摘要
本发明提供了一种基于数据挖掘的发电设备的健康度评估方法及系统,涉及健康度评估技术领域,包括获取发电设备在正常运行状态下的关键性能指标数据,以得到发电设备的内在特征;利用高斯混合模型对所述内在特征进行聚类处理,以得到描述发电设备在不同工况下健康状态分布的第一模型参数;对发电设备在不同退化阶段的第一模型参数进行函数主元分析,构建多阶段退化模型;通过计算后验概率分布动态更新所述多阶段退化模型的参数,获得第二模型参数;通过马氏距离法对第二模型参数进行计算处理,得到能够实时评估发电设备健康状况和反映其退化程度的健康衰退指标。本发明提高发电设备的运行效率和安全性,减少意外停机的风险,同时降低维护成本。
技术关键词
发电设备
高斯混合模型
健康度评估方法
退化模型
性能指标数据
后验概率分布
期望最大化算法
多阶段
编码器
参数
实时监测数据
重构原始数据
无监督学习
迭代优化方法
小波变换处理
评估系统
动态更新
实时数据
健康度评估技术
随机梯度下降