本發(fā)明涉及設(shè)備狀態(tài)預(yù)測，具體為一種基于大數(shù)據(jù)分析的電廠設(shè)備狀態(tài)檢修決策方法及系統(tǒng)。

背景技術(shù)：

1、隨著現(xiàn)代工業(yè)的迅速發(fā)展，電廠作為重要的能源生產(chǎn)機(jī)構(gòu)，其設(shè)備的穩(wěn)定運(yùn)行對(duì)保障電力供應(yīng)至關(guān)重要。在過去的幾十年中，電廠設(shè)備的監(jiān)測與維護(hù)技術(shù)經(jīng)歷了從傳統(tǒng)的定期檢修到基于狀態(tài)的維護(hù)(cbm)的轉(zhuǎn)變。傳統(tǒng)的定期檢修方法主要依賴于設(shè)備運(yùn)行的時(shí)間或使用的周期進(jìn)行維護(hù)，雖然簡單易行，但容易導(dǎo)致過度維護(hù)或不足維護(hù)的問題，既浪費(fèi)資源又無法及時(shí)發(fā)現(xiàn)潛在的故障隱患。隨著傳感器技術(shù)、數(shù)據(jù)采集和處理技術(shù)的進(jìn)步，基于狀態(tài)的維護(hù)策略逐漸成為主流。狀態(tài)監(jiān)測技術(shù)通過實(shí)時(shí)采集設(shè)備運(yùn)行的各種參數(shù)，如振動(dòng)、溫度、壓力等，結(jié)合數(shù)據(jù)分析技術(shù)對(duì)設(shè)備狀態(tài)進(jìn)行評(píng)估，實(shí)現(xiàn)了更為精準(zhǔn)的故障預(yù)測和預(yù)防性維護(hù)。

2、然而，現(xiàn)有的狀態(tài)監(jiān)測和維護(hù)決策方法仍存在一些不足之處。首先，傳統(tǒng)的狀態(tài)監(jiān)測系統(tǒng)多依賴于單一或少數(shù)傳感器數(shù)據(jù)，數(shù)據(jù)來源有限，難以全面反映設(shè)備的運(yùn)行狀態(tài)，導(dǎo)致預(yù)測準(zhǔn)確性不足。其次，現(xiàn)有方法在數(shù)據(jù)處理和特征提取方面的能力有限，尤其是在處理非線性、非平穩(wěn)信號(hào)時(shí)效果不佳。此外，許多現(xiàn)有的故障預(yù)測模型缺乏對(duì)復(fù)雜多變的設(shè)備運(yùn)行環(huán)境的適應(yīng)性，無法及時(shí)調(diào)整和優(yōu)化維護(hù)策略。

技術(shù)實(shí)現(xiàn)思路

1、鑒于上述存在的問題，提出了本發(fā)明。

2、因此，本發(fā)明解決的技術(shù)問題是：現(xiàn)有的基于定期檢修方法存在過度維護(hù)或不足維護(hù)的問題，檢修效率低，難以精準(zhǔn)預(yù)測設(shè)備故障以及無法及時(shí)調(diào)整維護(hù)策略的問題。

3、為解決上述技術(shù)問題，本發(fā)明提供如下技術(shù)方案：一種基于大數(shù)據(jù)分析的電廠設(shè)備狀態(tài)檢修決策方法，包括實(shí)時(shí)采集電廠設(shè)備運(yùn)行數(shù)據(jù)。提取運(yùn)行設(shè)備特征，進(jìn)行設(shè)備狀態(tài)分析，預(yù)測故障?；谠O(shè)備故障預(yù)測提供檢修決策支持。

4、作為本發(fā)明所述的基于大數(shù)據(jù)分析的電廠設(shè)備狀態(tài)檢修決策方法的一種優(yōu)選方案，其中：所述實(shí)時(shí)采集電廠設(shè)備運(yùn)行數(shù)據(jù)包括配置振動(dòng)傳感器和壓力傳感器，實(shí)時(shí)采集振動(dòng)數(shù)據(jù)x(t)和壓力數(shù)據(jù)p(t)，并對(duì)數(shù)據(jù)進(jìn)行歸一化處理。

5、作為本發(fā)明所述的基于大數(shù)據(jù)分析的電廠設(shè)備狀態(tài)檢修決策方法的一種優(yōu)選方案，其中：所述提取運(yùn)行設(shè)備特征包括通過小波變換對(duì)采集的振動(dòng)數(shù)據(jù)進(jìn)行特征提取，

6、

7、其中，a為尺度，b為平移參數(shù)，ψ為母小波函數(shù)。

8、通過高次項(xiàng)對(duì)壓力數(shù)據(jù)變化的非線性趨勢進(jìn)行逼近進(jìn)行特征提取，表示為：

9、

10、其中，其中，ci為多項(xiàng)式擬合系數(shù)，kj為高斯核系數(shù)，μj和σj為高斯核的均值和標(biāo)準(zhǔn)差。

11、作為本發(fā)明所述的基于大數(shù)據(jù)分析的電廠設(shè)備狀態(tài)檢修決策方法的一種優(yōu)選方案，其中：所述進(jìn)行設(shè)備狀態(tài)分析包括將提取的振動(dòng)特征和壓力特征進(jìn)行特征融合，表示為：

12、

13、其中，α1、α2和α3為融合權(quán)重參數(shù)，β為指數(shù)函數(shù)參數(shù)，wx(ai,bi0為振動(dòng)數(shù)據(jù)的小波變換特征，ci,j為壓力數(shù)據(jù)的多項(xiàng)式擬合系數(shù)，pi為壓力數(shù)據(jù)特征。

14、完成特征融合后根據(jù)融合特征進(jìn)行設(shè)備狀態(tài)健康分析。

15、作為本發(fā)明所述的基于大數(shù)據(jù)分析的電廠設(shè)備狀態(tài)檢修決策方法的一種優(yōu)選方案，其中：所述設(shè)備狀態(tài)健康分析包括將提取的特征向量輸入健康評(píng)估模型進(jìn)行評(píng)估，表示為：

16、

17、其中，αi為支持向量的權(quán)重，γ為高斯核函數(shù)參數(shù)，b為偏置項(xiàng)，得到設(shè)備在不同時(shí)間點(diǎn)的健康狀態(tài)評(píng)分h(t)，評(píng)分越高表示設(shè)備越健康。

18、作為本發(fā)明所述的基于大數(shù)據(jù)分析的電廠設(shè)備狀態(tài)檢修決策方法的一種優(yōu)選方案，其中：所述基于設(shè)備故障預(yù)測提供檢修決策支持包括當(dāng)設(shè)備健康評(píng)分未達(dá)到預(yù)設(shè)健康值時(shí)視為設(shè)備在與預(yù)設(shè)健康閾值匹配的未來時(shí)間δt內(nèi)存在發(fā)生故障可能，對(duì)設(shè)備進(jìn)行故障預(yù)測，提取歷史時(shí)間點(diǎn)的間隔向量特征，表示為:

19、f(t-iδt)＝[f(t-δt),f(t-2δt),…,f(t-nδt)]

20、其中，δt為時(shí)間間隔，n為時(shí)間步數(shù)，通過時(shí)間序列建模，對(duì)未來時(shí)間點(diǎn)設(shè)備狀態(tài)進(jìn)行預(yù)測，表示為：

21、

22、其中，為未來時(shí)間點(diǎn)t+δt的設(shè)備狀態(tài)預(yù)測值，w(t)為時(shí)間t的特征向量權(quán)重，⊙表示逐元素乘積，特征向量權(quán)重表示為：

23、

24、根據(jù)預(yù)測狀態(tài)值確定設(shè)備的檢修策略。

25、作為本發(fā)明所述的基于大數(shù)據(jù)分析的電廠設(shè)備狀態(tài)檢修決策方法的一種優(yōu)選方案，其中：所述基于設(shè)備故障預(yù)測提供檢修決策支持還包括當(dāng)未來時(shí)間點(diǎn)t+δt的設(shè)備狀態(tài)預(yù)測值≥0.8時(shí)，設(shè)備狀態(tài)良好，繼續(xù)監(jiān)測，當(dāng)0.5≤未來時(shí)間點(diǎn)t+δt的設(shè)備狀態(tài)預(yù)測值<0.8時(shí)，設(shè)備狀態(tài)輕微異常，增加監(jiān)測頻率，進(jìn)行向運(yùn)維人員發(fā)出待檢修預(yù)警，確定是否需要檢修，當(dāng)未來時(shí)間點(diǎn)t+δt的設(shè)備狀態(tài)預(yù)測值<0.5時(shí)，設(shè)備需要當(dāng)前進(jìn)行檢修維護(hù)，未進(jìn)行維護(hù)則設(shè)備標(biāo)記為高危險(xiǎn)待檢修，停止使用。

26、本發(fā)明的另外一個(gè)目的是提供一種基于大數(shù)據(jù)分析的電廠設(shè)備狀態(tài)檢修決策系統(tǒng)，其能通過將提取的振動(dòng)特征和壓力特征進(jìn)行特征融合，并計(jì)算設(shè)備的健康分?jǐn)?shù)，確定健康狀態(tài)低下的設(shè)備在未來時(shí)間段內(nèi)是否會(huì)發(fā)生故障，解決了目前的定期檢查技術(shù)含有過度檢修的問題。

27、作為本發(fā)明所述的基于大數(shù)據(jù)分析的電廠設(shè)備狀態(tài)檢修決策系統(tǒng)的一種優(yōu)選方案，其中：包括數(shù)據(jù)采集模塊，狀態(tài)分析模塊，決策支持模塊。所述數(shù)據(jù)采集模塊用于實(shí)時(shí)采集電廠設(shè)備運(yùn)行數(shù)據(jù)。所述狀態(tài)分析模塊用于提取運(yùn)行設(shè)備特征，進(jìn)行設(shè)備狀態(tài)分析，預(yù)測故障。所述決策支持模塊用于基于設(shè)備故障預(yù)測提供檢修決策支持。

28、一種計(jì)算機(jī)設(shè)備，包括存儲(chǔ)器和處理器，所述存儲(chǔ)器存儲(chǔ)有計(jì)算機(jī)程序，所述處理器執(zhí)行所述計(jì)算機(jī)程序是實(shí)現(xiàn)基于大數(shù)據(jù)分析的電廠設(shè)備狀態(tài)檢修決策方法的步驟。

29、一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)基于大數(shù)據(jù)分析的電廠設(shè)備狀態(tài)檢修決策方法的步驟。

30、本發(fā)明的有益效果：本發(fā)明提供的基于大數(shù)據(jù)分析的電廠設(shè)備狀態(tài)檢修決策方法通過將提取的振動(dòng)特征和壓力特征進(jìn)行特征融合，并計(jì)算設(shè)備的健康分?jǐn)?shù)，確定健康狀態(tài)低下的設(shè)備在未來時(shí)間段內(nèi)是否會(huì)發(fā)生故障，避免了多余的檢修，顯著提升檢修效率降低成本，根據(jù)設(shè)備狀態(tài)預(yù)測值，提供不同狀態(tài)下的具體維護(hù)措施減少了不必要的維護(hù)和停機(jī)時(shí)間，提升設(shè)備管理效率。本發(fā)明在降低成本以及提升管理效率方面都取得更加良好的效果。

技術(shù)特征：

1.一種基于大數(shù)據(jù)分析的電廠設(shè)備狀態(tài)檢修決策方法，其特征在于，包括：

2.如權(quán)利要求1所述的基于大數(shù)據(jù)分析的電廠設(shè)備狀態(tài)檢修決策方法，其特征在于：所述實(shí)時(shí)采集電廠設(shè)備運(yùn)行數(shù)據(jù)包括配置振動(dòng)傳感器和壓力傳感器，實(shí)時(shí)采集振動(dòng)數(shù)據(jù)x(t)和壓力數(shù)據(jù)p(t)，并對(duì)數(shù)據(jù)進(jìn)行歸一化處理。

3.如權(quán)利要求2所述的基于大數(shù)據(jù)分析的電廠設(shè)備狀態(tài)檢修決策方法，其特征在于：所述提取運(yùn)行設(shè)備特征包括通過小波變換對(duì)采集的振動(dòng)數(shù)據(jù)進(jìn)行特征提取，

4.如權(quán)利要求3所述的基于大數(shù)據(jù)分析的電廠設(shè)備狀態(tài)檢修決策方法，其特征在于：所述進(jìn)行設(shè)備狀態(tài)分析包括將提取的振動(dòng)特征和壓力特征進(jìn)行特征融合，表示為：

5.如權(quán)利要求4所述的基于大數(shù)據(jù)分析的電廠設(shè)備狀態(tài)檢修決策方法，其特征在于：所述設(shè)備狀態(tài)健康分析包括將提取的特征向量輸入健康評(píng)估模型進(jìn)行評(píng)估，表示為：

6.如權(quán)利要求5所述的基于大數(shù)據(jù)分析的電廠設(shè)備狀態(tài)檢修決策方法，其特征在于：所述基于設(shè)備故障預(yù)測提供檢修決策支持包括當(dāng)設(shè)備健康評(píng)分未達(dá)到預(yù)設(shè)健康值時(shí)視為設(shè)備在與預(yù)設(shè)健康閾值匹配的未來時(shí)間δt內(nèi)存在發(fā)生故障可能，對(duì)設(shè)備進(jìn)行故障預(yù)測，提取歷史時(shí)間點(diǎn)的間隔向量特征，表示為:

7.如權(quán)利要求6所述的基于大數(shù)據(jù)分析的電廠設(shè)備狀態(tài)檢修決策方法，其特征在于：所述基于設(shè)備故障預(yù)測提供檢修決策支持還包括當(dāng)未來時(shí)間點(diǎn)t+δt的設(shè)備狀態(tài)預(yù)測值≥0.8時(shí)，設(shè)備狀態(tài)良好，繼續(xù)監(jiān)測，當(dāng)0.5≤未來時(shí)間點(diǎn)t+δt的設(shè)備狀態(tài)預(yù)測值<0.8時(shí)，設(shè)備狀態(tài)輕微異常，增加監(jiān)測頻率，進(jìn)行向運(yùn)維人員發(fā)出待檢修預(yù)警，確定是否需要檢修，當(dāng)未來時(shí)間點(diǎn)t+δt的設(shè)備狀態(tài)預(yù)測值<0.5時(shí)，設(shè)備需要當(dāng)前進(jìn)行檢修維護(hù)，未進(jìn)行維護(hù)則設(shè)備標(biāo)記為高危險(xiǎn)待檢修，停止使用。

8.一種采用如權(quán)利要求1～7任一所述的基于大數(shù)據(jù)分析的電廠設(shè)備狀態(tài)檢修決策方法的系統(tǒng)，其特征在于：包括數(shù)據(jù)采集模塊，狀態(tài)分析模塊，決策支持模塊；

9.一種計(jì)算機(jī)設(shè)備，包括存儲(chǔ)器和處理器，所述存儲(chǔ)器存儲(chǔ)有計(jì)算機(jī)程序，其特征在于，所述處理器執(zhí)行所述計(jì)算機(jī)程序時(shí)實(shí)現(xiàn)權(quán)利要求1至7中任一項(xiàng)所述的基于大數(shù)據(jù)分析的電廠設(shè)備狀態(tài)檢修決策方法的步驟。

10.一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，其特征在于，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)權(quán)利要求1至7中任一項(xiàng)所述的基于大數(shù)據(jù)分析的電廠設(shè)備狀態(tài)檢修決策方法的步驟。

技術(shù)總結(jié)
本發(fā)明公開了一種基于大數(shù)據(jù)分析的電廠設(shè)備狀態(tài)檢修決策方法及系統(tǒng)，涉及設(shè)備狀態(tài)預(yù)測技術(shù)領(lǐng)域，包括實(shí)時(shí)采集電廠設(shè)備運(yùn)行數(shù)據(jù)；提取運(yùn)行設(shè)備特征，進(jìn)行設(shè)備狀態(tài)分析，預(yù)測故障；基于設(shè)備故障預(yù)測提供檢修決策支持。本發(fā)明提供的基于大數(shù)據(jù)分析的電廠設(shè)備狀態(tài)檢修決策方法通過將提取的振動(dòng)特征和壓力特征進(jìn)行特征融合，并計(jì)算設(shè)備的健康分?jǐn)?shù)，確定健康狀態(tài)低下的設(shè)備在未來時(shí)間段內(nèi)是否會(huì)發(fā)生故障，避免了多余的檢修，顯著提升檢修效率降低成本，根據(jù)設(shè)備狀態(tài)預(yù)測值，提供不同狀態(tài)下的具體維護(hù)措施減少了不必要的維護(hù)和停機(jī)時(shí)間，提升設(shè)備管理效率。本發(fā)明在降低成本以及提升管理效率方面都取得更加良好的效果。

技術(shù)研發(fā)人員：丁偉平,王曉暉,劉宏軍,陳俊杰,何磊,周剛
受保護(hù)的技術(shù)使用者：國家能源集團(tuán)岳陽發(fā)電有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/9