基于低质量数据的水电机组变工况状态指标构建方法

水电站监测数据与机组运行工况高度关联，且通常存在数据异常和数据缺失等问题。为此，提出了一种基于低质量数据的变工况下水电机组状态指标构建方法。首先采用国内某大型常规水电站的实测水头、有功功率及下机架振动数据构建机组运行数据集，再采用DBSCAN算法清洗异常数据，最后基于GMM算法拟合健康样本的概率密度分布，构建机组健康状态模型。在此基础上，计算待评估样本与健康状态模型之间的负对数似然概率，并将其作为机组性能状态指标。验证分析表明，通过数据清洗能有效识别水电机组运行数据集中的奇异点和离群点，且所构建的健康模型受数据缺失影响较小。