[发明专利]火电机组主汽温度数据的特征选择方法、系统及设备

权利要求书

1.一种火电机组主汽温度数据的特征选择方法，其特征在于，包括：

采集火电机组的无标签数据并生成所述无标签数据对应的掩码矩阵；

将所述无标签数据和所述掩码矩阵输入编码器，生成信息表征层；

将所述信息表征层输入第一解码器，得到定位损失函数，以及，将所述信息表征层输入第二解码器，得到重构损失函数；

根据所述定位损失函数和所述重构损失函数得到总损失函数，并根据所述总损失函数进行反向梯度迭代训练所述编码器、所述第一解码器和所述第二解码器，固定所述编码器、所述第一解码器和所述第二解码器的参数；

采集所述火电机组的有标签数据输入所述编码器，将所述编码器的输出数据输入所述第一解码器和所述第二解码器，得到批量数据；

将所述批量数据输入注意力特征提取网络，得到所述有标签数据上每个特征的重要性评分，以及，将每个所述特征与重要性权重相乘，得到加权特征；

根据所述重要性评分和所述加权特征进行下游分类或回归任务，通过反向梯度迭代训练所述注意力特征提取网络和评估网络，当满足迭代停止条件时，输出特征选择结果。

2.根据权利要求1所述的方法，其特征在于,所述定位损失函数为

所述重构损失函数为其中，d为特征维度，S_m为所述第一解码器，E为所述编码器，为经掩码矩阵处理后的无标签数据，m为掩码向量，S_r为所述第二解码器。

3.根据权利要求2所述的方法，其特征在于,所述总损失函数为其中，标签数据服从分布p_x,掩码矩阵服从分布p_m，为掩码矩阵生成器，m为原始掩码矩阵，为定位网络预测的掩码矩阵，x为原始标签数据，为复原网络预测的复原数据，α平衡参数用于调节两个网络的平衡。

4.根据权利要求1所述的方法，其特征在于,所述采集所述火电机组的有标签数据输入所述编码器，将所述编码器的输出数据输入所述第一解码器和所述第二解码器，得到批量数据的步骤，包括：

将所述编码器的输出数据分别输入所述第一解码器和所述第二解码器，剔除噪音数据以及还原原始数据后，得到解码数据；

将所述解码数据进行非线性变换映射，得到所述批量数据。

5.根据权利要求1所述的方法，其特征在于,所述将所述批量数据输入注意力特征提取网络，得到所述有标签数据上每个特征的重要性评分的步骤，包括：

将所述批量数据输入所述注意力特征提取网络，根据预设条件提取所述批量数据中的多个特征，并对全部所述特征进行平均处理，得到批量原始评分；

对所述批量原始评分进行归一化处理，得到每个所述特征的重要性评分。

6.根据权利要求1所述的方法，其特征在于,所述迭代停止条件包括最大迭代次数或迭代后损失函数阈值中的任一种。

7.一种火电机组主汽温度数据的特征选择系统，其特征在于，包括：

第一采集模块，用于采集火电机组的无标签数据并生成所述无标签数据对应的掩码矩阵；

第一输入模块，用于将所述无标签数据和所述掩码矩阵输入编码器，生成信息表征层；

第二输入模块，用于将所述信息表征层输入第一解码器，得到定位损失函数，以及，将所述信息表征层输入第二解码器，得到重构损失函数；

第一训练模块，用于根据所述定位损失函数和所述重构损失函数得到总损失函数，并根据所述总损失函数进行反向梯度迭代训练所述编码器、所述第一解码器和所述第二解码器，固定所述编码器、所述第一解码器和所述第二解码器的参数；

第二采集模块，用于采集所述火电机组的有标签数据输入所述编码器，将所述编码器的输出数据输入所述第一解码器和所述第二解码器，得到批量数据；

评分模块，用于将所述批量数据输入注意力特征提取网络，得到所述有标签数据上每个特征的重要性评分，以及，将每个所述特征与重要性权重相乘，得到加权特征；

第二训练模块，用于根据所述重要性评分和所述加权特征进行下游分类或回归任务，通过反向梯度迭代训练所述注意力特征提取网络和评估网络，当满足迭代停止条件时，输出特征选择结果。

8.一种电子设备，其特征在于，所述电子设备包括：

至少一个处理器；以及，

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行前述权利要求1-6中任一项所述的火电机组主汽温度数据的特征选择方法。