一种设备工况评估方法以及相关设备技术

本申请实施例公开了一种设备工况评估方法以及相关设备，用于提升设备工况评估的精细度。本申请实施例方法包括：获取拟评估设备当前时间段的第一测点实时值；获取关联设备的第二测点实时值；根据第一测点实时值和第二测点实时值通过性能判定方法分别确定第一测点实时值加权系数和第二测点实时值加权系数；根据第一测点实时值加权系数、第二测点实时值加权系数、第一测点实时值和第二测点实时值计算拟评估设备的测点评估值；将测点评估值输入拟评估设备的标准工况分类模型，得到标准工况分类模型输出的每种工况的发生概率；计算测点评估值与每种工况的拟合度；根据每种工况的发生概率以及测点评估值与每种工况的拟合度，确定拟评估设备的目标工况。评估设备的目标工况。评估设备的目标工况。

【技术实现步骤摘要】
一种设备工况评估方法以及相关设备


[0001]本申请实施例涉及发电领域，尤其涉及一种设备工况评估方法以及相关设备。

技术介绍

[0002]为使设备安全可靠地运行,以及随时了解设备的运行状况,必须对重大设备及系统进行工况评估以科学地管理高速连续自动运行的设备。
[0003]目前通用的设备工况评估方法，通过定时检测设备的单一或一组测点的实时值进行判断。若设备的单一或一组测点的实时值处于预设的标准区间内，则认为该设备处于稳态工况；若设备的单一或一组测点的实时值处于预设的标准区间外，则认为该设备处于故障工况。
[0004]但在实际应用中，设备可能处于不同的稳态工况，不同的稳态工况下设备各测点实时值所处的区间也是不尽相同，只依靠单一或一组确定的标准区间来对设备的工况进行判断是不够精细的。

技术实现思路

[0005]本申请实施例第一方面提供一种设备工况评估方法，其特征在于，包括：
[0006]获取拟评估设备当前时间段的第一测点实时值；
[0007]获取所述拟评估设备当前时间段的关联设备的第二测点实时值；
[0008]根据所述第一测点实时值和所述第二测点实时值通过性能判定方法分别确定第一测点实时值加权系数和第二测点实时值加权系数；
[0009]根据所述第一测点实时值加权系数、所述第二测点实时值加权系数、所述第一测点实时值和所述第二测点实时值计算所述拟评估设备的测点评估值；
[0010]将所述测点评估值输入所述拟评估设备的标准工况分类模型，得到所述标准工况分类模型输出的每种所述工况的发生概率，所述标准工况分类模型是根据所述拟评估设备在历史一段时间内的测点历史值利用机器学习算法得到，所述标准工况分类模型用于确定所述拟评估设备可能发生的工况以及每种工况的发生概率；
[0011]计算所述测点评估值与每种所述工况的拟合度；
[0012]根据每种所述工况的发生概率以及所述测点评估值与每种所述工况的拟合度，确定所述拟评估设备的目标工况。
[0013]可选的，在所述将所述测点评估值输入所述拟评估设备的标准工况分类模型，得到所述标准工况分类模型输出的每种所述工况的发生概率之前，所述方法还包括：
[0014]获取所述拟评估设备的第一测点历史值；
[0015]获取所述拟评估设备的关联设备的第二测点历史值；
[0016]根据所述第一测点历史值通过所述机器学习算法得到拟评估设备的第一工况分类模型，并根据所述第二测点历史值通过所述机器学习算法得到关联设备的第二工况分类模型；
[0017]根据性能判定方法加权修正所述第一工况分类模型和第二工况分类模型得到所述拟评估设备的标准工况分类模型。
[0018]可选的，在所述根据所述第一测点历史值通过所述机器学习算法得到拟评估设备的第一工况分类模型，并根据所述第二测点历史值通过所述机器学习算法得到关联设备的第二工况分类模型之前，所述方法还包括：
[0019]清洗所述第一测点历史值和所述第二测点历史值，和/或通过主成成分分析或降采样的方式分别对所述第一测点历史值和第二测点历史值进行降维处理。
[0020]可选的，在所述获取所述拟评估设备当前时间段的关联设备的第二测点实时值之前，所述方法还包括：
[0021]根据所述拟评估设备多个历史时段的第一测点实时值通过机器学习算法确定所述拟评估设备在所述当前时间段的关联设备。
[0022]可选的，所述根据所述第一测点实时值和所述第二测点实时值通过性能判定方法分别确定第一测点实时值加权系数和第二测点实时值加权系数包括：
[0023]根据所述第一测点实时值和所述第二测点实时值通过性能判定方法和机器学习算法分别确定第一测点实时值加权系数和第二测点实时值加权系数。
[0024]可选的，所述机器学习算法是贝叶斯分类算法、k近邻分类算法或支持向量机分类算法。
[0025]本申请实施例第二方面提供一种设备工况评估装置，其特征在于，包括：
[0026]获取单元，用于获取拟评估设备当前时间段的第一测点实时值；
[0027]所述获取单元，还用于获取所述拟评估设备当前时间段的关联设备的第二测点实时值；
[0028]计算单元，用于根据所述第一测点实时值和所述第二测点实时值通过性能判定方法分别确定第一测点实时值加权系数和第二测点实时值加权系数；
[0029]所述计算单元，还用于根据所述第一测点实时值加权系数、所述第二测点实时值加权系数、所述第一测点实时值和所述第二测点实时值计算所述拟评估设备的测点评估值；
[0030]所述计算单元，还用于将所述测点评估值输入所述拟评估设备的标准工况分类模型，得到所述标准工况分类模型输出的每种所述工况的发生概率，所述标准工况分类模型是根据所述拟评估设备在历史一段时间内的测点历史值利用机器学习算法得到，所述标准工况分类模型用于确定所述拟评估设备可能发生的工况以及每种工况的发生概率；
[0031]所述计算单元，还用于计算所述测点评估值与每种所述工况的拟合度；
[0032]确定单元，用于根据每种所述工况的发生概率以及所述测点评估值与每种所述工况的拟合度，确定所述拟评估设备的目标工况。
[0033]可选的，所述获取单元，还用于获取所述拟评估设备的第一测点历史值；
[0034]所述获取单元，还用于获取所述拟评估设备的关联设备的第二测点历史值；
[0035]所述计算单元，还用于根据所述第一测点历史值通过所述机器学习算法得到拟评估设备的第一工况分类模型，并根据所述第二测点历史值通过所述机器学习算法得到关联设备的第二工况分类模型；
[0036]所述计算单元，还用于根据性能判定方法加权修正所述第一工况分类模型和第二
工况分类模型得到所述拟评估设备的标准工况分类模型。
[0037]可选的，所述计算单元还用于，
[0038]清洗所述第一测点历史值和所述第二测点历史值，和/或通过主成成分分析或降采样的方式分别对所述第一测点历史值和第二测点历史值进行降维处理。
[0039]可选的，在所述获取所述拟评估设备当前时间段的关联设备的第二测点实时值之前，所述计算单元具体用于：
[0040]根据所述拟评估设备多个历史时段的第一测点实时值通过机器学习算法确定所述拟评估设备在所述当前时间段的关联设备。
[0041]可选的，所述计算单元具体用于：
[0042]根据所述第一测点实时值和所述第二测点实时值通过性能判定方法和机器学习算法分别确定第一测点实时值加权系数和第二测点实时值加权系数。
[0043]可选的，所述机器学习算法是贝叶斯分类算法、k近邻分类算法或支持向量机分类算法。
[0044]本申请实施例第三方面提供一种设备工况评估装置，包括：
[0045]中央处理器，存储器以及输入输出接口；
[0046]所述存储器为短暂存储存储器或持久存储存储器；
[0047]所述中央处理器配置为与所本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种设备工况评估方法，其特征在于，包括：获取拟评估设备当前时间段的第一测点实时值；获取所述拟评估设备当前时间段的关联设备的第二测点实时值；根据所述第一测点实时值和所述第二测点实时值通过性能判定方法分别确定第一测点实时值加权系数和第二测点实时值加权系数；根据所述第一测点实时值加权系数、所述第二测点实时值加权系数、所述第一测点实时值和所述第二测点实时值计算所述拟评估设备的测点评估值；将所述测点评估值输入所述拟评估设备的标准工况分类模型，得到所述标准工况分类模型输出的每种所述工况的发生概率，所述标准工况分类模型是根据所述拟评估设备在历史一段时间内的测点历史值利用机器学习算法得到，所述标准工况分类模型用于确定所述拟评估设备可能发生的工况以及每种工况的发生概率；计算所述测点评估值与每种所述工况的拟合度；根据每种所述工况的发生概率以及所述测点评估值与每种所述工况的拟合度，确定所述拟评估设备的目标工况。2.根据权利要求1所述的设备工况评估方法，其特征在于，在所述将所述测点评估值输入所述拟评估设备的标准工况分类模型，得到所述标准工况分类模型输出的每种所述工况的发生概率之前，所述方法还包括：获取所述拟评估设备的第一测点历史值；获取所述拟评估设备的关联设备的第二测点历史值；根据所述第一测点历史值通过所述机器学习算法得到拟评估设备的第一工况分类模型，并根据所述第二测点历史值通过所述机器学习算法得到关联设备的第二工况分类模型；根据性能判定方法加权修正所述第一工况分类模型和第二工况分类模型得到所述拟评估设备的标准工况分类模型。3.根据权利要求2所述的设备工况评估方法，其特征在于，在所述根据所述第一测点历史值通过所述机器学习算法得到拟评估设备的第一工况分类模型，并根据所述第二测点历史值通过所述机器学习算法得到关联设备的第二工况分类模型之前，所述方法还包括：清洗所述第一测点历史值和所述第二测点历史值，和/或通过主成成分分析或降采样的方式分别对所述第一测点历史值和第二测点历史值进行降维处理。4.根据权利要求1所述的设备工况评估方法，其特征在于，在所述获取所述拟评估设备当前时间段的关联设备的第二测点实时值之前，所述方法还包括：根据所述拟评估设备多个历史时段的第一测点实时值通过机器学习算法确定所述拟评估设备在所述当前时间段的关联设备。5.根据权利要求1所述的设备工况评估方法，其特征在于，所述根据所述第一测点实时值和所述第二测点实时值通过性能判定方法分别确定第一测点...

【专利技术属性】
技术研发人员：陈木斌，陈世和，陈建华，卫平宝，张含智，马成龙，聂怀志，
申请(专利权)人：华润电力技术研究院有限公司，
类型：发明
国别省市：