水电站计算机监控系统长期运行于强电磁干扰、多源异构数据并发及工况瞬变的复杂工业环境中,导致传统监控方法虚警频发。为此,提出基于径向基函数神经网络(radial basis function neural network,RBFNN)的水电站监控系统智能告警方法。...水电站计算机监控系统长期运行于强电磁干扰、多源异构数据并发及工况瞬变的复杂工业环境中,导致传统监控方法虚警频发。为此,提出基于径向基函数神经网络(radial basis function neural network,RBFNN)的水电站监控系统智能告警方法。该方法首先采集了水电站监控系统中的设备状态数据、日志数据和配置数据,构建了包含输入层、隐含层和输出层的RBFNN故障诊断模型。其中输入层设置3个节点对应三类监控数据,输出层设置4个节点分别对应电气、机械、环境及其他监控部分的故障分类。通过参数寻优确定隐含层结构,并采用聚类方法确定基函数中心,使用最小二乘法优化网络权重,完成模型训练。实验依托某实际水电站监控系统展开,设计涵盖紧急至信息级的七级故障分类体系,并部署分层告警框架进行验证。结果表明,所提方法能有效抑制环境干扰引致的虚警,精准识别并分级呈现故障,仅在非关键性预警与信息级故障中各出现一次误判,显著优于对照方法。研究表明,所提方法能显著提升复杂工业背景下的故障辨识鲁棒性与告警直观性,为水电站监控系统的智能化运维提供了一种有效解决方案。展开更多
文摘水电站计算机监控系统长期运行于强电磁干扰、多源异构数据并发及工况瞬变的复杂工业环境中,导致传统监控方法虚警频发。为此,提出基于径向基函数神经网络(radial basis function neural network,RBFNN)的水电站监控系统智能告警方法。该方法首先采集了水电站监控系统中的设备状态数据、日志数据和配置数据,构建了包含输入层、隐含层和输出层的RBFNN故障诊断模型。其中输入层设置3个节点对应三类监控数据,输出层设置4个节点分别对应电气、机械、环境及其他监控部分的故障分类。通过参数寻优确定隐含层结构,并采用聚类方法确定基函数中心,使用最小二乘法优化网络权重,完成模型训练。实验依托某实际水电站监控系统展开,设计涵盖紧急至信息级的七级故障分类体系,并部署分层告警框架进行验证。结果表明,所提方法能有效抑制环境干扰引致的虚警,精准识别并分级呈现故障,仅在非关键性预警与信息级故障中各出现一次误判,显著优于对照方法。研究表明,所提方法能显著提升复杂工业背景下的故障辨识鲁棒性与告警直观性,为水电站监控系统的智能化运维提供了一种有效解决方案。
