基于联合学习框架的设备使用寿命的预测方法、装置、计算机设备及计算机可读存储介质制造方法及图纸

本公开涉及能源系统技术领域，提供了基于联合学习框架的设备使用寿命的预测方法、装置、计算机设备及计算机可读存储介质。该方法包括：获取目标数据；根据目标数据进行设备健康指数计算，以得到设备的健康指数；根据健康指数，确定设备的健康数据的稀疏模型；根据稀疏模型，得到设备使用寿命的预测曲线趋势及对应的预测值；基于联合学习的框架，将预测值进行多轮多方的计算和共享，以得到设备的初级预测值；将预测值进行融合，以得到最终的设备使用寿命。本公开可以有效地解决在综合能源设备应用中，可以更早的发现设备可能出现的问题，在保证生产生活的前提下，提前对设备进行检修，大大降低了设备操作和运行的风险，提高了生产效率。生产效率。生产效率。

【技术实现步骤摘要】
基于联合学习框架的设备使用寿命的预测方法、装置、计算机设备及计算机可读存储介质


[0001]本公开涉及能源
，尤其涉及一种基于联合学习框架的设备使用寿命的预测方法、装置、计算机设备及计算机可读存储介质。

技术介绍

[0002]综合能源系统是由多种设备和管道链接而成，同时具备多种能源输入，转化，并能供给多种能源给不同的用户的一个系统。综合能源系统中设备包括：燃气内燃机，余热锅炉，蒸汽锅炉，溴冷机，光伏设备，地源热泵，风能设备，储能设备等。
[0003]对于大量的综合能源设备，视情维修的前提是根据设备所表现出的健康状态而定，决定何时并且采用何种方式对设备进行维修保障。而设备的剩余使用寿命预测，则可以更早的发现设备可能出现的问题，在保证生产生活的前提下，提前对设备进行检修。
[0004]设备剩余使用寿命是设备预测健康管理方向的一个重要领域。目前对于设备剩余使用寿命的预测有两种管理方式：一个是直接通过设备的run
‑
to
‑
failure(健康
‑
故障)数据集进行预测，称为直接法。一个是通过多个设备的传感器数据，将信息融合后进行预测，称为间接法。然而上述现有方法除了预测不准确外，在设备故障维护时会产生误报，因此目前急需一种设备使用寿命的预测方法。

技术实现思路

[0005]有鉴于此，本公开实施例提供了一种基于联合学习框架的设备使用寿命的预测方法、装置、计算机设备及计算机可读存储介质，以解决现有技术中无法准确预测设备使用寿命，而导致在系统生产中所出现的设备操作或运行时的风险问题。
[0006]本公开实施例的第一方面，提供了一种基于联合学习框架的设备使用寿命的预测方法，包括：
[0007]获取目标数据；
[0008]根据目标数据进行设备健康指数计算，以得到设备的健康指数；
[0009]根据健康指数，确定设备的健康数据的稀疏模型；
[0010]根据稀疏模型，得到设备使用寿命的预测曲线趋势及对应的预测值；
[0011]基于联合学习的框架，将预测值进行多轮多方的计算和共享，以得到设备的初级预测值；
[0012]将预测值进行融合，以得到最终的设备使用寿命。
[0013]本公开实施例的第二方面，提供了一种基于联合学习框架的设备使用寿命的预测装置，包括：
[0014]获取模块，用于获取目标数据；
[0015]计算模块，用于根据目标数据进行设备健康指数计算，以得到设备的健康指数；
[0016]确定模块，用于根据健康指数，确定设备的健康数据的稀疏模型；
[0017]预测模块，用于根据稀疏模型，得到设备使用寿命的预测曲线趋势及对应的预测值；
[0018]第一输出模块，用于基于联合学习的框架，将预测值进行多轮多方的计算和共享，以得到设备的初级预测值；
[0019]第二输出模块，用于将预测值进行融合，以得到最终的设备使用寿命。
[0020]本公开实施例的第三方面，提供了一种计算机设备，包括存储器、处理器以及存储在存储器中并且可以在处理器上运行的计算机程序，该处理器执行计算机程序时实现上述方法的步骤。
[0021]本公开实施例的第四方面，提供了一种计算机可读存储介质，该计算机可读存储介质存储有计算机程序，该计算机程序被处理器执行时实现上述方法的步骤。
[0022]本公开实施例与现有技术相比存在的有益效果是：通过上述方法可以有效地解决在综合能源设备应用中，可以更早的发现设备可能出现的问题，在保证生产生活的前提下，提前对设备进行检修，大大降低了设备操作和运行的风险，提高了生产效率。
附图说明
[0023]为了更清楚地说明本公开实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。
[0024]图1是本公开实施例的应用场景的场景示意图；
[0025]图2是本公开实施例提供的一种基于联合学习框架的设备使用寿命的预测方法的流程图；
[0026]图3是本公开实施例提供的另一种获取目标数据的方法的流程图；
[0027]图4是本公开实施例提供的再一种基于联合学习的模型训练示意图；
[0028]图5是本公开实施例提供的一种基于联合学习框架的设备使用寿命的预测装置的框图；
[0029]图6是本公开实施例提供的一种计算机设备的示意图。
具体实施方式
[0030]以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本公开实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本公开。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本公开的描述。
[0031]下面将结合附图详细说明根据本公开实施例的一种基于联合学习框架的设备使用寿命的预测方法和装置。
[0032]图1是本公开实施例的应用场景的场景示意图。该应用场景可以包括终端设备1、2和3、服务器4以及网络5。
[0033]终端设备1、2和3可以是硬件，也可以是软件。当终端设备1、2和3为硬件时，其可以是具有显示屏且支持与服务器4通信的各种电子设备，包括但不限于智能手机、平板电脑、
膝上型便携计算机和台式计算机等；当终端设备1、2和3为软件时，其可以安装在如上所述的电子设备中。终端设备1、2和3可以实现为多个软件或软件模块，也可以实现为单个软件或软件模块，本公开实施例对此不作限制。进一步地，终端设备1、2和3上可以安装有各种应用，例如数据处理应用、即时通信工具、社交平台软件、搜索类应用、购物类应用等。
[0034]服务器4可以是提供各种服务的服务器，例如，对与其建立通信连接的终端设备发送的请求进行接收的后台服务器，该后台服务器可以对终端设备发送的请求进行接收和分析等处理，并生成处理结果。服务器4可以是一台服务器，也可以是由若干台服务器组成的服务器集群，或者还可以是一个云计算服务中心，本公开实施例对此不作限制。
[0035]需要说明的是，服务器4可以是硬件，也可以是软件。当服务器4为硬件时，其可以是为终端设备1、2和3提供各种服务的各种电子设备。当服务器4为软件时，其可以实现为终端设备1、2和3提供各种服务的多个软件或软件模块，也可以实现为终端设备1、2和3提供各种服务的单个软件或软件模块，本公开实施例对此不作限制。
[0036]网络5可以是采用同轴电缆、双绞线和光纤连接的有线网络，也可以是无需布线就能实现各种通信设备互联的无线网络，例如，蓝牙(Bluetooth)、近场通信(Near Field Communication，NFC)、红外(Infrared)等，本公开实施例对此不作限制。
[0037]用户可以通过终端设备1、本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于联合学习框架的设备使用寿命的预测方法，其特征在于，包括：获取目标数据；根据所述目标数据进行设备健康指数计算，以得到所述设备的健康指数；根据所述健康指数，确定所述设备的健康数据的稀疏模型；根据所述稀疏模型，得到所述设备使用寿命的预测曲线趋势及对应的预测值；基于联合学习的框架，将所述预测值进行多轮多方的计算和共享，以得到所述设备的初级预测值；将所述预测值进行融合，以得到最终的所述设备使用寿命。2.根据权利要求1所述的方法，其特征在于，所述获取目标数据包括：收集所述设备在不同场景下的设备运行数据和/或设备环境数据；判断所述设备在不同场景下的设备运行数据和/或设备环境数据是否存在数据缺失现象和/或数据异常值现象；当存在数据缺失现象或数据异值现象时，利用预设的判断条件对数据进行插补和/或去异常值处理，以得到处理后的所述设备的目标数据。3.根据权利要求1所述的方法，其特征在于，根据所述目标数据进行设备健康指数计算，以得到所述设备的健康指数包括：根据所述目标数据，选取适合所述设备的健康指数算法；利用所述健康指数算法，确定计算所述设备的健康指数的模型和对应的模型参数、模型个数；其中，所述计算设备的健康指数的模型参数包含：设备运行数据和所述设备运行数据对应的特征向量的维度、设备环境数据和所述设备环境数据对应的特征向量的维度；根据所述设备的健康指数的模型和对应的模型参数，获取所述设备的健康指数。4.根据权利要求1所述的方法，其特征在于，根据健康指数，确定所述设备的健康数据的稀疏模型包括：根据所述目标数据，调取预设的高斯函数；基于所述高斯函数、设备运行时间和所述健康指数，确定所述设备的健康数据的稀疏模型。5.根据权利要求4所述的方法，其特征在于，根据稀疏模型，得到所述设备使用寿命的预测曲线趋势及对应的预测值包括：根据所述健康指数，初始化所述设备的健康状态值；基于所述健康状态值，得到所述设备使用寿命的预测曲线趋...

【专利技术属性】
技术研发人员：张燧，徐少龙，
申请(专利权)人：新智数字科技有限公司，
类型：发明
国别省市：