本申请涉及发电机监测，特别涉及一种发电机瞬态工况识别方法；还涉及一种发电机瞬态工况识别装置、设备以及计算机可读存储介质。
背景技术：
1、发电机组是水力发电、火力发电、核能发电等能源设施的核心组件，一旦发生机组各个系统发生故障且无法及时消除，将会影响整个机组运行从而带来巨大的经济损失和安全事故。近年来，发电机组的状态监测和故障诊断技术不断提高，但是发电机组作为一种复杂设备系统，加上其工作环境的复杂多变，导致发电机组的运行工况具有复杂性和多变性的特点，因此要对发电机组进行有效的在线状态监测、数字化运维、智能化健康管理等，在线智能识别其运行工况是必不可少的。
2、目前大多数的发电机组通过对监测参数如电压、转速、电流等设置对应的阈值来判断机组的运行状态。然而发电机组的运行工况具有复杂和多变的特性，传统的根据预先设定阈值进行工况辨识的方法不能满足发电机组工况识别的需求。虽然有少数的发电机组使用k-means聚类算法或混合属性数据自组织映射分类模型实现对发电机的工况辨识，但是这种工况识别方法太过依赖于根据专家经验选取的少数几个参数与特征，准确性有限，且实际运行中，发电机组工况切换频繁，实际瞬态工况信息复杂多样，难以只根据少数几个参数与特征准确获取。
3、有鉴于此，提供一种能够准确识别发电机的瞬态工况已成为本领域技术人员亟待解决的技术问题。
技术实现思路
1、本申请的目的是提供一种发电机瞬态工况识别方法，能够准确识别发电机的瞬态工况，为发电机组在线状态监测、数字化运维、智能化健康管理提供有力支撑。本申请的另一个目的是提供一种发电机瞬态工况识别装置、设备以及计算机可读存储介质，均具有上述技术效果。
2、为解决上述技术问题，本申请提供了一种发电机瞬态工况识别方法，包括：
3、采集发电机各种工况下各目标参数的数值，得到样本数据；所述目标参数为与发电机工况相关的参数；
4、利用所述样本数据训练机器学习模型；
5、利用训练好的所述机器学习模型分析当前采集的各所述目标参数的数值，得到所述发电机当前的工况类型。
6、可选的，所述目标参数包括设定功率、有功功率、机组转速以及定子电压。
7、可选的，所述利用所述样本数据训练机器学习模型包括：
8、利用所述样本数据训练xgboost模型。
9、可选的，所述利用所述样本数据训练机器学习模型包括：
10、将所述样本数据划分为训练数据集与测试数据集；
11、分别构建所述训练数据集与所述测试数据集的特征数据集；
12、利用所述训练数据集的特征数据集训练所述机器学习模型；
13、利用所述测试数据集的特征数据集测试训练后的所述机器学习模型。
14、可选的，所述分别构建所述训练数据集与所述测试数据集的特征数据集包括：
15、构建大小不同的滑动窗口；
16、根据各所述滑动窗口，分别计算所述训练数据集与所述测试数据集中各所述目标参数对应的样本数据的特征值，得到所述训练数据集与所述测试数据集的特征数据集。
17、为解决上述技术问题，本申请还提供了一种发电机瞬态工况识别装置，包括：
18、采集模块，用于采集发电机各种工况下各目标参数的数值，得到样本数据；所述目标参数为与发电机工况相关的参数；
19、训练模块，用于利用所述样本数据训练机器学习模型；
20、识别模块，用于利用训练好的所述机器学习模型分析当前采集的各所述目标参数的数值，得到所述发电机当前的工况类型。
21、可选的，所述训练模块具体用于利用所述样本数据训练xgboost模型。
22、可选的，所述训练模块包括：
23、样本划分单元，用于将所述样本数据划分为训练数据集与测试数据集；
24、特征集构建单元，用于分别构建所述训练数据集与所述测试数据集的特征数据集；
25、训练单元，用于利用所述训练数据集的特征数据集训练所述机器学习模型；
26、测试单元，用于利用所述测试数据集的特征数据集测试训练后的所述机器学习模型。
27、为解决上述技术问题，本申请还提供了一种发电机瞬态工况识别设备，包括：
28、存储器，用于存储计算机程序；
29、处理器，用于执行所述计算机程序时实现如上任一项所述的发电机瞬态工况识别方法的步骤。
30、为解决上述技术问题，本申请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如上任一项所述的发电机瞬态工况识别方法的步骤。
31、本申请所提供的发电机瞬态工况识别方法，包括：采集发电机各种工况下各目标参数的数值，得到样本数据；所述目标参数为与发电机工况相关的参数；利用所述样本数据训练机器学习模型；利用训练好的所述机器学习模型分析当前采集的各所述目标参数的数值，得到所述发电机当前的工况类型。
32、可见，本申请所提供的发电机瞬态工况识别方法，利用采集的各种工况下的样本数据来训练机器学习模型，通过机器学习模型识别发电机的瞬态工况，能够较好的适应发电机组运行工况复杂与多变的特性，挖掘数据深层次信息，精准识别发电机的瞬态工况。
33、本申请所提供的发电机瞬态工况识别装置、设备以及计算机可读存储介质均具有上述技术效果。
1.一种发电机瞬态工况识别方法，其特征在于，包括：
2.根据权利要求1所述的发电机瞬态工况识别方法，其特征在于，所述目标参数包括设定功率、有功功率、机组转速以及定子电压。
3.根据权利要求2所述的发电机瞬态工况识别方法，其特征在于，所述利用所述样本数据训练机器学习模型包括：
4.根据权利要求1所述的发电机瞬态工况识别方法，其特征在于，所述利用所述样本数据训练机器学习模型包括：
5.根据权利要求4所述的发电机瞬态工况识别方法，其特征在于，所述分别构建所述训练数据集与所述测试数据集的特征数据集包括：
6.一种发电机瞬态工况识别装置，其特征在于，包括：
7.根据权利要求6所述的发电机瞬态工况识别装置，其特征在于，所述训练模块具体用于利用所述样本数据训练xgboost模型。
8.根据权利要求6所述的发电机瞬态工况识别装置，其特征在于，所述训练模块包括：
9.一种发电机瞬态工况识别设备，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5任一项所述的发电机瞬态工况识别方法的步骤。
