1.一种火力发电厂时间序列变量异常监测方法，其特征在于，包括：

(1)采集火力发电厂模拟信号监测变量的时间序列数据；将整个时间序列数据作为初始的最佳PLR段，计算所述最佳PLR段的决定系数，并设定阈值所述PLR，即分段线性表示方法，能够从历史时间序列数据样本中提取内在信息，通过分段线性表示方法对火力发电厂中模拟信号的监测变量数据进行分段处理，能够提取火力发电厂监测变量中连续变化的趋势，及时发现系统运行过程中的异常情况；

(2)将历史样本数据中整个时间序列作为第一层原始数据段；

(3)对原始数据段进行分割，形成两个新的数据段，并分别计算两个新的数据段的决定系数；

(4)如果所述的两个决定系数中，至少一个满足分割条件，则表示分段允许，进入步骤(5)；否则，分段结束；

所述分割条件具体为：当前决定系数大于原始数据段的决定系数，并且大于设定阈值(5)将分段后的两个数据段分别作为下一层原始数据段，对下一层每一个原始数据段重复步骤(3)-(4)；

(6)直到所有分割后的数据段均不满足分割条件，分段结束，得到的分段数作为PLR最佳分段数；

(7)对每一个分段的时间序列数据进行线性拟合，通过拟合结果判断火力发电厂模拟信号监测变量是否存在异常。

2.如权利要求1所述的一种火力发电厂时间序列变量异常监测方法，其特征在于，将时间序列x(1:N)＝[x(1),x(2),…,x(N)]分为多个连续不重叠的数据段x(t1：t2-1)，x(t2：t3-

1)，…x(tK：N)；对于第k个数据段x(tk：tk+1-1)，决定系数为：其中，N为历史样本数据的个数，K为数据段个数，x(t)为某个数据样本的线性回归值，是x(t)的估计值。

3.如权利要求1所述的一种火力发电厂时间序列变量异常监测方法，其特征在于，将最佳PLR段初始化为历史样本数据中整个时间序列，即0＝[1,N]作为决定系数树的第一层；其中，N为历史样本数据的个数；

将历史样本数据中整个时间序列分割成两个数据段PLR1和PLR2，如果分段允许，则将时间索引tk0插入到T0中，T1＝[T0,tk0]，对T1中的时间索引进行升序排列，得到T1＝[1,tk0,N]作为决定系数树的第二层；

将数据段PLR1分割成两个数据段PLR1-1和PLR1-2，如果分段允许，则时间索引tk1插入到T1并进行升序排列，形成T2＝[1,tk1,tk0,N]或者T2＝[1,tk0,tk1,N]，作为决定系数树的第三层；

将数据段PLR2分割成两个数据段PLR2-1和PLR2-2，如果分段允许，则时间索引tk2插入到T2并进行升序排列，形成T3＝[1,tk1,tk0,tk2,N]或者T3＝[1,tk2,tk0,tk1,N]，作为决定系数树的第四层；

依次类推，直到所有的数据段都不满足分割条件；插入的时间索引的数量即为PLR最佳分段数。

4.如权利要求1所述的一种火力发电厂时间序列变量异常监测方法，其特征在于，采用自底向上的分段线性表示方法从历史数据样本中将长连续时间序列分割成多个短数据段，每个短数据段用直线表示。

5.一种火力发电厂时间序列变量异常监测系统，其特征在于，包括：

用于采集火力发电厂模拟信号监测变量的时间序列数据的模块；

用于将整个时间序列数据作为初始的最佳PLR段，计算所述最佳PLR段的决定系数，并设定阈值 的模块；

所述PLR，即分段线性表示方法，能够从历史时间序列数据样本中提取内在信息，通过分段线性表示方法对火力发电厂中模拟信号的监测变量数据进行分段处理，能够提取火力发电厂监测变量中连续变化的趋势，及时发现系统运行过程中的异常情况；

用于将历史样本数据中整个时间序列作为原始数据段的模块；

用于对原始数据段进行分割，形成两个新的数据段，并分别计算两个新的数据段的决定系数的模块；

用于根据所述的两个决定系数判断分段是否允许的模块；

如果所述的两个决定系数中，至少一个满足分割条件，则表示分段允许，否则，分段结束；

所述分割条件具体为：当前决定系数大于原始数据段的决定系数，并且大于设定阈值用于判断分段过程是否结束的模块；

用于获取PLR最佳分段数的模块；

用于对每一个分段的时间序列数据进行线性拟合，通过拟合结果判断火力发电厂模拟信号监测变量是否存在异常的模块。

6.一种终端设备，其包括处理器和计算机可读存储介质，处理器用于实现各指令；计算机可读存储介质用于存储多条指令，其特征在于，所述指令适于由处理器加载并执行权利要求1-4任一项所述的火力发电厂时间序列变量异常监测方法。

7.一种计算机可读存储介质，其中存储有多条指令，其特征在于，所述指令适于由终端设备的处理器加载并执行权利要求1-4任一项所述的火力发电厂时间序列变量异常监测方法。