[发明专利]基于VMD-AR-LightGBM的燃气轮机控制系统分层故障诊断方法

说明书

本发明提供一种基于VMD‑AR‑LightGBM的燃气轮机控制系统分层故障诊断方法，涉及火电厂故障诊断技术领域。该方法包括：从数据采集系统获取原始故障样本信号，进行数据预处理，形成初始数据集；对初始数据集进行VMD‑AR建模，获得用于表征故障的故障特征向量；根据故障的不同层级特点和故障类型设计多个LightGBM分类模型，形成分层故障诊断模型；使用贝叶斯优化算法对分层故障诊断模型的超参数进行优化，并将待识别信号输入故障诊断模型中，以得到诊断结果，从而实现燃气轮机控制系统回路故障诊断。通过对燃机控制系统进行分层故障诊断，有效地提高故障识别率，为燃气轮机控制系统回路故障诊断提供了重要的决策支持。

技术领域

本发明涉及火电厂故障诊断技术领域，具体涉及一种基于VMD-AR-LightGBM的燃气轮机控制系统分层故障诊断方法。

背景技术

随着燃气轮机及其联合循环技术的日臻成熟，世界范围内天然气资源的开发及人类环保意识的增强，燃气轮机发电不仅用作紧急备用电源和尖峰负荷，还作为清洁能源、分布式能源和基本负荷向电网输送电力。时至今日，燃气轮机依然在发电领域不断成长和迅猛发展。

燃气轮机控制系统是由大量的零部件按一定的方式、功能和要求集合而成的复杂非线性动态系统，当对其进行故障诊断，特别是用机器学习算法进行故障诊断时，如果仅用一个模型，将会出现网络规模庞大、学习训练时间过长和易出现知识“组合爆炸”而导致网络组织失败、匹配时间长等问题，不能满足系统故障诊断实际工作要求，且不利于系统学习新的知识及对网络结构的维护。

发明内容

本发明的目的在于，针对上述现有技术的不足，提供一种基于VMD-AR-LightGBM的燃气轮机控制系统分层故障诊断方法，以解决燃气轮机控制系统的故障诊断问题。

为实现上述目的，本发明采用的技术方案如下：

本发明提供了一种基于VMD-AR-LightGBM的燃气轮机控制系统分层故障诊断方法，该方法包括：

从数据采集系统获取燃气轮机控制系统的原始故障样本信号，并且进行数据预处理，以形成初始数据集；

对初始数据集进行VMD-AR建模，以获得用于表征故障的故障特征向量，故障特征向量包括训练集和测试集；

根据故障的不同层级特点和故障类型设计多个LightGBM分类模型，以形成分层故障诊断模型，分层故障诊断模型通过训练集来训练；

使用贝叶斯优化算法对分层故障诊断模型的超参数进行优化，并将测试集中的待识别信号输入分层故障诊断模型中，以得到诊断结果，从而实现燃气轮机控制系统回路故障诊断。

可选地，数据预处理操作包括剔除冗余样本操作、去除异常样本操作以及数据归一化操作。

可选地，对初始数据集进行VMD-AR建模，以获得用于表征故障的故障特征向量，包括：

利用VMD将初始数据集中的信号分解为具有有限带宽的模态分量集；

对模态分量集中的所有模态分量进行AR建模，并采用最小信息量准则来对AR模型阶次进行判断；

由判断辨识得到的AR模型参数构成故障信号的特征向量；

基于主元分析从所有故障信号的特征向量中提取故障特征，并将所提取的故障特征作为最终的故障特征向量。

可选地，利用VMD将初始数据集中的信号按如下式(1)分解为具有有限带宽的模态分量集：

其中δ(t)代表单位脉冲数；t表示时间，ω_k为信号的中心频率；s_k(t)为燃机控制系统故障信号x(t)的第k个模态时域信号；ρ_t表示对函数进行求偏导；m表示模态分量集的总数。