本发明涉及轴瓦温差预测，尤其是指一种水轮机组水导轴瓦温差预测方法、装置、设备及计算机存储介质。
背景技术：
1、水轮机轴瓦温差提供了关于水轮机运行状态的重要信息，其异常变化可能对轴瓦的稳定性和使用寿命产生负面影响。这种情况不仅关系到轴瓦的寿命，还可能导致润滑油膜的破碎或减薄，从而影响轴瓦的润滑效能，引发更多的摩擦和磨损，最终可能导致机器故障和设备受损。因此，实时监控轴瓦温度，确保轴瓦温差保持在可控制的范围内，以及及时采取必要的调整和修复手段，成为确保水轮机正常运行并延长轴瓦寿命的关键举措之一。
2、然而，目前的轴瓦温差监测主要依赖硬件设备，如温度传感器等，以实时监测温度。然而，这种方法存在一些问题。首先，监测到的温差仅仅是当前时刻的数值，缺乏对外部因素的预测，因此在基于当前监测值进行有效控制操作时需要丰富的人工经验。其次，当传感器发生故障或通信延迟时，会严重影响控制的时效性，导致控制效果不佳。
3、为解决这些问题，已经提出了一些水轮机轴瓦温差预测方法。其中，数值模拟方法和统计回归方法是两种主要的方法。数值模拟方法利用计算流体力学(cfd)等技术对水轮机内部流场和热传导过程进行模拟，但这需要建立复杂的机理模型，需要对工业过程机理有充分且正确的认识，特别是在运行环境变化时，需要耗费大量的时间和精力来重新构建模型。近年来，随着计算机科学技术和机器学习理论的进步，基于数据驱动的预测方法越来越受到关注。这种方法通过对大量实际测量数据进行统计分析和回归建模，建立轴瓦温差与各种影响因素之间的关系。相比于数值模拟方法，基于数据驱动的预测方法具有建模成本低、维护简便等优势。它能够通过已知参数和运行条件来预测轴瓦温差，从而预警可能发生的故障，因此受到越来越多的青睐。这种方法也被称为状态检修。
4、然而，随着时间的推移和运行状态的变化，轴瓦温差的数据输入和输出之间的函数关系可能会发生变化，这被称为概念漂移。概念漂移的发生可能导致预测精度下降，特别是在预测时长增加的情况下，这种影响会更加显著。因此，为了确保模型始终具有稳定的预测性能，预测模型应该具备适应能力，能够从最新的运行数据中持续学习新的信息。同时，单一的预测模型只能拟合输入和输出之间的单一函数关系，难以获得准确可靠的预测结果。
技术实现思路
1、为此，本发明所要解决的技术问题在于克服现有技术中预测精度低的问题。
2、为解决上述技术问题，本发明提供了一种水轮机组水导轴瓦温差预测方法，包括：
3、获取目标设备温度及相关变量的历史监测数据，并构建训练集；
4、采用移动窗口技术划分所述训练集，得到局部区域集；
5、采用点互信息pmi算法对所述局部区域集进行特征选择，筛选出与输出变量之间相关性大于预设阈值的输入变量，构建隐特征空间集；
6、对所述隐特征空间集进行冗余辨识得到多样局部区域集，并利用多种回归模型在所述多样局部区域集上构建异质基模型库；
7、对所述异质基模型库进行集成修剪和集成融合，得到目标模型，并将查询点输入所述目标模型，得到目标预测输出。
8、优选地，所述相关变量包括机组负荷、导叶开度、坝前水位、坝后水位、机组流量。
9、优选地，所述采用移动窗口技术划分所述训练集，得到局部区域集包括：
10、从所述训练集中选取多个连续时间样本组成的数据集作为初始窗口，并将所述初始窗口按照预设步长逐步往时间方向移动，生成多个局部区域，得到局部区域集。
11、优选地，所述采用点互信息pmi算法对所述局部区域集进行特征选择，筛选出与输出变量之间相关性大于预设阈值的输入变量，构建隐特征空间集包括：
12、采用pmi相关性准则计算任意候选输入变量与输出变量之间的第一pmi相关性值；
13、对所述候选输入变量，利用bootstrapping算法生成随机变量，并计算所述随机变量与输出变量之间的第二pmi相关性值，重复该步骤多次，选取第n位百分位随机化第二pmi相关性值作为相关性阈值，n为实数；
14、若所述第一pmi相关性值大于所述相关性阈值，则判定该候选输入变量与输出变量相关。
15、优选地，所述对所述隐特征空间集进行冗余辨识得到多样局部区域集包括：
16、假设前m-1个旧隐特征空间所构成的集合不存在冗余问题，分别计算所述旧隐特征空间与新隐特征空间ldnew之间的kl散度，若大于预设冗余度阈值，则将所述新隐特征空间加入对应的旧隐特征空间，得到所述多样局部区域集。
17、优选地，所述对所述异质基模型库进行集成修剪和集成融合，得到目标模型包括：
18、获取与查询点相似度高于预设相似度阈值的样本作为验证集，对所述异质基模型库进行性能评价；
19、将所述异质基模型库中的异质基模型按照验证性能进行升序排序，并选取前s个异质基模型，s为实数；
20、采用stacking加权集成策略框架下的高斯过程回归对所述前s个异质基模型进行集成，得到目标模型。
21、优选地，所述对所述异质基模型库进行集成修建和集成融合，得到目标模型，将查询点输入所述目标模型，得到目标预测输出后还包括：
22、将最新过程状态数据加入训练集，并移出最旧样本，以便对模型进行不断地训练优化。
23、本发明还提供了一种水轮机组水导轴瓦温差预测装置，包括：
24、训练集构建模块，用于获取目标设备温度及相关变量的历史监测数据，并构建训练集；
25、局部区域集构建模块，用于采用移动窗口技术划分所述训练集，得到局部区域集；
26、隐特征空间集构建模块，用于采用点互信息pmi算法对所述局部区域集进行特征选择，筛选出与输出变量之间相关性大于预设阈值的输入变量，构建隐特征空间集；
27、模型构建模块，用于对所述隐特征空间集进行冗余辨识得到多样局部区域集，并利用多种回归模型在所述多样局部区域集上构建异质基模型库；
28、预测模块，用于对所述异质基模型库进行集成修剪和集成融合，得到目标模型，并将查询点输入所述目标模型，得到目标预测输出。
29、本发明还提供了一种水轮机组水导轴瓦温差预测设备，包括：
30、存储器，用于存储计算机程序；
31、处理器，用于执行所述计算机程序时实现上述一种水轮机组水导轴瓦温差预测方法步骤。
32、本发明还提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述一种水轮机组水导轴瓦温差预测方法的步骤。
33、本发明的上述技术方案相比现有技术具有以下优点：
34、本发明所述的水轮机组水导轴瓦温差预测方法，利用移动窗口技术将水轮机组的历史数据划分为多个局部区域，并对每个局部区域进行主成分分析，提取其隐含的特征向量，同时采用t检验方法剔除冗余局部区域；针对获取的多样性局部区域，使用不同的建模技术构建异质基模型库；在线预测时，引入及时学习思想构建当前查询点的相似数据集，间接评价模型的预测性能，从而挑选出对于当前查询点预测性能较好的模型；最后，利用stacking方法将选取出基模型的输出结果进行自适应加权融合，从而得到最终的水轮机组水导轴瓦温差预测值。
1.一种水轮机组水导轴瓦温差预测方法，其特征在于，包括：
2.根据权利要求1所述的水轮机组水导轴瓦温差预测方法，其特征在于，所述相关变量包括机组负荷、导叶开度、坝前水位、坝后水位、机组流量。
3.根据权利要求1所述的水轮机组水导轴瓦温差预测方法，其特征在于，所述采用移动窗口技术划分所述训练集，得到局部区域集包括：
4.根据权利要求1所述的水轮机组水导轴瓦温差预测方法，其特征在于，所述采用点互信息pmi算法对所述局部区域集进行特征选择，筛选出与输出变量之间相关性大于预设阈值的输入变量，构建隐特征空间集包括：
5.根据权利要求1所述的水轮机组水导轴瓦温差预测方法，其特征在于，所述对所述隐特征空间集进行冗余辨识得到多样局部区域集包括：
6.根据权利要求1所述的水轮机组水导轴瓦温差预测方法，其特征在于，所述对所述异质基模型库进行集成修剪和集成融合，得到目标模型包括：
7.根据权利要求1所述的水轮机组水导轴瓦温差预测方法，其特征在于，所述对所述异质基模型库进行集成修建和集成融合，得到目标模型，将查询点输入所述目标模型，得到目标预测输出后还包括：
8.一种水轮机组水导轴瓦温差预测装置，其特征在于，包括：
9.一种水轮机组水导轴瓦温差预测设备，其特征在于，包括：
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述一种水轮机组水导轴瓦温差预测方法的步骤。
