检测原理 寻找正常模式——以燃机为例 定义：正常模式的定义为设备实际运行中频繁发生的模式 模式：对于实际运行的燃气轮机，燃机的各设备和组成部分是一个有机联系的整体，各部分之间存在很强的相互关系，这种相互之间的依赖关系即为模式。 压气机出口压力和功率 系统参数和单一工况变量间的相关性 二、通用异常检测原理 并非所有的变量都随工况有明显的变化趋势 对于不随工况变化的设备参数，异常检测选取其给定的报警阈值（固定阈值报警策略） 对于随工况变化的参数，在固定阈值报警的基础上采用动态偏差阈值的报警 二、通用异常检测原理 工况发生改变时，设备参数有一个合理的变化范围 当设备处于常模式的运行状况下，设备各个参数均存在一个固定的范围内波动，这个范围不随工况的改变而改变。 范围的获取方法： 基于统计理论的范围划分 数据结构分析等 专业资料，设备出厂参数 ………… 燃机参数在全工况运行内的变化范围 二、通用异常检测原理 工况发生改变时，设备参数有一个合理的变化范围 二、通用异常检测原理 设备参数还存在一个随工况变化的取值范围 为了更准确的进行异常检测，及时发现设备性能的微小变化，而这些变化受工况影响较大，因此需提取设备参数随着工况变化时的动态范围。 突出难点：找到各物理量的关联关系，进行多参数的关系表达。 各个参数之间一般存在强烈的非线性耦合，为了保证关联关系的鲁棒性，各个参数之间的线性关系也是重要考虑的规则之一。 异常和非异常的划分 发生异常就是由于样本点超出了偏差限，超限的原因是通过模型得到的修正值发生了很大偏差，可以说明此时运行异常。 二、通用异常检测原理 异常检测模型的获取方法——回归 三、燃机异常检测算法的应用分析 燃气系统（压气机后参数包括在内） 压气机后参数对燃气系统参数有重要的影响 三、燃机异常检测算法的应用分析 燃气系统 原则：以最少的参数找到最佳的关联模型 三、燃机异常检测算法的应用分析 滑油系统 燃气轮机滑油系统简图 三、燃机异常检测算法的应用分析 排气系统 三、燃机异常检测算法的应用分析 关联参数表 压气机后空气压力 空气进口