一种基于人工智能的氢能设备故障数据传输系统及方法技术方案

本发明专利技术涉及数据传输处理技术领域，具体为一种基于人工智能的氢能设备故障数据传输系统及方法，包括采集氢能设备的所有历史运行故障记录，以及对应各历史运行故障记录的历史维修记录；对各设备部件进行故障特征信息的梳理；对存在运行关联的设备部件进行识别判断；分别对所有存在运行关联的设备部件进行运行关联程度值评估，对所有存在运行关联的设备部件进行运行关联关系校验；实时对每一维修记录的内容进行监测，当某一维修记录中涉及对某一设备部件进行拆卸替换操作，对在某一维修记录中发生的拆卸替换操作是否异常进行评估，并反馈至管理终端进行预警提示

【技术实现步骤摘要】
一种基于人工智能的氢能设备故障数据传输系统及方法


[0001]本专利技术涉及数据传输处理
，具体为一种基于人工智能的氢能设备故障数据传输系统及方法
。

技术介绍

[0002]加氢站是为了满足氢能源汽车的加氢需求而建立的设施，它起到储氢
、
供氢
、
加氢和氢气质量检测等功能，加氢站建设的核心设备主要有氢气压缩机
、
储氢容器
、
加氢机三类；由于加氢站设备复杂，故障难免会发生；而在对一个复杂的氢能设备进行故障维修的过程中总免不了需要对故障部件进行修复或者更换；而因设备本身结构的复杂性，在进行故障部件修复或者更换过程中出现操作不准确的现象在所难免，而对加氢站内的氢能设备进行维修时，需要遵守响应及时
、
处理迅速
、
严格按照操作规程等原则
。

技术实现思路

[0003]本专利技术的目的在于提供一种基于人工智能的氢能设备故障数据传输系统及方法，以解决上述
技术介绍
中提出的问题
。
[0004]为了解决上述技术问题，本专利技术提供如下技术方案：一种基于人工智能的氢能设备故障数据传输方法，方法包括：步骤
S100
：监测氢能设备运作时于各运行参数项上所呈现的运行数据，将运行数据传输至控制终端，控制终端基于对各运行参数项预设的参考运行阈值，实现对各运行参数项进行数据异常判断，生成相应的运行故障记录；采集氢能设备的所有历史运行故障记录，以及对应各历史运行故障记录的历史维修记录；其中，一条历史运行故障记录对应一条历史维修记录；步骤
S200
：对各历史维修记录中相应进行故障检修的故障设备部件进行信息提取，同时从对应各历史维修记录的历史运行故障记录中，获取所有呈现数据异常的运行参数项，得到对应故障设备部件的关联运行参数项集合；基于各历史维修记录以及对应各历史维修记录的关联运行参数项集合，对各设备部件进行故障特征信息的梳理；步骤
S300
：基于在各设备部件之间所呈现的故障特征信息分布情况，对存在运行关联的设备部件进行识别判断；步骤
S400
：分别对所有存在运行关联的设备部件进行运行关联程度值评估，基于运行关联程度值对所有存在运行关联的设备部件进行运行关联关系校验；步骤
S500
：实时对每一维修记录的内容进行监测，当某一维修记录中涉及对某一设备部件进行拆卸替换操作，结合与某一设备部件之间存在运行关联关系的其他设备部件的运行数据情况，对在某一维修记录中发生的拆卸替换操作是否异常进行评估，并反馈至管理终端进行预警提示
。
[0005]进一步的，步骤
S200
包括：步骤
S201
：将在各历史维修记录中对应故障设备部件所包含的设备部件个数设为
N
，设
N=1
的历史维修记录为第一特征记录，
N≥2
的历史维修记录为第二特征记录；判断在每一个第二特征记录中，对应故障设备部件所包含的
N
个设备部件，构成一个设备部件关联组合；步骤
S202
：对在各第一特征记录中相应进行故障检修的设备部件进行提取，分别将对应设备部件相同的第一特征记录进行汇集，得到若干第一特征记录集合；其中，一个第一特征记录集合对应一种设备部件；分别在各第一特征记录集合所对应的历史运行故障记录范围内，提取对应各第一特征记录集合的设备部件的所有关联运行参数项集合；步骤
S203
：分别得到对应各第一特征记录集合的设备部件的基准关联运行参数项集合
Y=X1∩X2∩...∩X
n
；其中，
X1、X2、...、X
n
分别表示对应各第一特征记录集合的设备部件，于各第一特征记录集合内第
1、2、...、n
条第一特征记录中所对应的关联运行参数项集合
。
[0006]进一步的，步骤
S300
包括：步骤
S301
：若某设备部件
a
的基准关联运行参数项集合为
Y(a)
，某设备部件
b
的基准关联运行参数项集合为
Y(b)
，在基于所有第二特征记录得到的
M
个设备部件关联组合中，同时包含某设备部件
a
和某设备部件
b
的设备部件关联组合个数为
m
；步骤
S302
：计算某设备部件
a
和某设备部件
b
之间的第一特征关联指数为
β
1=m/M
，计算某设备部件
a
和某设备部件
b
之间的第二特征关联指数为
β
2=Crad(P1)/Crad(P2)
；其中，
P1=Y(a)∩Y(b)
，
P2=Y(a)∪Y(b)
；
Crad(P1)
表示集合
P1
的个数，
Crad(P2)
表示集合
P2
的个数；若两个或者两个以上的设备部件之间出现并发检修的情况较多，即第一特征关联指数越大，说明两个设备部件之间存在运行关联的可能性越高，因为若多个设备部件在运行时满足相互磨合或者相互配合关系的话，当其中一个设备部件出现故障时，其他设备部件因受影响出现故障的概率较大；若两个或者两个以上的设备部件在出现故障时伴随出现异常的运行参数项之间重合较多，即第二特征关联指数
β2越大，说明该多个设备部件的运行情况通过多个同样的运行参数项体现，说明在该多个设备部件之间存在运行关联的可能性越高；步骤
S303
：当某设备部件
a
和某设备部件
b
之间满足：
Max[
β
1,
β
2]≥
α
，判断设备部件
a
和某设备部件
b
之间存在运行关联；其中，
Max[
β
1,
β
2]表示在
β
1、
β2之间取最大值；其中，
α
表示指数阈值
。
[0007]进一步的，步骤
S400
包括：步骤
S401
：将存在运行关联的每两个设备部件设为一组运行关联组；分别将各运行关联组中包含的设备部件设为目标设备部件，提取各目标设备部件所对应的第一特征记录集合，当某一运行关联组中包含目标设备部件
r1和目标设备部件
r2，目标设备部件
r1对应的基准关联运行参数项集合为
Y(r1)
，目标设备部件
r2对应的基准关联运行参数项集合为
Y(r2)
；步骤
S402
：计算目标设备部件...

【技术保护点】

【技术特征摘要】
1.
一种基于人工智能的氢能设备故障数据传输方法，其特征在于，所述方法包括：步骤
S100
：监测氢能设备运作时于各运行参数项上所呈现的运行数据，将所述运行数据传输至控制终端，所述控制终端基于对各运行参数项预设的参考运行阈值，实现对各运行参数项进行数据异常判断，生成相应的运行故障记录；采集氢能设备的所有历史运行故障记录，以及对应各历史运行故障记录的历史维修记录；其中，一条历史运行故障记录对应一条历史维修记录；步骤
S200
：对各历史维修记录中相应进行故障检修的故障设备部件进行信息提取，同时从对应所述各历史维修记录的历史运行故障记录中，获取所有呈现数据异常的运行参数项，得到对应所述故障设备部件的关联运行参数项集合；基于各历史维修记录以及对应各历史维修记录的关联运行参数项集合，对各设备部件进行故障特征信息的梳理；步骤
S300
：基于在各设备部件之间所呈现的故障特征信息分布情况，对存在运行关联的设备部件进行识别判断；步骤
S400
：分别对所有存在运行关联的设备部件进行运行关联程度值评估，基于所述运行关联程度值对所有存在运行关联的设备部件进行运行关联关系校验；步骤
S500
：实时对每一维修记录的内容进行监测，当某一维修记录中涉及对某一设备部件进行拆卸替换操作，结合与所述某一设备部件之间存在运行关联关系的其他设备部件的运行数据情况，对在所述某一维修记录中发生的拆卸替换操作是否异常进行评估，并反馈至管理终端进行预警提示
。2.
根据权利要求1所述的一种基于人工智能的氢能设备故障数据传输方法，其特征在于，所述步骤
S200
包括：步骤
S201
：将在各历史维修记录中对应故障设备部件所包含的设备部件个数设为
N
，设
N=1
的历史维修记录为第一特征记录，
N≥2
的历史维修记录为第二特征记录；判断在每一个第二特征记录中，对应故障设备部件所包含的
N
个设备部件，构成一个设备部件关联组合；步骤
S202
：对在各第一特征记录中相应进行故障检修的设备部件进行提取，分别将对应设备部件相同的第一特征记录进行汇集，得到若干第一特征记录集合；其中，一个第一特征记录集合对应一种设备部件；分别在各第一特征记录集合所对应的历史运行故障记录范围内，提取对应所述各第一特征记录集合的设备部件的所有关联运行参数项集合；步骤
S203
：分别得到对应所述各第一特征记录集合的设备部件的基准关联运行参数项集合
Y=X1∩X2∩...∩X
n
；其中，
X1、X2、...、X
n
分别表示对应所述各第一特征记录集合的设备部件，于所述各第一特征记录集合内第
1、2、...、n
条第一特征记录中所对应的关联运行参数项集合
。3.
根据权利要求2所述的一种基于人工智能的氢能设备故障数据传输方法，其特征在于，所述步骤
S300
包括：步骤
S301
：若某设备部件
a
的基准关联运行参数项集合为
Y(a)
，某设备部件
b
的基准关联运行参数项集合为
Y(b)
，在基于所有第二特征记录得到的
M
个设备部件关联组合中，同时包含某设备部件
a
和某设备部件
b
的设备部件关联组合个数为
m
；步骤
S302
：计算某设备部件
a
和某设备部件
b
之间的第一特征关联指数为
β
1=m/M
，计算某设备部件
a
和某设备部件
b
之间的第二特征关联指数为
β
2=Crad(P1)/Crad(P2)
；其中，
P1=Y(a)∩Y(b)
，
P2=Y(a)∪Y(b)
；
Crad(P1)
表示集合
P1
的个数，
Crad(P2)
表示集合
P2
的个数；
步骤
S303
：当某设备部件
a
和某设备部件
b
之间满足：
Max[
β
1,
β
2]≥
α
，判断设备部件
a
和某设备部件
b
之间存在运行关联；其中，
Max[
β
1,
β
2]
表示在
β
1、
β2之间取最大值；其中，
α
表示指数阈值
。4.
根据权利要求3所述的一种基于人工智能的氢能设备故障数据传输方法，其特征在于，所述步骤
S400
包括：步骤
S401
：将存在运行关联的每两个设备部件设为一组运行关联组；分别将各运行关联组中包含的设备部件设为目标设备部件，提取各目标设备部件所对应的第一特征记录集合，当某一运行关联组中包含目标设备部件
r1和目标设备部件
r2，目标设备部件
r1对应的基准关联运行参数项集合为
Y(r1)
，目标设备部件
r2对应的基准关联运行参数项集合为
Y(r2)
；步骤
S402
：计算目标设备部件
r1与目标设备部件
r2在目标设备部件
r1的第
i
条第一特征记录上所呈现的关联...

【专利技术属性】
技术研发人员：郁明理，郭魂，
申请(专利权)人：江苏德琛常工新能源科技创新有限公司，
类型：发明
国别省市：