基于模糊C均值聚类算法的系统健康状态研究

doi:10.12267/j.issn.2096-5931.2023.04.014

信息通信技术与政策 ›› 2023, Vol. 49 ›› Issue (4): 91-96.doi: 10.12267/j.issn.2096-5931.2023.04.014

技术与标准上一篇

基于模糊C均值聚类算法的系统健康状态研究

Research on system health state based on fuzzy c-means clustering algorithm

于秋红, 王莉

山东鲁软数字科技有限公司,济南 250000

收稿日期:2022-05-24 出版日期:2023-04-25 发布日期:2023-04-26
作者简介:
于秋红, 山东鲁软数字科技有限公司算法工程师,主要从事人工智能、数据挖掘等研究工作
王莉, 山东鲁软数字科技有限公司工程师,主要从事节能优化等方面的研究及开发工作

YU Qiuhong, WANG Li

Shandong Luruan Digital Technology Co., Ltd., Jinan 250000, China

Received:2022-05-24 Online:2023-04-25 Published:2023-04-26

摘要/Abstract

摘要：

给水泵系统是电厂系统的重要辅助设备,对给水泵进行有效的状态评估有助于保障电厂整体设备安全可靠运行。采用模糊C均值聚类算法,对给水泵系统历史健康数据进行聚类建模,得到设备状态得分模型,系统实时运行时可自动预测设备状态得分。基于电厂真实数据进行算例分析试验,结果表明,预测得分结果符合实际情况,可有效表征设备的健康状态。

关键词: 给水泵系统, 状态得分, 聚类

Abstract:

The feed water pump system is an important auxiliary equipment of the power plant system, so an effective evaluation of its state is helpful to the safe and reliable operation of the power plant. Based on the historical health data of the feed pump system, the fuzzy c-means clustering algorithm is adopted to build the state score model which can automatically predict the equipment state score in real time. The experiment is carried out on the real data of the power plant. The results show that the predicted scores are in line with the actual situation and can effectively characterize the equipment state.

Key words: feed water pump system, state score, clustering algorithm

中图分类号:

TP181

于秋红, 王莉. 基于模糊C均值聚类算法的系统健康状态研究[J]. 信息通信技术与政策, 2023, 49(4): 91-96.

YU Qiuhong, WANG Li. Research on system health state based on fuzzy c-means clustering algorithm[J]. Information and Communications Technology and Policy, 2023, 49(4): 91-96.

导出引用管理器 EndNote|Ris|BibTeX

链接本文:

http://ictp.caict.ac.cn/CN/10.12267/j.issn.2096-5931.2023.04.014

http://ictp.caict.ac.cn/CN/Y2023/V49/I4/91

图/表 5

图1 设备状态评估模型流程

表1 试验环境

类型	规格
操作系统	Windows 10,64位
开发工具	PyCharm,Python3.5
CPU	英特尔酷睿i3
内存/G	16
硬盘/G	500
运行频率/GHz	2.4

图2 训练样本得分

图3 测试样本得分

图4 测试样本的参数真实值曲线

参考文献 8

[1]	徐红伟, 刘振宇, 李崇晟. 基于分类算法的汽动给水泵组故障预测[J]. 热力发电, 2019, 48(4):128-134.
[2]	胡宏伟, 周晓军, 庞茂. 基于LS-SVM的火电厂给水泵组状态趋势预测研究[A]. 浙江大学机械与能源工程学院, 2007, 20(5):1139-1143.
[3]	曲辰. 基于PI数据库的给水系统智能诊断研究[D]. 大连: 大连交通大学, 2019.
[4]	徐红伟. 汽动给水泵组状态评估及检修优化应用研究[D]. 西安: 西安热工研究院有限公司, 2018.
[5]	杜文凯. 基于模糊聚类的短期负荷影响因素量化评估模型[J]. 漯河职业技术学院学报, 2021, 20(3):30-33.
[6]	陈馨凝. 基于相似日聚类和改进DRESN的短期负荷预测研究[D]. 武汉: 湖北工业大学, 2020.
[7]	KRISTA R Z. Cluster validity index for estimation of fuzzy clusters of different sizes and densities[J]. Pattern Recognition, 2010, 43(10):3374-3390. doi: 10.1016/j.patcog.2010.04.025 URL
[8]	袁红梅. 模糊c均值算法的研究[D]. 银川: 宁夏大学, 2010.

基于模糊C均值聚类算法的系统健康状态研究

Research on system health state based on fuzzy c-means clustering algorithm

RichHTML

PDF

可视化

摘要/Abstract

引用本文

使用本文

图/表 5

参考文献 8

相关文章 2

编辑推荐

Metrics

本文评价

[1]	赵恒, 陈玮, 陈禹. 基于人工智能的光交箱资源管理方法[J]. 信息通信技术与政策, 2023, 49(1): 89-96.
[2]	练海荣, 孙晓宁, 张未来. 基于智能化数据探索的数据质量管理方法[J]. 信息通信技术与政策, 2022, 48(2): 16-21.