1.一种基于分层分块的发电机组过程监测与故障诊断方法，其特征是：包括以下步骤：步骤1.基于动态局部保持主成分分析法DLPPCA的过程监测算法；步骤2.基于分层分块DLPPCA-SVM的过程监测和故障诊断方法；所述基于DLPPCA的过程监测算法，包括以下步骤：首先，对样本集进行标准化处理，得到X＝[x 1 ,x 2 ,…,x n ]∈R m×n ，利用公式X * ＝[X(1),X(2),…X(n-l)]得到扩展动态矩阵X * ∈R m(l+1)×(n-l) ；求解下式的广义特征值求解问题：X * LX *T α＝λX * DX *T α (1)其中，n为样本数，α为投影向量；D为一个n×n的对角阵，其对角线元素为 W ij 为x i 和x j 的近邻关系，通过k近邻法求得；如果x i x j 为k近邻，则 如果x i x j 非k近邻，则W ij ＝0，L是Laplacian矩阵，L＝D-W；取最小的d个特征值构成投影矩阵A，从而得到投影后的低维矩阵Y * ＝A T X * ；求解Y * 的协方差矩阵∑： 其中,l为动态步数；对求得的协方差矩阵进行特征值分解：∑p i ＝λ * p i (3)上式中，Pi表示矩阵∑的一个特征向量；取最大的k个特征值对应的特征向量得到矩阵P，通过Y＝P T Y * (4)上式中，P T 表示矩阵P的转置；得到经过DLPPCA算法特征提取后的低维矩阵Y，该矩阵又称得分矩阵；对于新检测样本，先进行标准化，再应用DLPPCA算法，对得到的得分矩阵Y求解统计量；T 2 统计量为：T 2 ＝y1 T PΛ -1 P T y1 (5)其中，Λ是由最大的k个λ * 所组成的对角矩阵；T 2 统计量服从F分布，T 2 所对应的控制限为： 其中，l为动态步数；SPE统计量为:SPE＝y1 T (-PP T )y1 (7)上式中，y表示矩阵Y * 的列向量，PP T 表示P矩阵与P矩阵的转置相乘；SPE对应的控制限为： 其中： 上式中，c α 是标准正态分布的置信极限，满足公式 此处α＝0.01；λ * 为公式(3)所得到的特征值；所述动态步数l的取值为：1或2；所述基于分层分块DLPPCA-SVM的过程监测和故障诊断方法包括：发电机组过程划分为S个子块，m个子块使用PCA方法，n个子块使用DLPPCA方法；则m个子块得分矩阵为Y 1 ,Y 2 ,…,Y m ，n个子块得分矩阵表示为Y m+1 ,Y m+2 ,…,Y m+n ；将各子系统的得分矩阵组合到一起，作为顶层监测数据：最后根据顶层建模数据各个维度间的相关关系，选择基于PCA或DLPPCA的过程监测方法对顶层进行监测，并利用历史故障数据训练各子块的SVM分类器；在在线监测过程中，当底层统计量和顶层统计量超限时，通过SVM算法进行诊断，得到故障类型；所述SVM算法包括：离线建模阶段和在线监测部分；所述SVM算法包括以下步骤：步骤(1)：收集系统历史数据，计算阈值并结合系统机理，对各子块进行分析，决定各子块使用的方法；动态性强的、呈非线性的子块使用DLPPCA方法，动态性弱的、呈线性的子块使用PCA方法；步骤(2)：对正常工况数据进行标准化处理，得到X＝[x 1 ,x 2 ,…,x n ]∈R m×n 分别使用PCA和DLPPCA,对其进行处理，保存各子块的得分矩阵Y 1 ,Y 2 ,…,Y m 和Y m+1 ,Y m+2 ,…,Y m+n ，以及各子块对应的T 2 和SPE控制限；步骤(3)：收集各子块的历史故障数据，进行标准化处理，并使用该子块对应的方法进行特征提取，保存得到的得分矩阵；步骤(4)：将步骤(2)中得到的各子块得分矩阵进行组合得到顶层监测数据 并对顶层监控数据进行分析，选择合适的监测方法，计算顶层数据的 和 统计量；其中， 表示组合得到的顶层监测数据，Y 1 ,Y 2 ,…,Y m+n 表示步骤(2)中所保存的各子块得分矩阵；步骤(5)：利用步骤(3)中求得的故障数据得分矩阵，分别训练各子块的SVM分类器，通过交叉验证的方法实现多分类；步骤(6)：获得在线监测数据，并对数据进行标准化处理，得到x new ；其中，x new 表示标准化处理后得到的在线新样本数据；采用各子块对应的方法进行特征提取，使用PCA方法计算得到得分矩阵y new1 ,y new2 ,…,y newm 、 和SPE P 统计量；使用DLPPCA方法计算得到得分矩阵y newm+1 ,y newm+2 ,…,y newm+n 、 和SPE D 统计量；其中，y new1 ,y new2 ,…,y newm 表示m个使用PCA方法建模的子块最终计算得到的m个得分矩阵，同理，y newm+1 ,y newm+2 ,…,y newm+n 表示n个使用DLPPCA方法建模的子块最终计算得到的n个得分矩阵, SPE P 和 SPE D 分别表示使用PCA和DLPPCA方法的各个子块最终求得的统计量；步骤(7)：将步骤(6)中求得的得分矩阵组合从而得到顶层监测数据 并使用步骤(4)中确定的方法计算在线顶层监测数据的 和 统计量；其中 表示组合得到的在线顶层数据，而y new1 ,y new2 ,…,y newm+n 表示步骤(6)中所求得的各子块得分矩阵， 和 代表顶层数据 的统计量；步骤(8)：在在线检测中，若顶层数据和底层子块均未出现超限，则系统正常；若底层子块超出控制限，则利用步骤(5)训练得到的SVM分类器对故障子块进行诊断，得到明确的故障类型；若仅顶层数据存在超限，而底层子块均在控制限以下，则为子块间出现故障或不匹配。
2.根据权利要求1所述的一种基于分层分块的发电机组过程监测与故障诊断方法，其特征是：所述故障类型包括：(1)高压加热器系统的一段抽汽压力从第200个采样点开始逐渐增大的故障,标记为类别1；(2)高压加热器系统的1号水位从第200个采样点开始逐渐下降的故障，标记为类别2；(3)汽动给水泵系统的给小机转速从第200个采样点开始逐渐增大并在第400个采样点回落为正常值的故障，标记为类别3；(4)汽动给水泵系统的给水压力从第200个采样点开始出现扰动故障，标记为类别4；(5)过热蒸汽及其减温水系统的过热器左侧一级减温器前温度从第200个采样点开始逐渐增大并在第300个采样点时回落为正常值，标记为类别5；(6)过热蒸汽及其减温水系统的省煤器左侧出口给水压力从第200个样点开始出现扰动故障，标记为类别6。
3.一种诊断装置，其特征是：包括：存储器，存储有计算机程序；处理器，执行所述计算机程序；其中，所述处理器在执行所述计算机程序时，实现如权利要求1-2所述的诊断方法的步骤。
4.一种计算机存储介质，其特征是：所述计算机存储介质上存有计算机程序，所述计算机程序被处理器执行时实现如权利要求1-2所述的一种基于分层分块的发电机组过程监测与故障诊断方法的步骤。
