电厂动力设备监测与故障序列模式发现
邵雅梅
（哈尔滨汽轮机厂有限责任公司，哈尔滨150046）
摘要：提出了电厂动力设备监测与校障序列模式发现的处理过程和算法，将动力设备监测与故障的序列模式发现分为日志数据向序列数据库的迁移、数据预处理、序列模式算法运算、结果的求精和解释、结果保存5个步骤.将蓝测目志与故障记录进行合并运算，发现的序列模式更能反映设备状态变化与设备故障之间的关联关系，对设备维护工作有重要指导意义.
关键词：动力设备监测；设备政障；序列模式
中国分类号：TN743文戴标识码：B文章编号：1009-3230（2010）03-0009-04
PowerPlantPower Equipment Monitoring and Fault Sequential Pattern Discovery
SHAO Ya- mei
(Harbin Turbine Works Co. Lad. Power Division Harbin 150046)
Abstract: Raisd poer plant power equipment monitoring and ft squntial pattm sey pblm and lth The r int mniong an f f t see ptmd in he qeelog daain di dta p pn e c t reults of refinement and interpetation of the results to sre. This paper will monitor the log and faultres tht is be puting. Disry ofquil ptt o betr rflt chain quipt stata and tbe ssociation beten equipment failures For oquipment meintenanoe woek have importantguiding significanoe for.
uod pganbog fangeg orbrg :youou oudinbo nmg spuo ay
的变化.传统维护方法主要有故障后维修，预防性维修和预知性维修.最新的维修理念被称为护". “主动维修”、“精确维护”、“基于可靠性的维
0前言
故障诊断学是一门边缘学科，是建立在信息技术、信号处理、计算机应用、模式识别理论和机械工程各学科等现代科学技术成就基础上的综合 性技术科学.通过设备诊断技术，了解和掌握设各在应用过程中的状态，确定其整体或局部是否正常，以便早期发现故障及其原因，及时预报故障及其发展的趋势.
预测性维修是利用技术手段对机器进行状态监测，它需要在故障风险和监测手段之间保持平衡.主动维修是通过设备状态监测与故障诊断面进行的精确维护，但存在着监测仅器、系统、服务 和人员的额外开销以及需要较高的特殊技能等条件的不足.
设备维护的理论发展到今天已经发生了巨大
库中发现相对时间或者其它顺序所出现的高频率 序列模式挖掘或称序列挖掘，是从序列数据子序列.其最初动机是想通过在带有交易时间属
根据动力设备状态监测日志与设备故障数据库中行过程中的各种性能参数以及设备运行过程中产 间段客户的购买活动规律.在设备维护中，可以相关信息挖掘设备敬障序列模式，从面更好地指导设备维护工作，提高设备维护的针对性和有效性.
1相关技术
1.1序列模式发现
序列模式（SequentialPattems）发就就是给定个这样的最大序列就是一个序列模式.
序列模式挖据的一般步骤如下：
集中找最大频繁序列即序列模式； （2）使用算法产生频繁序列集，从频繁序列（3）根据需要从序列模式中产生序列规则；的序列规则： （4）对序列规则进行约简，识别出真正有题（5）使用可视化和知识表示技术，向用户展
（1）收集并整理数据；
示发现的知识，供其决策之用.
序列的一个重要特性，就是在交易数据库中，如果某一长度为k的序列不是频繁的，那么 它的任何长度为k1的题序列也不可能是颠繁的.Apriori类序列模式发现算法根据这个特性在程中对待检查的序列集进行有效的修剪. 基于已生成的颊繁序列搜寻更长的频繁序列的过
Aprici类方法中的大多数采取了一种逐层的、候选序列生成和测试方法.在算法执行中，需要多趟扫描原序列数据库.算法的第一超扫措将 发现频繁1序列.面第k趟以频繁k-1序列的集合作为种子集来生成候选k-序列，然后扫描原数据库得到每个候选序列的支持度，满足最小支持度的候选序列即为频繁序列，并将它作为下 一趟扫描的种子集.算法如此选代地执行，直至没有数繁序列被发现或没有候选序列生成，算法终止.
制、对事务的定文过于严格、缺少分类层次的不 CSP算法克服了Aprioi类算法缺少时间限足.引人了时间约束、滑动时间窗、分类层次技术，增加了扫描的约束条件，有效地减少了需要扫类别等.描的候选序列的数量.
性的交易数据库中发现频繁项目序列以发现一时1.2设备状态监测与故障诊断
设备状态就是指设备运行的工况，根据设备运生的二次效应参数和产品质量指标参数来指述.
设备状态监测就是通过测定设备的运行参数，根据参数的高低判定设备的状态，对设备进行 定期或连续监测，包括采用各种测试、分析判别方法，结合设备的历史状况和运行条件，弄清设备的客观状态，获取设备性能发展的趋势规律，为设备
故障诊断就是利用故障诊断理论和先进的测试仅器对设备状态监测到的数据、波形、谱图等参数进行分析和比较，掌握设备的运行状态及其劣 化趋势，从面做好备件的准备、停机检修安排等，为主动维修提供服务，从而达到延长设备寿命，增加设备可靠性，防止设备突发事教及链式损伤，减少故障停机，降低总维护费用的目的.
一般说来，设备运行中的故障都以各种形式表现出来，如声音、温度、振动等，通过对这些信号的测试与分析，就能判定故障部位、原因、损客程红外测温等简单的仪器，对设备进行简单的测试 皮等.尽管目前各厂都引进了相应的振动测试、分析，但由于这种测试多数仅能反应设备的表面现象面无法知道故障的具体原因和劣化程度，因此，在设备的防护体系中需要借助诊断技术探查 其故障原因，提出最佳处理方案或控制缺陷的发展.
备综合管理体制，为确保设备运转正常，采用日常 现代设备维修管理是以点检为核心的全员设点检，定期点检，专业点检和精度测试，设备诊断技术以及设备维修等完整的防护体系以保证设备处于最佳的运行状态.
逻辑结构 2电厂动力设备故障序列数据库的
电厂动力设备故障序列数据库由设备状态监测日志以及放障记录转换而来.动力设备状态监测日志与故障记录中信息司分为如下几个方面：
状态标识：包括状态编码、状态名称等.
故障标识：包括故障编码、故障名称、故障
设备标识：包括设备编码、设备名称、所属
车间、所属生产系统等.
记录时间：年月日时分秒.
动力设备状态监测日志与故障记录本身不能直接用于序列模式发现算法，需要通过系列的处据库中. 理步骤将日志信息转换到可供算法使用的序列数
电厂动力设备故障序列数据库是本文提出的序列模式发现算法的运算空间.本论文拟定了一个支持CSP算法的电厂动力设备故障序列数据 库逻辑结构，主要考虑到在不同层次上能够发现更多的序列模式模式，在较高的层次发现的序列
模式更具有指导意义.
电厂动力设备故障序列数据库的设计要点
日志迁移与故障记录导人：将动力设备状态监测日志导人到另外一个工作数据库中.可以考虑只迁移感兴經时间范围的动力设备状态监测日 志和故障记录.
记录提取：从原始日志数据库中将相关记录提取出来得到目标日志记录数据.
数据净化与访问日志聚合：扫描目标日志数据，去除噪声数据，同时按照指定的时间窗口规则聚合日志记录为设备故障事务记录.
得到算法最终使用的电厂动力设备故障序列数 数据减缩：去掉不满足最小支持阀值的记录，据库.
3一个电厂动力设备故障的序列模 式发现算法
算法的运行主要经历如下几个步骤：
（1）监测目志数据向序列数据库的迁移
在了解动力设备状态监测日志与故障记录的基础上，根据用户要求（如指定时间段）从监测日志中提取与本次序列模式发现相关的数据，算法 将从这些数据中进行知识提取，在此过程中会利
如下：
图1动力设备状态星测日志与教障记录向序列数据库的特换
（1）是一个支持CSP算法的数据结构；
（2）支持设备故障概念层次结构；
（3）可以采用虚视图或实视图实现；
（4）故障概念层次结构转化为路径字符串编匹配的转换问题； 码，以实现故障概念层次树匹配到相应节点路径
（5）路径转换后的数据可以采用关系数据模型组织.
动力设备状态监测日志与故障记录向电厂动力设备故障序列数据库的转换总体上可分为如下4步，处理流程如图1所示.
用一些数据库操作对数据进行处理.
(2）数据预处理
备故障的序列模式.围绕这个目标，检查数据的 算法的目标很明确，就是要发现电厂动力设完整性及一致性，对其中的噪音数据进行处理，对丢失的数据可以利用统计方法进行填补.根据序作，主要通过投影或数据库中的其它操作减少数 列模式发现算法的特点进行必要的数据缩减操群量.电厂动力设备故障序列数据库中相关日志记录表示为（PEid，Dattime，Iemet），其中Iemt为带极念层次编码的故障标识集，是一个设备一 次发生过的故障和一次状态异常的集合.一个设备发生过的状态异常或故障按时间的升序排列形成的序列称为设备故障序列.
（3）序列模式算法运算
现有的序列模式发现算法不能直接应用于间题环境，需做必要的修改.然后运行改进后的序列模式发现算法，从数据中提取出有价值的序列模式.
（4）结果的求精和解释
得更为有效的知识，可能会返回前面处理步骤中 这是一个可能多次选代反复的过程，为了取的某些步以反复提取，从面提取出更有效的知识.
经过求精确认后的结果以用户能理解的方式呈现给用户.这期间也包含对结果模式的一致性 的检查，以确信本次发现的序列模式不与以前发
下面是基于CSP算法改进提出的电厂动力设备故障的序列模式发现算法PFECSP.
输人：
（1）电厂动力设备故障序列数据库；
（2）故障的概念层次树；
（3）监测日志及故障记录涉及故障术语概念层次深度max_level；
输出：电厂动力设备故障序列模式.
PEGSP算法如下：
Begin
从电厂动力设备故障序列数据库中以提取出相关监测日志及故障记录，结果存人库D中；
以主键PEid，次键Datetime排序电厂动力设备款障序列数据库D，结果存人表T[1]：
现的序列模式相抵触.
（5）结果的保存
将求精、解释后的有效序列模式保存到模式库中.
算法的处理流程如图2所示.
图2算法处理流程
[L K-1]);for each candidate e C[L K] dofor!each Userid doFre[L K] = |e1eE C[L K] e.wpot > if (eE Ibomset） c.ppont 1minsup[L]1;K]); FP[L] = Maximal sequences in(Fre[L Ead
5 结语
电厂动力设备故障序列模式发现中，提出了电厂 把行为模式分析领域的序列模式发现应用于动力设备故障的序列模式发现的处理步骤和算法.将监测日志与故障记录进行合并运算，发现的序列模式更能反映设备状态变化与设备故障之 间的关联关系，对设备维护工作有重要指导意义.
参考文献
[1]專航，设备状态监测与政障诊断在电厂中的应局 [s].重庆电力高等专科学校学报，2005 10（3）：18-21.[2] Agl R Srlant R. Miing seqeril Panem Poc.wn Mar.1995:3 14. 1995 In. Gonf. Data Engineering( ICDE*95) Taipei Tai-[3] Agl R Sire R Miring mqueil pt. Gnel-‘ u aoad pe ge] Conf. Extending Datsbase Technology ( EDeT* 96) Av-n Fnne Mar.1996:3 17 [4]唐选新，刘大昕，构件使用的序列模式发现研宽[]. 现代计算机 2008（12）：75-77.
