The present invention provides a method and system for early warning device based on big data, early warning device scheduling method comprises the following steps: data collection form maintenance record data set, recorded data set, after training the model, get the equipment maintenance model, equipment operation model and equipment downtime model; verify the reliability of each model to forecast data; set, forecast data set selection interval linear function is applied to each of the above model, and the Weka platform using the BP neural network algorithm based on the prediction results, and from the prediction of the optimal maintenance cycle, the best operation results in selected time, the best stop time, according to the data of equipment operation, maintenance and scheduling purchasing work. The invention can acquire guiding data through large data learning, maintain equipment regularly, effectively prolong the service life of the equipment, greatly reduce the accident rate of the equipment and reduce the operation cost.
【技术实现步骤摘要】
一种基于大数据的设备调度预警方法及系统
本专利技术涉及大数据领域以及机器学习领域,具体地说,涉及一种基于大数据的设备调度预警方法及系统。
技术介绍
一切以数据说话,成为当今或者未来互联网发展的趋势。随着产业界数据量的爆炸式增长,行业大数据隐藏着的重要信息也备受关注。如何从海量的行业大数据中挖掘出有用的信息,是企业必须深入思考和解决的重要问题。随着我国经济发展和城镇化的推进,对城市污水处理的需求日益增加。当前我国虽然在城市污水处理厂的建设方面取得了较大的进展,但是大部分污水处理厂都存在自动化水平低、轻视过程管理、能耗高、运维成本高等问题。如何通过应用先进的科学技术实现节能降耗是目前污水处理行业的一个重要研究方向。污水提升泵房作为污水处理系统中仅次于鼓风机房的第二大能耗设备系统,对其工作过程做优化控制和管理,对实现污水处理厂实现节能降耗、降低运维成本有极重要的作用和意义。
技术实现思路
本专利技术针对污水提升泵在运行过程中频繁启停、停机时长不适度而造成设备使用寿命短,运营成本高等问题提出了基于大数据和机器学习的预警方法,能够有效预防污水提升泵的事故发生,按期保养设备,有效延长了污水提升泵的寿命、大幅降低了污水提升泵的事故率。本专利技术提供一种基于大数据的设备调度预警方法,所述设备调度预警方法包括以下步骤:采集设备的检修记录数据和运行记录数据,形成检修记录数据集、运行记录数据集,经过模型训练,得到设备保养模型、设备运行模型以及设备停机模型;针对不同模型,准备测试数据集,验证各个模型的可靠性;在确认各个模型可靠后,准备预测数据集,预测数据集选择线性函数的区间段应用到设 ...
【技术保护点】
一种基于大数据的设备调度预警方法,其特征在于,所述设备调度预警方法包括以下步骤:采集设备的检修记录数据和运行记录数据,形成检修记录数据集、运行记录数据集,经过模型训练,得到设备保养模型、设备运行模型以及设备停机模型;针对不同模型,准备测试数据集,验证各个模型的可靠性;在确认各个模型可靠后,准备预测数据集,预测数据集选择线性函数的区间段应用到设备保养模型、设备运行模型以及设备停机模型中,并基于weka平台应用BP神经网络算法进行迭代计算,得到预测结果,并从所述预测结果中筛选出最佳保养周期、最佳运行时长、最佳停机时长,其中,筛选出不发生故障最大保养周期作为最佳保养周期,筛选出不发生故障最大运行时长作为最佳运行时长,筛选出不发生故障最小停机时长作为最佳停机时长;根据所得数据调度设备的运行、维修以及采买工作。
【技术特征摘要】
1.一种基于大数据的设备调度预警方法,其特征在于,所述设备调度预警方法包括以下步骤:采集设备的检修记录数据和运行记录数据,形成检修记录数据集、运行记录数据集,经过模型训练,得到设备保养模型、设备运行模型以及设备停机模型;针对不同模型,准备测试数据集,验证各个模型的可靠性;在确认各个模型可靠后,准备预测数据集,预测数据集选择线性函数的区间段应用到设备保养模型、设备运行模型以及设备停机模型中,并基于weka平台应用BP神经网络算法进行迭代计算,得到预测结果,并从所述预测结果中筛选出最佳保养周期、最佳运行时长、最佳停机时长,其中,筛选出不发生故障最大保养周期作为最佳保养周期,筛选出不发生故障最大运行时长作为最佳运行时长,筛选出不发生故障最小停机时长作为最佳停机时长;根据所得数据调度设备的运行、维修以及采买工作。2.根据权利要求1所述的基于大数据的设备调度预警方法,其特征在于,若设备运行时间超出最佳运行时长,或设备停机时间低于最佳停机时长,则预警管理员采买设备。3.根据权利要求2所述的基于大数据的设备调度预警方法,其特征在于,若设备停机时间小于最佳停机时长的50%,则预警管理员采买设备。4.根据权利要求1所述的基于大数据的设备调度预警方法,其特征在于,若设备的累计运行时长超过设备额定寿命的90%,则发出预警,并结合系统内置的设备信息给出设备采购建议。5.根据权利要求1所述的基于大数据的设备调度预警方法,其特征在于,监测设备运行时的瞬时电压和瞬时电流,若瞬时电压或瞬时电流的变化值超过允...
【专利技术属性】
技术研发人员:姜岚,赵贤林,刘智,桂峰,
申请(专利权)人:中冶华天工程技术有限公司,
类型:发明
国别省市:安徽,34
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。