一种过程工业设备系统健康度在线诊断方法与流程

本发明涉及设备监测方法领域，具体涉及一种过程工业设备系统健康度在线诊断方法。

背景技术：

1、传统火电厂运行主要依靠人对设备状态和参数进行监控，运行人员二十四小时对不断变化的数据进行监控，对设备故障前期参数的缓慢变化难于发现，只能待报警出现后进行处理，运行人员工作压力大、劳动强度高；且火力发电运行工作对人的专业技能要求极高，只有优秀的运行人员才能在成千上万的数据中洞察出设备的异常，才能在故障前期做出正确处置。

2、基于上述问题，现有文献公开了一种基于智能深度学习的电厂设备异常状态识别方法，包括，对电厂设备数据进行收集，得到总数据库；判断总数据库的分组数据与正常状态的特征是否一致，若一致则录入正常状态数据库，不一致则录入异常状态数据库；将采集到的设备的实时数据与所述正常状态数据库和异常状态数据库采用jaccard系数对比对的两组数据进行计算来比对识别；根据比对结果进行警报提醒或录入数据库。以解决现有方法不便于根据电厂设备的状态数据进行实时分析和对故障区域进行播报及定位，且准确率较低、效率低下的问题。

3、但是，上述方法还是基于实时检测到设备的数据与正常数据的对比判断异常，只有在设备已经产生异常或故障时，数据才能对比出异常，导致设备的异常或故障判断滞后，不及时。

技术实现思路

1、本发明意在提供一种过程工业设备系统健康度在线诊断方法，以解决现有方法故障诊断滞后的问题。

2、本方案中的过程工业设备系统健康度在线诊断方法，包括以下步骤：

3、步骤1，获取工业设备的历史数据，所述历史数据包括设备运行数据；

4、步骤2，基于历史数据建立数据识别预测模型，基于数据识别预测对历史数据进行横向关联分析和纵向深度学习，并得到故障诊断的预测值；

5、步骤3，建立评价模型，基于预测值和获取的实时运行参数进行故障诊断的评价打分；

6、步骤4，基于评价打分确定设备的运行状态，并将具有异常的运行状态进行显示。

7、进一步，所述步骤2中，所述数据识别预测模型的建立过程包括理分析、数据分析、运行标准和运行经验。

8、进一步，所述机理分析是对设备的特征值计算，对设备的性能指标进行分析，并根据连续系列的平衡关系选择合适的分析变量；

9、所述数据分析是建立多维度、全时段、多角度的数据分析原则，对大量数据进行全面仔细分析，再对具有关联性的数据进行分析并选择合适的数据分析模型；

10、所述运行标准是针对异常诊断模型，设计异常诊断模型所应该具备设备运行规范以及运行规程的标准；

11、所述运行经验通过在模型中能根据设备的运行经验对设备进行智能化的调试和维护。

12、进一步，所述步骤2中，所述数据识别预测模型包括多元线性回归模型、非线性状态预估nxet模型和神经网络模型，在进行在线诊断时，依据诊断需求设置任一模型进行。

13、进一步，所述多元线性回归模型用于形成设备中一个故障现行以及多个引起故障现行的原因之间的关系，假设为实时预测值，x为实施关联变量，w为权值向量，则多元线性回归模型可以表达为：

14、。

15、进一步，所述非线性状态预估nxet模型用于利用各个样本之间的相似度建立评价指标，假设预测参数的向量为y，极易矩阵为d，权值向量为w，则模型可以表达为：

16、。

17、进一步，所述神经网络模型用于建立主要依据为变量之间原本存在的关联性。

18、进一步，所述步骤3中，结合实时数据、预测值以及hpi指标建立评价模型，进行评价打分。

19、与现有技术相比，本方案的有益效果是：

20、本方案通过对电厂设备的数据建立多种模型，分析故障与相应信息的关联性，能够根据实际需求以不同模型进行故障诊断，可提前分析出不易发现的系统故障，避免了异常停机事故，辅助决策，主动消缺，有效提高了电厂的管理效率。

技术特征：

1.一种过程工业设备系统健康度在线诊断方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种过程工业设备系统健康度在线诊断方法，其特征在于：所述步骤2中，所述数据识别预测模型的建立过程包括理分析、数据分析、运行标准和运行经验。

3.根据权利要求2所述的一种过程工业设备系统健康度在线诊断方法，其特征在于：所述机理分析是对设备的特征值计算，对设备的性能指标进行分析，并根据连续系列的平衡关系选择合适的分析变量；

4.根据权利要求3所述的一种过程工业设备系统健康度在线诊断方法，其特征在于：所述步骤2中，所述数据识别预测模型包括多元线性回归模型、非线性状态预估nxet模型和神经网络模型，在进行在线诊断时，依据诊断需求设置任一模型进行。

5.根据权利要求4所述的一种过程工业设备系统健康度在线诊断方法，其特征在于：所述多元线性回归模型用于形成设备中一个故障现行以及多个引起故障现行的原因之间的关系，假设为实时预测值，x为实施关联变量，w权值向量，则多元线性回归模型可以表达为：

6.根据权利要求5所述的一种过程工业设备系统健康度在线诊断方法，其特征在于：所述非线性状态预估nxet模型用于利用各个样本之间的相似度建立评价指标，假设预测参数的向量为y，极易矩阵为d，权值向量为w，则模型可以表达为：

7.根据权利要求5所述的一种过程工业设备系统健康度在线诊断方法，其特征在于：所述神经网络模型用于建立主要依据为变量之间原本存在的关联性。

8.根据权利要求5所述的一种过程工业设备系统健康度在线诊断方法，其特征在于：所述步骤3中，结合实时数据、预测值以及hpi指标建立评价模型，进行评价打分。

技术总结
本发明涉及设备监测方法领域，具体涉及一种过程工业设备系统健康度在线诊断方法，包括，获取工业设备的历史数据，所述历史数据包括设备运行数据；基于历史数据建立数据识别预测模型，基于数据识别预测对历史数据进行横向关联分析和纵向深度学习，并得到故障诊断的预测值；建立评价模型，基于预测值和获取的实时运行参数进行故障诊断的评价打分；基于评价打分确定设备的运行状态，并将具有异常的运行状态进行显示。本发明避免了异常停机事故，辅助决策，提醒检修人员主动消缺。

技术研发人员：王驰,黄丹青,燕宁江,朱华夏,吴高龙,赵柔君,高云帆
受保护的技术使用者：国家电投集团重庆合川发电有限公司
技术研发日：
技术公布日：2024/2/19