【技术实现步骤摘要】
存储器、加氢裂化设备故障预测方法、装置和设备
本专利技术涉及石油化工领域，特别是涉及存储器、加氢裂化设备故障预测方法、装置和设备。
技术介绍
石油是一种重要能源和优质化工原料、是关系国计民生的重要战略物资，石油工业是国民经济的重要基础产业。随着经济的高速发展，人类对能源的需求越来越大。随着信息技术的发展，石油炼化生产装置信息化程度越来越高，随之也就积累了大量生产数据；这些数据背后隐藏着大量重要的生产信息，而大数据技术正是挖掘和利用这些信息的最有效手段。它是通过对庞大的数据进行专业化处理，从而发现数据内在的规律，来对生产流程中的各个环节进行预判，进而支撑生产决策。工作人员根据长期的工作经验。可以通过识别设备运行时的震动特性，来预判设备的故障或故障隐患，从而能够减少设备故障所造成的损失。专利技术人经过研究发现，现有技术中通过人工预判的方式至少存在以下缺陷：由于人工判断不但其时效性较差，而且还会存在一定的主观性和不确定性，所以容易造成设备故障的漏判和误判。
技术实现思路
针对现有...
【技术保护点】
1.一种加氢裂化设备故障预测方法，其特征在于，包括步骤：/nS11、获取监控对象历史的监控数据；所述监控数据包括所述监控对象的震动数据、工况数据和故障记录；所述震动数据包括震动位移数据、速度数据和震动加速度数据；所述工况数据包括所述监控对象的温度数据、压力数据和流量数据；所述监控对象包括机泵或压缩机；/nS12、根据预设时间周期确定监测数据中各种数据采集统一的数据采集时间点；/nS13、根据所述预设时间周期中的数据采集时间点对各监控数据进行数据整理，以使各种所述监控数据的采集时间点同步，包括：对原数据采集的时间周期小于所述预设时间周期的监控数据进行数据滤除，删除与所述预设时...
【技术特征摘要】
1.一种加氢裂化设备故障预测方法，其特征在于，包括步骤：
S11、获取监控对象历史的监控数据；所述监控数据包括所述监控对象的震动数据、工况数据和故障记录；所述震动数据包括震动位移数据、速度数据和震动加速度数据；所述工况数据包括所述监控对象的温度数据、压力数据和流量数据；所述监控对象包括机泵或压缩机；
S12、根据预设时间周期确定监测数据中各种数据采集统一的数据采集时间点；
S13、根据所述预设时间周期中的数据采集时间点对各监控数据进行数据整理，以使各种所述监控数据的采集时间点同步，包括：对原数据采集的时间周期小于所述预设时间周期的监控数据进行数据滤除，删除与所述预设时间周期中的数据采集时间点不一致的监控数据；根据对原数据采集的时间周期大于所述预设时间周期的监控数据进行数据填充，在所述预设时间周期中的数据采集时间点缺失监控数据时进行数据填充；
S14、根据所述预设时间周期中统一的数据采集时间点，对所述监控数据中的震动数据和工况数据进行关联，构建建模数据；
S15、将所述震动数据和工况数据确定为预测模型的自变量；
将设备发生故障的概率和/或故障类型确定为所述预测模型的目标变量；
S16、根据所述目标变量和所述自变量通过分类模型对所述建模数据进行模型训练，以建立用于获取加氢裂化设备故障概率的预测模型；
S17、以实时获取到的监控对象的监控数据为参数，通过预测模型获取预测结果。
2.根据权利要求1中所述加氢裂化设备故障预测方法，其特征在于，所述在所述预设时间周期中的数据采集时间点缺失监控数据时进行数据填充，包括：
将距离某一数据采集时间点预设时间内的其他监控数据定义为该数据采集时间点的临近监控数据；
当某一数据采集时间点缺失监控数据，且该数据采集时间点有临近监控数据时，将距时最近的临近监控数据作为该数据采集时间的监控数据。
3.根据权利要求2中所述加氢裂化设备故障预测方法，其特征在于，还包括：
当某一数据采集时间点缺失监控数据，且该数据采集时间没有临近监控数据时，对预设时间段的监控数据进行均值计算生成该数据采集时间的监控数据。
4.根据权利要求3中所述加氢裂化设备故障预测方法，其特征在于，还包括：
当监控数据为震动数据时，分别建立每种震动数据的一对一线性模型，将其中拟合程度大于预设值的震动数据，进行第二次数据填充。
5.根据权利要求1中所述加氢裂化设备故障预测方法，其特征在于，所述震动数据还包括震动强度和/或震动频率。
6.根据...
【专利技术属性】
技术研发人员：黄新露，陈玉石，吕建新，赵玉琢，王建平，佟伟，
申请(专利权)人：中国石油化工股份有限公司，中国石油化工股份有限公司大连石油化工研究院，
类型：发明
国别省市：北京;11
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。