本发明涉及电力行业可靠性，更具体地说，本发明涉及一种基于多源信息融合的水电机组健康状态评估方法。
背景技术：
1、目前我国水电机组检修模式采用的是计划检修模式，这种模式是以可靠性为核心制定检修周期，然后根据检修周期定期对机组进行检查、维修。由于这种检修模式未能及时获取水电机组运行状态，因此存在着下述问题：有些设备状态较差的机组因为“检修不足”而降低了机组稳定性，甚至由于运行状态恶化而导致故障或事故发生；有些设备状态较好的机组因为“检修过剩”造成了人力、物力等资源浪费，并且降低了机组利用率。鉴于现有水电机组检修模式的不足之处，专家学者提出了根据水电机组健康状态，合理的制定检修计划并据此执行水电机组维护检修工作的状态检修模式，但状态检修模式严重依赖于水电机组状态评价技术。由于水电机组是一种多因素耦合的复杂非线性动力学系统，无法通过单一监测指标直接得出评价结论，其健康状态评价过程需要根据机组设备结构特性逐层拆分为一个个子系统，汇集电站已有的各类数据分别对水电机组各子系统设备运行状态进行评价，并构建系统性的评估体系，综合各子系统状态的评价结果得出水电机组运行状态评价结果。目前，关于水电机组运行状态的研究较少，而且主要研究的方向是故障诊断技术，但是由于故障的复杂性和故障样本的匮乏，使得对水电机组运行状态的研究并不能满足现场需求。
技术实现思路
1、本发明提供一种基于多源信息融合的水电机组健康状态评估方法不仅降低了网络的训练时以及所需的硬件成本，而且提高了水电机组健康状态评估的准确性以及有效性。
2、为了实现根据本发明的这些目的和其它优点，提供了一种基于多源信息融合的水电机组健康状态评估方法，包括以下步骤：
3、步骤1，采集水电机组运行过程的状态参数和工况参数；
4、步骤2，根据水电机组的工况参数构建定义反映水电机组健康状态的标签体系；
5、步骤3，基于云模型的配电网运行特征概念化归纳；
6、步骤4，逆向云产生的模糊概念与给定标签匹配，运用模糊集合的贴进度衡量，生成水电机组健康状态评估结果。
7、优选的是，一种基于多源信息融合的水电机组健康状态评估方法，所述步骤1包括：
8、步骤1.1，每隔m分钟采集一次水电机组工况参数和水电机组健康状态参数；
9、步骤1.2，将所采集的数据形成水电机组日运行状态的量测序列，用矩阵pt表示，如式(1)所示：
10、
11、式中：k为水电机组编号；t为数据采样时段，ptk,t为第k个水电机组在t时段采集的水电机组工况参数。
12、优选的是，一种基于多源信息融合的水电机组健康状态评估方法，所述步骤1.1中，所述水电机组健康状态参数包括：上导轴承x向摆度、上导轴承y向摆度、下导轴承x向摆度、下导轴承y向摆度、水导轴承x向摆度、水导轴承y向摆度、上机架x向水平振动、上机架y向水平振动、上机架z向垂直振动、下机架x向水平振动、下机架y向水平振动、下机架z向垂直振动。
13、优选的是，一种多源信息融合的水电机组健康状态评估方法，所述步骤2中工况参数包括：工作水头、机组转速、导叶开度、励磁电流、励磁电压、机端有功功率、机端无功功率。
14、优选的是，一种基于多源信息融合的水电机组健康状态评估方法，所述步骤3包括：
15、步骤3.1，根据式(1)表示的水电机组状态数据采集并根据水电机组的标签定义可生成多时间尺度样本序列，包括：年样本序列、季样本序列、月样本序列、日样本序列；
16、步骤3.2，计算样本的指标值；对样本序列的各样本分别计算水电机组健康状态的指标x1～x12，从而得到日样本k的指标向量xk＝(x1k,x2k,…,x12k)，形成一个云滴；所述指标x1～x12分别对应上导轴承x向摆度、上导轴承y向摆度、下导轴承x向摆度、下导轴承y向摆度、水导轴承x向摆度、水导轴承y向摆度、上机架x向水平振动、上机架y向水平振动、上机架z向垂直振动、下机架x向水平振动、下机架y向水平振动、下机架z向垂直振动。
17、步骤3.3，计算云模型参数；采用逆向云发生器的sbtc-1stm算法，以指标i的值xi，i＝1,2,…,12为云滴，对样本序列x的n个云滴计算该指标的样本均值、中心距、样本方差、云模型期望、熵和超熵。
18、所述样本均值、中心距、样本方差公式分别如式(2)所示：
19、
20、式中：s2为样本方差，xi为样本序列，为样本均值；
21、所述云模型期望如式(3)所示：
22、
23、式中：ex为云模型期望；
24、所述熵如式(4)所示：
25、
26、式中：en为熵；
27、所述超熵如式(5)所示：
28、
29、式中：he为超熵。
30、步骤3.4，计算云模型的隶属度μi；根据云模型参数可确定云的期望曲线；期望曲线代表不同熵值下云滴分布的期望，因而用云的期望曲线可以代表征云滴群属于概念exi的隶属度，从而得出指标xi的模糊概念(exi，μi)。
31、云模型隶属度如式(6)所示：
32、
33、步骤3.5，重复步骤3.3和步骤3.4，得到基于n维大数据的各特征指标模糊概念(ex1，μ1)～(ex12，μ12)。
34、优选的是，一种基于多源信息融合的水电机组健康状态评估方法，所述步骤4包括：
35、步骤4.1，将状态特征标签形成第一模糊集合和第二模糊集合，将指标特征形成第三模糊集合；所述第一模糊集合表示为{ai}，i＝1，2，3，4；第二模糊集合表示为{aj}，i＝1，2，3，4；第三模糊集合为b。
36、步骤4.2，根据第一模糊集合和第二模糊集合与第三模糊集合之间的模糊距离计算b的加权分数，所述加权分数用于表征对象的运行性能：
37、计算第一模糊集合和第二模糊集合与第三模糊集合之间的模糊距离的公式如式(7)：
38、
39、
40、
41、式中：d(ai,b)表示b与ai的距离；d(ai,aj)表示ai与aj的距离；d(aj,b)表示b与aj的距离；
42、在一种可行的实现方式中，b的加权分数公式如式(8)所示：
43、
44、式中：d′(ai,b)表示d(ai,b)在第一模糊集合ai和第二模糊集合aj所组成的空间上的投影；d′(aj,b)表示d(aj,b)在第一模糊集合ai和第二模糊集合aj所组成的空间上的投影。
45、优选的是，一种基于多源信息融合的水电机组健康状态评估方法，根据b的加权分数计算公式可以得出待评判概念b的分值信息。该分值的物理含义表征是水电机组健康状态评估情况在一般统计意义的排名情况，也能够定性表示对象运行性能的“优、良、中、差”水平，从而刻画水电机组健康状态。
46、本发明至少包括以下有益效果：
47、第一、极大的降低了网络的训练时以及所需的硬件成本，而且提高了水电机组健康状态评估的准确性以及有效性；
48、第二、以水电机组时间运行数据为样本单元，用运行指标与标签模板的模糊距离进行加权求和，得到水电机组健康状态的打分值，形成评估意义清晰、刻画尺度精细、评价依据客观的水电机组健康状态评估方法。
49、本发明的其它优点、目标和特征将部分通过下面的说明体现，部分还将通过对本发明的研究和实践而为本领域的技术人员所理解。
1.一种基于多源信息融合的水电机组健康状态评估方法，其特征在于，包括以下步骤：
2.根据权利要求书1所述的基于多源信息融合的水电机组健康状态评估方法，其特征在于，所述步骤1包括：
3.根据权利要求2所述的基于多源信息融合的水电机组健康状态评估方法，其特征在于，所述步骤1.1中，所述水电机组健康状态参数包括：上导轴承x向摆度、上导轴承y向摆度、下导轴承x向摆度、下导轴承y向摆度、水导轴承x向摆度、水导轴承y向摆度、上机架x向水平振动、上机架y向水平振动、上机架z向垂直振动、下机架x向水平振动、下机架y向水平振动、下机架z向垂直振动。
4.根据权利要求1所述的基于多源信息融合的水电机组健康状态评估方法，其特征在于，所述步骤2中工况参数包括：工作水头、机组转速、导叶开度、励磁电流、励磁电压、机端有功功率、机端无功功率。
5.根据权利要求1所述的基于多源信息融合的水电机组健康状态评估方法，其特征在于，所述步骤3包括：
6.根据权利要求1所述的基于多源信息融合的水电机组健康状态评估方法，其特征在于，所述步骤4包括：
7.根据权利要求6所述的基于多源信息融合的水电机组健康状态评估方法，其特征在于，根据b的加权分数计算公式得出待评判概念b的分值信息；该分值的物理含义表征是水电机组健康状态评估情况在一般统计意义的排名情况，也能够定性表示对象运行性能的“优、良、中、差”水平，从而刻画水电机组健康状态。
