基于XGBoost算法的汽輪機轉(zhuǎn)子故障原因定位方法

王新偉， 錢 虹,2， 冷述文， 楊寶清

(1.上海電力大學 自動化工程學院，上海 200090；2.上海市電站自動化技術重點實驗室，上海 200090；3.華能山東發(fā)電有限公司，濟南 250014；4.華能臨沂發(fā)電公司，山東臨沂 276016)

汽輪機承擔著能源轉(zhuǎn)換的作用，是電站最重要的旋轉(zhuǎn)設備。由于汽輪機結構和系統(tǒng)的復雜性，以及運行環(huán)境的特殊性，導致其故障發(fā)生率較高[1-2]，因此在復雜環(huán)境下實現(xiàn)精準快速的故障識別和故障原因定位，從而采取有效措施及時修復故障對于保證汽輪機系統(tǒng)的安全穩(wěn)定運行具有重要意義。

目前，汽輪機故障診斷技術在信號采集與分析[3]、故障機理[4-5]、故障特征提取[6-9]和故障模式識別[10-13]等方面取得較多進展。然而，關于如何準確快速地進行故障原因定位識別的研究較少。目前，在實際的故障診斷過程中，主要依靠經(jīng)驗進行故障原因分析。大量汽輪機故障案例表明，不同故障原因?qū)е碌牟煌愋凸收习l(fā)生時，會伴隨運行參數(shù)的異常變化，診斷專家在進行故障原因分析時可通過這些異常來確定發(fā)生故障的具體原因[14]，然而這些具有較強區(qū)分性的運行參數(shù)故障特征卻很少被用于建立智能診斷模型。因此，通過挖掘汽輪機運行參數(shù)的故障特征進行故障原因定位識別，具有現(xiàn)實的價值意義。然而，汽輪機運行參數(shù)很多，數(shù)據(jù)集樣本較大，且各運行參數(shù)之間可能存在相互關聯(lián)和相互耦合關系。因此，可使用機器學習算法處理和分析汽輪機運行參數(shù)的相關數(shù)據(jù)，提高故障原因定位模型的分類準確率。鐘敏慧等[15]將梯度提升決策樹(GBDT)模型用于鐵路事故類型的預測，并根據(jù)模型中的特征重要度排序?qū)崿F(xiàn)了鐵路事故成因分析。極端梯度提升(XGBoost)算法在GBDT模型的基礎上對損失函數(shù)、正則化和并行處理等方面進行改進，具有更強的分類能力[16]。XGBoost算法具有不易被噪聲干擾、準確性高和運算速度快等優(yōu)點，可對多維和多特征數(shù)據(jù)進行快速有效處理。在旋轉(zhuǎn)機械故障預測[17]和故障診斷[18-19]等方面已有關于XGBoost算法的研究。

筆者首次基于XGBoost算法并結合運行參數(shù)對不同汽輪機故障類型進行多種故障原因定位，利用汽輪機轉(zhuǎn)子故障類型和運行參數(shù)的異常變化特征，對多種故障原因進行定位識別。首先，對包含故障類型和汽輪機運行參數(shù)的原始數(shù)據(jù)集進行預處理，提升模型樣本的適應性；將訓練集樣本送入XGBoost模型進行建模，采用網(wǎng)格搜索法優(yōu)化模型參數(shù)，以提高分類準確率；通過測試集樣本驗證所提方法的有效性；最后，針對具體故障原因，根據(jù)對應的故障知識庫提供故障修復措施，從而提高故障診斷和故障修復的效率。

1 XGBoost算法

為實現(xiàn)精準快速的故障原因定位，使用XGBoost算法構建汽輪機轉(zhuǎn)子故障原因定位模型。XGBoost模型是基于樹集成的學習模型，其基分類器是分類樹和回歸樹(CART)[20]。

首先，對采集的汽輪機轉(zhuǎn)子故障原始數(shù)據(jù)集D={(Xi,yi)}進行預處理，其中yi表示實際故障原因類別，Xi為第i個樣本的特征參數(shù)矩陣，Xi由故障類型Fi(i=1,2,…,p)和運行參數(shù)矩陣xi(xi=[x1,ix2,i…xl,i])2部分構成，即

Xi=[Fix1,ix2,i…xl,i]

(1)

其中，p為故障類型數(shù)量;l為運行參數(shù)的數(shù)量。

將預處理后的數(shù)據(jù)集進行隨機分類，得到含有n個樣本和m個特征參數(shù)的訓練集D′={(Xi,yi)},Xi∈Rm,yi∈R，其中Rm為含有m個特征參數(shù)的特征集。

將訓練集代入到XGBoost模型中對其進行訓練，可得到由多個決策樹函數(shù)相加的集成模型。

(2)

模型目標函數(shù)L為：

(3)

式中：ls為損失函數(shù)項；Ω為正則項。

(4)

(5)

定義Ij={i|q(Xi)=j}為葉節(jié)點j的樣本集，其中q(Xi)為樹結構,將正則項Ω(fk)展開為：

(6)

式中：T為葉節(jié)點的數(shù)量；ωj為葉節(jié)點j的權重;γ和λ均為正則化系數(shù)。

將式(6)代入式(5)，得：

(7)

(8)

(9)

葉節(jié)點的分裂是基于特征參數(shù)(即模型的輸入變量)進行的，某特征參數(shù)被應用于葉節(jié)點分裂的次數(shù)可認為是該特征參數(shù)的重要度得分，反映了該特征參數(shù)與輸出結果之間的相關性[21]。因此，可根據(jù)特征參數(shù)重要度得分來選擇XGBoost模型的輸入變量。XGBoost模型的流程圖見圖1。

圖1 XGBoost模型的流程圖

2 基于XGBoost算法的汽輪機轉(zhuǎn)子故障原因定位

在已知故障類型的基礎上，基于XGBoost算法的汽輪機轉(zhuǎn)子故障原因定位結合了故障類型和相關運行參數(shù)信息，對多種故障原因進行定位識別，其流程見圖2。

圖2 基于XGBoost算法的汽輪機轉(zhuǎn)子故障原因定位流程圖

汽輪機轉(zhuǎn)子故障原因定位方法如下：獲取汽輪機轉(zhuǎn)子故障類型和運行參數(shù)數(shù)據(jù)，組成原始數(shù)據(jù)集；對原始數(shù)據(jù)集進行數(shù)據(jù)預處理與特征工程構建；將預處理后的數(shù)據(jù)集進行隨機分類，得到訓練集樣本和測試集樣本；利用訓練集樣本構建XGBoost模型，并優(yōu)化模型參數(shù)，提高模型分類的準確率；利用測試集樣本對XGBoost模型進行測試，輸出測試集分類結果，結合原始數(shù)據(jù)集實際故障原因類別標簽得到模型分類的準確率；針對不同原因?qū)е碌墓收希溄拥较鄳墓收现R庫，采取對應措施快速修復故障；無法確定具體原因時，通過總結故障案例列出可能的故障原因，并按照原因?qū)е鹿收习l(fā)生的次數(shù)進行排序，檢修時優(yōu)先檢查次序靠前的故障原因。

3 實例分析

3.1 數(shù)據(jù)來源

以汽輪機高壓轉(zhuǎn)子動靜碰摩故障(F1)、質(zhì)量不平衡故障(F2)和自激振蕩(包括油膜半速渦動和油膜振蕩)故障(F3)為對象，整理匯總電廠330 MW機組3種故障相關的運行參數(shù)數(shù)據(jù)[13](450組)進行實例驗證。各故障原因和類別標簽見表1。

表1 故障原因和類別標簽

3.2 故障原因數(shù)據(jù)特征分析

特征分析的目標是最大限度地從原始數(shù)據(jù)中提取特征，其有效性很大程度上決定了模型的準確率。特征處理是特征工程的核心部分，包括數(shù)據(jù)預處理、特征選擇和降維等操作[17]。

3.2.1 特征參數(shù)選擇

選取與F1、F2和F3相關性較高的10個運行參數(shù)，主要包括高壓缸軸封蒸汽溫度、高壓缸汽缸膨脹值等，如表2所示。

表2 汽輪機高壓轉(zhuǎn)子故障原因特征參數(shù)

3.2.2 數(shù)據(jù)預處理

數(shù)據(jù)預處理主要包括數(shù)據(jù)缺失值處理、數(shù)據(jù)無量綱化(包括中心化處理和縮放處理)、分類型特征處理(字符型數(shù)據(jù)轉(zhuǎn)化為數(shù)字型)和連續(xù)型特征處理等。

(1)缺失值處理。

針對數(shù)據(jù)的缺失值，采用均值填補法來處理數(shù)值型特征，采用眾數(shù)填補法來處理字符型特征。

(2)字符型特征編碼。

在原始數(shù)據(jù)集中，分類特征中的故障類型(如F1、F2和F3)以及故障原因類別標簽(如F11、F12等)均不是以數(shù)字來表現(xiàn)的，為了讓數(shù)據(jù)適應XGBoost模型，必須將數(shù)據(jù)進行編碼，即將字符型數(shù)據(jù)轉(zhuǎn)化為數(shù)字型。對于相互獨立的故障類型(F1、F2和F3)，采用獨熱編碼將故障類型轉(zhuǎn)變?yōu)閱∽兞啃问?；對于故障原因類別標簽，將其直接轉(zhuǎn)化為數(shù)字形式。

(3)數(shù)據(jù)標準化。

將特征數(shù)據(jù)x按均值中心化后，再按標準差縮放，則處理后數(shù)據(jù)將服從標準正態(tài)分布，即x～N(μ,σ2)。

(11)

式中：μ為均值；σ為標準差;x*為標準化的特征數(shù)據(jù)。

經(jīng)過預處理后的數(shù)據(jù)集如表3所示。主要特征重要度排序見表4。

表3 預處理后的數(shù)據(jù)集

表4 特征參數(shù)重要度排序

3.3 模型訓練和參數(shù)優(yōu)化

將預處理后的數(shù)據(jù)樣本集進行隨機分類，得到訓練集樣本和測試集樣本。利用訓練集樣本對XGBoost模型進行訓練，并優(yōu)化模型參數(shù)，提高模型準確率。采用網(wǎng)格搜索法(GS)和k折交叉驗證[22]確定最優(yōu)XGBoost模型參數(shù)。模型參數(shù)的評價標準采用誤差函數(shù)，誤差小的參數(shù)更優(yōu)。

對迭代次數(shù)進行設置。如圖3所示，利用5折交叉驗證得到訓練集和測試集的迭代次數(shù)-誤差學習曲線，對迭代次數(shù)進行估計，取迭代次數(shù)的范圍為25～75。從圖3還可以看出，XGBoost模型在訓練集上的表現(xiàn)優(yōu)于在測試集上的表現(xiàn)，即模型處于過擬合狀態(tài)。為達到更理想的分類效果，需要對XGBoost模型的其他參數(shù)進行設定，以提高其泛化能力。

圖3 迭代次數(shù)-誤差學習曲線

模型主要參數(shù)設定值見表5，優(yōu)化后的模型迭代次數(shù)-誤差學習曲線如圖4所示。從圖4可以看出，模型的過擬合現(xiàn)象得到很大改善，但模型的準確率略有下降。

圖4 優(yōu)化后的迭代次數(shù)-誤差學習曲線

表5 XGBoost模型主要參數(shù)設定

3.4 XGBoost模型的分類結果

利用測試集對構建好的XGBoost模型進行分類準確率驗證，如圖5所示。結果表明，XGBoost模型整體分類準確率為95.56%。其中，汽缸變形導致的動靜碰摩故障分類準確率為64.3%，機組加負荷過快導致的動靜碰摩故障分類準確率為92.3%，其他故障原因?qū)е碌膭屿o碰摩故障、質(zhì)量不平衡故障和自激振蕩故障分類準確率均為100%。整個診斷過程的計算時間為0.520 7 s。測試集的混淆矩陣見表6。

圖5 采用XGBoost模型時測試集的分類結果

表6 XGBoost測試集的混淆矩陣

3.5 對比分析

將XGBoost模型與決策樹(DT)模型、支持向量機(SVM)、隨機森林算法(RF)和梯度提升決策樹算法的分類結果進行對比，采用預處理后的數(shù)據(jù)集分別對各算法進行訓練和測試。

采用DT模型時，首先畫出樹最大深度參數(shù)學習曲線，并測試出決策樹最大深度最優(yōu)取值為5，使用網(wǎng)格搜索法確定其他參數(shù)的最優(yōu)組合為：min_sample_leaf=2；min_sample_split=1；crition= entro-py。DT模型的分類結果如圖6所示。

圖6 采用DT模型時測試集的分類結果

采用SVM模型時利用徑向基核函數(shù)(RBF)進行訓練。由于核參數(shù)和懲罰系數(shù)對訓練結果的影響較大，所以采用網(wǎng)格搜索法對2個參數(shù)進行尋優(yōu)，核參數(shù)和懲罰系數(shù)分別取1.234和0.095。SVM模型的分類結果如圖7所示。

圖7 采用SVM模型時測試集的分類結果

分別對隨機森林和梯度提升決策樹模型的參數(shù)進行尋優(yōu)。表7給出5種模型故障分類結果的對比情況。

由表7可知，XGBoost模型比其他模型具有更高的分類準確率，而DT模型和RF模型訓練耗時較XGBoost模型更短。這是因為DT模型復雜度低，RF模型和GBDT模型均是基于DT模型的算法，其準確率均略差于XGBoost模型，由此驗證了XGBoost模型用于汽輪機轉(zhuǎn)子故障原因定位的有效性。

表7 不同模型的故障分類結果

3.6 故障知識庫

針對不同故障原因?qū)е碌钠啓C轉(zhuǎn)子動靜碰摩、質(zhì)量不平衡和自激振蕩3種故障，其相應的故障知識庫見表8。汽輪機高壓轉(zhuǎn)子故障知識庫給出了故障原因定位算法中涉及的相關運行參數(shù)、故障類型和故障原因等信息，并針對具體故障原因給出相應故障解決措施，為故障修復提供建議，從而提高故障診斷與修復的效率。

表8 汽輪機高壓轉(zhuǎn)子故障知識庫

4 結 語

(1)XGBoost模型能對多維和多特征數(shù)據(jù)進行快速有效處理，可以對多種故障原因進行快速準確分類。

(2)XGBoost模型可有效識別出汽輪機轉(zhuǎn)子3種故障類型下的9種故障原因，分類準確率可達95.56%。相較于DT、SVM、RF和GBDT模型，XGBoost模型具有更好的分類準確率。