一种海水提盐、饮用水及发电能量回收综合利用系统维修系统的制作方法

本发明海水综合利用领域，具体涉及一种海水提盐、饮用水及发电能量回收综合利用系统维修系统。

背景技术：

随着常规水资源的污染与枯竭，开发蕴藏量丰富的海水成为必然趋势，淡化海水也完全能成为安全健康的放心水。目前海水淡化的方法：主要有冷冻法、反渗透法、太阳能法、低温多效蒸馏法、多级闪蒸法、电渗析法和压汽蒸馏等：其中，冷冻法就是将海水冷冻使之结冰，在液态淡水变成固态冰的同时盐被分离出去。反渗透法又称超过滤法，是1953年才开始采用的一种膜分离淡化法。太阳能法主要是利用太阳能进行蒸馏。低温多效蒸馏淡法是指盐水的最高蒸发温度低于70℃的淡化技术，其特征是将一系列的水平管喷淋降膜蒸发器串联起来，用一定量的蒸汽输入通过多次的蒸发和冷凝，后面一效的蒸发温度均低于前面一效，从而得到多倍于蒸汽量的蒸馏水的淡化过程。多级闪蒸法是指一定温度的海水在压力突然降低的条件下，部分海水急骤蒸发。电渗析法是新型离子交换膜的研制。压汽蒸馏法指是海水预热后，进入蒸发器并在蒸发器内部分蒸发。但上述方法都没有将海水的能量利用起来，要么效率低，要么成本高。

能量回收综合利用系统维修技术中，一般通过对组件进行监测，确定是否需要维修，制定的维修策略中并没有指定组件维修的先后顺序和组件维修的时间范围，容易导致因组件维修的延误导致变压器故障。

技术实现要素：

为解决上述问题，本发明旨在提供一种海水提盐、饮用水及发电能量回收综合利用系统维修系统。

本发明的目的采用以下技术方案来实现：

一种海水提盐、饮用水及发电能量回收综合利用系统维修系统，包括能量回收综合利用系统和维修策略获取系统，所述维修策略获取系统包括数据采集模块、数据预处理模块、风险确定模块、维修策略生成模块，所述能量回收综合利用系统，包括海水汲取子系统、海水制盐子系统、空气压缩子系统、饮用水制取子系统和海水发电子子系统，所述海水汲取子系统用于将海水提供给海水制盐子系统，海水制盐子系统将海水加热得到盐及高压蒸汽。空气压缩子系统利用高压蒸汽将空气进行压缩并进行储存。饮用水制取子系统用于将高压蒸汽冷凝成水并制成饮用水。海水发电子系统利用所储存的高压空气进行发电。

本发明的有益效果为：能够提供优质的饮用水，能够进行发电并能够制盐，其效率高且成本低。

附图说明

利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。

图1本发明的结构示意图；

图2是维修策略获取系统的结构示意图。

附图标记：

维修策略获取系统1、数据采集模块11、数据预处理模块12、风险确定模块13、维修策略生成模块14。

具体实施方式

结合以下应用场景对本发明作进一步描述。

应用场景1

参见图1、图2，本应用场景的一个实施例的一种海水提盐、饮用水及发电能量回收综合利用系统维修系统，包括能量回收综合利用系统和维修策略获取系统，所述维修策略获取系统包括数据采集模块、数据预处理模块、风险确定模块、维修策略生成模块，所述能量回收综合利用系统，包括海水汲取子系统、海水制盐子系统、空气压缩子系统、饮用水制取子系统和海水发电子子系统，所述海水汲取子系统用于将海水提供给海水制盐子系统，海水制盐子系统将海水加热得到盐及高压蒸汽。空气压缩子系统利用高压蒸汽将空气进行压缩并进行储存。饮用水制取子系统用于将高压蒸汽冷凝成水并制成饮用水。海水发电子系统利用所储存的高压空气进行发电。

优选地，所述的海水汲取子系统包括：气囊式泵、第一换向阀、第二换向阀和第一高压储气罐。

本优选实施例能够提高生产效率。

优选地，海水制盐子系统包括高频气化器和盐池，其中高频气化器将海水加热生成高压蒸汽和浓盐水，盐池用于存放浓盐水并将浓盐水中的水蒸发形成成品盐。

本优选实施例能够高效制盐。

优选的，所述维修策略获取系统1包括数据采集模块11、数据预处理模块12、风险确定模块13、维修策略生成模块14；所述数据采集模块11用于根据监测策略采集监测数据；所述数据预处理模块12用于对监测数据进行归一化预处理；所述风险确定模块13用于确定组件的风险程度；所述维修策略生成模块14用于根据组件的风险程度，结合可维修性和经济性因素生成维修策略。

本优选实施例构建了维修策略获取系统1的模块架构。

优选的，所述监测策略包括：

(1)确定各组件中的监测项，并将监测项划分为一般监测项和关键监测项；

(2)对于一般监测项，采用无线传感器网络对监测项的健康状态进行监测并记录健康状态监测量；

对于关键监测项，采用无线传感器网络监测和人工监测相结合的方式对监测项的健康状态进行监测，设某关键监测项的无线传感器健康状态监测量为m₁，人工健康状态监测量为m₂，由于传感器监测时可能会受到温度影响，引入温度修正因子ξ，对于不受温度影响的传感器，令ξ＝1，对于受温度影响的传感器，其中T为传感器进行监测时的环境温度，T₀为传感器监测时适用的标准温度，则其最终健康状态监测量m采用下式确定：

式中，c为根据监测项合理误差范围设定的常数；

本优选实施例将监测项划分为一般监测项和关键监测项，并采用不同的方式进行监测，既节约了监测成本，又获得了可信度高的监测结果。

优选的，所述数据预处理模块12将健康状态监测量归一化表示为：

处于当健康状态监测量达到最大时对应监测项健康状态最好的情况时：

处于当健康状态监测量达到最小时对应监测项健康状态最好的情况时，

式中，m表示某一监测项的原始健康状态监测量，n表示该监测项归一化后的健康状态监测量，L为该监测项的健康状态监测量下限值，H为该监测项的健康状态监测量上限值。

由于不同的监测项目所采取的监测手段不同，得到的监测结果的数量级不同，单位也不同，本优选实施例对健康状态监测量进行归一化处理，方便对组件进行综合评估。

优选的，所述确定组件的风险程度，包括：

(1)将来源多样的监测数据归一化之后的健康状态监测量加权平均，得到组件健康状态监测指标：

式中，s表示组件健康状态监测指标，n_i为第i个监测项的健康状态监测量，i＝1,2,…,k，w_i为根据每一个健康状态监测量n_i在组件中的重要程度设置的权重因子；

设定安全阈值T_s，T_s∈[0.4，0.5]，若健康状态监测指标s小于安全阈值T_s，则判定健康状态监测指标s处于异常；

(2)利用历史健康状态数据和历史故障率数据，建立设备的可修复故障率模型：

式中，r为设备可修复故障率，s′为设备状态监测指标，a、b、d为三个待定常数，为根据实际应用条件不同而产生的修正参数；

其中，通过历史状态数据和历史故障率数据确定参数a、b、d的值，具体为：

设设备内组件数目为l，某组件z_j在某时间段T_j内发生故障的次数为f_j，其对应的健康状态监测指标为s_j，将多个组件的健康状态监测指标s_j和发生故障的次数f_j收集起来，则设备整体的健康状态监测指标和可修复故障率计算公式可表示为：

将上述健康状态监测指标和可修复故障率迭代入设备的可修复故障率模型，从而确定参数a、b、d的值；

(3)根据设备的可修复故障率模型，求得各组件的风险程度X_j：

式中，j＝1，…，l，表示处于异常的组件z_j的健康状态监测指标，r₁，…，s_j，…，s_l)表示各组件监测指标为s₁，…，s_j，…，s_l时的电力系统可修复故障率。

本优选实施例建立组件健康状态监测指标以及电力系统的可修复故障率模型，从而确定各组件的风险程度，能够更为科学的衡量组件发生故障对设备可靠性产生的影响程度，从而有利于针对影响程度大的故障组件进行优先维修，节约维修成本，维修策略不只是决定于组件本身的状态，而且也决定于组件失效对设备可靠性的影响，使维修策略更加客观和可靠。

优选的，所述结合可维修性和经济性因素生成维修策略，包括：

(1)通过专家组预先确定维修策略所需参数并将该参数存入数据库，所述维修策略所需参数包括：各组件在各监测项出现异常时的维修难度M_Ji和维修经济值E_Ji，组件的风险程度X_j、所述维修难度M_Ji和维修经济值E_Ji所占的权重w(X_j)、w(M_Ji)、w(E_Ji)，其中所述维修经济值E_J为维修费用与组件价值的比值；

(2)设根据异常的健康状态监测指标确定待维修组件为d_j，j＝1，…，l_d，,l_d为待维修组件的数目，根据待维修组件d_j的各异常监测项i(i＝1,2,…,k)调取相应的维修难度M_Ji和维修经济值E_Ji，计算待维修组件的综合维修难度M_Ji‘和综合维修经济值E_Ji’：

(3)计算各待维修组件的维修倾向度

对各待维修组件的维修倾向度进行从大到小排序，从而确定各待维修组件的维修先后顺序，即优先维修较大维修倾向度对应的待维修组件；另外，根据待维修组件对应的综合维修难度M_Ji‘确定相应的维修方案，从而生成最优的维修策略。

本优选实施例制定了最优维修策略的生成方式，方法客观简单，维修策略的生成考虑了除风险程度外的可维修性和经济性因素，增加了维修策略制定的客观性和可靠性，且在面对大量待评判的待维修组件时，大大地减少了工作量，提高了工作效率，并较好地保持评判的一致性。

在此应用场景中，设定安全阈值T_s＝0.4，健康状态监测指标的异常评判精度相对提高了10％，设备的可靠性相对提高了12％。

应用场景2

参见图1、图2，本应用场景的一个实施例的一种海水提盐、饮用水及发电能量回收综合利用系统维修系统，包括能量回收综合利用系统和维修策略获取系统，所述维修策略获取系统包括数据采集模块、数据预处理模块、风险确定模块、维修策略生成模块，所述能量回收综合利用系统，包括海水汲取子系统、海水制盐子系统、空气压缩子系统、饮用水制取子系统和海水发电子子系统，所述海水汲取子系统用于将海水提供给海水制盐子系统，海水制盐子系统将海水加热得到盐及高压蒸汽。空气压缩子系统利用高压蒸汽将空气进行压缩并进行储存。饮用水制取子系统用于将高压蒸汽冷凝成水并制成饮用水。海水发电子系统利用所储存的高压空气进行发电。

优选地，所述的海水汲取子系统包括：气囊式泵、第一换向阀、第二换向阀和第一高压储气罐。

本优选实施例能够提高生产效率。

优选地，海水制盐子系统包括高频气化器和盐池，其中高频气化器将海水加热生成高压蒸汽和浓盐水，盐池用于存放浓盐水并将浓盐水中的水蒸发形成成品盐。

本优选实施例能够高效制盐。

优选的，所述维修策略获取系统1包括数据采集模块11、数据预处理模块12、风险确定模块13、维修策略生成模块14；所述数据采集模块11用于根据监测策略采集监测数据；所述数据预处理模块12用于对监测数据进行归一化预处理；所述风险确定模块13用于确定组件的风险程度；所述维修策略生成模块14用于根据组件的风险程度，结合可维修性和经济性因素生成维修策略。

本优选实施例构建了维修策略获取系统1的模块架构。

优选的，所述监测策略包括：

(1)确定各组件中的监测项，并将监测项划分为一般监测项和关键监测项；

(2)对于一般监测项，采用无线传感器网络对监测项的健康状态进行监测并记录健康状态监测量；

对于关键监测项，采用无线传感器网络监测和人工监测相结合的方式对监测项的健康状态进行监测，设某关键监测项的无线传感器健康状态监测量为m₁，人工健康状态监测量为m₂，由于传感器监测时可能会受到温度影响，引入温度修正因子ξ，对于不受温度影响的传感器，令ξ＝1，对于受温度影响的传感器，其中T为传感器进行监测时的环境温度，T₀为传感器监测时适用的标准温度，则其最终健康状态监测量m采用下式确定：

式中，c为根据监测项合理误差范围设定的常数；

本优选实施例将监测项划分为一般监测项和关键监测项，并采用不同的方式进行监测，既节约了监测成本，又获得了可信度高的监测结果。

优选的，所述数据预处理模块12将健康状态监测量归一化表示为：

处于当健康状态监测量达到最大时对应监测项健康状态最好的情况时：

处于当健康状态监测量达到最小时对应监测项健康状态最好的情况时，

式中，m表示某一监测项的原始健康状态监测量，n表示该监测项归一化后的健康状态监测量，L为该监测项的健康状态监测量下限值，H为该监测项的健康状态监测量上限值。

由于不同的监测项目所采取的监测手段不同，得到的监测结果的数量级不同，单位也不同，本优选实施例对健康状态监测量进行归一化处理，方便对组件进行综合评估。

优选的，所述确定组件的风险程度，包括：

(1)将来源多样的监测数据归一化之后的健康状态监测量加权平均，得到组件健康状态监测指标：

式中，s表示组件健康状态监测指标，n_i为第i个监测项的健康状态监测量，i＝1,2,…,k，w_i为根据每一个健康状态监测量n_i在组件中的重要程度设置的权重因子；

设定安全阈值T_s，T_s∈[0.4，0.5]，若健康状态监测指标s小于安全阈值T_s，则判定健康状态监测指标s处于异常；

(2)利用历史健康状态数据和历史故障率数据，建立设备的可修复故障率模型：

式中，r为设备可修复故障率，s′为设备状态监测指标，a、b、d为三个待定常数，为根据实际应用条件不同而产生的修正参数；

其中，通过历史状态数据和历史故障率数据确定参数a、b、d的值，具体为：

设设备内组件数目为l，某组件z_j在某时间段T_j内发生故障的次数为f_j，其对应的健康状态监测指标为s_j，将多个组件的健康状态监测指标s_j和发生故障的次数f_j收集起来，则设备整体的健康状态监测指标和可修复故障率计算公式可表示为：

将上述健康状态监测指标和可修复故障率迭代入设备的可修复故障率模型，从而确定参数a、b、d的值；

(3)根据设备的可修复故障率模型，求得各组件的风险程度X_j：

式中，j＝1，…，l，表示处于异常的组件z_j的健康状态监测指标，r(s₁，…，s_j，…，s_l)表示各组件监测指标为s₁，…，s_j，…，s_l时的电力系统可修复故障率。

本优选实施例建立组件健康状态监测指标以及电力系统的可修复故障率模型，从而确定各组件的风险程度，能够更为科学的衡量组件发生故障对设备可靠性产生的影响程度，从而有利于针对影响程度大的故障组件进行优先维修，节约维修成本，维修策略不只是决定于组件本身的状态，而且也决定于组件失效对设备可靠性的影响，使维修策略更加客观和可靠。

优选的，所述结合可维修性和经济性因素生成维修策略，包括：

(1)通过专家组预先确定维修策略所需参数并将该参数存入数据库，所述维修策略所需参数包括：各组件在各监测项出现异常时的维修难度M_Ji和维修经济值E_Ji，组件的风险程度X_j、所述维修难度M_Ji和维修经济值E_Ji所占的权重w(X_j)、w(M_Ji)、w(E_Ji)，其中所述维修经济值E_J为维修费用与组件价值的比值；

(2)设根据异常的健康状态监测指标确定待维修组件为d_j，j＝1，…，l_d，,l_d为待维修组件的数目，根据待维修组件d_j的各异常监测项i(i＝1,2,…,k)调取相应的维修难度M_Ji和维修经济值E_Ji，计算待维修组件的综合维修难度M_Ji‘和综合维修经济值E_Ji’：

(3)计算各待维修组件的维修倾向度

对各待维修组件的维修倾向度进行从大到小排序，从而确定各待维修组件的维修先后顺序，即优先维修较大维修倾向度对应的待维修组件；另外，根据待维修组件对应的综合维修难度M_Ji‘确定相应的维修方案，从而生成最优的维修策略。

本优选实施例制定了最优维修策略的生成方式，方法客观简单，维修策略的生成考虑了除风险程度外的可维修性和经济性因素，增加了维修策略制定的客观性和可靠性，且在面对大量待评判的待维修组件时，大大地减少了工作量，提高了工作效率，并较好地保持评判的一致性。

在此应用场景中，设定安全阈值T_s＝0.42，健康状态监测指标的异常评判精度相对提高了9.5％，设备的可靠性相对提高了11％。

应用场景3

参见图1、图2，本应用场景的一个实施例的一种海水提盐、饮用水及发电能量回收综合利用系统维修系统，包括能量回收综合利用系统和维修策略获取系统，所述维修策略获取系统包括数据采集模块、数据预处理模块、风险确定模块、维修策略生成模块，所述能量回收综合利用系统，包括海水汲取子系统、海水制盐子系统、空气压缩子系统、饮用水制取子系统和海水发电子子系统，所述海水汲取子系统用于将海水提供给海水制盐子系统，海水制盐子系统将海水加热得到盐及高压蒸汽。空气压缩子系统利用高压蒸汽将空气进行压缩并进行储存。饮用水制取子系统用于将高压蒸汽冷凝成水并制成饮用水。海水发电子系统利用所储存的高压空气进行发电。

优选地，所述的海水汲取子系统包括：气囊式泵、第一换向阀、第二换向阀和第一高压储气罐。

本优选实施例能够提高生产效率。

优选地，海水制盐子系统包括高频气化器和盐池，其中高频气化器将海水加热生成高压蒸汽和浓盐水，盐池用于存放浓盐水并将浓盐水中的水蒸发形成成品盐。

本优选实施例能够高效制盐。

优选的，所述维修策略获取系统1包括数据采集模块11、数据预处理模块12、风险确定模块13、维修策略生成模块14；所述数据采集模块11用于根据监测策略采集监测数据；所述数据预处理模块12用于对监测数据进行归一化预处理；所述风险确定模块13用于确定组件的风险程度；所述维修策略生成模块14用于根据组件的风险程度，结合可维修性和经济性因素生成维修策略。

本优选实施例构建了维修策略获取系统1的模块架构。

优选的，所述监测策略包括：

(1)确定各组件中的监测项，并将监测项划分为一般监测项和关键监测项；

(2)对于一般监测项，采用无线传感器网络对监测项的健康状态进行监测并记录健康状态监测量；

对于关键监测项，采用无线传感器网络监测和人工监测相结合的方式对监测项的健康状态进行监测，设某关键监测项的无线传感器健康状态监测量为m₁，人工健康状态监测量为m₂，由于传感器监测时可能会受到温度影响，引入温度修正因子ξ，对于不受温度影响的传感器，令ξ＝1，对于受温度影响的传感器，其中T为传感器进行监测时的环境温度，T₀为传感器监测时适用的标准温度，则其最终健康状态监测量m采用下式确定：

式中，c为根据监测项合理误差范围设定的常数；

本优选实施例将监测项划分为一般监测项和关键监测项，并采用不同的方式进行监测，既节约了监测成本，又获得了可信度高的监测结果。

优选的，所述数据预处理模块12将健康状态监测量归一化表示为：

处于当健康状态监测量达到最大时对应监测项健康状态最好的情况时：

处于当健康状态监测量达到最小时对应监测项健康状态最好的情况时，

式中，m表示某一监测项的原始健康状态监测量，n表示该监测项归一化后的健康状态监测量，L为该监测项的健康状态监测量下限值，H为该监测项的健康状态监测量上限值。

由于不同的监测项目所采取的监测手段不同，得到的监测结果的数量级不同，单位也不同，本优选实施例对健康状态监测量进行归一化处理，方便对组件进行综合评估。

优选的，所述确定组件的风险程度，包括：

(1)将来源多样的监测数据归一化之后的健康状态监测量加权平均，得到组件健康状态监测指标：

式中，s表示组件健康状态监测指标，n_i为第i个监测项的健康状态监测量，i＝1,2,…,k，w_i为根据每一个健康状态监测量n_i在组件中的重要程度设置的权重因子；

设定安全阈值T_s，T_s∈[0.4，0.5]，若健康状态监测指标s小于安全阈值T_s，则判定健康状态监测指标s处于异常；

(2)利用历史健康状态数据和历史故障率数据，建立设备的可修复故障率模型：

式中，r为设备可修复故障率，s′为设备状态监测指标，a、b、d为三个待定常数，为根据实际应用条件不同而产生的修正参数；

其中，通过历史状态数据和历史故障率数据确定参数a、b、d的值，具体为：

设设备内组件数目为l，某组件z_j在某时间段T_j内发生故障的次数为f_j，其对应的健康状态监测指标为s_j，将多个组件的健康状态监测指标s_j和发生故障的次数f_j收集起来，则设备整体的健康状态监测指标和可修复故障率计算公式可表示为：

将上述健康状态监测指标和可修复故障率迭代入设备的可修复故障率模型，从而确定参数a、b、d的值；

(3)根据设备的可修复故障率模型，求得各组件的风险程度X_j：

式中，j＝1，…，l，表示处于异常的组件z_j的健康状态监测指标，r(s₁，…，s_j，…，s_l)表示各组件监测指标为s₁，…，s_j，…，s_l时的电力系统可修复故障率。

本优选实施例建立组件健康状态监测指标以及电力系统的可修复故障率模型，从而确定各组件的风险程度，能够更为科学的衡量组件发生故障对设备可靠性产生的影响程度，从而有利于针对影响程度大的故障组件进行优先维修，节约维修成本，维修策略不只是决定于组件本身的状态，而且也决定于组件失效对设备可靠性的影响，使维修策略更加客观和可靠。

优选的，所述结合可维修性和经济性因素生成维修策略，包括：

(1)通过专家组预先确定维修策略所需参数并将该参数存入数据库，所述维修策略所需参数包括：各组件在各监测项出现异常时的维修难度M_Ji和维修经济值E_Ji，组件的风险程度X_j、所述维修难度M_Ji和维修经济值E_Ji所占的权重w(X_j)、w(M_Ji)、w(E_Ji)，其中所述维修经济值E_J为维修费用与组件价值的比值；

(2)设根据异常的健康状态监测指标确定待维修组件为d_j，j＝1，…，l_d，,l_d为待维修组件的数目，根据待维修组件d_j的各异常监测项i(i＝1,2,…,k)调取相应的维修难度M_Ji和维修经济值E_Ji，计算待维修组件的综合维修难度M_Ji‘和综合维修经济值E_Ji’：

(3)计算各待维修组件的维修倾向度

对各待维修组件的维修倾向度进行从大到小排序，从而确定各待维修组件的维修先后顺序，即优先维修较大维修倾向度对应的待维修组件；另外，根据待维修组件对应的综合维修难度M_Ji‘确定相应的维修方案，从而生成最优的维修策略。

本优选实施例制定了最优维修策略的生成方式，方法客观简单，维修策略的生成考虑了除风险程度外的可维修性和经济性因素，增加了维修策略制定的客观性和可靠性，且在面对大量待评判的待维修组件时，大大地减少了工作量，提高了工作效率，并较好地保持评判的一致性。

在此应用场景中，设定安全阈值T_s＝0.45，健康状态监测指标的异常评判精度相对提高了9.2％，设备的可靠性相对提高了10％。

应用场景4

参见图1、图2，本应用场景的一个实施例的一种海水提盐、饮用水及发电能量回收综合利用系统维修系统，包括能量回收综合利用系统和维修策略获取系统，所述维修策略获取系统包括数据采集模块、数据预处理模块、风险确定模块、维修策略生成模块，所述能量回收综合利用系统，包括海水汲取子系统、海水制盐子系统、空气压缩子系统、饮用水制取子系统和海水发电子子系统，所述海水汲取子系统用于将海水提供给海水制盐子系统，海水制盐子系统将海水加热得到盐及高压蒸汽。空气压缩子系统利用高压蒸汽将空气进行压缩并进行储存。饮用水制取子系统用于将高压蒸汽冷凝成水并制成饮用水。海水发电子系统利用所储存的高压空气进行发电。

优选地，所述的海水汲取子系统包括：气囊式泵、第一换向阀、第二换向阀和第一高压储气罐。

本优选实施例能够提高生产效率。

优选地，海水制盐子系统包括高频气化器和盐池，其中高频气化器将海水加热生成高压蒸汽和浓盐水，盐池用于存放浓盐水并将浓盐水中的水蒸发形成成品盐。

本优选实施例能够高效制盐。

优选的，所述维修策略获取系统1包括数据采集模块11、数据预处理模块12、风险确定模块13、维修策略生成模块14；所述数据采集模块11用于根据监测策略采集监测数据；所述数据预处理模块12用于对监测数据进行归一化预处理；所述风险确定模块13用于确定组件的风险程度；所述维修策略生成模块14用于根据组件的风险程度，结合可维修性和经济性因素生成维修策略。

本优选实施例构建了维修策略获取系统1的模块架构。

优选的，所述监测策略包括：

(1)确定各组件中的监测项，并将监测项划分为一般监测项和关键监测项；

(2)对于一般监测项，采用无线传感器网络对监测项的健康状态进行监测并记录健康状态监测量；

对于关键监测项，采用无线传感器网络监测和人工监测相结合的方式对监测项的健康状态进行监测，设某关键监测项的无线传感器健康状态监测量为m₁，人工健康状态监测量为m₂，由于传感器监测时可能会受到温度影响，引入温度修正因子ξ，对于不受温度影响的传感器，令ξ＝1，对于受温度影响的传感器，其中T为传感器进行监测时的环境温度，T₀为传感器监测时适用的标准温度，则其最终健康状态监测量m采用下式确定：

式中，c为根据监测项合理误差范围设定的常数；

本优选实施例将监测项划分为一般监测项和关键监测项，并采用不同的方式进行监测，既节约了监测成本，又获得了可信度高的监测结果。

优选的，所述数据预处理模块12将健康状态监测量归一化表示为：

处于当健康状态监测量达到最大时对应监测项健康状态最好的情况时：

处于当健康状态监测量达到最小时对应监测项健康状态最好的情况时，

式中，m表示某一监测项的原始健康状态监测量，n表示该监测项归一化后的健康状态监测量，L为该监测项的健康状态监测量下限值，H为该监测项的健康状态监测量上限值。

由于不同的监测项目所采取的监测手段不同，得到的监测结果的数量级不同，单位也不同，本优选实施例对健康状态监测量进行归一化处理，方便对组件进行综合评估。

优选的，所述确定组件的风险程度，包括：

(1)将来源多样的监测数据归一化之后的健康状态监测量加权平均，得到组件健康状态监测指标：

式中，s表示组件健康状态监测指标，n_i为第i个监测项的健康状态监测量，i＝1,2,…,k，w_i为根据每一个健康状态监测量n_i在组件中的重要程度设置的权重因子；

设定安全阈值T_s，T_s∈[0.4，0.5]，若健康状态监测指标s小于安全阈值T_s，则判定健康状态监测指标s处于异常；

(2)利用历史健康状态数据和历史故障率数据，建立设备的可修复故障率模型：

式中，r为设备可修复故障率，s′为设备状态监测指标，a、b、d为三个待定常数，为根据实际应用条件不同而产生的修正参数；

其中，通过历史状态数据和历史故障率数据确定参数a、b、d的值，具体为：

设设备内组件数目为l，某组件z_j在某时间段T_j内发生故障的次数为f_j，其对应的健康状态监测指标为s_j，将多个组件的健康状态监测指标s_j和发生故障的次数f_j收集起来，则设备整体的健康状态监测指标和可修复故障率计算公式可表示为：

将上述健康状态监测指标和可修复故障率迭代入设备的可修复故障率模型，从而确定参数a、b、d的值；

(3)根据设备的可修复故障率模型，求得各组件的风险程度X_j：

式中，j＝1，…，l，表示处于异常的组件z_j的健康状态监测指标，r(s₁，…，s_j，…，s_l)表示各组件监测指标为s₁，…，s_j，…，s_l时的电力系统可修复故障率。

本优选实施例建立组件健康状态监测指标以及电力系统的可修复故障率模型，从而确定各组件的风险程度，能够更为科学的衡量组件发生故障对设备可靠性产生的影响程度，从而有利于针对影响程度大的故障组件进行优先维修，节约维修成本，维修策略不只是决定于组件本身的状态，而且也决定于组件失效对设备可靠性的影响，使维修策略更加客观和可靠。

优选的，所述结合可维修性和经济性因素生成维修策略，包括：

(1)通过专家组预先确定维修策略所需参数并将该参数存入数据库，所述维修策略所需参数包括：各组件在各监测项出现异常时的维修难度M_Ji和维修经济值E_Ji，组件的风险程度X_j、所述维修难度M_Ji和维修经济值E_Ji所占的权重w(X_j)、w(M_Ji)、w(E_Ji)，其中所述维修经济值E_J为维修费用与组件价值的比值；

(2)设根据异常的健康状态监测指标确定待维修组件为d_j，j＝1，…，l_d，,l_d为待维修组件的数目，根据待维修组件d_j的各异常监测项i(i＝1,2,…,k)调取相应的维修难度M_Ji和维修经济值E_Ji，计算待维修组件的综合维修难度M_Ji‘和综合维修经济值E_Ji’：

(3)计算各待维修组件的维修倾向度

对各待维修组件的维修倾向度进行从大到小排序，从而确定各待维修组件的维修先后顺序，即优先维修较大维修倾向度对应的待维修组件；另外，根据待维修组件对应的综合维修难度M_Ji‘确定相应的维修方案，从而生成最优的维修策略。

本优选实施例制定了最优维修策略的生成方式，方法客观简单，维修策略的生成考虑了除风险程度外的可维修性和经济性因素，增加了维修策略制定的客观性和可靠性，且在面对大量待评判的待维修组件时，大大地减少了工作量，提高了工作效率，并较好地保持评判的一致性。

在此应用场景中，设定安全阈值T_s＝0.48，健康状态监测指标的异常评判精度相对提高了9％，设备的可靠性相对提高了9％。

应用场景5

参见图1、图2，本应用场景的一个实施例的一种海水提盐、饮用水及发电能量回收综合利用系统维修系统，包括能量回收综合利用系统和维修策略获取系统，所述维修策略获取系统包括数据采集模块、数据预处理模块、风险确定模块、维修策略生成模块，所述能量回收综合利用系统，包括海水汲取子系统、海水制盐子系统、空气压缩子系统、饮用水制取子系统和海水发电子子系统，所述海水汲取子系统用于将海水提供给海水制盐子系统，海水制盐子系统将海水加热得到盐及高压蒸汽。空气压缩子系统利用高压蒸汽将空气进行压缩并进行储存。饮用水制取子系统用于将高压蒸汽冷凝成水并制成饮用水。海水发电子系统利用所储存的高压空气进行发电。

优选地，所述的海水汲取子系统包括：气囊式泵、第一换向阀、第二换向阀和第一高压储气罐。

本优选实施例能够提高生产效率。

优选地，海水制盐子系统包括高频气化器和盐池，其中高频气化器将海水加热生成高压蒸汽和浓盐水，盐池用于存放浓盐水并将浓盐水中的水蒸发形成成品盐。

本优选实施例能够高效制盐。

优选的，所述维修策略获取系统1包括数据采集模块11、数据预处理模块12、风险确定模块13、维修策略生成模块14；所述数据采集模块11用于根据监测策略采集监测数据；所述数据预处理模块12用于对监测数据进行归一化预处理；所述风险确定模块13用于确定组件的风险程度；所述维修策略生成模块14用于根据组件的风险程度，结合可维修性和经济性因素生成维修策略。

本优选实施例构建了维修策略获取系统1的模块架构。

优选的，所述监测策略包括：

(1)确定各组件中的监测项，并将监测项划分为一般监测项和关键监测项；

(2)对于一般监测项，采用无线传感器网络对监测项的健康状态进行监测并记录健康状态监测量；

对于关键监测项，采用无线传感器网络监测和人工监测相结合的方式对监测项的健康状态进行监测，设某关键监测项的无线传感器健康状态监测量为m₁，人工健康状态监测量为m₂，由于传感器监测时可能会受到温度影响，引入温度修正因子ξ，对于不受温度影响的传感器，令ξ＝1，对于受温度影响的传感器，其中T为传感器进行监测时的环境温度，T₀为传感器监测时适用的标准温度，则其最终健康状态监测量m采用下式确定：

式中，c为根据监测项合理误差范围设定的常数；

本优选实施例将监测项划分为一般监测项和关键监测项，并采用不同的方式进行监测，既节约了监测成本，又获得了可信度高的监测结果。

优选的，所述数据预处理模块12将健康状态监测量归一化表示为：

处于当健康状态监测量达到最大时对应监测项健康状态最好的情况时：

处于当健康状态监测量达到最小时对应监测项健康状态最好的情况时，

式中，m表示某一监测项的原始健康状态监测量，n表示该监测项归一化后的健康状态监测量，L为该监测项的健康状态监测量下限值，H为该监测项的健康状态监测量上限值。

由于不同的监测项目所采取的监测手段不同，得到的监测结果的数量级不同，单位也不同，本优选实施例对健康状态监测量进行归一化处理，方便对组件进行综合评估。

优选的，所述确定组件的风险程度，包括：

(1)将来源多样的监测数据归一化之后的健康状态监测量加权平均，得到组件健康状态监测指标：

式中，s表示组件健康状态监测指标，n_i为第i个监测项的健康状态监测量，i＝1,2,…,k，w_i为根据每一个健康状态监测量n_i在组件中的重要程度设置的权重因子；

设定安全阈值T_s，T_s∈[0.4，0.5]，若健康状态监测指标s小于安全阈值T_s，则判定健康状态监测指标s处于异常；

(2)利用历史健康状态数据和历史故障率数据，建立设备的可修复故障率模型：

式中，r为设备可修复故障率，s′为设备状态监测指标，a、b、d为三个待定常数，为根据实际应用条件不同而产生的修正参数；

其中，通过历史状态数据和历史故障率数据确定参数a、b、d的值，具体为：

设设备内组件数目为l，某组件z_j在某时间段T_j内发生故障的次数为f_j，其对应的健康状态监测指标为s_j，将多个组件的健康状态监测指标s_j和发生故障的次数f_j收集起来，则设备整体的健康状态监测指标和可修复故障率计算公式可表示为：

将上述健康状态监测指标和可修复故障率迭代入设备的可修复故障率模型，从而确定参数a、b、d的值；

(3)根据设备的可修复故障率模型，求得各组件的风险程度X_j：

式中，j＝1，…，l，表示处于异常的组件z_j的健康状态监测指标，r(s₁，…，s_j，…，s_l)表示各组件监测指标为s₁，…，s_j，…，s_l时的电力系统可修复故障率。

本优选实施例建立组件健康状态监测指标以及电力系统的可修复故障率模型，从而确定各组件的风险程度，能够更为科学的衡量组件发生故障对设备可靠性产生的影响程度，从而有利于针对影响程度大的故障组件进行优先维修，节约维修成本，维修策略不只是决定于组件本身的状态，而且也决定于组件失效对设备可靠性的影响，使维修策略更加客观和可靠。

优选的，所述结合可维修性和经济性因素生成维修策略，包括：

(1)通过专家组预先确定维修策略所需参数并将该参数存入数据库，所述维修策略所需参数包括：各组件在各监测项出现异常时的维修难度M_Ji和维修经济值E_Ji，组件的风险程度X_j、所述维修难度M_Ji和维修经济值E_Ji所占的权重w(X_j)、w(M_Ji)、w(E_Ji)，其中所述维修经济值E_J为维修费用与组件价值的比值；

(2)设根据异常的健康状态监测指标确定待维修组件为d_j，j＝1，…，l_d，,l_d为待维修组件的数目，根据待维修组件d_j的各异常监测项i(i＝1,2,…,k)调取相应的维修难度M_Ji和维修经济值E_Ji，计算待维修组件的综合维修难度M_Ji‘和综合维修经济值E_Ji’：

(3)计算各待维修组件的维修倾向度

对各待维修组件的维修倾向度进行从大到小排序，从而确定各待维修组件的维修先后顺序，即优先维修较大维修倾向度对应的待维修组件；另外，根据待维修组件对应的综合维修难度M_Ji‘确定相应的维修方案，从而生成最优的维修策略。

本优选实施例制定了最优维修策略的生成方式，方法客观简单，维修策略的生成考虑了除风险程度外的可维修性和经济性因素，增加了维修策略制定的客观性和可靠性，且在面对大量待评判的待维修组件时，大大地减少了工作量，提高了工作效率，并较好地保持评判的一致性。

在此应用场景中，设定安全阈值T_s＝0.5，健康状态监测指标的异常评判精度相对提高了8.5％，设备的可靠性相对提高了8％。

最后应当说明的是，以上实施例仅用以说明本发明的技术方案，而非对本发明保护范围的限制，尽管参照较佳实施例对本发明作了详细地说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实质和范围。