基于TimeGAN和LightGBM的多维时间序列故障样本扩充与诊断研究

摘要

火电机组热力系统故障往往会经历从轻微到严重的发展过程，而轻度和早期故障因特征不明显很容易被漏诊，这将导致故障进一步发展带来更严重的后果。鉴于机组实际运行中故障样本较为稀缺且记录的多为特征明显的中、重度故障样本，为提高轻度故障诊断的及时性和准确率，提出一种基于时间对抗生成网络（Time-series generative adversarial networks, Time GAN）和轻量级梯度提升机（Light gradient boosting machine, LightGBM）的多维时间序列故障样本扩充及故障诊断方法。数据方面，利用Time GAN对已有的中、重度故障数据进行扩充，生成反映真实故障样本分布且更具多样性的故障样本；模型方面，基于扩充后的故障样本集，采用贝叶斯寻优的LightGBM算法建立故障分类模型，以提高轻度和早期故障的识别能力。以600 MW火电机组高压加热器系统故障诊断为例开展实验研究，结果表明所提方法对轻微故障的诊断效果明显改善，验证了故障样本扩充和诊断方法的有效性。

关键词

火电机组 / 故障诊断 / 多维时间序列 / 样本扩充 / 时间对抗生成网络 / 轻量级梯度提升机