基于獨(dú)立成分分析的汽輪機(jī)狀態(tài)監(jiān)測(cè)方法

劉海軍 邢友文 菅云峰 張恒遠(yuǎn) 畢肇駿

摘 ? 要：現(xiàn)代汽輪機(jī)由于結(jié)構(gòu)緊湊，復(fù)雜，運(yùn)行工況惡劣，導(dǎo)致傳統(tǒng)的監(jiān)測(cè)手段無(wú)法準(zhǔn)確地反映設(shè)備的運(yùn)行狀態(tài)。傳感器由于各個(gè)部件之間的耦合影響導(dǎo)致采樣數(shù)據(jù)不穩(wěn)定、不確定，也不能及時(shí)反映該部件的運(yùn)行狀態(tài)。因此，基于變工況條件下的實(shí)際運(yùn)行問(wèn)題，本文提出了基于獨(dú)立成分分析的汽輪機(jī)狀態(tài)監(jiān)測(cè)方法。該方法能夠?qū)⒏鱾€(gè)部件之間的互相影響進(jìn)行分離，從而得到定義該部件運(yùn)行的穩(wěn)定狀態(tài)參數(shù)。經(jīng)過(guò)實(shí)驗(yàn)對(duì)比，發(fā)現(xiàn)利用經(jīng)過(guò)獨(dú)立成分分析的數(shù)據(jù)進(jìn)行狀態(tài)監(jiān)測(cè)和異常檢測(cè)，其模型誤差要比利用原始數(shù)據(jù)的誤差小30%。因此，該方法針對(duì)大型變工況汽輪機(jī)的狀態(tài)監(jiān)測(cè)具有很大的實(shí)際指導(dǎo)意義。

關(guān)鍵詞：獨(dú)立成分分析 ?異常檢測(cè) ?神經(jīng)網(wǎng)絡(luò) ?汽輪機(jī)狀態(tài)監(jiān)測(cè)

中圖分類號(hào)：TP277 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A ? ? ? ? ? ? ? ? ? ? ? ?文章編號(hào)：1674-098X（2019）02（a）-0094-02

汽輪機(jī)狀態(tài)監(jiān)測(cè)由來(lái)已久，目前主要的監(jiān)測(cè)主要包括振動(dòng)監(jiān)測(cè)、燃燒監(jiān)測(cè)、通流部分效率監(jiān)測(cè)、回?zé)嵯到y(tǒng)監(jiān)測(cè)等。由于火力發(fā)電是由包含鍋爐、汽輪機(jī)、發(fā)電機(jī)和輔機(jī)組成的整體，單個(gè)設(shè)備或者部件的狀態(tài)受其他部件的影響很大，尤其當(dāng)處于調(diào)峰狀態(tài)時(shí)，這種影響會(huì)更加明顯，從而導(dǎo)致監(jiān)測(cè)結(jié)果不能實(shí)際反映設(shè)備或者部件真實(shí)的運(yùn)行狀態(tài)。為了解決這一問(wèn)題，本文引入獨(dú)立成分分析（ICA）這一技術(shù)解決目前存在的難題。獨(dú)立成分分析（Independent Component Analysis）已經(jīng)成為近年來(lái)神經(jīng)網(wǎng)絡(luò)、高級(jí)統(tǒng)計(jì)學(xué)和信號(hào)處理學(xué)領(lǐng)域最令人振奮的主題之一。ICA源于對(duì)客觀物理世界的抽象，它能夠快速有效的解決很多問(wèn)題。本文中，汽輪機(jī)各個(gè)部件觀測(cè)變量的耦合可以通過(guò)ICA進(jìn)行解耦。

最先提出獨(dú)立成分分析（以下簡(jiǎn)稱ICA）技術(shù)的是J.Herault，C.Jutten和B.Ans， J.F.Gardoso和P.como在1989年召開(kāi)的高階譜分析的國(guó)際會(huì)議上發(fā)表了ICA方面早期的文章。J.F.Gardoso使用代數(shù)方法，特別是高階累積張量，最終形成了JADE算法。之后，20世紀(jì)80年代科學(xué)家的工作被一些研究者進(jìn)一步擴(kuò)展。A.Cich300ocki和R.Unbehauen首先提出了基于神經(jīng)網(wǎng)絡(luò)和粗糙學(xué)習(xí)的ICA算法。

1 ?獨(dú)立成分分析原理

由于ICA模型的估計(jì)本身就比較困難，所以本章的ICA模型的分析和實(shí)驗(yàn)不引入噪聲項(xiàng)。實(shí)際上，在汽輪機(jī)數(shù)據(jù)分析中，噪聲項(xiàng)一般是服從高斯分布的，即使建立了帶噪聲的ICA模型，也很難將噪聲估計(jì)出來(lái)。目前有多種手段可以對(duì)ICA模型進(jìn)行估計(jì)，本文采取的方法是極大化非高斯性的ICA估計(jì)方法。

2 ?實(shí)驗(yàn)設(shè)計(jì)與結(jié)果分析

類似于“盲源分離”問(wèn)題，本文研究的目的是尋找影響汽輪機(jī)運(yùn)行狀態(tài)的獨(dú)立分量，數(shù)據(jù)來(lái)自于某電廠的東汽330MW亞臨界機(jī)組，除此之外，我們并沒(méi)有更多的信息有助于汽輪輪機(jī)運(yùn)行狀態(tài)的獨(dú)立變量分離。ICA算法是尋找系統(tǒng)中特征之間的獨(dú)立分量。特征之間的不獨(dú)立（嚴(yán)格意義上說(shuō)存在相關(guān)性）意味著一個(gè)特征可以由其他特征進(jìn)行線性或非線性表出，這就說(shuō)明，這個(gè)特征對(duì)于一個(gè)決策系統(tǒng)來(lái)說(shuō)是冗余的，因?yàn)榇颂卣魉邆涞娜啃畔⒍伎捎善渌卣鞅硎尽?/p>

本文根據(jù)ICA理論，利用MATLAB的FastICA工具箱進(jìn)行實(shí)驗(yàn)。利用FastICA算法設(shè)計(jì)汽輪機(jī)數(shù)據(jù)獨(dú)立成分分析的實(shí)驗(yàn)，分析了在選擇不同獨(dú)立分量的數(shù)目時(shí)模型輸出的不同，并利用獨(dú)立分量進(jìn)行汽輪機(jī)效率下降的預(yù)測(cè)診斷，并通過(guò)對(duì)原始數(shù)據(jù)進(jìn)行診斷的效果進(jìn)行對(duì)比。

2.1 基于FastICA的汽輪機(jī)數(shù)據(jù)獨(dú)立成分分析

汽輪機(jī)原始數(shù)據(jù)是從SIS系統(tǒng)中導(dǎo)出，時(shí)間為2016年1月1日至2月1日，原始數(shù)據(jù)包含汽水系統(tǒng)的所有測(cè)點(diǎn)。在實(shí)驗(yàn)中，一共47個(gè)測(cè)點(diǎn)為觀測(cè)輸入到ICA模型中。每次通過(guò)FastICA迭代只能求出一個(gè)獨(dú)立成分，若要估計(jì)多個(gè)獨(dú)立成分，可以設(shè)置多元初始向量進(jìn)行循環(huán)迭代。同時(shí)，為了避免避免不同向量收斂到同一個(gè)極值點(diǎn)，要在每次迭代后將進(jìn)行正交化，最終可以得到n個(gè)不同的獨(dú)立成分。

實(shí)驗(yàn)設(shè)計(jì)中存在的另一個(gè)問(wèn)題是：有多少個(gè)獨(dú)立成分需要估計(jì)？因?yàn)槠啓C(jī)運(yùn)行狀態(tài)的影響因素并不確定，其中蘊(yùn)涵的獨(dú)立分量也不明確，所以在實(shí)驗(yàn)中需要經(jīng)過(guò)一番探索，才能找到獨(dú)立分量的個(gè)數(shù)。實(shí)驗(yàn)的一個(gè)基本思路是：逐個(gè)假設(shè)獨(dú)立成分的個(gè)數(shù)，直到迭代最終出現(xiàn)多個(gè)向量收斂于一個(gè)極值點(diǎn)，表明獨(dú)立成分已經(jīng)全部估計(jì)出來(lái)了。

2.2 實(shí)驗(yàn)結(jié)果與分析

實(shí)驗(yàn)結(jié)果首先分析了當(dāng)設(shè)置不同的獨(dú)立成分時(shí)模型的輸出，尋找到影響汽輪機(jī)運(yùn)行狀態(tài)的獨(dú)立因素;然后將估計(jì)出的主成分對(duì)汽輪機(jī)進(jìn)行效率擬合，最后利用擬合模型和利用原始數(shù)據(jù)計(jì)算汽輪機(jī)內(nèi)效率的模型進(jìn)行對(duì)比。

由于影響汽輪機(jī)系統(tǒng)運(yùn)行的獨(dú)立成分個(gè)數(shù)并不清楚，實(shí)驗(yàn)中采用逐個(gè)添加初始向量的方法尋找獨(dú)立成分的個(gè)數(shù)。實(shí)驗(yàn)發(fā)現(xiàn)，當(dāng)i>6時(shí)，估計(jì)出的獨(dú)立成分開(kāi)始發(fā)生重復(fù)。

經(jīng)過(guò)ICA分析后，本文進(jìn)一步將獨(dú)立成分對(duì)汽輪機(jī)高中壓缸效率進(jìn)行擬合，并利用擬合模型對(duì)效率進(jìn)行監(jiān)測(cè)。同時(shí)也利用傳統(tǒng)方法對(duì)汽輪機(jī)效率進(jìn)行監(jiān)測(cè)，比較兩種情況下效率的變化情況和實(shí)際操作記錄中的故障案例進(jìn)行對(duì)比。擬合模型采用MATLAB神經(jīng)網(wǎng)絡(luò)工具包，輸入維度為6，隱含層3層，目標(biāo)輸出為高壓缸效率。

分別利用ICA得到的參數(shù)和原始觀測(cè)參數(shù)建立效率監(jiān)測(cè)模型，然后利用兩個(gè)模型對(duì)測(cè)試數(shù)據(jù)效果的對(duì)比來(lái)分析兩種模型的精確度。