CN108037387B - 基于聚类归集的设备故障分析方法及装置 - Google Patents

Abstract

一种基于聚类归集的设备故障分析方法及装置，该设备故障分析方法包括：通过光电传输介质接收现场采集设备实时采集的发电厂设备的现场数据并存储至数据库中；根据所述现场数据中各设备的运行状态数据判断对应设备的是否满足故障条件；若存在设备满足故障条件，根据所述现场数据中发生故障的设备的运行状态数据进行故障原因分析。本发明通过对现场数据分析对比，有利于督促下属发电企业更好的解决设备故障，提高设备运行安全性和经济性。

Description

基于聚类归集的设备故障分析方法及装置

技术领域

本发明是关于发电厂设备试验技术，特别是关于一种基于聚类归集的设备故障分析方法及装置。

背景技术

发电厂需要对生产过程中人员操作的规范与否及设备的故障进行监督和监控，现有技术主要集中在对电网设备进行定期试验分析，无法对发电厂的设备进行故障分析。

例如，发明名称为获得统一潮流控制器配置的方法及装置的专利申请，提供了一种获得统一潮流控制器配置的方法及装置。该方法包括：根据线路的潮流分布，确定至少两条统一潮流控制器UPFC的配置线路；确定所述UPFC配置线路的运行方式及UPFC的配置参数；根据所确定的运行方式及配置参数对所述UPFC配置线路进行故障分析，获得所述UPFC配置线路在故障后的潮流转移状态；将最佳所述潮流转移状态对应的UPFC配置线路确定为最终的配置方式。本发明实施例通过多通道以及多种运行方式的UPFC优化配置，均衡了断面的潮流分布，提高了热稳定裕度，最大限度的提高了输电能力。

例如，发明名称为一种变电站设备智能巡检故障分析方法的专利申请，该方法包括：用标幺化算法，把多参数的数值统一到“1”附件，用于解决多参数的同表比对和关联性分析；采用多参数融合技术把多参数关联到一个数学模型中，将变电站设备的固有参数、实时监测到的多个参数以及可设置的权值有机的结合到模型中，通过时间轴进行曲线拟合等；其有益效果是：通过标幺化算法统一多参数数值，创建变电站设备状态监测多参数关联分析模型，通过权的设置和推理机，直接给出状态检修的相关结论，开创了全新的变电站智能化巡检新模式，解决了监测系统长期以来的单个参数或者系统与综合监测的问题、监测参数与如何及时分析使用问题等，对于变电站设备的安全稳定运行具有十分重要的意义。

例如，发明名称为发电机碳刷故障分析方法的专利申请，将发电机的碳刷进行编号，并定义各碳刷出现最大采样值次数的累加向量ZMax＝(z1max,z2max,......,znmax)，采集碳刷参数并统计各碳刷出现最大值的次数，将最大值次数最多的碳刷编号对应的在元素加1，将最大采样值次数的累加向量ZMax的各元素累加求和，并将最大采样值次数的累加向量ZMax各元素值除以向量ZMax的累加之和得出各元素的比重；然后根据比重累加结果对碳刷故障分类；通过上述方法，能够在发电机碳刷故障分析中准确找出存在故障高风险的碳刷，能够大大简化计算过程中，提高工作效率，并且能够有效提高检修效率。

上述现有技术均是小范围仅到厂级，而且传输效率较低，不能起到实时管控的作用，大多数故障分析是电网方面，涉及发电厂设备的故障分析较少。

发明内容

本发明实施例提供了一种基于聚类归集的设备故障分析方法及装置，以实现发电厂设备定期轮换的自动提醒、判断及评价，准确的抓取每次的事件，避免误报或漏报。

为了实现上述目的，本发明实施例提供了一种基于聚类归集的设备故障分析方法，包括：

通过光电传输介质接收现场采集设备实时采集的发电厂设备的现场数据并存储至数据库中；

根据所述现场数据中各设备的运行状态数据判断对应设备的是否满足故障条件；

若存在设备满足故障条件，根据所述现场数据中发生故障的设备的运行状态数据进行故障原因分析。

一实施例中，所述运行状态数据包括但不限于如下的一种或者多种：机组负荷、电压、电流、运行状态、停运状态、跳闸信号、出口信号。

一实施例中，根据所述现场数据判断各设备是否满足故障条件，包括：判断发生故障的设备的各运行状态数据是否均满足设定的阈值，如果是，则设备故障。

一实施例中，根据所述现场数据中发生故障的设备的运行状态数据进行故障原因分析，包括：

根据所述现场数据中发生故障的设备的运行状态数据计算各故障原因的权重值；

根据各运行状态数据的权重值判断设备发生故障的原因。

一实施例中，根据所述现场数据中发生故障的设备的运行状态数据计算各故障原因的权重值，包括：

根据各故障原因实际反映到参数异常的个数与各故障原因理论反映到参数异常的总数计算各故障原因的可能性比值；

根据所述可能性比值及所有故障原因可能性的比值之和计算各故障原因的权重值。

为了实现上述目的，本发明实施例提供了一种基于聚类归集的设备故障分析装置，包括：

数据接收单元，用于通过光电传输介质接收现场采集设备实时采集的发电厂设备的现场数据并存储至数据库中；

故障判断单元，用于根据所述现场数据中各设备的运行状态数据判断对应设备的是否满足故障条件；

故障原因分析单元，用于根据所述现场数据中发生故障的设备的运行状态数据进行故障原因分析。

一实施例中，所述运行状态数据包括但不限于如下的一种或者多种：机组负荷、电压、电流、运行状态、停运状态、跳闸信号、出口信号。

一实施例中，所述故障判断单元具体用于：判断发生故障的设备的各运行状态数据是否均满足设定的阈值，如果是，则设备故障。

一实施例中，所述故障原因分析单元包括：

计算模块，用于根据所述现场数据中发生故障的设备的运行状态数据计算各故障原因的权重值；

判断模块，用于根据各运行状态数据的权重值判断设备发生故障的原因。

一实施例中，所述计算模块具体用于：根据各故障原因实际反映到参数异常的个数与各故障原因理论反映到参数异常的总数计算各故障原因的可能性比值；根据所述可能性比值及所有故障原因可能性的比值之和计算各故障原因的权重值。

本发明通过对现场数据分析对比，可以分析设备是否故障，并有效分析故障发生的原因，有利于督促下属发电企业更好的解决设备故障，提高设备运行安全性和经济性。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例基于聚类归集的设备故障分析方法流程图；

图2为本发明实施例的故障判断示意图；

图3为本发明实施例的故障原因示意图；

图4为引风机的故障判断逻辑图；

图5为本发明实施例基于聚类归集的设备故障分析装置的结构框图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

图1为本发明实施例基于聚类归集的设备故障分析方法流程图，如图1所示，该设备故障分析方法包括：

S101：通过光电传输介质接收现场采集设备实时采集的发电厂设备的现场数据并存储至数据库中；

S102：根据所述现场数据中各设备的运行状态数据判断对应设备的是否满足故障条件；

S103：若存在设备满足故障条件，根据所述现场数据中发生故障的设备的运行状态数据进行故障原因分析。

图1所示的流程的执行主体可以为发电厂后台服务器，由图1可知，本发明通过采集的设备运行的现场数据，可以判断设备是否故障，并分析故障的原因，可以及时将故障原因告知工作人员，提高设备运行安全性和经济性。

一实施例中，所述运行状态数据包括但不限于如下的一种或者多种：机组负荷、电压、电流、运行状态、停运状态、跳闸信号、出口信号，不同的设备对应的状态数据可能不同。例如引风机，一般包括机组负荷，引风机电流，引风机运行状态，引风机停用状态，引风机存在故障跳闸信号及引风机保护总出口信号等。

判断各设备是否满足故障条件，需要判断发生故障的设备的各运行状态数据是否均满足设定的阈值，如果是，则设备故障。

设备故障时，为了保证设备后期的安全稳定运行，需要根据所述现场数据中发生故障的设备的运行状态数据进行故障原因分析。

一实施例中，可以通过如下步骤分析设备故障的原因。

步骤1：根据所述现场数据中发生故障的设备的运行状态数据计算各故障原因的权重值；

步骤2：根据各运行状态数据的权重值判断设备发生故障的原因。

具体实施时，可以根据各故障原因实际反映到参数异常的个数与各故障原因理论反映到参数异常的总数计算各故障原因的可能性比值；公式如下：

可能性比值＝(原因A实际反映到参数异常的个数)/(原因A理论反映到参数异常的总数)。

然后，根据所述可能性比值及所有故障原因可能性的比值之和计算各故障原因的权重值。公式如下：

权重值＝(可能性比值)/(故障设备所有原因肯能性百分比之和)

举例说明，如风机振动增大，超过某一设定值，则可开始与之前的历史数据进行比较。而又因振动若增大必然会引起轴承温度或润滑油回油温度上升，可根据振动小于某个历史值时，轴承温度或回油温度与当前温度做差值出上升的幅度。温度上升越明显，则振动为真实增高的可能性越高。反之则为振动传感器故障的可能性增高。

下面对上述公式举例说明：假设风机因振动增大跳闸，造成振动大故障的原因有A,B,C三种原因。根据经验或理论计算可以知道如果是A原因，一定会反映到a，b，c参数异常或越限；如果是B原因，一定会反映到b，d，e，f参数异常或越限，如果是C原因，一定会反映到f，g，h参数异常或越限。若该风机振动大跳闸时b，c，f参数异常，则可根据公式得到A原因可能性百分比为67％，B原因可能性百分比为25％，C原因可能性百分比为33％。则最终可以得到，由A导致风机跳闸的权重值为67％/125％＝53％,由B导致风机跳闸的权重值为25％/125％＝20％,由C导致风机跳闸的权重值为33％/125％＝27％。最终可知，A导致风机跳闸的可能性最大。

图2为本发明实施例的故障判断示意图，如图2所示，本发明利用现场的数据采集设备采集现场数据，然后通过光电传输介质传输给后台服务器，后台服务器接收现场数据并存储到数据库，现场数据中，可以提取出设备运行状态开始时间并存储到数据库，作为后期故障分析的参考。当某设备故障条件满足后，判断设备出现故障，记录该事件及发生时间，并根据现场数据生成各种数据的趋势图，生成报告，并输出至人机交互模块进行展示供用户查看。

图3为本发明实施例的故障原因示意图，基于图2，如果判断发生故障，可以读取故障发生时间前后一段时间内的相关参数记录，通过数据库中现场数据的分析对比及逻辑功能分析，得到若干种故障原因及每种故障原因的权重值。还可以发送给人机交互模块或者直接发送给用户。

下面结合具体的例子详细说明本发明。

图4为引风机的故障判断逻辑图，如图4所示，引风机故障对应的六个条件如下：机组负荷≥260MW”，“引风机电流＜50A”，“引风机不在运行状态”，“引风机已停用”，“引风机存在故障跳闸信号”，“引风机保护总出口信号存在”。当机组正常运行时引风机一定为正常运行，则上述六个条件一定不会全部存在，通过“与”逻辑判断后，“与”逻辑块输出为“0”。

当引风机异常停止运行时，根据锅炉运行工况的特性，上述六个条件一定会同时存在，则“与”逻辑块输出为“1”。故可唯一指向为引风机为异常停止运行的，即可确定设备已故障跳闸了。

现场传输至集团级的数据入库后，首先记录下所要监控设备的当前状态(“停运”或是“运行”)，并记录其他所有该设备的相关参数，当判断该设备停运的条件触发后，记录该事件和发生时间，存入数据库，并生成趋势图，趋势图中，横坐标为时间，纵坐标为设备的各个运行参数。前端展示系统可以提取该事件生成报告。

基于与上述设备故障分析方法相同的申请构思，本申请提供一种设备故障分析装置，如下面实施例所述。由于该设备故障分析装置解决问题的原理与设备故障分析方法相似，因此该设备故障分析装置的实施可以参见设备故障分析方法的实施，重复之处不再赘述。

本发明通过对现场数据分析对比，可以分析设备是否故障，并有效分析故障发生的原因，有利于督促下属发电企业更好的解决设备故障，提高设备运行安全性和经济性。

图5为本发明实施例基于聚类归集的设备故障分析装置的结构框图，如图5所示，该设备故障分析装置包括：

数据接收单元501，用于通过光电传输介质接收现场采集设备实时采集的发电厂设备的现场数据并存储至数据库中；

故障判断单元502，用于根据所述现场数据中各设备的运行状态数据判断对应设备的是否满足故障条件；

故障原因分析单元503，用于根据所述现场数据中发生故障的设备的运行状态数据进行故障原因分析。

一实施例中，所述运行状态数据包括但不限于如下的一种或者多种：机组负荷、电压、电流、运行状态、停运状态、跳闸信号、出口信号。

一实施例中，故障判断单元502具体用于：判断发生故障的设备的各运行状态数据是否均满足设定的阈值，如果是，则设备故障。

一实施例中，所述故障原因分析单元503包括：

计算模块，用于根据所述现场数据中发生故障的设备的运行状态数据计算各故障原因的权重值；

判断模块，用于根据各运行状态数据的权重值判断设备发生故障的原因。

一实施例中，所述计算模块具体用于：根据各故障原因实际反映到参数异常的个数与各故障原因理论反映到参数异常的总数计算各故障原因的可能性比值；根据所述可能性比值及所有故障原因可能性的比值之和计算各故障原因的权重值。

本发明通过对现场数据分析对比，可以分析设备是否故障，并有效分析故障发生的原因，有利于督促下属发电企业更好的解决设备故障，提高设备运行安全性和经济性。

本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

本发明中应用了具体实施例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (6)

1.一种基于聚类归集的设备故障分析方法，其特征在于，包括：

通过光电传输介质接收现场采集设备实时采集的发电厂设备的现场数据并存储至数据库中；

根据所述现场数据中各设备的运行状态数据判断对应设备的是否满足故障条件；

若存在设备满足故障条件，根据所述现场数据中发生故障的设备的运行状态数据进行故障原因分析，包括：

根据所述现场数据中发生故障的设备的运行状态数据计算各故障原因的权重值；

根据各故障原因的权重值判断设备发生故障的原因；

所述根据所述现场数据中发生故障的设备的运行状态数据计算各故障原因的权重值，包括：

根据各故障原因实际反映到参数异常的个数与各故障原因理论反映到参数异常的总数计算各故障原因的可能性比值；

根据所有故障原因可能性的比值之和及所述可能性比值计算各故障原因的权重值。

2.根据权利要求1所述的设备故障分析方法，其特征在于，所述运行状态数据包括但不限于如下的一种或者多种：机组负荷、电压、电流、运行状态、停运状态、跳闸信号、出口信号。

3.根据权利要求2所述的设备故障分析方法，其特征在于，根据所述现场数据判断各设备是否满足故障条件，包括：判断发生故障的设备的各运行状态数据是否均满足设定的阈值，如果是，则设备故障。

4.一种基于聚类归集的设备故障分析装置，其特征在于，包括：

数据接收单元，用于通过光电传输介质接收现场采集设备实时采集的发电厂设备的现场数据并存储至数据库中；

故障判断单元，用于根据所述现场数据中各设备的运行状态数据判断对应设备的是否满足故障条件；

故障原因分析单元，用于根据所述现场数据中发生故障的设备的运行状态数据进行故障原因分析；

所述故障原因分析单元包括：

计算模块，用于根据所述现场数据中发生故障的设备的运行状态数据计算各故障原因的权重值；

判断模块，用于根据各故障原因的权重值判断设备发生故障的原因；

所述计算模块具体用于：根据各故障原因实际反映到参数异常的个数与各故障原因理论反映到参数异常的总数计算各故障原因的可能性比值；根据所有故障原因可能性的比值之和及所述可能性比值计算各故障原因的权重值。

5.根据权利要求4所述的设备故障分析装置，其特征在于，所述运行状态数据包括但不限于如下的一种或者多种：机组负荷、电压、电流、运行状态、停运状态、跳闸信号、出口信号。

6.根据权利要求5所述的设备故障分析装置，其特征在于，所述故障判断单元具体用于：判断发生故障的设备的各运行状态数据是否均满足设定的阈值，如果是，则设备故障。

Images