不同工况及类别下热力系统故障诊断的多源域自适应方法

摘要

针对不同负荷工况下，热工参数数据分布差异大且故障类别不一致的问题，提出了一种基于多源样本加权域对抗网络的热力系统故障诊断方法。首先，构建领域共享的一维卷积神经网络以提取多个源域和目标域的深度判别特征；其次，引入加权机制和域一致性损失度量样本，以降低仅存在于源域的故障类别的负迁移影响；然后，通过多域判别器的对抗学习实现每对源域和目标域的特征差异对齐；最后，构建多分类器对齐模块以提高预测的一致性，从而实现多源域不同工况下热力系统故障的准确诊断。借助某600MW超临界机组全范围仿真系统进行故障仿真实验，结果验证了所提方法的鲁棒性和优越性。

关键词

热力系统 / 故障诊断 / 多源域自适应 / 对抗学习