CN110146317A - 一种建筑物机电设备健康状态的诊断方法和装置 - Google Patents
一种建筑物机电设备健康状态的诊断方法和装置 Download PDFInfo
- Publication number
- CN110146317A CN110146317A CN201910356430.XA CN201910356430A CN110146317A CN 110146317 A CN110146317 A CN 110146317A CN 201910356430 A CN201910356430 A CN 201910356430A CN 110146317 A CN110146317 A CN 110146317A
- Authority
- CN
- China
- Prior art keywords
- diagnosis
- equipment type
- equipment
- attribute
- diagnosis object
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M99/00—Subject matter not provided for in other groups of this subclass
- G01M99/005—Testing of complete machines, e.g. washing-machines or mobile phones
Abstract
本发明提供了一种建筑物机电设备健康状态的诊断方法和装置。该方法包括:定义对机电设备健康状态进行数值化表示的健康指数;定义诊断对象,所述诊断对象包括单个设备型对象和/或第一集合设备型对象;设置所述诊断对象的属性;定义诊断规则,所述诊断规则包括所述健康指数与所述诊断对象的属性值之间的映射关系;获取与所述诊断对象相关的机电设备的属性数据;根据所获取的机电设备的属性数据和所述诊断规则,对所述诊断对象进行诊断,生成包含所述诊断对象的健康指数的诊断结果。本发明的方案不仅可以对单个设备的异常情况进行诊断,还可以对多个设备组成的整体系统的异常情况进行诊断,并且实现了机电设备健康状态的量化指标。
Description
技术领域
本发明涉及楼宇自动化和建筑物机电技术领域,特别是一种建筑物机电设备健康状态的诊断方法和装置。
背景技术
建筑物机电设备基本上都是采用计算机集散控制,所谓计算机集散控制就是把分散控制进行集中管理。它的分散控制器通常采用直接数字控制器(Direct DigitalController,DDC),利用上位计算机进行画面的监控和管理。
然而,现有的建筑物机电设备的计算机集散控制技术存在以下不足:(1) 对设备的运行状况是基于单点判断,不能处理多点之间的复杂逻辑关系,不具有整体性,因而对于需要通过多个设备数据之间的关系来进行判断而不能仅靠单个设备本身的数据进行确认的异常问题无法进行诊断;(2)对设备故障的判断过于简单,仅能诊断出正常和故障两种状态,没有细节的体现,不便于问题的定位;(3)不具备预判功能,不能够及时预测异常和故障;(4)没有量化指标,理解系统整体状况困难。
发明内容
鉴于上述问题,提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的建筑物机电设备健康状态的诊断方法和装置。
根据本发明实施例的一方面,提供了一种建筑物机电设备健康状态的诊断方法,包括:
定义对机电设备健康状态进行数值化表示的健康指数;
定义诊断对象,所述诊断对象包括单个设备型对象和/或第一集合设备型对象,其中所述单个设备型对象由单个机电设备组成,所述第一集合设备型对象由多个单个设备型对象组成;
设置所述诊断对象的属性;
定义诊断规则,所述诊断规则包括所述健康指数与所述诊断对象的属性值之间的映射关系;
获取与所述诊断对象相关的机电设备的属性数据;
根据所获取的机电设备的属性数据和所述诊断规则,对所述诊断对象进行诊断,生成包含所述诊断对象的健康指数的诊断结果。
可选地,所述单个设备型对象的属性包括单个机电设备的实际运行参数和设定参数;
所述第一集合设备型对象的属性包括组成该第一集合设备型对象的多个单个设备型对象。
可选地,所述诊断对象还包括第二集合设备型对象;
所述第二集合设备型对象由至少两个第一集合设备型对象组成,所述第二集合设备型对象的属性包括组成该第二集合设备型对象的至少两个第一集合设备型对象;或者,
所述第二集合设备型对象由至少一个第一集合设备型对象和至少一个单个设备型对象组成,所述第二集合设备型对象的属性包括组成该第二集合设备型对象的至少一个第一集合设备型对象和至少一个单个设备型对象。
可选地,定义对机电设备健康状态进行数值化表示的健康指数,包括:
定义所述健康指数与机电设备健康程度之间的映射关系。
可选地,根据所获取的机电设备的属性数据和所述诊断规则,对所述诊断对象进行诊断,包括:
根据所述诊断规则,编写与所述诊断对象对应的诊断算法程序;
执行与所述诊断对象对应的诊断算法程序,根据所获取的与所述诊断对象相关的机电设备的属性数据对所述诊断对象进行诊断。
可选地,若所述诊断对象为第一集合设备型对象,则所述执行与所述诊断对象对应的诊断算法程序的步骤包括:
通过递归调用的方式,依次调用与所述第一集合设备型对象对应的诊断算法程序以及与所述第一集合设备型对象包括的多个单个设备型对象分别对应的诊断算法程序;
若所述诊断对象为第二集合设备型对象,则所述执行与所述诊断对象对应的诊断算法程序的步骤包括:
通过递归调用的方式,依次调用与所述第二集合设备型对象对应的诊断算法程序、与作为所述第二集合设备型对象的属性的第一集合设备型对象和单个设备型对象分别对应的诊断算法程序、以及与该第一集合设备型对象包括的多个单个设备型对象对应的诊断算法程序。
可选地,设置所述诊断对象的属性,包括:
提取与所述诊断对象相关的机电设备的属性;
将所述机电设备与所述诊断对象进行映射关联,确定所述诊断对象的属性。
可选地,所获取的与所述诊断对象相关的机电设备的属性数据包括实时属性数据和历史属性数据;
所述方法还包括:
根据所述机电设备的实时属性数据和历史属性数据,得到所述诊断对象的当前健康指数和历史健康指数;
根据所述诊断对象的当前健康指数和历史健康指数,判断所述诊断对象的运行状况的变化趋势,进行故障预测。
可选地,所述诊断规则还包括设备故障问题与所述健康指数和所述诊断对象的属性值之间的映射关系;
所述诊断结果还包括诊断说明,用于描述所诊断出的所述诊断对象的具体故障问题。
根据本发明实施例的另一方面,还提供了一种建筑物机电设备健康状态的诊断装置,包括:
健康指数定义模块,适于定义对机电设备健康状态进行数值化表示的健康指数;
诊断对象定义模块,适于定义诊断对象,所述诊断对象包括单个设备型对象和/或第一集合设备型对象,其中所述单个设备型对象由单个机电设备组成,所述第一集合设备型对象由多个单个设备型对象组成;
对象属性设置模块,适于设置所述诊断对象的属性;
诊断规则定义模块,适于诊断规则,所述诊断规则包括所述健康指数与所述诊断对象的属性值之间的映射关系;
属性数据获取模块,适于获取与所述诊断对象相关的机电设备的属性数据;以及
设备健康诊断模块,适于根据所获取的机电设备的属性数据和所述诊断规则,对所述诊断对象进行诊断,生成包含所述诊断对象的健康指数的诊断结果。
本发明实施例提出的建筑物机电设备健康状态的诊断方法和装置,首先定义可对机电设备健康状态进行数值化表示的健康指数、由单个机电设备组成的单个设备型诊断对象和由多个单个设备型对象组成的集合设备型诊断对象,并设置不同诊断对象的属性;进而,根据不同对象定义诊断规则,该诊断规则包括健康指数与诊断对象的属性值之间的映射关系;最后,根据所获取的机电设备的属性数据和所定义的诊断规则进行诊断,得到诊断对象的健康指数。通过定义集合设备型对象及其相应的诊断规则,能够将多个设备看成一个整体进行诊断和处理,并进而处理多个设备数据之间的复杂逻辑关系,从而不仅可以发现单个设备的异常情况,也可以发现多个设备组成的整体系统的异常情况。并且,通过生成诊断对象的健康指数,能够量化反映机电设备的健康状态,便于对设备状况的理解,也可以为设备考核提供量化参考。
另外,通过定义设备故障问题与健康指数和诊断对象的属性值之间的映射关系,还可以给出诊断对象的具体故障问题的诊断结果,从而能够细化结果报告,精细定位故障,降低维护/维修成本。
进一步地,本发明实施例的方案还可以获取机电设备的实时属性数据和历史属性数据,并根据诊断得出的当前健康指数和历史健康指数,判断诊断对象的运行状况的变化趋势,进行故障预测,从而能够进行提前预警,指导维护人员提前采取措施,降低维护成本,提高机电系统的可靠性。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,而可依照说明书的内容予以实施,并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂,以下特举本发明的具体实施方式。
根据下文结合附图对本发明具体实施例的详细描述,本领域技术人员将会更加明了本发明的上述以及其他目的、优点和特征。
附图说明
通过阅读下文优选实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的,而并不认为是对本发明的限制。而且在整个附图中,用相同的参考符号表示相同的部件。在附图中:
图1示出了根据本发明一实施例的建筑物机电设备健康状态的诊断方法的流程图;
图2示出了根据本发明一实施例的对诊断算法进行递归调用的示意图;以及
图3示出了根据本发明一实施例的建筑物机电设备健康状态的诊断装置的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员。
为解决上述技术问题,本发明实施例提出一种建筑物机电设备健康状态的诊断方法。图1示出了根据本发明一实施例的建筑物机电设备健康状态的诊断方法的流程图。参见图1,该方法至少可以包括以下步骤S102至步骤S112。
步骤S102,定义对机电设备健康状态进行数值化表示的健康指数。
步骤S104,定义诊断对象,诊断对象包括单个设备型对象和/或第一集合设备型对象,其中单个设备型对象由单个机电设备组成,第一集合设备型对象由多个单个设备型对象组成。
步骤S106,设置诊断对象的属性。
步骤S108,定义诊断规则,诊断规则包括健康指数与诊断对象的属性值之间的映射关系。
步骤S110,获取与诊断对象相关的机电设备的属性数据。
步骤S112,根据所获取的机电设备的属性数据和诊断规则,对诊断对象进行诊断,生成包含诊断对象的健康指数的诊断结果。
本发明实施例提出的建筑物机电设备健康状态的诊断方法,通过定义集合设备型对象及其相应的诊断规则,能够将多个设备看成一个整体进行诊断和处理,并进而处理多个设备数据之间的复杂逻辑关系,从而不仅可以发现单个设备的异常情况,也可以发现多个设备组成的整体系统的异常情况。并且,通过生成诊断对象的健康指数,能够量化反映机电设备的健康状态,便于对设备状况的理解,也可以为设备考核提供量化参考。
上文步骤S102中,定义可量化反映机电设备健康状态的健康指数。
现有技术中,设备健康指标通常只有正常和故障两种状态,不便于详细了解设备的运行状况和定位具体问题。为此,本发明中建立可用数字反映设备健康程度的健康指数模型,从而可生成量化诊断指标。所定义的健康指数例如可以为0到100的数值范围、0到1的数值范围等。指数数值与健康程度的相关关系可以定义为数值越大则表明健康程度越高,或者数值越小表明健康程度越高,只要在一个诊断体系中采用同一数值变化规律即可,本发明对此不作限制。
进一步地,可以定义健康指数与机电设备健康程度之间的映射关系,以进一步对健康指数进行细化。
下面以一个例子对健康指数与机电设备健康程度之间的映射关系的定义进行说明。
例如,对于定义数值范围为0到100的健康指数,可以定义健康指数的数值与设备健康程度的映射关系如下:
0-59:设备异常,不能正常工作
60-80:设备运行正常,但是各项指标不太好,如高能耗、供给不平衡等
80-89:设备运行正常,部分指标较好,如虽然高能耗,但其他指标良好
90-100:设备运行正常,各项指标良好,如低能耗、供给平衡、环境舒适等
需要说明的是,上述例子中的数值与健康状态之间的关系只是示意性的,并不限制本发明。
上文步骤S104中对诊断对象进行定义。
诊断对象是一个逻辑单位的抽象。具体地,诊断对象可以包括单个设备型对象和/或第一集合设备型对象。
单个设备型对象由单个机电设备组成。例如,一个中央空调机组、一个风机盘管、一个排污泵等,都可以定义为单个设备型对象。
第一集合设备型对象可由多个单个设备型对象组成。例如,空调系统包括中央空调机组、风机盘管等,则空调系统可以定义为第一集合设备型对象。
另外,诊断对象还可以包括第二集合设备型对象。第二集合设备型对象可以由至少两个第一集合设备型对象组成,或者由至少一个第一集合设备型对象和至少一个单个设备型对象组成。例如,一栋建筑的机电设备包括空调系统、排污泵等,则可以将整栋建筑定义为第二集合设备型对象。
当然,本领域技术人员可以理解,还可以定义包括第二集合设备型对象的更高层级的集合设备型对象,其组成与第二集合设备型对象类似,在此不另赘述。
上文步骤S106中设置用于诊断所需的诊断对象的属性。
对于单个设备型对象,其属性可以包括单个机电设备的实际运行参数和设定参数。实际运行参数指机电设备的真实的点位信息,如温湿度、风速、功耗等信息。设定参数指人为输入的设定参数,如温度传感器的测量范围、设备的额定功率等。例如,对于由风机盘管组成的单个设备型对象,其属性可以包括设定温度、当前温度、模式、风速等。对于由空调机组组成的单个设备型对象,其属性可以包括新风温湿度、送风温湿度、回风温湿度、PM2.5、二氧化碳含量、功率、功耗等。
对于集合设备型对象,其属性可以包括其他对象。
具体地,第一集合设备型对象的属性可以包括组成该第一集合设备型对象的多个单个设备型对象。例如,对于定义为第一集合设备型对象的空调系统,其属性可以包括中央空调机组对象、风机盘管对象等多个单个设备型对象。
当第二集合设备型对象由至少两个第一集合设备型对象组成时,第二集合设备型对象的属性可以包括组成该第二集合设备型对象的该至少两个第一集合设备型对象。当第二集合设备型对象由至少一个第一集合设备型对象和至少一个单个设备型对象组成时,则第二集合设备型对象的属性可以包括组成该第二集合设备型对象的至少一个第一集合设备型对象和至少一个单个设备型对象。例如,对于定义为第二集合设备型对象的整栋建筑,其属性可以包括空调系统对象等第一集合设备型对象、以及排污泵对象等单个设备型对象。
在一个可选的实施例中,设置诊断对象的属性的步骤可以具体实施为以下步骤:
首先,提取与诊断对象相关的机电设备的属性。此处提及的属性指上文所述的机电设备的实际运行参数和设定参数等。
然后,将机电设备与所定义的诊断对象进行映射关联,从而确定诊断对象的属性。
通过将机电设备与诊断对象进行映射,并将提取的属性关联到对象属性中,使机电设备实体与抽象的诊断对象之间一一对应起来。
下面以一个例子对于诊断对象的属性设置进行具体说明。
例如,一栋建筑里安装了1台排污泵、1个配电柜、1台中央空调。该建筑有20个房间,每个房间安装了1台风机盘管。该中央空调和风机盘管组成1 个空调系统。
将排污泵、配电柜、中央空调和20个风机盘管分别定义为单个设备型对象P、D、A、F1、F2、…、F20。将空调系统定义为一个第一集合设备型对象 S。整栋建筑则定义为一个第二集合设备型对象B。
上述定义的各个对象所具有的属性如下所示:
对象P:启动状态、额定功率、实际功率等
对象D:额定电压、实际输出电压等
对象A:新风温湿度、送风温湿度、回风温湿度、PM2.5、二氧化碳含量、功率、功耗等
对象F1:设定温度、当前温度、模式、风速等
对象F2:设定温度、当前温度、模式、风速等
…
对象F20:设定温度、当前温度、模式、风速等
对象S:A、F1、F2、...、F20
对象B:P、D、S
上文步骤S108中定义各诊断对象的诊断规则。具体地,根据不同诊断对象的设备特性以及应用场景,定义健康指数与诊断对象的属性值之间的映射关系,该映射关系可以关系表的形式列出。这里,诊断对象的属性值可以是机电设备的实际运行参数值和设定参数值等,也可以是其他对象的健康指数值。例如,对于前文提及的整栋建筑对象B,其诊断规则中的属性值可以是排污泵对象P、配电柜对象D和空调系统对象S的健康指数值。
下面以风机盘管对象作为例子,对诊断规则的定义进行说明。
对于风机盘管对象,其属性设置如下表所示:
属性 | 编号 |
开关机状态 | OFS |
模式 | M |
当前温度 | CT |
设定温度 | ST |
CT-ST | D |
由于风机盘管一般用于办公楼,正常情况下采集到的当前温度不会太高或太低,而应处于较适宜的范围内(如3-35℃)。根据这种应用场景以及风机盘管的特性,定义风机盘管对象的诊断规则,具体表现为下表所示的映射关系表:
上表中,在模式(M)列中,C表示制冷,H表示制热,A表示通风。* 表示任意值。I表示健康指数。
上文步骤S110中获取与诊断对象相关的机电设备的属性数据用于后续诊断。具体地,可以通过与机电设备的通讯获取设备真实的点位信息,如温度、压力等传感器的数据,通过从设备读取或人工输入的方式获取设定参数等。
在一个可选的实施例中,所获取的属性数据可以包括机电设备的实时属性数据和历史属性数据。此时,可以根据所获取的实时属性数据和历史属性数据以及相应的诊断规则进行诊断,得到诊断对象当前健康指数和历史健康指数。进而,根据诊断对象的当前健康指数和历史健康指数,判断诊断对象的运行状况的变化趋势,进行故障预测。通过这种方式,能够进行提前预警,指导维护人员提前采取措施,降低维护成本,提高机电系统的可靠性。
在一个可选的实施例中,上文步骤S112可以进一步实施为以下步骤:
首先,根据所定义的诊断规则,编写与各诊断对象对应的诊断算法程序。
诊断算法是对诊断规则的实现,一般使用计算机程序来实现,从而实现诊断规则的自动化执行。具体地,可编写脚本程序来实现诊断规则。
然后,执行诊断算法程序,根据所获取的与诊断对象相关的机电设备的属性数据对诊断对象进行诊断,生成诊断结果。诊断结果可以诊断报告的形式输出。
对于集合设备型对象,由于其属性包括其他对象,在执行诊断算法程序时,一般采用从根对象点进行递归调用的方式进行算法调用。图2中示出了根据本发明一实施例的对诊断算法进行递归调用的示意图。下面结合图2对诊断对象为第一集合设备型对象和诊断对象为第二集合设备型对象两种情形下的诊断算法的调用过程进行说明。
当诊断对象为第一集合设备型对象时,则第一集合设备型对象相当于图2 中的根节点对象,第一集合设备型对象包括的多个单个设备型对象相当于图2 中的叶子节点对象。在执行与诊断对象对应的诊断算法程序的步骤时,首先调用作为根节点对象的第一集合设备型对象的诊断算法程序,进而,第一集合设备型对象的诊断算法程序再调用作为叶子节点对象的该多个单个设备型对象的诊断算法程序。
当诊断对象为第二集合设备型对象时,则第二集合设备型对象相当于图2 中的根节点对象,第二集合设备型对象包括的第一集合设备型对象相当于图2 中的子节点对象,第二集合设备型对象包括的单个设备型对象以及该第一集合设备型对象包括的单个设备型对象相当于图2中的叶子节点对象。在执行与诊断对象对应的诊断算法程序的步骤时,首先调用作为根节点对象的第二集合设备型对象的诊断算法程序。进而,第二集合设备型对象的诊断算法程序会调用作为该第二集合设备型对象的属性的第一集合设备型对象和单个设备型对象分别对应的诊断算法程序。最后,该第一集合设备型对象的诊断算法程序再调用其包括的多个单个设备型对象的诊断算法程序。
通过递归调用,可以方便地调用所有的诊断算法,提高诊断效率。
在一个可选的实施例中,步骤S108中定义的诊断规则还可以包括设备故障问题与健康指数和诊断对象的属性值之间的映射关系。根据此映射关系,可以诊断出诊断对象的具体故障问题。此时,诊断结果还可以包括诊断说明,用于描述所诊断出的诊断对象的具体故障问题,从而能够细化结果报告,精细定位故障,降低维护/维修成本。
下面仍以上述风机盘管对象的诊断规则为例。当定义的诊断规则包括健康指数与诊断对象的属性值之间的映射关系、以及设备故障问题与健康指数和诊断对象的属性值之间的映射关系时,风机盘管对象的诊断规则具体表现为下表所示的映射关系表:
以上介绍了图1所示实施例的各个环节的多种实现方式。需要说明的是,实际应用中,上述所有可选实施方式可以采用结合的方式任意组合,形成本发明的可选实施例,在此不再一一赘述。
基于同一发明构思,本发明实施例还提供了一种建筑物机电设备健康状态的诊断装置,用于支持上述任意一个实施例或其组合所提供的建筑物机电设备健康状态的诊断方法。图3示出了根据本发明一实施例的建筑物机电设备健康状态的诊断装置300的结构示意图。参见图3,该装置300至少可以包括:健康指数定义模块310、诊断对象定义模块320、对象属性设置模块330、诊断规则定义模块340、属性数据获取模块350以及设备健康诊断模块360。
现介绍本发明实施例的建筑物机电设备健康状态的诊断装置300的各组成或器件的功能以及各部分间的连接关系:
健康指数定义模块310,适于定义对机电设备健康状态进行数值化表示的健康指数。
诊断对象定义模块320,适于定义诊断对象,诊断对象包括单个设备型对象和/或第一集合设备型对象,其中单个设备型对象由单个机电设备组成,第一集合设备型对象由多个单个设备型对象组成。
对象属性设置模块330,与诊断对象定义模块320连接,适于设置诊断对象的属性。
诊断规则定义模块340,分别与健康指数定义模块310和对象属性设置模块330连接,适于诊断规则,诊断规则包括健康指数与诊断对象的属性值之间的映射关系。
属性数据获取模块350,适于获取与诊断对象相关的机电设备的属性数据。
设备健康诊断模块360,分别与诊断规则定义模块340和属性数据获取模块350连接,适于根据所获取的机电设备的属性数据和诊断规则,对诊断对象进行诊断,生成包含诊断对象的健康指数的诊断结果。
在一个可选的实施例中,单个设备型对象的属性包括单个机电设备的实际运行参数和设定参数;
第一集合设备型对象的属性包括与组成该第一集合设备型对象的多个单个设备型对象。
进一步地,所定义的诊断对象还包括第二集合设备型对象。
第二集合设备型对象可由至少两个第一集合设备型对象组成,则此时,第二集合设备型对象的属性包括组成该第二集合设备型对象的至少两个第一集合设备型对象。或者,第二集合设备型对象可由至少一个第一集合设备型对象和至少一个单个设备型对象组成,则此时,第二集合设备型对象的属性包括组成该第二集合设备型对象的至少一个第一集合设备型对象和至少一个单个设备型对象。
在一个可选的实施例中,健康指数定义模块310还适于:
定义健康指数与机电设备健康程度之间的映射关系。
在一个可选的实施例中,设备健康诊断模块360还适于:
根据诊断规则,编写与诊断对象对应的诊断算法程序;
执行与诊断对象对应的诊断算法程序,根据所获取的与诊断对象相关的机电设备的属性数据对诊断对象进行诊断。
进一步地,若诊断对象为第一集合设备型对象,则设备健康诊断模块360 还适于:
通过递归调用的方式,依次调用与第一集合设备型对象对应的诊断算法程序以及与第一集合设备型对象包括的多个单个设备型对象分别对应的诊断算法程序。
若诊断对象为第二集合设备型对象,则设备健康诊断模块360还适于:
通过递归调用的方式,依次调用与第二集合设备型对象对应的诊断算法程序、与作为第二集合设备型对象的属性的第一集合设备型对象和单个设备型对象分别对应的诊断算法程序、以及与该第一集合设备型对象包括的多个单个设备型对象对应的诊断算法程序。
在一个可选的实施例中,对象属性设置模块330还适于:
提取与诊断对象相关的机电设备的属性;
将机电设备与诊断对象进行映射关联,确定诊断对象的属性。
在一个可选的实施例中,所获取的与诊断对象相关的机电设备的属性数据包括实时属性数据和历史属性数据。在这种情况下,设备健康诊断模块360还适于:
根据机电设备的实时属性数据和历史属性数据,得到诊断对象的当前健康指数和历史健康指数;
根据诊断对象的当前健康指数和历史健康指数,判断诊断对象的运行状况的变化趋势,进行故障预测。
在一个可选的实施例中,诊断规则还可以包括设备故障问题与健康指数和诊断对象的属性值之间的映射关系。此时,诊断结果还可以包括诊断说明,用于描述所诊断出的诊断对象的具体故障问题。
根据上述任意一个可选实施例或多个可选实施例的组合,本发明实施例能够达到如下有益效果:
本发明实施例提出的建筑物机电设备健康状态的诊断方法和装置,首先定义可对机电设备健康状态进行数值化表示的健康指数、由单个机电设备组成的单个设备型诊断对象和由多个单个设备型对象组成的集合设备型诊断对象,并设置不同诊断对象的属性;进而,根据不同对象定义诊断规则,该诊断规则包括健康指数与诊断对象的属性值之间的映射关系;最后,根据所获取的机电设备的属性数据和所定义的诊断规则进行诊断,得到诊断对象的健康指数。通过定义集合设备型对象及其相应的诊断规则,能够将多个设备看成一个整体进行诊断和处理,并进而处理多个设备数据之间的复杂逻辑关系,从而不仅可以发现单个设备的异常情况,也可以发现多个设备组成的整体系统的异常情况。并且,通过生成诊断对象的健康指数,能够量化反映机电设备的健康状态,便于对设备状况的理解,也可以为设备考核提供量化参考。
另外,通过定义设备故障问题与健康指数和诊断对象的属性值之间的映射关系,还可以给出诊断对象的具体故障问题的诊断结果,从而能够细化结果报告,精细定位故障,降低维护/维修成本。
进一步地,本发明实施例的方案还可以获取机电设备的实时属性数据和历史属性数据,并根据诊断得出的当前健康指数和历史健康指数,判断诊断对象的运行状况的变化趋势,进行故障预测,从而能够进行提前预警,指导维护人员提前采取措施,降低维护成本,提高机电系统的可靠性。
所属领域的技术人员可以清楚地了解到,上述描述的系统、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,为简洁起见,在此不另赘述。
另外,在本发明各个实施例中的各功能单元可以物理上相互独立,也可以两个或两个以上功能单元集成在一起,还可以全部功能单元都集成在一个处理单元中。上述集成的功能单元既可以采用硬件的形式实现,也可以采用软件或者固件的形式实现。
本领域普通技术人员可以理解:所述集成的功能单元如果以软件的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,其包括若干指令,用以使得一台计算设备(例如个人计算机,服务器,或者网络设备等)在运行所述指令时执行本发明各实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM)、随机存取存储器(RAM),磁碟或者光盘等各种可以存储程序代码的介质。
或者,实现前述方法实施例的全部或部分步骤可以通过程序指令相关的硬件(诸如个人计算机,服务器,或者网络设备等的计算设备)来完成,所述程序指令可以存储于一计算机可读取存储介质中,当所述程序指令被计算设备的处理器执行时,所述计算设备执行本发明各实施例所述方法的全部或部分步骤。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:在本发明的精神和原则之内,其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案脱离本发明的保护范围。
Claims (10)
1.一种建筑物机电设备健康状态的诊断方法,包括:
定义对机电设备健康状态进行数值化表示的健康指数;
定义诊断对象,所述诊断对象包括单个设备型对象和/或第一集合设备型对象,其中所述单个设备型对象由单个机电设备组成,所述第一集合设备型对象由多个单个设备型对象组成;
设置所述诊断对象的属性;
定义诊断规则,所述诊断规则包括所述健康指数与所述诊断对象的属性值之间的映射关系;
获取与所述诊断对象相关的机电设备的属性数据;
根据所获取的机电设备的属性数据和所述诊断规则,对所述诊断对象进行诊断,生成包含所述诊断对象的健康指数的诊断结果。
2.根据权利要求1所述的方法,其中,所述单个设备型对象的属性包括单个机电设备的实际运行参数和设定参数;
所述第一集合设备型对象的属性包括组成该第一集合设备型对象的多个单个设备型对象。
3.根据权利要求2所述的方法,其中,所述诊断对象还包括第二集合设备型对象;
所述第二集合设备型对象由至少两个第一集合设备型对象组成,所述第二集合设备型对象的属性包括组成该第二集合设备型对象的至少两个第一集合设备型对象;或者,
所述第二集合设备型对象由至少一个第一集合设备型对象和至少一个单个设备型对象组成,所述第二集合设备型对象的属性包括组成该第二集合设备型对象的至少一个第一集合设备型对象和至少一个单个设备型对象。
4.根据权利要求1所述的方法,其中,定义对机电设备健康状态进行数值化表示的健康指数,包括:
定义所述健康指数与机电设备健康程度之间的映射关系。
5.根据权利要求2或3所述的方法,其中,根据所获取的机电设备的属性数据和所述诊断规则,对所述诊断对象进行诊断,包括:
根据所述诊断规则,编写与所述诊断对象对应的诊断算法程序;
执行与所述诊断对象对应的诊断算法程序,根据所获取的与所述诊断对象相关的机电设备的属性数据对所述诊断对象进行诊断。
6.根据权利要求5所述的方法,其中,若所述诊断对象为第一集合设备型对象,则所述执行与所述诊断对象对应的诊断算法程序的步骤包括:
通过递归调用的方式,依次调用与所述第一集合设备型对象对应的诊断算法程序以及与所述第一集合设备型对象包括的多个单个设备型对象分别对应的诊断算法程序;
若所述诊断对象为第二集合设备型对象,则所述执行与所述诊断对象对应的诊断算法程序的步骤包括:
通过递归调用的方式,依次调用与所述第二集合设备型对象对应的诊断算法程序、与作为所述第二集合设备型对象的属性的第一集合设备型对象和单个设备型对象分别对应的诊断算法程序、以及与该第一集合设备型对象包括的多个单个设备型对象对应的诊断算法程序。
7.根据权利要求1-3中任一项所述的方法,其中,设置所述诊断对象的属性,包括:
提取与所述诊断对象相关的机电设备的属性;
将所述机电设备与所述诊断对象进行映射关联,确定所述诊断对象的属性。
8.根据权利要求1所述的方法,其中,所获取的与所述诊断对象相关的机电设备的属性数据包括实时属性数据和历史属性数据;
所述方法还包括:
根据所述机电设备的实时属性数据和历史属性数据,得到所述诊断对象的当前健康指数和历史健康指数;
根据所述诊断对象的当前健康指数和历史健康指数,判断所述诊断对象的运行状况的变化趋势,进行故障预测。
9.根据权利要求1所述的方法,其中,所述诊断规则还包括设备故障问题与所述健康指数和所述诊断对象的属性值之间的映射关系;
所述诊断结果还包括诊断说明,用于描述所诊断出的所述诊断对象的具体故障问题。
10.一种建筑物机电设备健康状态的诊断装置,包括:
健康指数定义模块,适于定义对机电设备健康状态进行数值化表示的健康指数;
诊断对象定义模块,适于定义诊断对象,所述诊断对象包括单个设备型对象和/或第一集合设备型对象,其中所述单个设备型对象由单个机电设备组成,所述第一集合设备型对象由多个单个设备型对象组成;
对象属性设置模块,适于设置所述诊断对象的属性;
诊断规则定义模块,适于诊断规则,所述诊断规则包括所述健康指数与所述诊断对象的属性值之间的映射关系;
属性数据获取模块,适于获取与所述诊断对象相关的机电设备的属性数据;以及
设备健康诊断模块,适于根据所获取的机电设备的属性数据和所述诊断规则,对所述诊断对象进行诊断,生成包含所述诊断对象的健康指数的诊断结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910356430.XA CN110146317B (zh) | 2019-04-29 | 2019-04-29 | 一种建筑物机电设备健康状态的诊断方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910356430.XA CN110146317B (zh) | 2019-04-29 | 2019-04-29 | 一种建筑物机电设备健康状态的诊断方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110146317A true CN110146317A (zh) | 2019-08-20 |
CN110146317B CN110146317B (zh) | 2021-11-12 |
Family
ID=67594696
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910356430.XA Active CN110146317B (zh) | 2019-04-29 | 2019-04-29 | 一种建筑物机电设备健康状态的诊断方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110146317B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113325726A (zh) * | 2021-05-14 | 2021-08-31 | 山东中瑞电气有限公司 | 楼宇自控系统及其控制方法 |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1767244A1 (fr) * | 2005-09-27 | 2007-03-28 | Ela Medical | Dispositif médical implantable actif, notamment dispositif de stimulation, resynchronisation, defibrillation et/ou cardioversion, comprenant des moyens de diagnostic predictif de l'état du patient |
CN103941716A (zh) * | 2014-05-13 | 2014-07-23 | 北京世纪微熵科技有限公司 | 建筑设备监控方法、装置和系统 |
CN104200620A (zh) * | 2014-07-24 | 2014-12-10 | 惠州学院 | 建筑健康远程监测系统及方法 |
CN104317201A (zh) * | 2014-11-05 | 2015-01-28 | 无锡新人居科贸有限公司 | 一种智能楼宇设备监控系统 |
CN104375480A (zh) * | 2014-10-11 | 2015-02-25 | 王祖月 | 一种建筑设备监测提醒系统及方法 |
JP2015089364A (ja) * | 2013-11-07 | 2015-05-11 | 有限会社ジェノテックス | 体細胞多重変異によるがん診断方法、がん医薬開発方法及びがん診断装置 |
CN105447250A (zh) * | 2015-11-25 | 2016-03-30 | 中国船舶工业系统工程研究院 | 一种机电设备健康表征参数确定方法 |
CN105738136A (zh) * | 2016-01-27 | 2016-07-06 | 安徽容知日新信息技术有限公司 | 一种设备异常检测方法和装置 |
CN205787813U (zh) * | 2016-05-25 | 2016-12-07 | 重庆市工程管理有限公司 | 用于大型建筑的设备监控系统 |
CN107358347A (zh) * | 2017-07-05 | 2017-11-17 | 西安电子科技大学 | 基于工业大数据的装备集群健康状态评估方法 |
CN107580041A (zh) * | 2017-08-30 | 2018-01-12 | 深圳市易联智道科技有限公司 | 建筑工地用电设备监控方法 |
CN107607342A (zh) * | 2017-09-22 | 2018-01-19 | 沈阳工业大学 | 空调机房设备群的健康能效检测方法 |
CN107995049A (zh) * | 2017-12-25 | 2018-05-04 | 广州供电局有限公司 | 电力安全区跨区同步故障监测方法、装置和系统 |
-
2019
- 2019-04-29 CN CN201910356430.XA patent/CN110146317B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1767244A1 (fr) * | 2005-09-27 | 2007-03-28 | Ela Medical | Dispositif médical implantable actif, notamment dispositif de stimulation, resynchronisation, defibrillation et/ou cardioversion, comprenant des moyens de diagnostic predictif de l'état du patient |
JP2015089364A (ja) * | 2013-11-07 | 2015-05-11 | 有限会社ジェノテックス | 体細胞多重変異によるがん診断方法、がん医薬開発方法及びがん診断装置 |
CN103941716A (zh) * | 2014-05-13 | 2014-07-23 | 北京世纪微熵科技有限公司 | 建筑设备监控方法、装置和系统 |
CN104200620A (zh) * | 2014-07-24 | 2014-12-10 | 惠州学院 | 建筑健康远程监测系统及方法 |
CN104375480A (zh) * | 2014-10-11 | 2015-02-25 | 王祖月 | 一种建筑设备监测提醒系统及方法 |
CN104317201A (zh) * | 2014-11-05 | 2015-01-28 | 无锡新人居科贸有限公司 | 一种智能楼宇设备监控系统 |
CN105447250A (zh) * | 2015-11-25 | 2016-03-30 | 中国船舶工业系统工程研究院 | 一种机电设备健康表征参数确定方法 |
CN105738136A (zh) * | 2016-01-27 | 2016-07-06 | 安徽容知日新信息技术有限公司 | 一种设备异常检测方法和装置 |
CN205787813U (zh) * | 2016-05-25 | 2016-12-07 | 重庆市工程管理有限公司 | 用于大型建筑的设备监控系统 |
CN107358347A (zh) * | 2017-07-05 | 2017-11-17 | 西安电子科技大学 | 基于工业大数据的装备集群健康状态评估方法 |
CN107580041A (zh) * | 2017-08-30 | 2018-01-12 | 深圳市易联智道科技有限公司 | 建筑工地用电设备监控方法 |
CN107607342A (zh) * | 2017-09-22 | 2018-01-19 | 沈阳工业大学 | 空调机房设备群的健康能效检测方法 |
CN107995049A (zh) * | 2017-12-25 | 2018-05-04 | 广州供电局有限公司 | 电力安全区跨区同步故障监测方法、装置和系统 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113325726A (zh) * | 2021-05-14 | 2021-08-31 | 山东中瑞电气有限公司 | 楼宇自控系统及其控制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110146317B (zh) | 2021-11-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11747034B2 (en) | Systems and methods for steady state detection | |
US10747187B2 (en) | Building management system with voting-based fault detection and diagnostics | |
Zhang et al. | Wind turbine fault detection based on SCADA data analysis using ANN | |
US10700942B2 (en) | Building management system with predictive diagnostics | |
US7031880B1 (en) | Method and apparatus for assessing performance of an environmental control system | |
DE112010003256T5 (de) | System und Verfahren für Energieverbrauchsmanagement | |
CN105159288B (zh) | 一种电气设备的故障原因确定方法和系统 | |
CN105804981B (zh) | 动车组牵引变压器油泵远程故障监测和预警系统及其方法 | |
US20150235141A1 (en) | Automatic fault detection and diagnosis in complex physical systems | |
KR102285987B1 (ko) | 건물 내 설비의 이상을 탐지하는 방법, 시스템 및 컴퓨터 프로그램 | |
US11953894B2 (en) | Building management system with machine learning for detecting anomalies in vibration data sets | |
JP6862130B2 (ja) | 異常検知装置、異常検知方法、およびプログラム | |
CN109040277A (zh) | 一种服务器的远程监控方法及装置 | |
US20140088945A1 (en) | System and method for an energy management system | |
US20220244682A1 (en) | Edge devices and gateways with machine learning for detecting anomalies in building equipment vibration data | |
CN110146317A (zh) | 一种建筑物机电设备健康状态的诊断方法和装置 | |
CN115128513A (zh) | 一种基于热量的电容器异常检测方法及相关装置 | |
CN115493248A (zh) | 一种中央空调系统全生命周期的智能诊断方法和系统 | |
CN113934191A (zh) | 一种冷水机组故障诊断系统 | |
Park et al. | Energy-saving decision making framework for HVAC with usage logs | |
CN111314463A (zh) | 一种基于泵站机组健康评估的方法 | |
CN115964935A (zh) | 数据中心机房it设备管理方法、装置、服务端及介质 | |
CN115183389A (zh) | 一种基于空调机房全生命周期的智能诊断方法 | |
Zhang | Comparison of data-driven and model-based methodologies of wind turbine fault detection with SCADA data | |
CN113864999A (zh) | 空调系统能耗预测方法、装置及空调系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |