【技术实现步骤摘要】
本专利技术涉及数据处理，特别涉及一种基于时序数据分析的压缩机故障预测系统及方法。
技术介绍
1、压缩机在连续工作过程中，可能会出现一些潜在的异常。但管理人员通常无法准确地判断压缩机是否出现了异常，往往在异常发生之后才进行修复。显然，这样无法有效地预防异常的发生，也无法避免压缩机故障带来的经济损失。
2、鉴于此，目前需要一种压缩机故障预测的方法，从而提前对压缩机进行停机维护，避免了可能发生的设备损坏。
技术实现思路
1、本专利技术提供一种基于时序数据分析的压缩机故障预测系统及方法，能够有效地预测压缩机的潜在故障。
2、鉴于此，本专利技术一方面提供一种基于时序数据分析的压缩机故障预测系统，所述系统包括：
3、数据采集单元，用于按照指定时序周期采集压缩机振动数据，并将所述压缩机振动数据写入聚合数据表中；
4、聚合单元，用于根据预设的聚合定时任务，对所述聚合数据表中的压缩机振动数据进行聚合，生成所述聚合数据表的聚合数据特征；
5、预测单元，用于将所述聚合数据特征输入完成训练的异常检测模型中，以通过所述异常检测模型预测压缩机的潜在异常信息；
6、提示单元，用于将所述潜在异常信息写入消息队列中，其中，告警定时任务被触发时，所述消息队列中的潜在异常信息被取出处理，以生成对应的告警提示。
7、在一个实施方式中，所述数据采集单元具体用于，从所述压缩机振动数据中提取多个预设属性的属性值，并将提取的所述属性值按照所述聚合
8、在一个实施方式中，所述聚合单元具体用于，在所述聚合数据表中，获取指定型号的压缩机对应的属性数据，并生成各个属性数据的数据向量；将生成的各个数据向量在向量空间进行聚合，以生成一个或者多个聚合子簇；提取各个聚合子簇中的代表特征，并将提取的代表特征的组合作为所述指定型号的压缩机的聚合数据特征。
9、在一个实施方式中，所述系统还包括：
10、拟合单元，用于根据所述聚合数据特征中的各个所述代表特征，拟合出所述聚合数据特征的特征趋势；计算各个所述代表特征与所述特征趋势之间的距离，并根据计算出的距离筛选出异常代表特征；识别所述异常代表特征归属的聚合子簇，并将所述聚合子簇对应的压缩机确定为潜在异常设备。
11、在一个实施方式中，所述告警定时任务由多线程并行触发，其中，针对第一线程和第二线程，若所述第一线程在处理当前的告警定时任务时存在空闲资源，获取所述第二线程中当前未处理的任务数据块，将所述任务数据块从所述第二线程中移除，并转移至所述第一线程中进行处理。
12、本专利技术还提供一种基于时序数据分析的压缩机故障预测方法，所述方法包括：
13、按照指定时序周期采集压缩机振动数据，并将所述压缩机振动数据写入聚合数据表中；
14、根据预设的聚合定时任务，对所述聚合数据表中的压缩机振动数据进行聚合，生成所述聚合数据表的聚合数据特征；
15、将所述聚合数据特征输入完成训练的异常检测模型中，以通过所述异常检测模型预测压缩机的潜在异常信息；
16、将所述潜在异常信息写入消息队列中，其中，告警定时任务被触发时，所述消息队列中的潜在异常信息被取出处理，以生成对应的告警提示。
17、在一个实施方式中，将所述压缩机振动数据写入聚合数据表中包括：
18、从所述压缩机振动数据中提取多个预设属性的属性值，并将提取的所述属性值按照所述聚合数据表的数据结构进行封装；
19、将封装后的属性数据与压缩机的型号进行关联后，写入所述聚合数据表中。
20、在一个实施方式中，对所述聚合数据表中的压缩机振动数据进行聚合，生成所述聚合数据表的聚合数据特征包括：
21、在所述聚合数据表中，获取指定型号的压缩机对应的属性数据，并生成各个属性数据的数据向量；
22、将生成的各个数据向量在向量空间进行聚合，以生成一个或者多个聚合子簇；
23、提取各个聚合子簇中的代表特征，并将提取的代表特征的组合作为所述指定型号的压缩机的聚合数据特征。
24、在一个实施方式中，在提取各个聚合子簇中的代表特征之后，所述方法还包括：
25、根据所述聚合数据特征中的各个所述代表特征，拟合出所述聚合数据特征的特征趋势；
26、计算各个所述代表特征与所述特征趋势之间的距离，并根据计算出的距离筛选出异常代表特征；
27、识别所述异常代表特征归属的聚合子簇，并将所述聚合子簇对应的压缩机确定为潜在异常设备。
28、在一个实施方式中，所述告警定时任务由多线程并行触发，其中，针对第一线程和第二线程，若所述第一线程在处理当前的告警定时任务时存在空闲资源，获取所述第二线程中当前未处理的任务数据块，将所述任务数据块从所述第二线程中移除，并转移至所述第一线程中进行处理。
29、本专利技术提供的技术方案，通过对压缩机的历史数据进行分析，可以训练得到异常检测模型，在利用模型预测时，可以先对压缩机的振动数据进行聚合，从而得到压缩机的代表特征，通过对代表特征的组合进行处理，从而可以判定当前的压缩机是否存在潜在异常。后续可以针对潜在异常及时排查，避免了可能发生的设备故障。
30、本专利技术的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本专利技术而了解。本专利技术的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
31、下面通过附图和实施例，对本专利技术的技术方案做进一步的详细描述。
本文档来自技高网...【技术保护点】
1.一种基于时序数据分析的压缩机故障预测系统，其特征在于，所述系统包括：
2.根据权利要求1所述的系统，其特征在于，所述数据采集单元具体用于，从所述压缩机振动数据中提取多个预设属性的属性值，并将提取的所述属性值按照所述聚合数据表的数据结构进行封装；将封装后的属性数据与压缩机的型号进行关联后，写入所述聚合数据表中。
3.根据权利要求1或2所述的系统，其特征在于，所述聚合单元具体用于，在所述聚合数据表中，获取指定型号的压缩机对应的属性数据，并生成各个属性数据的数据向量；将生成的各个数据向量在向量空间进行聚合，以生成一个或者多个聚合子簇；提取各个聚合子簇中的代表特征，并将提取的代表特征的组合作为所述指定型号的压缩机的聚合数据特征。
4.根据权利要求3所述的系统，其特征在于，所述系统还包括：
5.根据权利要求1所述的系统，其特征在于，所述告警定时任务由多线程并行触发，其中，针对第一线程和第二线程，若所述第一线程在处理当前的告警定时任务时存在空闲资源，获取所述第二线程中当前未处理的任务数据块，将所述任务数据块从所述第二线程中移除，并转移至所述
6.一种基于时序数据分析的压缩机故障预测方法，其特征在于，所述方法包括：
7.根据权利要求6所述的方法，其特征在于，将所述压缩机振动数据写入聚合数据表中包括：
8.根据权利要求6或7所述的方法，其特征在于，对所述聚合数据表中的压缩机振动数据进行聚合，生成所述聚合数据表的聚合数据特征包括：
9.根据权利要求8所述的方法，其特征在于，在提取各个聚合子簇中的代表特征之后，所述方法还包括：
10.根据权利要求6所述的方法，其特征在于，所述告警定时任务由多线程并行触发，其中，针对第一线程和第二线程，若所述第一线程在处理当前的告警定时任务时存在空闲资源，获取所述第二线程中当前未处理的任务数据块，将所述任务数据块从所述第二线程中移除，并转移至所述第一线程中进行处理。
...【技术特征摘要】
1.一种基于时序数据分析的压缩机故障预测系统，其特征在于，所述系统包括：
2.根据权利要求1所述的系统，其特征在于，所述数据采集单元具体用于，从所述压缩机振动数据中提取多个预设属性的属性值，并将提取的所述属性值按照所述聚合数据表的数据结构进行封装；将封装后的属性数据与压缩机的型号进行关联后，写入所述聚合数据表中。
3.根据权利要求1或2所述的系统，其特征在于，所述聚合单元具体用于，在所述聚合数据表中，获取指定型号的压缩机对应的属性数据，并生成各个属性数据的数据向量；将生成的各个数据向量在向量空间进行聚合，以生成一个或者多个聚合子簇；提取各个聚合子簇中的代表特征，并将提取的代表特征的组合作为所述指定型号的压缩机的聚合数据特征。
4.根据权利要求3所述的系统，其特征在于，所述系统还包括：
5.根据权利要求1所述的系统，其特征在于，所述告警定时任务由多线程并行触发，其中，针对第一线程和第二线程，若所述第一线程在处理...
【专利技术属性】
技术研发人员：余丹，兰雨晴，李易君，彭建强，姚修，
申请(专利权)人：慧之安信息技术股份有限公司，
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。