改进的证据K近邻异常工况检测及应用
大型火力发电系统复杂,诱发异常工况的因素多、难以检测,并且过程数据中故障案例少,有标签的故障样本不完备,难以建立有效的异常工况检测模型.针对这些问题,提出一种基于证据K近邻的异常工况检测方法.首先,基于斜坡系数完成对历史数据稳态工况的划分,便于建立工况模型;然后,基于工况数据的局部密度构建证据体,确定异常工况检测边界;在线应用时,过程数据的异常特性由证据体根据K近邻原则判定.所提方法在模型构建与应用时不需要完备的有标签样本,建模效率高,模型更新维护较为方便.案例分析表明,所提方法与主成分分析(PCA)、基于K近邻的故障诊断(FD-KNN)、证据K近邻(EKNN)方法相比具有较低的误报率和漏报率,具有较好的工程应用价值.
D-S证据理论、K近邻、过程监控、异常工况、火力发电
29
TP18(自动化基础理论)
国家自然科学基金;国家自然科学基金;山东省泰山学者项目
2022-06-30(万方平台首次上网日期,不代表论文的发表时间)
共7页
655-660,668