改进的证据K近邻异常工况检测及应用

大型火力发电系统复杂，导致异常工况的因素多，难以检测，过程数据中故障案例少，标注的故障样本不完整，因此很难建立有效的异常工况检测模型。为了解决这些问题，提出了一种基于证据k-最近邻的异常状态检测方法。首先，根据斜率系数划分历史数据的稳态工况，便于建立工况模型。然后，根据工况数据的局部密度构造证据体，确定异常工况的检测边界。在在线应用中，过程数据的异常特征由证据体根据k-最近邻原理确定。该方法在模型构建和应用中不需要完整的标记样本，建模效率高，模型更新和维护方便。实例分析表明，与主成分分析（PCA）、基于K近邻（FD KNN）和证据K近邻（EKNN）的故障诊断方法相比，该方法具有更低的误报率和误报率，具有更好的工程应用价值。