System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术属于设备故障诊断,具体是一种基于预测模型的主水泵设备综合风险分析。
技术介绍
1、专利公开号为cn114266197a的专利技术公开了一种水电站设备故障诊断方法,包括以下步骤:s1:利用水电站监测系统的传感器采集水电站设备的基础监测数据,并对基础监测数据进行剔除,得到有效监测数据;s2:构建水电站设备的故障诊断模型;s3:将有效监测数据输入至故障诊断模型中进行分析,得到设备故障诊断结果。该故障诊断方法利用故障诊断模型对水电站设备进行结果分析,可以解决专家经验主观因素较重以及模型构建不准确的问题,通过模型评分和故障节点筛选保证了所建立模型的准确性和模型的实际运用能力,为水电站管理人员进行检修提供较高的参考价值。
2、而设备在进行运行的过程中,会产生多个运行参数,但每个类型的预测参数对泵站的影响程度难以评估,若对每个参数都进行同样的监测,会增加系统数据处理的工作量,同时在对设备处理时,无法输出主设备的风险分析报告与智能风险提示,会导致设备故障信息提示存在延迟,从而导致泵站中设备故障,对泵站运行造成损失。
技术实现思路
1、本专利技术旨在至少解决现有技术中存在的技术问题之一;为此,本专利技术提出了一种基于预测模型的主水泵设备综合风险分析,用于解决上述所提出的技术问题。
2、为实现上述目的,根据本专利技术的第一方面的实施例提出一种基于预测模型的主水泵设备综合风险分析,包括:
3、步骤一:先对主设备中数据信息进行采集,数据信息包括工况数据和监测数
4、步骤二:先对温度指标的监测数据进行处理,得到温度数据的正常运行值,之后对目标设备中的工况数据的特征进行处理,并与每个监测点的温度的正常运行值进行结合,得到每个温度检测点的温度预测模型,之后采集实时数据,并输入温度预测模型中,得到目标设备的温度预测值;
5、步骤三:对振动指标的监测数据进行处理,先将工况数据与振动数据进行相关性分析,得到工况相关数据,之后将工况相关数据与振动数据进行结合,得到振动的预测模型,之后采集实时的工况相关数据,并数据预测模型中,得到目标设备的振动预测值;
6、步骤四:根据泵站的相关文献得到各指标的综合风险分析评价及标准,然后将单指标进行融合,得到综合风险分析评价模型,同时在综合风险分析评价模型中设置多个风险状态等级,将目标设备的温度预测值和振动预测值输入模型中,得到目标设备的设备状态等级,并输出风险评估报告。
7、优选的,其特征在于,正常阈值范围a1的获取方法为:
8、分别将数据信息先进行标准差处理,得到数据的离散程度,之后再将处理后的数据进行可视化分析,将分析后的数据采用模型进行拟合,根据拟合后的数据模型,对数据模型再次进行分析得到运行参数的故障阈值a1。
9、优选的,其特征在于,关键状态参数的获取方法为:
10、根据正常阈值范围a1,将数据信息分别分为健康数据和故障数据,健康数据即为在正常阈值范围a1内的数据,故障数据即为不在正常阈值范围内的数据,然后再分别将每个数据信息的故障数据与正常数据进行相关性计算,得到相似值,将相似值与设备的实时状态进行结合,从而得到主设备的关键状态参数。
11、优选的,温度预测模型的获取方法为:
12、选取关键状态参数中的温度指标,同时在目标设备中设置n个温度检测点,以现在时间为基准,获取到泵站在t1时间内的温度指标的监测数据,先对温度指标的监测数据进行数据清洗,得到温度数据的正常运行值;
13、s1:任选一设备作为目标设备,获取到目标设备在t1时间内的工况数据,并对工况数据进行数据特征提取;
14、s2:之后获取到目标设备中每个温度检测点的正常运行值,分别将每个温度检测点的正常运行值与工况数据的特征值进行结合,并采用预测算法进行处理,从而得到每个温度检测点的温度预测模型,其中预测算法选择为svr算法。
15、优选的,工况相关数据的获取方法为:
16、st1:先在目标设备中设置m个振动检测点,以现在时间为基准,获取到目标设备在t1时间内工况数据和振动数据;
17、st2:先分别将每个工况数据与振动数据进行相关性分析,得到与振动有关的工况数据,并将其标记为工况相关数据,之后对工况相关数据进行数据处理,提取工况相关数据的特征值,数据处理指对数据进行筛选噪声去除等流程。
18、优选的,振动的预测模型的获取方法为:
19、将t1时间内的每个振动检测点的振动数据和工况相关数据的特征值进行结合,并采用算法对其进行处理,得到每个振动检测点的预测模型,其中算法选择为vmd-lstm算法;
20、每隔单位时间对实时的工况相关数据进行采集并进行特征处理,并将特征处理后的工况相关数据分别输入每个振动检测点的预测模型中,得到每个振动检测点的振动预测值;
21、分别将振动预测值进行比较,得到振动预测值的最大值,之后将此最大值作为此时目标设备的振动预测值。
22、优选的,综合风险分析评价模型的建立方法为:
23、先获取到主泵站的工况数据和监测数据的监测值,同时根据泵站的相关文献获取到主泵站的每个监测点指标的阈值,即每个监测点的各指标的综合风险分析评价及标准,其中相关文献包括泵站运行技术规范的国家标准和行业标准以及泵站运维标准和专家经验;
24、分别将每个单指标状态评价进行结合,采用最差原则对所有单指标进行融合,得到设备状态评价,从而得到主泵站中设备的综合风险分析评价模型。
25、优选的,风险评估报告的生成方法为:
26、根据综合风险分析模型,对设备设置多个风险状态等级,风险状态等级包括正常状态、注意状态、异常状态和危险状态;
27、将目标设备的温度预测值与振动预测值分别输入综合风险分析模型中,同时基于最差原则,对目标设备进行评价,得到设备风险状态等级;
28、将目标设备的温度预测值与振动预测值分别输入综合风险分析模型中,同时基于最差原则,对目标设备进行评价,得到设备风险状态等级。
29、优选的,还包括:
30、采用bim对泵站中主设备进行统一建模,即获取到主设备的实际场景的尺寸,将其按照预设比例在bim系统中进行模型建立,之后再分别将主设备中的温度预测值与振动预测值在bim模型中进行渲染,同时将渲染后的模型与对应泵站的运行信息进行结合,得到主设备的预测趋势曲线,之后再将主设备的预测趋势曲线在bim模型中进行显示。
31本文档来自技高网...
【技术保护点】
1.一种基于预测模型的主水泵设备综合风险分析,其特征在于,包括:
2.根据权利要求1所述的一种基于预测模型的主水泵设备综合风险分析,其特征在于,正常阈值范围A1的获取方法为:
3.根据权利要求1所述的一种基于预测模型的主水泵设备综合风险分析,其特征在于,关键状态参数的获取方法为:
4.根据权利要求1所述的一种基于预测模型的主水泵设备综合风险分析,其特征在于,温度预测模型的获取方法为:
5.根据权利要求1所述的一种基于预测模型的主水泵设备综合风险分析,其特征在于,工况相关数据的获取方法为:
6.根据权利要求1所述的一种基于预测模型的主水泵设备综合风险分析,其特征在于,振动的预测模型的获取方法为:
7.根据权利要求1所述的一种基于预测模型的主水泵设备综合风险分析,其特征在于,综合风险分析评价模型的建立方法为:
8.根据权利要求1所述的一种基于预测模型的主水泵设备综合风险分析,其特征在于,风险评估报告的生成方法为:
9.根据权利要求1所述的一种基于预测模型的主水泵设备综合风险分析,其特征在于
...【技术特征摘要】
1.一种基于预测模型的主水泵设备综合风险分析,其特征在于,包括:
2.根据权利要求1所述的一种基于预测模型的主水泵设备综合风险分析,其特征在于,正常阈值范围a1的获取方法为:
3.根据权利要求1所述的一种基于预测模型的主水泵设备综合风险分析,其特征在于,关键状态参数的获取方法为:
4.根据权利要求1所述的一种基于预测模型的主水泵设备综合风险分析,其特征在于,温度预测模型的获取方法为:
5.根据权利要求1所述的一种基于预测模型的主水泵设备综合风险分析,...
【专利技术属性】
技术研发人员:常仁凯,陆艳,杨希,班友康,刘茹,何云俊,舒贵峰,
申请(专利权)人:中水三立数据技术股份有限公司,
类型:发明
国别省市:
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。