基于XGBoost的磨煤机效率异常检测

论文摘要

针对火力发电厂中磨煤机的效率异常问题,提出了一种基于XGBoost的效率监测方案。首先,选取运行变量进行建模,利用分类与回归树(CART)作为基学习器,使用梯度提升的方法对基学习器进行优化和组合,训练得到强学习器,从而实现不同工况下效率相关变量的估计;然后,根据正常工况在模型下的残差依据指数加权移动平均(EWMA)的方法确定控制限;使用控制限作为异常的阈值实现异常检测;最后,使用两个实际案例证明了方法的有效性,并给出了与其他算法的比较结果。实验结果表明,该方法具有较高的准确性和可靠性,可以用于非线性系统的异常工况监测。

论文目录

• 0 引言
• 1 XGBoost
• 2 基于残差的控制图方法
•   2.1 拉依达准则（3σ准则）
•   2.2 指数加权移动平均（EWMA）
• 3 效率异常检测
•   3.1 效率异常检测流程
•     1)正常运行数据采集与建模变量确定:
•     2)数据预处理:
•     3)训练集与验证集划分:
•     4)模型训练与参数优化:
•     5)控制限确定:
•     6)异常检测:
•   3.2 案例分析
•     3.2.1 案例一:磨煤机旋转分离器异常案例
•     3.2.2 案例二:磨煤机煤种掺烧案例
•   3.3 不同模型的效果比较
• 4 结语

文章来源

类型: 期刊论文

作者: 朱继峰,闫飞,郑水明,洪星芸,徐正国

关键词: 磨煤机,指数加权移动平均,效率异常检测

来源: 计算机应用 2019年S2期

年度: 2019

分类: 信息科技,工程科技Ⅱ辑

专业: 电力工业

单位: 浙江浙能中煤舟山煤电有限责任公司,浙江大学控制科学与工程学院

基金: 国家自然科学基金资助项目(61751307,61473254)

分类号: TM621

页码: 29-33

总页数: 5

文件大小: 573K

下载量: 119