工业资产健康状况模型更新的制作方法
【专利说明】工业资产健康状况模型更新
[0001]相关申请的交叉引用
[0002]本申请要求于2013年6月10日提交的、标题为“Model Development andUpdating”的美国临时申请61/833，409的权益，该申请通过弓丨用结合于此。
【背景技术】
[0003]本申请涉及工业资产，并且更具体地涉及用于选择和/或更新被配置为提供针对工业资产的保养建议的模型的系统和/或技术。这样的保养建议除其他事项外可以包括，对于工业资产和/或相关的系统的操作改变和/或物理改变以提高性能、增加工业资产的寿命、和/或满足其他特定的业务目标。虽然系统和/或技术发现了对于电力系统的工业资产的特定应用，但是它们也可以涉及可以利用模型来提供保养建议的其他应用。
[0004]电力系统包括工业资产的机群，工业资产包括用于生成、供应、传输和/或消耗或转换电功率的电气设备和非电气设备。这样的电力系统的工业资产通常被设计为持续几十年，并且在给消耗者供应功率中执行关键角色。因此，大量的资源(如时间、金钱、人员配备等)通常专门用于保养规划和可能的故障的早期发现。
[0005]通常，基于制造商的建议的保养计划表来针对工业资产设计保养计划表，并且该保养计划表可以根据事件(例如，工业资产的使用和/或性能、故障报告、停机报告、和/或对工业资产进行的检查)进行修正。举例而言，可以对分配子站执行一年一次的检查以识别疲劳、过度磨损、和/或降低的性能的早期迹象。基于这些检查和/或关于工业资产的其他信息(例如，比如从与工业资产相关联的传感器产生的数据)，保养计划表可以被更新以考虑环境条件、操作条件、和/或与工业资产相关联的其他条件。
【发明内容】
[0006]提供此
【发明内容】
用于介绍以简化形式的概念的选择，该概念在下文的【具体实施方式】中进一步描述。此
【发明内容】
并非意图识别所要求的主题内容的关键因素或必要特征，也非意图用于限制所要求的主题内容的范围。
[0007]根据一个方面，提供一种方法。该方法包括:基于在评估时段期间生成的并且指示工业资产的数据，使用模型来生成所述工业资产的健康状况简档。健康状况简档包括提供被建议要在预测时段期间关于工业资产执行的一个或多个保养动作的至少一个保养计划。该方法还包括接收在预测时段期间生成的并且指示工业资产的数据，以及更新模型(例如，基于在预测时段期间生成的数据与健康状况简档的比较)。
[0008]根据另一方面，提供一种系统。该系统包括简档生成部件，被配置为使用模型来生成工业资产的健康状况简档。健康状况简档包括提供被建议要在预测时段期间关于所述工业资产执行的一个或多个保养动作的至少一个保养计划。该系统还包括模型更新部件，被配置为更新模型(例如，基于健康状况简档与在预测时段期间生成的并且指示工业资产的数据的比较)。
[0009]根据又一方面，提供一种包括计算机可执行指令的计算机可读介质，所述计算机可执行指令在被执行时执行一种方法。该方法包括基于在评估时段期间生成的并且指示工业资产的数据，使用模型来生成工业资产的健康状况简档。健康状况简档包括提供被建议要在预测时段期间关于工业资产执行的一个或多个保养动作的至少一个保养计划。该方法包括接收在所述预测时段期间生成的并且指示所述工业资产的数据，以及更新模型(例如，基于在预测时段期间生成的数据与健康状况简档的比较)。
[0010]为了实现前述和相关目的，以下描述和附带的附图阐述一些说明性方面和实施方式。这些只是指示可以采用一个或多个方面的多种方式中的几种方式。本公开内容的其他方面、优点和新颖特征将从结合附带的附图考虑的如下详细描述中而变得清楚。
【附图说明】
[0011]图1是图示根据一些实施例的示例方法的流程图。
[0012]图2图示用于开发和应用工业资产的健康状况简档的示例方法的流程图。
[0013]图3图示描述评估时段和预测时段的一个示例图形。
[0014]图4图示描述评估时段和预测时段的一个示例图形。
[0015]图5图示描述评估时段和预测时段的一个示例图形。
[0016]图6图示示例模型。
[0017]图7图示示例健康状况简档。
[0018]图8图示用于更新被配置为开发工业资产的健康状况简档的模型的示例方法。
[0019]图9图示用于识别可比较的工业资产的示例方法的流程图。
[0020]图10是图示用于更新被配置为开发工业资产的健康状况简档的健康状况模型的示例系统的部件框图。
[0021]图11示例性计算机可读介质的图示，在该计算机可读介质中可以包括被配置为实现本文所阐述的配置中的一种或多种的处理器可执行指令。
[0022]图12图示示例性计算环境，在其中可以实施本文所阐述的配置中的一种或多种。
【具体实施方式】
[0023]现在参考附图描述所要求的主题内容，在附图中，相同的附图标记在全文中通常用于指代相同的元件。在下文的描述中，出于说明的目的，阐述许多具体细节以便提供所要求的主题内容的理解。然而，可能明显的是可以在没有这些具体细节的情况下实施所要求的主题内容。在其他实例中，以框图的形式图示结构和设备以便利于描述所要求的主题内容。
[0024]如本文所使用的，信任度简档描述在事件发生或不发生的概率(例如，值、准确性等)方面的信任度。这样的事件可以包括预报的条件、预报的条件的影响、预报的保养建议(例如，对条件进行补救和/或更改条件的影响)等。信任度简档可以基于根据其确定该概率的数据的类型、该数据的质量(例如，传感器或用于生成数据的其他工具的准确性)，根据其来计算概率的可用数据的量、和/或数据与结果相关联的程度有多强(例如，从数据可以推断出建议的保养动作在预测时段期间是必要的程度有多强，等)。例如，信任度简档可以是数值得分(例如，在建议的保养动作方面的90%的信任度)，可以是范围(例如，在建议的保养动作方面的85% -92%信任度)，可以遵循分布函数，和/或可以描述不确定性锥(例如，其中存在在建议的保养动作未被执行的情况下的与一个条件在接下来的3个月内发生的可能性相关联的第一信任度以及在建议的保养动作未被执行的情况下的与一个条件在接下来的6个月内发生的可能性相关联的第二信任度)。
[0025]此外，工业资产在本文中用来描述一台设备、其元件、和/或逻辑上和/或物理上组装在一起以形成一个生产单元的一组设备。这样的工业资产的示例可以包括变压器、套管、断路器、变电站(例如，包括一个或多个变压器和/或一个或多个断路器)、输电塔、发电机等。工业资产也可以包括用于访问、限制访问、和/或维修设备的辅助项目，例如围墙、进口道路等。
[0026]电力系统包括成千上万的(如果不是数百万的)工业资产(包括电气和非电气设备)，工业资产需要保养以高效运转和/或减小失败的概率或影响。这一系统的电气设备除了别的之外例如可以包括涡轮机、变压器、断路器、电容器、稳压器、电池、和电力线。这一系统的非电气设备除了别的之外例如可以包括贮藏柜、电线杆、和输电塔。
[0027]公用事业供应商和其他实体通过检查、历史报告(例如，描述了工业资产的运行历史、事件历史等)、和/或与工业相关联的传感器来例行地评估这样的工业资产的健康状况。随着时间的推移，形成了工业记录的数据记录，其包括与传感器读数、检查、停机、保养、运行条件、环境条件、热运行测试、设计规格等有关的数据。
[0028]最近，已经开发了健康状况模型，其被配置为分析工业资产的数据记录的至少一部分以生成用于工业资产和/或用于工业资产机群的健康状况简档。健康状况简档可以包括关于工业资产的当前健康状况和/或预期的未来的健康状况和/或建议的保养动作(例如，今天的或未来的)的信息。在一些实施例中，这样的健康状况简档还描述在建议的保养动作得以执行和/或未被执行的情况下的对工业资产的预期的健康状况后果，并且/或者描述了与建议的保养动作相关联的预期成本(例如，在时间、劳动等方面的)。以此方式，健康状况简档例如提供了可以有助于资源规划和/或预算预报的信息。
[0029]虽然这些模型是有用的，但是模型典型地例如未被开发以在一类工业资产的各种子集(例如，其中子集可以基于制造商、电压等级、运行气候、运行性能(例如，负载/容量比)等)之间进行区分，并且/或者未基于针对各种子集的实际的预测准确性进行更新。
[0030]因此，描述了这样的系统和/或技术，其用于识别工业资产的子集(例如，其中一个子集对应于一组共享共同的特征集合的工业资产)，选择(例如，最佳地)预测针对工业资产的子集的保养动作的模型，基于在一个或多个评估时段获取的数据、使用模型来形成针对预测时段的预测和/或保养建议，并且/或者基于数据(例如，在预测时段期间获取的)的分析和/或基于对预测和在预测时段期间获取的数据的比较来更新模型。在一些实施例中，识别、选择、和/或更新反复地执行以改善针对给定的工业资产和/或资产机群的建议的保养动作的整体效益(例如，改善建议的保养动作的有效性)并且/或者实现一些其他的业务目标(例如，规定的预测准确性、规定的预报的信任度、规定的预报时间段)。例如，模型可以包括一组数据输入，其可以基于新的发现(例如，在数据方面的新发现的趋势/模式)和/或实体的成本考虑随着时间的推移而改变。举例而言，第一数据输入可能是资源密集的获取(例如，获取数据需要由技术员进行的频繁的实地考察，需要昂贵的传感器等)。随着时间的推移，随着数据被分析，可以确定从考虑中忽视第一数据输入对于预测准确性和/或对于在预测方面的信任度几乎没有影响，并且与获取第一数据输入相关联的代价不值得对模型的益处。因此，模型可以被更新以从考虑中去除第一数据输入和/或去除用于获取第一数据输入的保养建议。作为另一个例子，随着数据被分析，可以确定保养动作对于资产的长期的健康状况和/或性能具有相对低的有益影响，或者甚至保养动作对于工业资产是不利的，并且因此模型可以被更新以调整条件和/或降低频率和/或调整利用其来建议特定的保养动作的信任度简档。作为又一个例子，可以确定，在某些定时或条件下，特定保养动作在实践中被初始确定的更有效，并且因此模型可以被更新以调整条件和/或增加频率和/或提高利用其来建议特定的保养动作的信任度简档。
[0031]可以理解，虽然即时应用有时单独地涉及特征，但是在某些应用中，多个(例如，类似配置的)特征可以被用于得到产品和/或可以是来自产品的输出。举例而言，可以利用多个模型来生成工业资产的健康状况简档。作为另一例子，可以利用单个的模型来生成工业资产的多个健康状况简档。作为又一个例子，相应的健康状况简档可以包括一种或多种保养计划(例如，其中包括在健康状况简档之内的第一保养计划通过第一模型生成并且包括在该健康状况简档之内的第二保养计划通过第二模型生成并且/或者其中第一保养计划和第二保养计划通过相同的模型生成)。此外，可以利用本文描述的技术和/或系统来更新单个模型或者多个模型。
[0032]参考图1，图示了根据一些实施例的示例性方法100。在示例方法100的104处，开发一个或多个模型用于生成健康状况简档。模型例如可以通过编程生成(例如，基于从模型所涉及的一个类别中的一个或多个工业资产所产生的历史数据)和/或由主题专家生成。举例而言，机器学习算法可以利用一个或多个工业资产的数据记录来开发生成健康状况简档(多个)的模型(多个)，健康状况简档描述工业资产的健康状况并且/或者提供保养计划(多个)，保养计划包括被建议要在预测时段期间执行以提高、维护和/或减轻工业资产的健康状况的下降的一个或多个保养动作。
[0033]在不例性方法100的106处，基于一个或多个准则将一类工业资产划分成一个或多个子集(例如，其中，类可以被定义为被配置为执行类似的功能的一组工业资产)。这些准则可能包括电压等级、运行环境、制造商、输出产物、负载容量、年限等。工业资产的初始划分可以基于用户指定的准则、可以通过编程进行选择(例如，基于模型的模型参数)、和/或可以是随机的。例如，在初始划分期间，一类工业资产可以基于缺省准则(比如，电压等级)被再细分成一个或多个子集。随后，例如，可以基于在健康状况简档中所包括的预报和在预测时段(例如，也被称为预报的时段、预报窗口等)期间关于工业资产的发生的实际事件之间的差别来更新用于再细分一类工业资产的准则。
[0034]将要理解，尽管该示例方法100将划分图示为在开发了一个或多个模型之后发生，但是在一些实施例钟中，在106处的划分独立于在104处的开发。在另外的其他实施例中，在106处的划分在104处的开发之前发生(例如，并且开发根据用来划分一类工业资产的准则)。
[0035]在108处，选择一个或多个模型中的第一模型以生成针对工业资产的第一子集的健康状况简档。第一模型可以被随机地选择、可以由用户指定、和/或可以基于在106处的用来将一类工业资产划分为子集的准则。举例而言，用户可以指定针对相应子集的工业资产的健康状况简档将使用第一模型(例如，比如流程图模型)来生成。如将在下文更详细地描述的，例如基于通过第一模型所产生的健康状况简档(例如，预报中的信任度)和/或基于第一模型的预报与