《表1 关键参数：基于大数据技术的电厂设备状态评估和预警应用研究》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于大数据技术的电厂设备状态评估和预警应用研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

通过聚类分析构造健康状态评估模型。采用k-means聚类分析法从归一化后的历史正常数据集中选取典型的状态向量构成健康矩阵D，结合误差平方和（SSE）指标来决定簇数k。k-means算法是一种常见的聚类方式，也是目前为止学界和业界应用最为广泛的一种聚类方法[14]。该算法具体是对数据集中每一个点选择欧几里得距离计算其与每一个质心的距离，根据距离范围划分质心所属集合，对划分好的k个集合重新计算每个集合的质心来作为典型状态向量进行健康矩阵D的构建和训练[15]。本试验取k=125。在进行状态估计之前选取代表制粉系统的12个关键参数组成的观测向量Xobs进行建模。关键参数见表1。