1.基于改进MSET的汽轮机故障预警分析方法，其特征在于包括以下步骤：步骤1：将汽轮机运行的历史数据进行标准化预处理，获得标准化处理后的历史数据；

步骤2：构造MSET的历史矩阵，使用遗传算法优化MSET的历史矩阵；

步骤3：采用滑动窗口残差统计方法，计算汽轮机参数的故障预警阈值，建立故障诊断模块，引入故障信息，使用MSET对故障进行分析，获得诊断结果；

所述步骤2包括如下步骤：

步骤2.1：构建观测向量，将n个变量用于多元状态估计的建模，第i时刻的观测向量表示如下：；

式中： 表示第 时刻的第 个变量，变量取值为 ； 表示转置；

步骤2.2：从标准化处理后的历史数据中选取合适n个观测向量，得到历史矩阵D；

选取的观测向量中的数据包括汽轮机机组在不同负荷下的运行工况，其中形成的历史矩阵D表示如下：；

代表第1个观测向量在一段时间的运行状态数列； 代表第2个观测向量在一段时间的运行状态数列； 代表第n个观测向量在一段时间的运行状态数列；

代表第1个观测向量在时间点1的运行状态的数值； 代表第2个观测向量在时间点1的运行状态的数值； 代表代表第n个观测向量在时间点1的运行状态的数值；

代表第1个观测向量在时间点2的运行状态的数值； 代表第2个观测向量在时间点2的运行状态的数值； 代表代表第n个观测向量在时间点2的运行状态的数值；

代表第1个观测向量在时间点m的运行状态的数值； 代表第2个观测向量在时间点m的运行状态的数值；  代表代表第n个观测向量在时间点m的运行状态的数值；

m表示历史运行状态个数；n表示观测向量个数；

步骤2.3：由实时观测向量 ，计算得到估计向量 ：；

式中： 是根据实时观测向量 求得的权值向量， 是第m维权值； 表示历史矩阵；

w1是第1维权值；w2是第2维权值；w3是第3维权值；wm是第m维权值；

代表第1个观测向量在一段时间的运行状态数列； 代表第2个观测向量在一段时间的运行状态数列； 代表第m个观测向量在一段时间的运行状态数列；

步骤2.4：由残差最小的原则，逆推得到权值向量W，公式如下：；

式中， ‑非线性运算符号； ‑权值向量的优化参数，0< <1；I‑单位向量； 表示历史向量的转置；

其中， 选用欧氏距离，其计算方法如下：；

；

、 分别表示向量X、向量Y；

表示向量X中第一行数列； 表示向量X中第二行数列； 表示向量X中第 行数列；

表示向量Y中第一列数列； 表示向量Y中第二列数列； 表示向量Y中第 列数列表示向量X中第一行数列 与向量Y中第一行数列 的乘积的值； 表示向量X中第一行数列 与向量Y中第二行数列 的乘积的值； 表示向量X中第一行数列 与向量Y中第 行数列 的乘积的值；

表示向量X中第二行数列 与向量Y中第一行数列 的乘积的值； 表示向量X中第二行数列 与向量Y中第二行数列 的乘积的值； 表示向量X中第二行数列 与向量Y中第 行数列 的乘积的值；

表示向量X中第 行数列 与向量Y中第一行数列 的乘积的值； 表示向量X中第 行数列 与向量Y中第二行数列 的乘积的值； 表示向量X中第行数列 与向量Y中第 行数列 的乘积的值；

表示向量X中第i行数列 与向量Y中第j行数列 的乘积的值；

表示向量X中第 行数列中的第 列； 表示向量Y中第 行数列中的第 列；

k=1,2,3…m；

步骤2.5：使用遗传算法求得优化参数 ；

所述步骤3包括如下步骤：

步骤3.1：计算汽轮机运行时的残差向量ε，残差向量ε计算如下：；

其中： 为观测向量； 为估计向量；

步骤3.2：选取滑动窗口法对计算所得的残差向量ε进行处理；其中，选择适当窗口宽度N，计算残差向量平均值 ，其公式如下：；

为残差向量的第 个数值； 为窗口宽度，=1，2，3...N；

步骤3.3：根据残差向量平均值 ，计算得到故障预警阈值 ；

汽轮机健康运行时，通过残差向量图找其最大值为 ，k为预警阈值，则汽轮机故障预警阈值 计算公式如下：；

步骤3.4：通过观察计算得到的平均残差曲线图，得到诊断结果；当其高于预警阈值时，汽轮机存在异常运行；当其没有超过预警阈值时，汽轮机正常运行。

2.根据权利要求1所述基于改进MSET的汽轮机故障预警分析方法，其特征在于：所述步骤1中，标准化预处理公式为：；

式中，μ、x、σ分别为实时观测向量 中的均值、变量、标准差。