[发明专利]一种基于样本相似度加权的电站设备自适应建模方法

摘要

本发明提供一种基于样本相似度加权的电站设备自适应建模方法，属于数据驱动建模技术领域，包括以下步骤：1)建模变量选择；2)建模样本获取；3)建模样本权重分配；4)建模样本更新；5)设备自适应模型建立；根据前面的步骤得到建模样本及其权重后，利用机器学习算法建立设备特性模型。本发明基于样本相似度加权的电站设备自适应建模方法，以电站历史数据库中对象过程数据为主，结合对象现场试验数据，建立设备模型；根据建模样本的相似度将样本划分为不同的工况，根据时间为各工况内样本分配权重，剔除样本，兼顾建模样本的时效性和多样性，使得模型具有自学习能力，同时保证模型的适用范围广。

主权项

1.一种基于样本相似度加权的电站设备自适应建模方法，其特征在于：包括以下步骤：1)建模变量选择设备输出量的变化是由于输入条件发生变化或设备本身性能导致的，建立设备模型需要根据设备机理分析结果，同时结合现场测点条件，以能够反映设备性能的变量作为模型的输出变量，选择影响该输出变量的其他外部变量作为模型输入变量，以保证模型的完善性；2)建模样本获取建模样本的获取有两个来源，一是通过现场试验获取试验数据，二是从对象历史数据库中获取过程数据；从对象设备历史数据库中导出步骤1)中选出的变量数据作为建模样本，将试验数据也加入建模样本中，组成建模样本库D；式(I)中：i＝1…N，j＝1…K，xⁱ代表步骤1)中选出的建模输入变量，y^j代表步骤1)中选出的建模输出变量；3)建模样本权重分配根据步骤2)得到建模样本后，综合考虑到样本的时效性和多样性，给样本划分工况和分配权重，作为后续样本更新的依据；4)建模样本更新当新样本到来时，计算该样本与各工况中心的欧氏距离，若对于所有工况中心，新样本距离都大于阈值D，则认为新样本为全新的工况，该工况的工况中心为该新样本；否则，将新样本加入与其距离最近的工况中，为其分配权重，同时剔除掉该工况中权重最低的样本；5)设备自适应模型建立根据前面的步骤得到建模样本及其权重后，利用机器学习算法建立设备特性模型；所述的步骤3)包括以下步骤：3a)分配初始权重考虑到试验数据准确性和可信度高，在这里给建模样本中的试验数据分配较高的初始权重α，给建模样本中的过程数据分配相对较低的初始权重β；这里α,β∈[1,2]且α＞β；3b)计算样本相似度根据建模样本的输入变量计算各样本之间的欧氏距离d_ij；式(II)中：x_i，x_m分别为第i和第m条建模样本的输入变量；当两样本欧氏距离小于预设的距离阈值D时，认为样本属于同一工况下样本，这里D∈[5,20]；在这一步骤中将样本分为许多不同的工况；计算每一工况中样本输入变量均值，构成工况中心其中，i＝1…N，m＝1…K，代表第k个工况输入变量的算术平均值；3c)加入遗忘因子设备性能随时间逐渐下降，以往数据反映出的设备特性与当前设备实际特性存在差异，因此需要在样本初始权重的基础上加入遗忘因子δ，δ∈(0.01,1)，使得样本权重随时间逐渐降低；令加入遗忘因子后的样本权重为κ，对于试验数据，其权重κ＝α·δ^t，对于过程数据，其权重κ＝β·δ^t；其中t代表建模样本出现时刻距当前时刻的天数，建模样本距当前时间越久远，其权重越低。