基于贝叶斯监督投影的多变量变换方法在水电涡轮机退化监测与预测中的应用及精准的不确定性量化

《IEEE Transactions on Industrial Informatics》：Bayesian Supervised Projection Multivariate Transform for Degradation Monitoring and Forecasting of Hydroelectric Turbines With Well-Calibrated Uncertainty Quantification

　　

摘要：

水力涡轮机的老化监测需要精确的预测以及经过良好校准的不确定性量化，以支持关键的维护决策。传统的自举法和多元投影追踪法存在校准覆盖度不佳的问题（自举法的校准不足率为75%–84%，投影追踪法的校准过度率为99%–100%，而目标值为90%）；而采用蒙特卡洛丢弃法或集成方法的深度学习技术在分布偏移情况下也存在校准难题，加之计算限制，难以在实时监控与数据采集系统中使用。我们提出了贝叶斯监督投影多元变换方法，该方法结合了监督降维与贝叶斯共轭推断，从而获得校准良好的预测区间。通过在两种不同老化场景（渐进性损耗和突然损坏）下的81,048组观测数据进行验证，该方法的平均绝对百分比误差为1.30%–1.95%，覆盖率为86%–95%，性能优于传统的投影追踪法和基于自举法的方法。该方法还能提供与实时SCADA系统兼容的t分布预测区间，每样本仅需40次浮点运算，同时可将不确定性分解为随机成分、认知成分以及与方差相关的成分，便于为维护决策提供具有物理意义的参考。实验结果表明，将监督投影与贝叶斯推断相结合能够恢复校准覆盖度，为关键基础设施监测中的实际应用提供了可行框架。