科研之友
微信
新浪微博
Facebook
分享链接
摘要
大型火力发电系统复杂，诱发异常工况的因素多、难以检测，并且过程数据中故障案例少，有标签的故障样本不完备，难以建立有效的异常工况检测模型。针对这些问题，提出一种基于证据K近邻的异常工况检测方法。首先，基于斜坡系数完成对历史数据稳态工况的划分，便于建立工况模型；然后，基于工况数据的局部密度构建证据体，确定异常工况检测边界；在线应用时，过程数据的异常特性由证据体根据K近邻原则判定。所提方法在模型构建与应用时不需要完备的有标签样本，建模效率高，模型更新维护较为方便。案例分析表明，所提方法与主成分分析(PCA)、基于K近邻的故障诊断(FD-KNN)、证据K近邻(EKNN)方法相比具有较低的误报率和漏报率，具有较好的工程应用价值。
