本發明提供了一種發電機信號的智能診斷方法，包括：從發電機控制系統的電力數據庫中的數據接口中獲取分布式的發電機信號，通過一劃分模塊將分布式的發電機信號中劃分出慢變信號，所述慢變信號包括溫度信號和電流信號；所述慢變信號通過第一策略進行處理得到慢變信號處理結果；將所述慢變信號處理的結果整合并輸出。以將快變信號和慢變信號區分，通過對慢變信號進行單獨處理，實現發電機智能診斷的效果。

技術領域

本發明涉及發電機技術領域，具體是涉及一種發電機信號的智能診斷方法。

背景技術

電力工業是國民經濟可持續發展的關鍵一環。隨著電力工業的發展，火力發電機組向高參數、大容量方向發展，其安全性和可靠性要求不斷提高。發電機組一旦出現故障，不僅會損傷昂貴的機身，造成直接的經濟損失，而且會影響電力系統的供電，造成惡劣的社會影響。智能診斷技術能夠在故障發生之前進行有效的預報警，防止故障發生，所以智能診斷方法研究對于保障發電設備的可靠運行具有重要的意義。

目前，國內運行容量在125MW以上的發電機組，發電機信號(DCS信號)可分為慢變信號和快變信號，信號中蘊含著豐富的設備狀態信息，可以判斷發電機組的狀態，發電機組的快變信號主要指振動信號，該信號能迅速、直接地反映發電機的運行狀態；慢變信號指的是溫度、電流等信號，而目前現有的故障分析系統直接對DCS信號進行統一的分析處理，由于變化頻率不同，所以處理效率較低，同時誤差較大，難以統一規范化處理，同時浪費人力資源成本。

發明內容

針對現有技術中存在的上述問題，現旨在提供一種發電機信號的智能診斷方法，以將快變信號和慢變信號區分，通過對慢變信號進行單獨處理，實現發電機智能診斷的效果。

具體技術方案如下：一種發電機信號的智能診斷方法，包括：

從發電機控制系統的電力數據庫中的數據接口中獲取分布式的發電機信號，通過一劃分模塊將分布式的發電機信號中劃分出慢變信號通過預設的第一策略對所述慢変信號進行處理得到慢變信號處理結果；以及

輸出所述慢變信號處理結果；

所述慢變信號包括溫度信號和電流信號。

進一步地，所述第一策略包括通過第一訓練樣本訓練慢變信號預測模型、通過第二訓練樣本訓練所述慢變信號故障診斷模型并包括以下步驟，

實時獲取一慢變信號，根據所述慢變信號預測模型對所述慢變信號進行預測得到慢變信號預測數據；

配置第一預設數據范圍以及第一預設時間，判斷所述慢變信號預測數據是否超出第一預設數據范圍持續超過第一預設時間，并在所述慢変信號預測數據超出所述第一預設數據范圍并持續超過所述第一預設時間時將所述慢変信號輸入到所述慢変信號故障診斷模型中；以及

采用所述慢変信號故障針對模型對所述慢変信號進行處理以得到一慢變信號健康數據并輸出；

所述慢變信號處理結果包括所述慢變信號的健康數據，所述健康數據包括所述慢変信號的健康狀態信息，所述健康狀態信息包括健康狀態、亞健康狀態以及故障狀態三種狀態。

進一步地，對所述慢變信號預測模型訓練的具體步驟包括：

從發電機控制系統的電力數據庫中獲取慢變信號歷史數據，隨后處理慢變信號歷史數據得到所述第一訓練樣本；

對所述第一訓練樣本中的數據通過預設分析方法進行降維，以使特征維數最優；以及

將降維后的所述第一訓練樣本通過預置的訓練算法進行訓練以訓練得到所述慢變信號預測模型。

進一步地，在處理所述慢変信號歷史數據得到所述第一訓練樣本的過程中，還包括剔除所述第一訓練樣本中的數據的異常特征點的步驟。

進一步地，所述預設分析方法包括：