基于XGBoost的磨煤机效率异常检测

针对火力发电厂中磨煤机的效率异常问题,提出了一种基于XGBoost的效率监测方案。首先,选取运行变量进行建模,利用分类与回归树(CART)作为基学习器,使用梯度提升的方法对基学习器进行优化和组合,训练得到强学习器,从而实现不同工况下效率相关变量的估计;然后,根据正常工况在模型下的残差依据指数加权移动平均(EWMA)的方法确定控制限;使用控制限作为异常的阈值实现异常检测;最后,使用两个实际案例证明了方法的有效性,并给出了与其他算法的比较结果。实验结果表明,该方法具有较高的准确性和可靠性,可以用于非线性系统的异常工况监测。