(19)中华 人民共和国 国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202110263298.5 (22)申请日 2021.03.11 (65)同一申请的已公布的文献号 申请公布号 CN 113033084 A (43)申请公布日 2021.06.25 (73)专利权人 哈尔滨工程大 学 地址 150001 黑龙江省哈尔滨市南岗区南 通大街145号哈尔滨工程大学科技处 知识产权办公室 (72)发明人 刘永阔　艾鑫　单龙飞　黄学颖　 (51)Int.Cl. G06F 30/27(2020.01) G06V 10/764(2022.01) G06K 9/62(2022.01) (56)对比文件 CN 110399935 A,2019.1 1.01 CN 107657288 A,2018.02.02 CN 111970229 A,2020.1 1.20 US 2020374720 A1,2020.1 1.26 B Peng 等.A mixed i ntelligent condition monitoring method for nuclear power plant. 《An nals of Nuclear Energy》 .2020, 艾鑫 等.基 于iForest-Adabo ost的核电厂 一回路故障诊断技 术研究. 《核动力工程》 .2020, 第41卷(第3期),第208-213页. Zhiguo Di ng 等.An An omaly Detecti on Approach Based o n Isolation Forest Algorithm for Streami ng Data usi ng Sliding Windo. 《3rd IFAC I nternati onal Conference o n Intelligent Co ntrol and Automati on Science》 .2013, 李新鹏 等.基 于孤立森林算法的电力调度 流数据异常检测方法. 《电网技 术》 .2019,第43卷 (第4期),14 47-1455页. Changgen Li 等.Simi larity-Measured Isolation Forest: An omaly Detecti on Method for Mac hine Monitoring Data. 《IEEE》 .2021, 审查员 李婧 (54)发明名称 一种基于孤立森林和滑动时窗的核电站系 统在线监测方法 (57)摘要 本发明属于核电站系统在线状态监测技术 领域， 具体涉及一种基于孤立森 林和滑动时窗的 核电站系统在线监测方法。 本发 明所用的孤立森 林方法是基于二叉树划分思想的异常识别模型， 对监测数据的维度与线性特征无要求， 针对核电 站系统非线性强、 运行数据维数高的特点， 在状 态监测过程中， 可更加快速准确的识别系统异 常。 本发明使用滑动时窗方法改进孤立森林模 型， 使之具有模 型在线更新与实时状态监测的功 能， 提高了孤立森林状态监测方法的可用性。 权利要求书1页 说明书4页 附图1页 CN 113033084 B 2022.04.05 CN 113033084 B 1.一种基于孤立森林和滑动 时窗的核电站系统在线监测方法， 其特征在于， 包括以下 步骤： 步骤1： 获取核电站在正常状态下的历史运行数据， 使用最大最小值归一化方法对核电 站在正常状态下的历史运行数据进行标准化处理， 得到核电站在正常状态下的历史运行无 量纲样本数据X； 步骤2： 获取核电站实时运行数据， 使用最大最小值归一化方法对核电站实时运行数据 进行标准化处理， 并利用滑动时窗法将标准化处理后的核电站实时运行数据添加至X中， 构 成训练数据X ′； 设滑动时窗长度为T， 核电站在正常状态下的历史运行 无量纲样本数据X表示 为： X＝{x1,x2,...,xT‑1,xT} 当获取核电站实时数据 xt后， 将滑动时窗第一个数据删除， 同时将新数据 xt添加到滑动 时窗最后， 构成训练数据X ′； X′＝{x2,x3,...,xT‑1,xt}； 步骤3： 利用孤立森林方法进行状态监测， 将训练数据X ′输入孤立森林模型进行异常识 别的训练， 计算实时数据的异常得分， 实现对核电站系统状态的准确监测； 步骤3.1： 对训练数据X ′进行随机采样， 使用每次随机采样得到的数据构建孤立树模 型， 孤立树模型的最大深度设置为 l， 将各孤立 树集成为孤立森林模型； 其中， 代表子样本数量； y＝ceiling(x)表示向上舍入函数， 即取大于等于x的最小整 数； 步骤3.2： 计算各孤立树的平均 路径长度c(n)， 计算核电站实时数据xt在孤立树中的路 径长度h(x)， 计算实时数据的异常得分 s； 其中， n为孤立树T的根节点所包含的样本量； H(n)为调和函数， H(n)＝ln(n)+ε； ε＝ 0.5772156649为欧拉常数； h(x)是核电站实 时数据xt在孤立树中的路径长度； E[h(x)]为实 时数据xt在孤立森林 所有孤立树中的路径长度的期望值； 步骤3.3： 若异常得分大于0.5， 则判定当前时刻核电站系统异常， 发出警报； 否则， 判定 当前时刻核电站系统正常， 获取下一时刻实时运行数据， 返回步骤2， 实现对核电站系统的 在线实时监测。权　利　要　求　书 1/1 页 2 CN 113033084 B 2一种基于孤立森 林和滑动时窗的核电站系统在线 监测方法 技术领域 [0001]本发明属于核电站系统在线状态监测技术领域， 具体涉及一种基于孤立森林和滑 动时窗 的核电站系统在线监测方法。 背景技术 [0002]安全是核电站发展的一个重要前提。 如何控制核电站的风险， 保证核电机组的正 常运行 是核电领域长期追寻的目标。 故障的监测与诊断技术能够有效的帮助操作人员来 监测核电站  的运行状态， 及时的判别故障的发生与故障的种类， 所以该技术一直受到高度 的重视。 [0003]在实际核电站系统状态监测中， 大多使用基于阈值法或主元分析法的监测， 阈值 法监测 存在阈值选取无明确理论指导， 阈值选取不当易漏报警的问题； 而主 元分析监测方 法使用到  矩阵运算， 在高维数据下存在计算效率低， 且主元分析法属于线性模型， 对核电 站非线性数  据处理效果较差。 孤立森林方法是一种基于数据驱动的异常检测算法， 该算法 根据二叉树的  划分思想识别异常数据， 异常识别准确度高， 可适应核电站的海量、 高维的 数据。 但孤立森  林方法大都是离线检测， 无法适用于核电站系统的在线实时监测， 因此需 要结合滑动时窗方  法对孤立森林算法进行改进， 以适应核电站在线实时监测的要求。 [0004]综上所述， 开发出一种 实时、 准确的核电站系统在线实时监测方法对于确保核电 站安全 可靠运行 具有重大的实际意 义。 发明内容 [0005]本发明的目的在于解决孤立森林状态监测方法模型在线更新与实时在线监测的 问题， 提 供一种基于孤立森林和滑动时窗的核电站系统在线监测方法。 [0006]本发明的目的通过如下技 术方案来实现： 包括以下步骤： [0007]步骤1： 获取核电站在正常状态下的历史运行数据， 使用最大最小值归一化方法对 核电站 在正常状态下 的历史运行数据进行标准化处理， 得到核电站在正常状态下 的历史 运行无量纲 样本数据X； [0008]步骤2： 获取核电站实时运行数据， 使用最大最小值归一化方法对核电站实时运行 数据进 行标准化处理， 并利用滑动时窗法将标准化处理后的核电站实时运行数据添加至X 中， 构成 训练数据X ′； [0009]设滑动时窗长度为T， 核电站在正常状态下的历史运行 无量纲样本数据X表示 为： [0010]X＝{x1,x2,...,xT‑1,xT} [0011]当获取核电站实时数据xt后， 将滑动时窗第一个 数据删除， 同时将新数据xt添加到 滑动 时窗最后， 构成训练数据X ′； [0012]X′＝{x2,x3,...,xT‑1,xt}； [0013]步骤3： 利用孤立森林方法进行状态监测， 将训练数据X ′输入孤立森林模型进行异 常识 别的训练， 计算实时数据的异常得分， 实现对核电站系统状态的准确监测；说　明　书 1/4 页 3 CN 113033084 B 3