[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

说明书

本公开实施例中提供了一种机组主汽温度数据的特征选择方法、系统及设备，属于数据处理技术领域，具体包括：采集火电机组的无标签数据并生成无标签数据对应的掩码矩阵；将无标签数据和掩码矩阵输入编码器，生成信息表征层；将信息表征层输入第一、第二解码器，得到定位损失函数和重构损失函数；固定编码器、第一解码器和第二解码器的参数；得到批量数据；得到有标签数据上每个特征的重要性评分以及加权特征；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注意力特征提取网络和评估网络，输出特征选择结果。通过本公开的方案，通过自监督预训练和批量注意力机制，提高了特征选择的效率、精准度、安全性和适应性。

技术领域

本公开实施例涉及数据处理技术领域，尤其涉及一种火电机组主汽温度数据的特征选择方法、系统及设备。

背景技术

目前，燃煤设备运行的过程监测较为成熟，已经积累了大容量的工业大数据。采集了设备物联数据、生产经营数据和外部数据，包含不同尺度数据，涵盖了电厂生产的全流程。这些设备和系统的规划运行数据构成了当下火电能源大数据的基础。能源大数据中蕴含着丰富的相关关系和因果关系,如何利用大数据技术,深层挖掘火电大数据中的相关关系和因果关系,解决火电系统中遇到的实际问题,是重要且有挑战性的课题。

在传统的火电运行模式中:运行专家利用典型的运行方式,对火电机组进行建模与安全稳定分析,依据少量的仿真样本寻找描述和影响机组安全的关键特征,并结合人工经验离线制定运行规则,包括通过敏感性分析判断筛选出对机组模型产生实质性影响的特征。然而,传统的运行模式已经无法适应火电大数据系统的发展趋势:①依赖专家经验、时效性差；②不安全,基于典型运行方式制定运行规则,无法适应复杂多变的在线运行方式,存在安全隐患；③不经济,为保证火电机组运行的安全性,运行规则相对保守、粗放,缺乏量化、精益化管控,经济性差。综上所述,亟需开发适应新形势的控制优化模式和安全评估平台。

可见，亟需一种高效精准、安全性和适应性高的火电机组主汽温度数据的特征选择方法。

发明内容

有鉴于此，本公开实施例提供一种电机组主汽温度数据的特征选择方法、系统及设备，至少部分解决现有技术中存在处理效率、精准度、安全性和适应性较差的问题。

第一方面，本公开实施例提供了一种火电机组主汽温度数据的特征选择方法，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。

根据本公开实施例的一种具体实现方式，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。