基于局部离群因子和神经网络模型的设备状态在线监测方法研究

摘要：

核电厂重大设备状态在线监测是保障核电厂安全和经济运行的重要技术,针对传统阈值监测的固有缺陷,提出一种基于局部离群因子(LOF)和神经网络模型的设备状态在线监测方法.此方法属于多参数动态阈值监测方法,首先分析监测对象的故障模式和故障现象,选择一组可覆盖故障现象的传感器测点;根据设备运行特点采集足够长时间的历史运行数据,筛除异常数据;计算历史运行数据的LOF,以历史运行数据为输入、LOF为输出,建立并训练得到神经网络模型;最后基于神经网络模型和传感器测点实时数据计算设备健康指数,监控当前设备健康状态.将本文的监测方法用于循环水泵泵体健康状态的监测,并采集了一段时间的正常数据和异常数据以验证其监测效果,验证结果表明,本文提出的监测方法可以提前10 d进行预警,降低误报率,大幅提升监控效能.

关键词：核电设备、智能监测、局部离群因子(LOF)、神经网络

所属期刊栏目：42

分类号：TL113(基础理论)

在线出版日期：2021-07-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：160-165