本发明属于发电领域,具体地说是一种发电机组设备健康度指标综合评价方法及系统。
背景技术:
1、设备预知维修是在设备运行中或基本不解体的情况下,利用设备产生的不同信息,使用仪器采集、处理,分析信号,判断产生故障的部位和原因,并预测设备使用寿命而开展的设备维修方式。状态检测避免了机械设备的突发故障,从而避免了被迫停机而影响生产。状态检测分析为预知机械设备的维修期提供了可靠依据,即可做到有必要时才进行维修同时,便于及时安排维修计划,克服了定期维修带来的不必要的经济损失,同时大大缩短了维修工期。
2、因此,通过先进的技术手段,实施设备状态监测、可预见性维护、故障诊断,最大可能的发现设备早期故障隐患及原因,能够减少设备的停机时间、延长设备的使用寿命和降低设备的运维成本。
技术实现思路
1、本发明所要解决的技术问题是提供一种发电机组设备健康度指标综合评价方法及系统,其计算得到设备的实时健康度,可使监控人员准确地把握设备的实时运行状态,最大可能地发现设备早期故障隐患及原因,从而减少设备的停机时间、延长设备的使用寿命和降低设备的运维成本。
2、为此,本发明采用的一种技术方案为:一种发电机组设备健康度指标综合评价方法,其包括以下步骤:
3、步骤1,确定与待评发电机组设备健康度指标相关的所有状态变量;
4、步骤2,以同一设备的所有状态变量的历史数据作为输入,采用聚类的方法,对不同的数据进行划分类别,筛选出设备不同类的工作状态;
5、步骤3,对聚类获得的每一类工作状态分别建立规则库来对每个状态变量进行加分或减分,规则库采用四个规则分别对状态变量的数据变化速度、数据状态是否异常、数据状态异常的持续时间和数据波动的幅度四个角度进行分析,对每个状态变量的历史数据进行统计;
6、步骤4,通过对判断某一时刻数据属于哪一类工作状态,并且是否超越各个规则的上下界限的方式来判定状态变量加减分数的多少,得到状态变量分数;
7、步骤5,利用线性回归算法,输出各个状态变量的重要度并结合预设健康度权重系数,确定各个状态变量在健康度融合时的权重;
8、步骤6,通过步骤4得出的状态变量分数,并结合各个状态变量在健康度融合时的权重加权求和,得出设备健康度指标评分,并添加增减设备健康度指标评分的硬性规则。
9、进一步地,步骤1中,所述的状态变量选择能够反映设备实时运行状态的变量。
10、进一步地,步骤2中,对设备的所有历史数据,进行聚类,挑选出同一设备的状态变量,计算同一设备中某个状态变量与其他状态变量的相关性。
11、进一步地,步骤3中,对聚类获得的每一类工作状态分别从数据变化速度、相关状态变量是否异常、状态变量异常的持续时间、数据波动的幅度四个角度进行分析,规则库包括以下五类:
12、1)relevance规则
13、从同一设备内相关状态变量是否异常的角度出发;
14、2)recent规则
15、从数据当前时刻波动幅度的角度出发;
16、3)duration规则
17、从数据是否超限以及超限时间的角度出发;
18、4)vibrate规则
19、从数据变化速率的角度出发;
20、5)section规则
21、从最基础的数值是否超出界限的角度出发。
22、更进一步地,步骤4中,根据规则来对每个状态变量进行加分或减分的具体过程如下:
23、1)relevance规则
24、选取一段历史数据,计算历史数据中每个状态变量的均值与标准差,获得relevance规则的设定区间:[均值-6*标准差,均值+2*标准差],当与该状态变量相关性最强的前两个状态变量同时超出区间时,则对这一状态变量进行减分,所减或加的分数按照该状态变量和其相关状态变量超出或未超出对应区间的部分来确定;
25、2)recent规则
26、通过对历史数据以及待判断数据进行偏度处理,并计算处理后的待判断数据与历史数据之间比值的均值与方差,获得recent规则的设定区间:[均值-6*标准差,均值+1.5*标准差],判断当前时刻数据相较于前一段时间数据的波动数值是否在这一个区间内,若不在该区间内则通过加减分规则进行减分,若在该区间内则通过加减分规则进行加分;
27、3)duration规则
28、判定数据是否异常,通过历史数据确定高限g1、g2、g3、g4及低限l1、l2、l3、l4八条界限并划分四个区间,四个区间的上下限分别为l1—g1:[均值-4*标准差,均值+3标准差],l2—g2:[均值-5*标准差,均值+4标准差],l3—g3:[均值-7*标准差,均值+5标准差],l4—g4:(最低限值,最高限值);数据超过不同的区间有不同的减分系数;当某一时刻的数据超过界限时,需要对其超限时间进行记录,只有当超限时间大于这条界限的最小持续时间,才会进行减分;
29、4)vibrate规则
30、对历史数据的最大值与最小值进行统计,将最大值与最小值*0.2记为幅动范围,并且计算历史数据中每个状态变量的均值与标准差,获得vibrate规则的设定区间:[均值-5*标准差,均值+3*标准差],当数据出现两次前后差值大于幅动范围后,对数据进行区间判断,根据数据偏离程度进行不同的减分;
31、5)section规则
32、通过历史数据确定一个最基础的区间,并且计算历史数据中每个状态变量的均值与标准差,获得section规则的设定区间:[均值-5*标准差,均值+3*标准差],若数据超过区间界限则进行减分,无需判断其他条件。
33、进一步地,步骤5的具体内容如下:
34、1)利用线性回归算法,输出状态变量的重要度,整理成重要度矩阵;
35、2)将重要度矩阵的每一列分别求和,得出每个状态变量对该设备的重要度;
36、3)利用构造的《设备—状态变量》字典类型数据,筛选出设备中的各个相关性高的状态变量集合,并从各个状态变量集合中挑选出代表状态变量赋予预设的高权重系数,对其余状态变量赋予预设的低权重系数;
37、4)将每个状态变量对该设备的重要度,乘上对应的权重系数,最后得出设备健康度融合时的最终权重。
38、进一步地,步骤6中,
39、1)通过得出的状态变量分数,并结合健康度融合的权重加权求和,得出设备健康度指标评分;
40、2)当某个设备健康度指标评分报出异常时,则对该设备健康度指标评分进行减分;
41、3)当对某个设备健康度指标进行评价时,若该设备健康度指标为1级指标,且设备健康度指标评分低于60分时,则对该设备健康度指标所在的设备划为工作状态异常等级,并给出设备预警。
42、本发明采用的另一种技术方案为:一种发电机组设备健康度指标综合评价系统,其包括:
43、变量输入单元:与待评发电机组设备健康度指标相关的所有状态变量;
44、聚类划分单元:对设备的所有历史数据,进行聚类,对不同的数据进行划分类别,筛选出设备不同类的工作状态,挑选出同一设备的状态变量,计算每个状态变量与其他状态变量的相关性;
45、规则库单元:对聚类获得的每一类工作状态分别从数据变化速度、相关状态变量是否异常、状态变量异常的持续时间和数据波动的幅度四个角度进行分析;
46、限值判断单元:通过对判断某一时刻数据属于哪一类工作状态,并且是否超越各个规则的上下界限的方式来判定状态变量加减分数的多少,得到状态变量分数;
47、健康度融合单元:利用线性回归算法,输出各个状态变量的重要度并结合预设健康度权重,确定各个状态变量在健康度融合时的权重;
48、设备级评分单元:通过状态变量分数,并结合各个状态变量在健康度融合时的权重加权求和,得出设备健康度指标评分,并添加增减设备健康度指标评分的硬性规则。
49、本发明得到的健康度是一个反映设备实时状态的综合性指标,通过该指标可以准确地把握设备的实时运行状态,确定合理检修时机。