一种水电站运行设备故障预警系统

1.本发明涉及水电站预警技术领域，更具体地说，本发明涉及一种水电站运行设备故障预警系统。


背景技术：

2.水电站运行设备故障预警系统具体包括故障信息采集、故障报警数据库、在线分析模块以及人机交互模块。故障信息采集模块实时采集运行设备工作状态数据并将数据传输至故障报警数据库中；故障数据库对信息采集的故障信息进行存储；故障信息采集模块同时将故障数据传输至在线分析模块，由在线分析模块的专家单元对故障信息进行监测分析和预警，同时将分析的结果发送显示界面，由人机交互模块对分析数据进行图形化显示，为运维人员进行日常维护提供数据支持。
3.现有的水电站运行设备故障预警系统通过在线分析模块对数据进行实时分析，对现有的故障进行排除和修复，但是目前预警系统中的在线分析模块数据分析还不够彻底，使得数据分析出现误差，造成故障数据预警误报的情况发生，此外，水电站经常受季节性变化影响，设备故障异常随机性大，出现着火、漏水等应急情况发生时无法及时给出合理性的解决方案，给水电站带来不可估量的事故风险，因此亟须一种新的水电站运行设备故障预警系统。


技术实现要素：

4.为了克服现有技术的上述缺陷，本发明的实施例提供一种水电站运行设备故障预警系统，通过智能检测模块对运行数据进行获取和预处理，提高运行数据的准确性，通过设备故障分析模块利用故障相似度模型判断设备发生故障的可能性并通过故障评估模块对故障数据进行故障评估分类，为解决各类故障提供数据支持，提高了解决故障的效率和准确性，以解决上述背景技术中提出的问题。
5.为实现上述目的，本发明提供如下技术方案：一种水电站运行设备故障预警系统，其特征在于：包括智能监测模块、设备故障分析模块、云服务模块、故障评估模块、日常维护模块以及应急处理预案模块。所述智能监测模块与水电站的各个传感器相连接，实时获取并监测各个运行设备的运行状态数据，所述设备故障分析模块通过故障相似度模型对运行设备的运行数据进行建模分析，将分析结果传输至故障评估模块；所述云服务模块获取专家知识和云数据库中的大数据特征，为设备故障分析模块过程提供算法支持，同时存储、自更新数据和算法；所述故障评估模块对分析结果进行判断，若为日常故障数据波动，将日常故障指令发送至日常维护模块，若为紧急故障波动将紧急故障指令发送至应急处理预案模块；所述日常维护模块按照评估类型设置故障代码并发送日常维护代码和故障位置至运维人员的移动设备；所述应急处理预案模块创建预案模拟实验室，快速查找最佳应急处理方案并按照紧急处理预案对各个设备进行控制处理。
6.在一个优选的实施方式中，所述智能监测模块实时获取水电站的各个运行设备的
运行数据，并将各个运行设备的运行数据按照设备状态自动划分整理成为数据样本，利用数学统计方法获取水电站各个运行设备运行的速率、效率的数据特征，然后对获取数据值进行残余误差绝对值计算，即|s
x
|＞gg，所述s
x
为第x次的某个测量值，gg为设置残余剔除预设值，将计算结果标记为g1，再利用莱以达方法准确对获取数据去除数据错误地得到数据结果，所述莱以达方法假设运行数据只包含随机误差，对运行数据进行计算处理得到标准偏差，然后按照一定概率确定分区，并将分区内的偏差去除，得到准确的数据结果，并将结果标记为g2，将g1和g2的剔除结果进行比较提高数据剔除的准确性。设备运行速率和效率为参考变量，参考变量可以为电压、电流等，参考变量不唯一，通过智能加测模块对运行数据进行获取和预处理，提高运行数据的准确性。
7.在一个优选的实施方式中，所述设备故障分析模块通过故障相似度模型对设备的运行状态、运行数据异常以及设备故障建立多层映射，首先获取智能监测模块的运行数据，设置故障相似度模型，其计算公式如下：
8.所述qi和wi分别为设备运行速率、效率，和分别为设备运行速率、效率的均值，故障相似度数值在[-1，1]之间，t在0与1之间为正相关，数值越大正相关性越大；t为0时为不相关；t在0与-1之间为负相关，数值越小负相关性越大。将设备零部件状态量、设备运行特征状态量与故障相似度模型进行匹配。
[0009]
在一个优选的实施方式中，所述故障评估模块通过设备故障分析模块的数据模型进行故障评估获得故障类型，使用大数据分析技术实时计算并通过运行设备的健康状态，当出现异常情况时提前根据故障类型从云数据库中获得故障代码并给出故障的原因。若智能传感器获得的数据发生微小偏差时，故障评估模块从云数据库单元中获得所需数据进行分析，提前获取异常故障，所述所需数据包括天气预报、设备养护指标。所述故障类型分为日常故障类型和紧急故障类型，日常故障类型为运行设备的异常基础维护，紧急故障类型为运行设备发生水淹厂房、着火或设备停止运转。通过故障评估模块对故障数据进行故障评估分类，为解决各类故障提供数据支持，提高了解决故障的效率和准确性。
[0010]
在一个优选的实施方式中，所述日常维护模块接收故障评估模块传输的故障数据和日常维护指令，根据故障数据梳理故障处理逻辑步骤，将代码整理并提取到每个步骤的对应的方法，然后增强每步步骤代码接口接收运行数据需要的参数和执行指令逻辑，将运行数据逻辑相关代码提取到日常维护代码中，所述提取方法通过隔离的方式将日常故障数据进行定义并从日常业务逻辑中分离出来并进行隔离，然后将日常故障数据的文件名改为一整个日常数据文件名的放到代码中并保持隔离，辅助运维人员的日常故障维护工作。
[0011]
在一个优选的实施方式中，所述应急处理预案模块根据云服务模块中的专家单元提供专业知识支持，将应急设备故障进行故障相似度匹配，获得应急故障类型，并根据应急故障类型匹配应急预案，利用虚拟模拟实验室进行实验，为应急预案的可靠性和准确性提高数据基础，应急预案通过专家单元审核后对各个设备快速控制。
[0012]
在一个优选的实施方式中，一种水电站运行设备故障预警系统的控制方法，具体包括下列步骤：
[0013]
步骤s10：首先，智能监测模块与水电站的各个传感器相连接，实时获取并监测各个运行设备的运行状态数据；
[0014]
步骤s20：接着，设备故障分析模块通过故障相似度模型对运行设备的运行数据进行建模分析，将分析结果传输至故障评估模块，云服务模块获取专家知识和云数据库中的大数据特征，为设备故障分析模块过程提供算法支持，同时存储、自更新数据和算法；
[0015]
步骤s30：然后，故障评估模块通过故障相似度模型对评估结果进行判断，若为日常故障数据波动，将日常故障指令发送至日常维护模块，若为紧急故障波动将紧急故障指令发送至应急处理预案模块；
[0016]
步骤s40：最后，日常维护模块按照评估类型设置故障代码并发送日常维护代码和故障位置至运维人员的移动设备，应急处理预案模块创建预案模拟实验室，快速查找最佳应急处理方案并按照紧急处理预案对各个设备进行控制处理。
[0017]
本发明的技术效果和优点：
[0018]
本发明具体通过智能检测模块对运行数据进行获取和预处理，提高运行数据的准确性，通过设备故障分析模块利用故障相似度模型判断设备发生故障的可能性并通过故障评估模块对故障数据进行故障评估分类，为解决各类故障提供数据支持，提高了解决故障的效率和准确性。
附图说明
[0019]
图1为本发明的系统结构框图。
[0020]
图2为本发明的方法流程图。
具体实施方式
[0021]
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0022]
本技术实施例可以应用于计算机系统/服务器，其可与众多其他通用或专用计算系统环境或配置一起操作。适于与计算机系统/服务器一起使用的众所周知的计算系统、环境和/或配置的例子包括但不限于：个人计算机系统、服务器计算机系统、瘦客户机、厚客户机、手持或膝上设备、基于微处理器的系统、机顶盒、可编程消费电子产品、网络个人电脑、小型计算机系统﹑大型计算机系统和包括上述任何系统的分布式云计算技术环境等等。
[0023]
计算机系统/服务器可以在由计算机执行的计算机系统完成执行指令(诸如程序模块)的一般语境下描述。通常，程序模块可以包括例程、程序、目标程序、组件、逻辑、数据结果等等，它们执行特定的任务或者实现特定的抽象数据类型。计算机系统/服务器可以在分布式云计算环境中实施，分布式云计算环境中，任务是由通过通信网络链接的远程处理设备执行的。在分布式云计算环境中，程序模块可以位于包括存储设备的本地或远程计算系统存储介质上。
[0024]
实施例
[0025]
本实施例提供了如图1所示一种水电站运行设备故障预警系统，包括智能监测模
块、设备故障分析模块、云服务模块、故障评估模块、日常维护模块以及应急处理预案模块。所述智能监测模块与水电站的各个传感器相连接，实时获取并监测各个运行设备的运行状态数据；所述设备故障分析模块通过故障相似度模型对运行设备的运行数据进行建模分析，将分析结果传输至故障评估模块；所述云服务模块获取专家知识和云数据库中的大数据特征，为设备故障分析模块过程提供算法支持，同时存储、自更新数据和算法；所述故障评估模块对分析结果进行判断，若为日常故障数据波动，将日常故障指令发送至日常维护模块，若为紧急故障波动将紧急故障指令发送至应急处理预案模块；所述日常维护模块按照评估类型设置故障代码并发送日常维护代码和故障位置至运维人员的移动设备；所述应急处理预案模块创建预案模拟实验室，快速查找最佳应急处理方案并按照紧急处理预案对各个设备进行控制处理。
[0026]
水电站运行设备可按照此系统进行故障预警，具体到升压变压器水轮发电机组其中的一种，再此不做具体限定。
[0027]
本实施例提供了如图2所示一种水电站运行设备故障预警系统的控制方法，具体运行步骤如下：
[0028]
步骤s10：首先，智能监测模块与水电站的各个传感器相连接，实时获取并监测各个运行设备的运行状态数据；
[0029]
本实施例需要具体说明的是智能监测模块实时获取水电站的各个运行设备的运行数据，并将各个运行设备的运行数据按照设备状态自动划分整理成为数据样本，利用数学统计方法获取水电站各个运行设备运行的速率、效率的数据特征，然后对获取数据值进行残余误差绝对值计算，即|s
x
|＞gg，其中s
x
为第x次的某个测量值，gg为设置残余剔除预设值，将计算结果标记为g1，再利用莱以达准确对获取数据进行处理，所述莱以达方法假设运行数据只包含随机误差，对运行数据进行计算处理得到标准偏差，然后按照一定概率确定分区，并将分区内的偏差去除，得到准确的数据结果，将结果标记为g2，将g1和g2的剔除结果进行比较提高数据剔除的准确性。参考变量可以为电压、电流等，参考变量不唯一，按照用户设定更改所需变量。通过智能加测模块对运行数据进行获取和预处理，提高运行数据的准确性。
[0030]
步骤s20：接着，设备故障分析模块通过故障相似度模型对运行设备的运行数据进行建模分析，将分析结果传输至故障评估模块，云服务模块获取专家知识和云数据库中的大数据特征，为设备故障分析模块过程提供算法支持，同时存储、自更新数据和算法；
[0031]
本实施例需要具体说明的是设备故障分析模块通过故障相似度模型对设备的运行状态、运行数据异常以及设备故障建立多层映射，首先获取智能监测模块的运行数据，设置故障相似度模型，其计算公式如下：
[0032]
其中qi和wi分别为设备运行速率、效率，和分别为设备运行速率、效率的均值，故障相似度数值在[-1，1]之间，t在0与1之间为正相关，数值越大正相关性越大；t为0时为不相关；t在0与-1之间为负相关，数值越小负相关性越大。将设备零部件状态量、设备运行特征状态量与故障相似度模型进行匹配，故障相似度模
型是通过利用云服务模块的专家知识库和云数据库提供的算法支持，设备故障分析模块通过故障相似度模型判断出设备故障发生的可能性。
[0033]
步骤s30：然后，故障评估模块对分析结果进行判断，若为日常故障数据波动，将日常故障指令发送至日常维护模块，若为紧急故障波动将紧急故障指令发送至应急处理预案模块；
[0034]
本实施例需要具体说明的是故障评估模块通过设备故障分析模块的数据模型进行故障评估获得故障类型，使用大数据分析技术实时计算并通过运行设备的健康状态，当出现异常情况时提前根据故障类型从云数据库中获得故障代码并给出故障的原因。若智能传感器获得的数据发生微小偏差时故障评估模块从云数据库单元中获得所需数据进行分析，提前获取异常故障，所需数据包括天气预报、设备养护指标。天气预报目的是根据气候变化提高对运行设备的影响的可能性，例如在高温天气，容易发生火灾，通过故障评估模块对设备是否在运行过程中出现因高温导致的设备烧毁的情况。其中故障类型分为日常故障类型和紧急故障类型，日常故障类型为运行设备的异常基础维护，紧急故障类型为运行设备发生水淹厂房、着火或设备停止运转，通过故障评估模块对故障数据进行故障评估分类，为解决各类故障提供数据支持，提高了解决故障的效率和准确性。
[0035]
步骤s40：最后，日常维护模块按照评估类型设置故障代码并发送日常维护代码和故障位置至运维人员的移动设备，应急处理预案模块创建预案模拟实验室，快速查找最佳应急处理方案并按照紧急处理预案对各个设备进行控制处理。
[0036]
本实施例需要具体说明的是日常维护模块接收故障评估模块传输的故障数据和日常维护指令，根据故障数据梳理故障处理逻辑步骤，将代码整理并提取到每个步骤的对应的方法，然后增强每步步骤代码接口接收运行数据需要的参数和执行指令逻辑，将运行数据逻辑相关代码提取到日常维护代码中，所述提取方法通过隔离的方式将日常故障数据进行定义并从日常业务逻辑中分离出来并进行隔离，然后将日常故障数据的文件名改为一整个日常数据文件名的放到代码中并保持隔离，辅助运维人员的日常故障维护工作。
[0037]
本实施例需要具体说明的是应急处理预案模块根据云服务模块中的专家单元提供专业知识支持，将应急设备故障进行故障相似度匹配，获得应急故障类型，并根据应急故障类型匹配应急预案，利用虚拟模拟实验室进行实验，为应急预案的可靠性和准确性提高数据基础，应急预案通过专家单元审核后对各个设备快速控制，完成运行设备的应急措施，减少因应急故障导致的更大的经济损失。
[0038]
最后：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。