【技术实现步骤摘要】
本专利技术涉及炼化设备风险监控，特别涉及一种炼化设备智能维修决策方法、系统、电子设备及存储介质。
技术介绍
1、设备是炼化企业风险的主要载体。炼化装置总体运行平稳，但非计划停工时有发生，非正常生产波动连续不断。统计表明，近些年设备原因引起的非计划停工仍然是主要因素。其中大机组故障率明显上升，仪表故障导致装置非计划停工增加，电力系统故障与晃电、高压换热器泄漏频发等。设备潜在风险仍然没有得到及时评价和有效管控。
2、传统设备风险评价技术取决于故障模式的故障后果和故障发生可能性，其中故障发生可能性是基于历史数据概率统计分析的方法求得，属于静态风险模型，该评价方法难以评价设备的运行风险。为了有效控制设备风险，不仅要掌握故障的发生可能性和后果严重性，还必须了解设备故障的波动性，建立动态风险模型。对于设备动态风险评价技术，国内外都处于起步阶段，成熟方法较少。
3、传统健康状态评价采用基于振动烈度的abcd分类方法，未考虑设备之间存在较大差异，基于统计数据得出的健康指数难以归一化准确度量，不能解决类似处于a区的设备故障停机以及处于d区的设备还能良好运行的问题，缺乏直接的设备健康状况评价结果来指导生产活动。获取工程案例数据时间长、工程模拟实验代价高、研究假设比较困难，所以建立的模型未经验证，也未能建立起设备健康评级准则。
4、传统的工业应用的设备早期故障检测技术建立在设备复杂故障机理分析、故障诊断、信号分析处理和依赖外部专家先验知识基础之上，不能无需依赖外部专家经验或先验知识自动检测出设备早期故障的发生。传统
5、公开于该
技术介绍
部分的信息仅仅旨在增加对本专利技术的总体背景的理解，而不应当被视为承认或以任何形式暗示该信息构成已为本领域一般技术人员所公知的现有技术。
技术实现思路
1、本专利技术的目的之一在于，提供一种炼化设备智能维修决策方法、系统、电子设备及存储介质，从而克服现有技术需依赖外部专家经验或先验知识识别设备故障和风险并进行维修决策的问题。
2、本专利技术的另一目的在于，提供一种炼化设备智能维修决策方法、系统、电子设备及存储介质，从而改善设备维修决策中存在较多的漏报警、假报警等问题。
3、为实现上述目的，根据本专利技术的第一方面，本专利技术提供了一种炼化设备智能维修决策方法，包括如下步骤：
4、s110获取炼化设备各测点的实时监测数据；
5、s120将所获取的实时监测数据输入早期预警模型，判定设备是否出现早期故障预警，若是，则进入步骤s130，若否，则返回步骤s110；
6、s130根据健康度评价模型和动态风险评价模型，分别获得设备健康度评价等级和设备动态风险评价等级；以及
7、s140根据设备健康度评价等级和设备动态风险评价等级进行维修决策。
8、进一步，上述技术方案中，步骤s140包括：
9、若设备健康度评价等级和设备动态风险评价等级中至少一个对应的操作为停机，则触发维修报警；以及
10、否则，返回步骤s110。
11、进一步，上述技术方案中，炼化设备的实时监测数据包括静设备的腐蚀敏感特征参量和工艺运行参数、动设备的振动监测原始波形数据，以及静态rbi、静态rcm评价结果。
12、进一步，上述技术方案中，静设备的腐蚀敏感特征参量包括操作温度、馏分油硫含量、馏分油酸值、材质、氰根浓度、ph值和水中硫化氢含量。
13、进一步，上述技术方案中，早期预警模型包括wpd+dkpca智能预警模型、xjh-1模型和xjh-2模型。
14、进一步，上述技术方案中，判定设备是否出现早期故障预警的规则为：对各测点的实时监测数据进行模型计算，得到每个测点当前早期预警模型预测结果；任一早期预警模型下连续出现n次预警记录，则判定该测点出现早期故障预警；以及任一测点出现早期故障预警，则判定该设备出现早期故障预警。
15、进一步，上述技术方案中，对测点的实时监测数据进行wpd+dkpca智能预警模型计算包括：训练模型，其对参照信号数据进行预先训练获得该设备的模型特征值；计算模型，其对测点的实时原始震动信号数据进行小波包分解与动态核主成分分析计算，得到实时的特征值t2和spe；以及比较实时的特征值与模型特征值，当实时的特征值t2和spe超过预设的模型特征值时，计作一次预警记录。
16、进一步，上述技术方案中，对测点的实时监测数据进行xjh-1模型计算包括：训练模型，其对符合条件的原始震动信号数据提取早期故障敏感特征值并运用改进l1趋势滤波处理后，输入svdd得到超球体的半径和中心；以及计算模型，其对实时原始震动信号数据将实时在线监测数据提取早期故障敏感特征值并运用改进l1趋势滤波处理后输入训练好的svdd模型中，当实时模型特征值超过预设模型训练值时，计作一次预警记录。
17、进一步，上述技术方案中，对测点的实时监测数据进行xjh-2模型计算包括：训练模型，其通过提取早期故障敏感特征值并运用改进l1趋势滤波处理后，采用自学习的方法获得报警阈值线；以及计算模型，其对实时原始震动信号数据提取早期故障敏感特征值并运用改进l1趋势滤波处理后，当实时模型特征值超过报警阈值线时，计作一次预警记录。
18、进一步，上述技术方案中，健康度评价模型包括互相关函数、凝聚度函数、谱距离函数和腐蚀模型。
19、进一步，上述技术方案中，腐蚀模型包括高温硫/环烷酸腐蚀模型、球化模型、石墨化模型和硫氢化铵腐蚀模型中的一个或多个。
20、进一步，上述技术方案中，根据健康度评价模型获得设备健康度评价等级包括：对静设备的测点实时的腐蚀特征参量数据进行腐蚀模型计算，得出失效可能性影响系数k，根据健康度函数h＝1/k和健康度各等级的h的取值范围，得到当前腐蚀模型的健康度评价等级，其中失效可能性影响系数k表示不同腐蚀模型下引起设备失效可能性变化的关键影响参数与其设计值之比。
21、进一步，上述技术方案中，当采用高温硫/环烷酸腐蚀模型时，根据操作温度、油品硫含量、酸值、气相h2s含量计算实时腐蚀速率，结合设计腐蚀速率，得出失效可能性影响系数k；当采用球化模型时，根据操作温度计算实时使用寿命，结合设计使用寿命，得出失效可能性影响系数k；当采用石墨化模型时，根据操作温度计算实时使用寿命，结合设计使用寿命，得出失效可能性影响系数k；以及当采用硫氢化铵腐蚀模型时，根据氰根浓度计算实时腐蚀速率，结合设计腐蚀速率，得出失效可能性影响系数k。
22、进一步，上述技术方案中，根据健康度评价模型获得设备健康度评价等级包括：对动设备的测点实时的原始震动信号数据分别计算互相关函数、凝聚度函数和谱距离函数，获得各函数的计算结果；将各函数的计算结果与健康度评价矩阵进行比对，确定各函数的评价结果；以及结合预设的三取二表决模型或保守原则，得到动设本文档来自技高网...
【技术保护点】
1.一种炼化设备智能维修决策方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的炼化设备智能维修决策方法，其特征在于，步骤S140包括：
3.根据权利要求1所述的炼化设备智能维修决策方法，其特征在于，炼化设备的实时监测数据包括静设备的腐蚀敏感特征参量和工艺运行参数、动设备的振动监测原始波形数据，以及静态RBI、静态RCM评价结果。
4.根据权利要求1所述的炼化设备智能维修决策方法，其特征在于，静设备的腐蚀敏感特征参量包括操作温度、馏分油硫含量、馏分油酸值、材质、氰根浓度、PH值和水中硫化氢含量。
5.根据权利要求1所述的炼化设备智能维修决策方法，其特征在于，早期预警模型包括WPD+DKPCA智能预警模型、XJH-1模型和XJH-2模型。
6.根据权利要求5所述的炼化设备智能维修决策方法，其特征在于，判定设备是否出现早期故障预警的规则为：
7.根据权利要求5所述的炼化设备智能维修决策方法，其特征在于，对测点的实时监测数据进行WPD+DKPCA智能预警模型计算包括：
8.根据权利要求5所述的炼化
9.根据权利要求5所述的炼化设备智能维修决策方法，其特征在于，对测点的实时监测数据进行XJH-2模型计算包括：
10.根据权利要求1所述的炼化设备智能维修决策方法，其特征在于，健康度评价模型包括互相关函数、凝聚度函数、谱距离函数和腐蚀模型。
11.根据权利要求10所述的炼化设备智能维修决策方法，其特征在于，腐蚀模型包括高温硫/环烷酸腐蚀模型、球化模型、石墨化模型和硫氢化铵腐蚀模型中的一个或多个。
12.根据权利要求11所述的炼化设备智能维修决策方法，其特征在于，根据健康度评价模型获得设备健康度评价等级包括：
13.根据权利要求12所述的炼化设备智能维修决策方法，其特征在于，
14.根据权利要求11所述的炼化设备智能维修决策方法，其特征在于，根据健康度评价模型获得设备健康度评价等级包括：
15.根据权利要求11所述的炼化设备智能维修决策方法，其特征在于，动态风险评价模型包括腐蚀模型和动态风险评价矩阵。
16.根据权利要求11所述的炼化设备智能维修决策方法，其特征在于，根据动态风险评价模型获得设备动态风险等级包括：
17.根据权利要求11所述的炼化设备智能维修决策方法，其特征在于，根据动态风险评价模型获得设备动态风险等级包括：
18.根据权利要求17所述的炼化设备智能维修决策方法，其特征在于，
19.一种炼化设备智能维修决策系统，其特征在于，包括：
20.一种电子设备，其特征在于，包括：
21.一种非暂态计算机可读存储介质，其特征在于，所述非暂态计算机可读存储介质存储有计算机可执行指令，所述计算机可执行指令用于使所述计算机执行如权利要求1～18中任意一项所述的炼化设备智能维修决策方法。
...【技术特征摘要】
1.一种炼化设备智能维修决策方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的炼化设备智能维修决策方法，其特征在于，步骤s140包括：
3.根据权利要求1所述的炼化设备智能维修决策方法，其特征在于，炼化设备的实时监测数据包括静设备的腐蚀敏感特征参量和工艺运行参数、动设备的振动监测原始波形数据，以及静态rbi、静态rcm评价结果。
4.根据权利要求1所述的炼化设备智能维修决策方法，其特征在于，静设备的腐蚀敏感特征参量包括操作温度、馏分油硫含量、馏分油酸值、材质、氰根浓度、ph值和水中硫化氢含量。
5.根据权利要求1所述的炼化设备智能维修决策方法，其特征在于，早期预警模型包括wpd+dkpca智能预警模型、xjh-1模型和xjh-2模型。
6.根据权利要求5所述的炼化设备智能维修决策方法，其特征在于，判定设备是否出现早期故障预警的规则为：
7.根据权利要求5所述的炼化设备智能维修决策方法，其特征在于，对测点的实时监测数据进行wpd+dkpca智能预警模型计算包括：
8.根据权利要求5所述的炼化设备智能维修决策方法，其特征在于，对测点的实时监测数据进行xjh-1模型计算包括：
9.根据权利要求5所述的炼化设备智能维修决策方法，其特征在于，对测点的实时监测数据进行xjh-2模型计算包括：
10.根据权利要求1所述的炼化设备智能维修决策方法，其特征在于，健康度评价模型包括互相关函数、凝聚度函数、...
【专利技术属性】
技术研发人员：许述剑，王庆锋，刘曦泽，屈定荣，宁志康，刘晓金，邱志刚，许可，陈闽东，
申请(专利权)人：中国石油化工股份有限公司，
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。