基于dw距離的相似搜索在das序列分類中的應(yīng)用

0基于動(dòng)態(tài)時(shí)間彎曲的時(shí)間序列相似搜索隨著數(shù)據(jù)采集系統(tǒng)（das）在電壓電氣中的廣泛應(yīng)用，大量的過程數(shù)據(jù)可以長期收集，并且基于數(shù)據(jù)分析的故障診斷方法得到了迅速發(fā)展。DAS數(shù)據(jù)均為時(shí)態(tài)數(shù)據(jù),其中絕大部分是由模擬量或開關(guān)量組成的時(shí)間序列。自1993年Agrawal等人發(fā)表了時(shí)間序列相似搜索的研究論文后,相關(guān)研究在金融、醫(yī)學(xué)、生物、網(wǎng)絡(luò)等領(lǐng)域逐步展開,在電站故障診斷中,時(shí)間序列相似搜索也得到了一定的應(yīng)用。大多數(shù)時(shí)間序列相似搜索算法采用Euclidean距離及其擴(kuò)展作為相似性測度,但Euclidean距離存在一定的局限,無法處理存在相位差的序列集。此處相位差是指兩個(gè)序列中變化相似的部分,在時(shí)間軸上沒有對齊。由于電站存在物理和化學(xué)過程滯后,導(dǎo)致很多變化趨勢相同的DAS測點(diǎn)之間存在相位差,給基于Euclidean距離的相似搜索帶來了障礙。為解決這一問題,動(dòng)態(tài)時(shí)間彎曲(DTW)距離被引入時(shí)間序列相似搜索中。DTW技術(shù)最早應(yīng)用于自動(dòng)語音識別領(lǐng)域,用來處理不同語速給語音識別帶來的影響。采用DTW距離作為相似性測度可以克服時(shí)間序列之間的相位差問題。本文根據(jù)電站DAS數(shù)據(jù)的特點(diǎn),把DTW技術(shù)引入到電站故障診斷中,研究了DTW技術(shù)在典型時(shí)間序列數(shù)據(jù)集中的分類效果,提出了基于DTW技術(shù)的電站故障診斷方法,并在實(shí)踐中得到了應(yīng)用。1基于1-nn相似匹配算法的ur時(shí)間序列分類算法DTW距離可以度量等長或非等長序列間的相似性,考慮到DAS系統(tǒng)一般均為同步采樣,同一時(shí)段內(nèi)序列長度相等,即使對于非等長序列,也可通過插值重采樣的方法使序列長度一致。因此,為簡便起見,在本文分析中假設(shè)DAS系統(tǒng)中數(shù)據(jù)序列長度一致。設(shè)有長度為n的時(shí)間序列Q和C,Q=q1,q2,?,qi,?,qn?C=c1,c2,?,ci,?,cn。Q=q1,q2,?,qi,?,qn?C=c1,c2,?,ci,?,cn。則這兩個(gè)序列的Euclidean距離為:DEUC(Q,C)=√n∑k=1(qi-ci)2為了計(jì)算這兩個(gè)序列的DTW距離,構(gòu)造一個(gè)n維矩陣,其中元素(i,j)的值為:d(i,j)=(qi-cj)2矩陣中從(1,1)開始到(n,n)結(jié)束的連續(xù)元素的組合稱為規(guī)整路徑。若某一條規(guī)整路徑W上的元素之和在所有路徑中為最小,那么這個(gè)最小值即為Q和C的DTW距離。設(shè)W的第k個(gè)元素為W(k)=(i,j)k,則Q和C的DTW距離為:DDΤW(Q,C)=minW√k=Κ∑k=1d(W(k))其中,K是W的長度,n≤K≤2n-1。計(jì)算Euclidean距離時(shí),是兩個(gè)序列對應(yīng)元素之間進(jìn)行匹配,而計(jì)算DTW距離是通過動(dòng)態(tài)規(guī)劃算法尋求兩個(gè)序列的最佳匹配,使得各匹配元素對的距離之和最小,如圖1所示。直觀分析圖2中的時(shí)間序列,(a)與(c)的相似度高于(a)與(b)的相似度,但由于(a)與(c)之間存在相位差,所以計(jì)算Euclidean距離的結(jié)果為DEUC(a,b)<DEUC(a,c),即序列(a)和(b)的相似度更高。圖2中序列的DTW距離計(jì)算結(jié)果為DDTW(a,c)<DDTW(a,b),即序列(a)和序列(c)更相似,符合人的直觀分析。因此,DTW距離更適合于分析電站DAS信號的相似性。分別采用基于Euclidean距離和DTW距離的1-NN相似匹配算法,對公認(rèn)的UCR時(shí)間序列數(shù)據(jù)集進(jìn)行分類,分類結(jié)果如表1所示。在大部分的數(shù)據(jù)集上,采用DTW距離的分類精度優(yōu)于Euclidean距離,表明基于DTW距離的相似搜索方法更符合大部分實(shí)際應(yīng)用情況。2dtw技術(shù)故障診斷流程因?yàn)镈TW技術(shù)具有優(yōu)越性,把基于DTW距離的相似搜索應(yīng)用于電站故障診斷,其基本思想為:故障信息會反映在很多DAS測點(diǎn)的變化上,并且這些測點(diǎn)之間具有相似的變化趨勢;在故障發(fā)生時(shí)段選取某測點(diǎn)為故障特征信號,采用基于DTW距離的相似搜索算法在同時(shí)段的DAS系統(tǒng)中尋找與特征信號最相似的K個(gè)測點(diǎn);這K個(gè)測點(diǎn)包含了大部分的故障信息,結(jié)合領(lǐng)域知識分析這K個(gè)故障相關(guān)測點(diǎn),進(jìn)而開展故障診斷。相似搜索之前,需要對數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化,以消除期望和方差的影響。對于方差接近零的測點(diǎn),可認(rèn)為不包含故障信息,不進(jìn)行分析?；贒TW技術(shù)的故障診斷方法設(shè)計(jì)如下,并通過兩個(gè)實(shí)際案例說明該方法的應(yīng)用效果。輸入:選定的特征測點(diǎn)數(shù)據(jù)(基準(zhǔn)序列);同時(shí)段DAS系統(tǒng)所有測點(diǎn)的數(shù)據(jù)(匹配序列集);保留測點(diǎn)個(gè)數(shù)K;方差閾值ε。輸出:與特征測點(diǎn)最相似的K個(gè)DAS測點(diǎn)。流程:(1)基準(zhǔn)序列變換為標(biāo)準(zhǔn)序列(標(biāo)準(zhǔn)基準(zhǔn)序列);(2)對于每一個(gè)匹配序列;①若方差大于ε:(a)變換為標(biāo)準(zhǔn)序列(標(biāo)準(zhǔn)匹配序列);(b)計(jì)算標(biāo)準(zhǔn)基準(zhǔn)序列和標(biāo)準(zhǔn)匹配序列之間的DTW距離DDTW1;(c)把標(biāo)準(zhǔn)匹配序列取反,計(jì)算標(biāo)準(zhǔn)基準(zhǔn)序列和負(fù)標(biāo)準(zhǔn)匹配序列之間的DTW距離DDTW2;(d)原基準(zhǔn)序列和匹配序列之間的DTW距離DDTW=min(DDTW1,DDTW2);(3)DDTW最小的K個(gè)測點(diǎn)即為與特征測點(diǎn)最相似的K個(gè)測點(diǎn);(4)根據(jù)這K個(gè)測點(diǎn)進(jìn)行故障診斷。2.1號瓦瓦溫為故障識別的點(diǎn)某臺210MW汽輪機(jī)在順序閥工況下調(diào)峰運(yùn)行時(shí)經(jīng)常發(fā)生1號、2號瓦瓦溫超溫故障,最嚴(yán)重時(shí)導(dǎo)致若干次2號瓦燒瓦事故。圖3是某一天發(fā)生該故障的運(yùn)行數(shù)據(jù)。2號瓦瓦溫是最顯著的故障特征。為尋找其它故障相關(guān)測點(diǎn),采用基于DTW技術(shù)的故障診斷方法,以2號瓦瓦溫為故障特征測點(diǎn),對該機(jī)組DAS中所有測點(diǎn)在這一天的運(yùn)行數(shù)據(jù)進(jìn)行計(jì)算。算法的其它輸入?yún)?shù)為:K=15,ε=0.01。表2中列出與2號瓦瓦溫變化趨勢相似度最高的一部分測點(diǎn),其中距離越小表示相似度越高。表2中,軸心位移與高壓調(diào)節(jié)閥閥后壓力這兩類測點(diǎn)比較特殊,分別見圖4和圖5。從圖中可以看出,它們與2號瓦瓦溫的變化趨勢非常相似。對這兩類測點(diǎn)進(jìn)行重點(diǎn)分析后推斷出,瓦溫升高的直接原因是轉(zhuǎn)子大幅度位移增加了軸承載荷,間接原因是順序閥工況下高壓調(diào)節(jié)閥進(jìn)汽時(shí)在調(diào)節(jié)級上產(chǎn)生的不平衡汽流力。通過進(jìn)一步機(jī)理分析和實(shí)驗(yàn)研究,驗(yàn)證了上述推斷的正確性。2.2振動(dòng)信號的周期特性某電廠200MW汽輪機(jī)組在某日某時(shí)1:47:30從170MW甩負(fù)荷,在隨后的機(jī)組重啟過程中,工作人員采用電調(diào)升速未成功遂切為液調(diào)運(yùn)行,在1:56:30時(shí)轉(zhuǎn)子受到損壞。初步判斷事故是由1:56:10至1:56:30主汽流量大量增加導(dǎo)致轉(zhuǎn)子超速引起,但根據(jù)機(jī)組特性(軸承摩擦功耗等),這些蒸汽流量無法使得轉(zhuǎn)速超過3000r/min,且機(jī)組DAS系統(tǒng)記錄的轉(zhuǎn)速信號在事故發(fā)生時(shí)遠(yuǎn)遠(yuǎn)小于額定轉(zhuǎn)速,如圖6所示。根據(jù)現(xiàn)場實(shí)際情況判斷,在甩負(fù)荷之后,轉(zhuǎn)速信號的測量出現(xiàn)問題。為了確認(rèn)轉(zhuǎn)子是否超速,需要根據(jù)其它信號對事故過程中轉(zhuǎn)速信號的實(shí)際變化進(jìn)行估計(jì)。在對振動(dòng)、溫度等重要信號的排查過程中,發(fā)現(xiàn)軸瓦的振動(dòng)信號在事故發(fā)生前呈現(xiàn)出周期性變化,如3號、5號瓦瓦振(見圖7),在事故發(fā)生前存在周期性的波動(dòng),直到事故發(fā)生時(shí)才迅速增大。不同軸瓦呈現(xiàn)相同的周期性波動(dòng),必定是受到轉(zhuǎn)子的影響,考慮到瓦振與轉(zhuǎn)子轉(zhuǎn)速具有密切聯(lián)系,可認(rèn)為瓦振信號在一定程度上蘊(yùn)含了轉(zhuǎn)速的信息。直接利用瓦振信號無法復(fù)現(xiàn)轉(zhuǎn)速,因此以5號瓦瓦振從1:48:00到1:56:10的周期性波動(dòng)部分為特征數(shù)據(jù),采用基于DTW技術(shù)的故障診斷方法,在DAS系統(tǒng)中搜索與轉(zhuǎn)速相關(guān)的測點(diǎn),算法的其它輸入?yún)?shù)為:K=20,ε=0.01,結(jié)果見表3。表3中,除了振動(dòng)信號,還有高中低壓缸相對差脹、發(fā)電機(jī)勵(lì)磁電壓和定子電壓以及低壓缸排汽溫度與5號瓦瓦振相似。圖8和圖9展示了甩負(fù)荷前到事故發(fā)生后這些測點(diǎn)的變化情況。從圖中可以看出,高中低壓缸相對差脹和低壓缸排汽溫度的變化趨勢都與5號瓦瓦振相似,但發(fā)電機(jī)勵(lì)磁電壓和定子電壓并沒有類似的周期性波動(dòng)。考慮到算法分析的數(shù)據(jù)在1:48:00到1:56:10時(shí)段內(nèi),這些測點(diǎn)的周期性波動(dòng)也都介于這一時(shí)段,因此把發(fā)電機(jī)勵(lì)磁電壓和定子電壓在這一時(shí)段內(nèi)的數(shù)據(jù)序列單獨(dú)繪制出來,見圖9。由圖可知,在軸瓦振動(dòng)信號周期性波動(dòng)過程中,發(fā)電機(jī)勵(lì)磁電壓和定子電壓也發(fā)生相似的周期性波動(dòng)。根據(jù)汽輪機(jī)原理可知,高中低壓缸相對差脹、發(fā)電機(jī)勵(lì)磁電壓、定子電壓和低壓缸排汽溫度都與轉(zhuǎn)速有關(guān)。轉(zhuǎn)速升高的情況下,因?yàn)檗D(zhuǎn)子的泊松效應(yīng),相對差脹會明顯變化;因?yàn)殡姶鸥袘?yīng)作用,勵(lì)磁電壓和定子電壓會增大;因?yàn)楣娘L(fēng)損失增加,低壓缸排汽溫度會升高。雖然甩負(fù)荷后發(fā)電機(jī)解列滅磁開關(guān)投入,但勵(lì)磁機(jī)在剩磁場作用下仍會對轉(zhuǎn)子旋轉(zhuǎn)感應(yīng)出殘壓,且與轉(zhuǎn)速近似成正比關(guān)系。根據(jù)發(fā)電機(jī)勵(lì)磁電壓、定子電壓以及機(jī)組最近一次大修后甩負(fù)荷試驗(yàn)惰走轉(zhuǎn)速曲線,估算出1:48:00至1:56:10轉(zhuǎn)速的變化情況,見圖10,并通過高中低壓缸相對差脹和低壓缸排汽溫度進(jìn)行了驗(yàn)證。由圖10可知,事故發(fā)生前(1:56:10時(shí)),轉(zhuǎn)速已經(jīng)達(dá)到3000r/min。此時(shí)由于誤操作,導(dǎo)致大量主蒸汽進(jìn)入汽缸(圖6),使得轉(zhuǎn)子繼續(xù)升速并在1:5