CN110765633A - 一种动力装置的智能管理方法和装置 - Google Patents
一种动力装置的智能管理方法和装置 Download PDFInfo
- Publication number
- CN110765633A CN110765633A CN201911054741.7A CN201911054741A CN110765633A CN 110765633 A CN110765633 A CN 110765633A CN 201911054741 A CN201911054741 A CN 201911054741A CN 110765633 A CN110765633 A CN 110765633A
- Authority
- CN
- China
- Prior art keywords
- data
- analysis
- power device
- evaluation
- evaluation data
- 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.)
- Pending
Links
Images
Landscapes
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明实施例公开了一种动力装置的智能管理方法包括:对动力装置进行状态监测以获取状态监测数据;根据状态监测数据对动力装置进行分析评估以获取分析评估数据;根据分析评估数据获取决策建议数据;根据分析评估数据获取预测维护数据;根据状态检测数据、所述分析评估数据、所述决策建议数据以及所述预测维护数据建立与所述动力装置具有映射关系的管理数字空间。通过对管理数字空间对动力装置的运行状态进行实时监测,实现对动力装置现场运行情况做出正确的诊断与预测并及时反馈应对措施。同时提供了动力装置的智能管理装置,通过采用上述方法实现动力装置各个系统部件的智能化管理。
Description
技术领域
本发明实施例涉及数字孪生技术领域,尤其涉及一种动力装置的智能管理方法和装置。
背景技术
大功率动力装置是为整个船舶正常运转提供动力的关键机械设备。由于动力装置长期工作在海水强腐蚀性等恶劣的环境中,且该装置的内部零件种类繁多,运动复杂,每个零件间出现的衔接问题都可能影响整体设备的正常运行。由于各个零部件之间的故障会产生链条式连锁反应,因此很难明确动力装置的故障所在。一旦动力装置发生故障,可能会导致设备停工停产,造成巨大的经济损失,严重的情况下甚至会造成人员伤亡、关键设备损坏等灾难性事故的发生。
由于动力装置内部结构较为复杂,而目前的现场动力装置管控大部分是通过人为监管反馈现场运行状态照片或者测量一些参数数据信息,再由现场人员对其进行决策判断。这种传统的监管方式不能够实时查看动力装置运行情况,也不能精准的对其进行诊断并预测。
发明内容
本发明实施例提供了一种动力装置的智能管理方法和装置,对动力装置的运行状态进行实时监测,进而对现场运行情况做出正确的诊断与预测并及时反馈应对措施。
第一方面,本发明实施例提供了一种动力装置的智能管理方法,包括:
对动力装置进行状态监测以获取状态监测数据;
根据所述状态监测数据对动力装置进行分析评估以获取分析评估数据;
根据所述分析评估数据获取决策建议数据;
根据所述分析评估数据获取预测维护数据;
根据所述状态检测数据、所述分析评估数据、所述决策建议数据以及所述预测维护数据建立与所述动力装置具有映射关系的管理数字空间。
可选的,所述对动力装置进行状态监测以获取状态监测数据包括:
通过智能传感器的加装与研制对所述动力装置的静态数据及动态数据进行采集;
通过各个网关设备以及对应的通讯协议进行所述静态数据和所述动态数据的传输并将传输的所述静态数据和所述动态数据存储到数据库中;
通过对所述静态数据和所述动态数据的状态的清洗、整合以及模型搭建对不同状态的监测数据进行可视化展示;其中,所述状态监测数据包括数据状态进行过清洗、整合以及模型搭建的所述静态数据和所述动态数据。
可选的,所述根据所述状态监测数据对动力装置进行分析评估以获取分析评估数据包括:
通过对所述动力装置耗能设备的工况数据进行分析与评估获取所述动力装置的能效分析评估数据;
通过人工智能与大数据分析技术,建立所述动力装置的模型框架,确定所述动力装置的各个机械系统的故障位置,通过对所述静态数据中的历史故障数据的训练测试提取每个所述故障位置对应的异常数据,所述异常数据包括特征信息,通过对各个故障类型进行特征学习和选择,确定所述故障位置的异常数据对应的故障类型并获取故障诊断分析评估数据;
通过对所述动力装置排放物的监控数据进行分析确定所述动力装置污染物的排放类型、排放速率以及排放浓度信息并获取排放分析评估数据;其中,所述分析评估数据包括所述能效分析评估数据、所述故障诊断分析评估数据以及所述排放分析评估数据。
可选的,所述根据所述分析评估数据获取决策建议数据包括:
通过实时监测所述动态数据对所述动力装置模型框架进行定期更新;
通过对所述能效分析评估数据的分析进行所述动力装置的能耗异常报警,通过对所述故障诊断分析评估数据的分析进行所述动力装置的故障报警,通过对所述排放分析评估数据的分析进行动力装置的污染超标报警;
通过对所述能效分析评估数据、所述故障诊断分析评估数据以及所述排放分析评估数据的分析进行模型分析结果的读取和决策报告建议的输出;其中,所述决策建议数据包括报警数据、模型分析结果数据和决策报告建议数据。
可选的,所述根据所述分析评估数据获取预测维护数据包括:
通过对所述分析评估数据的转换计算对所述动力装置的运转状况、效率以及热量分布情况进行监视和趋势预测以获取所述动力装置对应的备件管理维护数据、视情维护数据、寿命预测数据以及故障预测数据;其中,所述预测维护数据包括所述备件管理维护数据、所述视情维护数据、所述寿命预测数据以及所述故障预测数据。
可选的,所述根据所述状态检测数据、所述分析评估数据、所述决策建议数据以及所述预测维护数据建立与所述动力装置具有映射关系的管理数字空间包括:
运用赛博空间理论并根据所述状态检测数据、所述分析评估数据、所述决策建议数据以及所述预测维护数据建立与所述动力装置具有映射关系的管理数字空间。
第二方面,本发明实施例提供了一种动力装置的智能管理装置,包括:
监测模块,所述监测模块用于对动力装置进行状态监测以获取状态监测数据;
分析评估模块,所述分析评估模块用于根据所述状态监测数据对动力装置进行分析评估以获取分析评估数据;
决策建议模块,所述决策建议模块用于根据所述分析评估数据获取决策建议数据;
预测维护模块,所述预测维护模块用于根据所述分析评估数据获取预测维护数据;
映射模块,所述映射模块用于根据所述状态检测数据、所述分析评估数据、所述决策建议数据以及所述预测维护数据建立与所述动力装置具有映射关系的管理数字空间。
可选的,所述监测模块包括:
智能感知子模块,所述智能感知子模块用于对所述动力装置的静态数据和动态数据进行采集;
数据储存子模块,所述数据储存子模块用于通过各个网关设备以及对应的通讯协议进行所述静态数据和所述动态数据的传输并将传输的所述静态数据和所述动态数据存储到数据库中;
数据展示子模块,所述数据展示子模块用于通过对所述静态数据和所述动态数据的状态的清洗、整合以及模型搭建对不同状态的监测数据进行可视化展示;其中,所述状态监测数据包括数据状态进行过清洗、整合以及模型搭建的所述静态数据和所述动态数据。
可选的,所述分析评估模块包括:
能效管理子模块,所述能效管理子模块用于通过对所述动力装置耗能设备的工况数据进行分析与评估获取所述动力装置的能效分析评估数据;
故障诊断子模块,所述故障诊断子模块用于通过人工智能与大数据分析技术,建立所述动力装置的模型框架,确定所述动力装置的各个机械系统的故障位置,通过对所述静态数据中的历史故障数据的训练测试提取每个所述故障位置对应的异常数据,所述异常数据包括特征信息,通过对各个故障类型进行特征学习和选择,确定所述故障位置的异常数据对应的故障类型并获取故障诊断分析评估数据;
污染物排放子模块,所述污染物排放子模块用于通过对所述动力装置排放物的监控数据进行分析确定所述动力装置污染物的排放类型、排放速率以及排放浓度信息并获取排放分析评估数据;其中,所述分析评估数据包括所述能效分析评估数据、所述故障诊断分析评估数据以及所述排放分析评估数据。
可选的,所述决策建议模块包括:
模型优化子模块,所述模型优化子模块用于通过实时监测所述动态数据对所述动力装置模型框架进行定期更新;
故障算法子模块,所述故障算法子模块用于通过对所述能效分析评估数据的分析进行所述动力装置的能耗异常报警,通过对所述故障诊断分析评估数据的分析进行所述动力装置的故障报警,通过对所述排放分析评估数据的分析进行动力装置的污染超标报警;
智能决策算法子模块,所述智能决策算法子模块用于通过对所述能效分析评估数据、所述故障诊断分析评估数据以及所述排放分析评估数据的分析进行模型分析结果的读取和决策报告建议的输出;其中,所述决策建议数据包括报警数据、模型分析结果数据和决策报告建议数据。
本发明实施例提供了一种动力装置的智能管理方法和装置,包括:对动力装置进行状态监测以获取状态监测数据;根据状态监测数据对动力装置进行分析评估以获取分析评估数据;根据分析评估数据获取决策建议数据;根据分析评估数据获取预测维护数据;根据状态检测数据、所述分析评估数据、所述决策建议数据以及所述预测维护数据建立与所述动力装置具有映射关系的管理数字空间。通过对管理数字空间对动力装置的运行状态进行实时监测,实现对动力装置现场运行情况做出正确的诊断与预测并及时反馈应对措施。
附图说明
图1是本发明实施例一提供的一种动力装置智能管理方法流程图;
图2是本发明实施例一提供的一种对动力装置进行状态监测以获取状态监测数据流程图;
图3是本发明实施例一提供的一种对动力装置进行分析评估以获取分析评估数据流程图;
图4是本发明实施例一提供的一种根据分析评估数据获取决策建议数据流程图;
图5是本发明实施例二提供的一种动力装置的智能管理装置结构图;
图6是本发明实施例二提供的另一种动力装置的智能管理装置结构图;
图7是本发明实施例二提供的另一种动力装置的智能管理装置结构图;
图8是本发明实施例二提供的另一种动力装置的智能管理装置结构图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
本发明实施例提供了一种动力装置的智能管理方法,该智能管理方法应于需要对动力装置进行智能管理的领域,可由本发明实施例提供的动力装置的智能管理装置执行,图1是本发明实施例一提供的一种动力装置智能管理方法流程图,参考图1,智能管理方法包括:
S10、对动力装置进行状态监测以获取状态监测数据。
具体的,动力装置是为整个船舶正常运转提供动力的关键机械设备,装置的内部零件种类繁多,运动复杂,每个零件间出现的衔接问题都可能影响整体设备的正常运行,动力装置的智能管理方法要对动力装置进行状态监测以获取状态监测数据。
可选的,参考图2,图2是本发明实施例一提供的一种对动力装置进行状态监测以获取状态监测数据流程图,包括:
S11、通过智能传感器的加装与研制对动力装置的静态数据及动态数据进行采集。
具体的,状态监测数据包括动力装置的静态数据以及动态数据,其中,静态数据包括动力装置的历史故障数据和动力装置自身的一些参数,例如动力装置的型号、转速和功率;动态数据是指动力装置在运行过程中随时间变化的参数,例如温度、液压、流量和振动信号。
S12、通过各个网关设备以及对应的通讯协议进行静态数据和动态数据的传输并将传输的静态数据和动态数据存储到数据库中。
具体的,将检测到的静态数据和动态数据通过各个网关设备以及对应的通讯协议进行传输,并将静态数据和动态数据进行存储,其中,存储到的数据库可以为公有云数据库和或私有云数据库。
S13、通过对静态数据和动态数据的状态的清洗、整合以及模型搭建对不同状态的监测数据进行可视化展示;其中,状态监测数据包括数据状态进行过清洗、整合以及模型搭建的静态数据和动态数据。
具体的,静态数据和动态数据的清洗是指对监测到的静态数据和动态数据进行降噪处理,除去其它因素对每一种具体类型数据的影响,得到数据的真实有效值。静态数据和动态数据的整合是指对监测到的静态数据和动态数据加以综合建设整合,便于虚拟化的集中管理。静态数据和动态数据的模型搭建是指对监测到的静态数据和动态数据构成数据特征的抽象模型,是数据库管理的教学形式框架,用来描述数据本身的特点,并描述数据之间的联系。
S20、根据状态监测数据对动力装置进行分析评估以获取分析评估数据。
具体的,基于对动力装置的状态监测获取的状态监测数据,对状态监测数据进行分析评估,对不同的状态监测数据分析评估获得不同类型的分析评估数据。
可选的,参考图3,图3是本发明实施例一提供的一种对动力装置进行分析评估以获取分析评估数据流程图,包括:
S21、通过对动力装置耗能设备的工况数据进行分析与评估获取所述动力装置的能效分析评估数据。
具体的,根据降噪处理后的静态数据和动态数据进行分析和评估,获知动力装置在运行过程中能源消耗的实际情况,进而获取到能效分析评估数据。
S22、通过人工智能与大数据分析技术,建立动力装置的模型框架,确定动力装置的各个机械系统的故障位置,通过对静态数据中的历史故障数据的训练测试提取每个故障位置对应的异常数据,异常数据包括特征信息,通过对各个故障类型进行特征学习和选择,确定故障位置的异常数据对应的故障类型并获取故障诊断分析评估数据。
具体的,通过人工智能与大数据分析技术,在虚拟空间中构建精确模拟动力装置模型框架,对动力装置复杂系统的数据进行挖掘,确定动力装置的各个机械系统的故障位置并提取相应异常数据,再通过对动力装置的历史故障数据包含的特征信息的学习与选择,确定现在异常数据的故障类型,进而获得故障诊断分析评估数据。其中,人工智能与大数据分析技术包括机器学习算法、深度学习和数据挖掘。
S23、通过对动力装置排放物的监控数据进行分析确定所述动力装置污染物的排放类型、排放速率以及排放浓度信息并获取排放分析评估数据;其中,分析评估数据包括能效分析评估数据、故障诊断分析评估数据以及排放分析评估数据。
具体的,对动力装置排放物的监控数据进行分析,可以确定动力装置污染物的具体排放类型、排放速率的大小以及排放的浓度是否超标,进而确定动力装置是否可以以当前状态进行运行,不对坏境造成污染。
S30、根据分析评估数据获取决策建议数据。
具体的,基于对动力装置监测数据分析评估获得的不同类型的分析评估数据,有针对性的给出决策建议数据。
可选的,参考图4,图4是本发明实施例一提供的一种根据分析评估数据获取决策建议数据流程图,包括:
S31、通过实时监测动态数据对动力装置模型框架进行定期更新。
具体的,动力装置在运行过程中,动态参数随着时间发生变化,起初建立的动力装置模型框架与运行一段时间后的动力装置存在一定的差异,需要实时监测动态数据对动力装置模型框架进行定期更新,实现对动力装置模型框架的准确判断。
S32、通过对能效分析评估数据的分析进行动力装置的能耗异常报警,通过对故障诊断分析评估数据的分析进行动力装置的故障报警,通过对排放分析评估数据的分析进行动力装置的污染超标报警。
具体的,若分析评估数据超出正常范围内,动力装置通过报警形式进行提醒;例如能效分析评估数据异常则动力装置发出能耗异常报警,故障诊断分析评估数据异常则动力装置发出故障报警,排放分析评估数据异常则动力装置发出污染超标报警;报警方式可以为文字形式、声音形式和或指示灯形式。
S33、通过对能效分析评估数据、故障诊断分析评估数据以及排放分析评估数据的分析进行模型分析结果的读取和决策报告建议的输出;其中,决策建议数据包括报警数据、模型分析结果数据和决策报告建议数据。
具体的,可以将能效分析评估数据、故障诊断分析评估数据以及排放分析评估数据的分析结果进行读取,并根据分析结果输出相应的决策报告建议数据。决策报告数据包括对能效的决策报告数据、对故障的决策报告数据以及污染物排放的决策报告数据。
S40、根据分析评估数据获取预测维护数据。
具体的,基于对动力装置监测数据分析评估获得的不同类型的分析评估数据,有针对性的给出预测维护数据。
可选的,根据分析评估数据获取预测维护数据包括:
通过对分析评估数据的转换计算对动力装置的运转状况、效率以及热量分布情况进行监视和趋势预测以获取动力装置对应的备件管理维护数据、视情维护数据、寿命预测数据以及故障预测数据;其中,预测维护数据包括备件管理维护数据、视情维护数据、寿命预测数据以及故障预测数据。
具体的,通过运转状况驱动的预防性维护程序对分析评估数据的转换计算得到动力装置的运转状况、效率以及热量分布情况数据,对这些数据进行监视和趋势的预测,以获取动力装置对应的备件管理维护数据、视情维护数据、寿命预测数据以及故障预测数据,通过备件管理数据及时对需要更换的零件进行更换,通过视情维护数据对动力装置的现有状况进行维护,通过寿命预测数据对动力装置还能使用的时间进行预估,通过故障预测数据对动力装置可能发生的故障进行预测。
S50、根据状态检测数据、分析评估数据、决策建议数据以及预测维护数据建立与动力装置具有映射关系的管理数字空间。
具体的,状态检测数据、分析评估数据、决策建议数据以及预测维护数据建立形成动力装置的管理数字空间,在物理空间和管理数字空间之间形成反馈映射机制,将现实与虚拟的动力装置融合,进而实现对动力装置的实时监测、评估、预测以及维护。
可选的,根据状态检测数据、分析评估数据、决策建议数据以及预测维护数据建立与动力装置具有映射关系的管理数字空间包括:
运用赛博空间理论并根据状态检测数据、分析评估数据、决策建议数据以及预测维护数据建立与动力装置具有映射关系的管理数字空间。
具体的,将对动力装置测得的状态检测数据、分析评估数据、决策建议数据以及预测维护数据建立与动力装置具有映射关系的管理数字空间,通过对动力装置的实时监测,使得管理数字空间中变化的数据实时更新迭代,做到信息的准确交换,进而实现对动力装置的实时评估与维护预测。
本发明实施例提供的一种动力装置的智能管理方法包括,对动力装置进行状态监测以获取状态监测数据;根据状态监测数据对动力装置进行分析评估以获取分析评估数据;根据分析评估数据获取决策建议数据;根据分析评估数据获取预测维护数据;根据状态检测数据、所述分析评估数据、所述决策建议数据以及所述预测维护数据建立与所述动力装置具有映射关系的管理数字空间。通过对管理数字空间对动力装置的运行状态进行实时监测,实现对动力装置现场运行情况做出正确的诊断与预测并及时反馈应对措施。
实施例二
本发明实施例提供了一种动力装置的智能管理装置,参考图5,图5是本发明实施例二提供的一种动力装置的智能管理装置结构图,包括:
监测模块10,监测模块10用于对动力装置进行状态监测以获取状态监测数据;
具体的,监测模块10主要功能为对动力装置的主推进发动机、辅助发动机等运行状态进行监测,并或取保存相应的状态监测数据。
分析评估模块20,分析评估模块20用于根据状态监测数据对动力装置进行分析评估以获取分析评估数据;
具体的,分析评估模块20主要功能为对动力装置的运行状态和健康状况进行分析和评估,通过对监测模块10获得的状态监测数据进行计算分析和评估,获取分析评估数据。
决策建议模块30,决策建议模30块用于根据分析评估数据获取决策建议数据;
具体的,决策建议模块30主要功能为根据分析评估模块20获得的分析评估数据,提出纠正建议,为动力装置的操作提供决策建议。
预测维护模块40,预测维护模块40用于根据分析评估数据获取预测维护数据;
具体的,预测维护模块40主要功能为根据分析评估模块30获得的分析评估数据,预测动力装置未来的发展状况以及制定相应的维护计划。
映射模块50,映射模块50用于根据状态检测数据、分析评估数据、决策建议数据以及预测维护数据建立与动力装置具有映射关系的管理数字空间。
具体的,映射模块50用于根据状态检测数据、分析评估数据、决策建议数据以及预测维护数据建立与动力装置具有映射关系的管理数字空间,实现了物理机(动力装置)和虚拟机(管理数字空间)相融合,使得物理空间的动力装置运行状态可以实时映射到管理数字空间中,实现对动力装置更加智能化的运行和管理。
可选的,参考图6,图6是本发明实施例二提供的另一种动力装置的智能管理装置结构图,监测模块10包括:
智能感知子模块11,智能感知子模块11用于对动力装置的静态数据和动态数据进行采集;
具体的,智能感知子模块11通过智能传感器的加装与研制,全方位对动力装置的静态及动态数据进行采集。
数据储存子模块12,数据储存子模12块用于通过各个网关设备以及对应的通讯协议进行静态数据和动态数据的传输并将传输的静态数据和动态数据存储到数据库中;
具体的,通信协议具有层次性、可靠性和有效性,保证动力装置的静态数据和动态数据的准确实时传输。
数据展示子模块13,数据展示子模块13用于通过对静态数据和动态数据的状态的清洗、整合以及模型搭建对不同状态的监测数据进行可视化展示;其中,状态监测数据包括数据状态进行过清洗、整合以及模型搭建的静态数据和动态数据。
具体的,可视化展示可以利用图形、计算机视觉以及用户界面,通过建模对数据加以可视化解释。
可选的,参考图7,图7是本发明实施例二提供的另一种动力装置的智能管理装置结构图,分析评估模块20包括:
能效管理子模块21,能效管理子模块21用于通过对动力装置耗能设备的工况数据进行分析与评估获取动力装置的能效分析评估数据;
具体的,大功率动力装置是为整个船舶正常运转提供动力的关键机械设备,动力装置可以为柴油机,柴油机是燃烧柴油来获取能量释放的发动机,则能耗主要是柴油机燃烧的柴油。
故障诊断子模块22,故障诊断子模块22用于通过人工智能与大数据分析技术,建立动力装置的模型框架,确定动力装置的各个机械系统的故障位置,通过对静态数据中的历史故障数据的训练测试提取每个所述故障位置对应的异常数据,异常数据包括特征信息,通过对各个故障类型进行特征学习和选择,确定所述故障位置的异常数据对应的故障类型并获取故障诊断分析评估数据;
具体的,故障诊断子模块22基于人工智能与大数据分析技术,建立动力装置的模型框架,实现数据的映射,通过机器学习、神经网络等算法确定该装置各个机械系统的故障位置;通过对历史故障数据的分析提取出每种故障对应的异常数据,从异常数据中归纳出其对应故障的特征信息,对各个故障类型进行特征学习和选择,进而确定现在监测到的异常数据的故障类型,输出诊断结果,从而实现动力装置的故障分类与诊断正确率的提升。
污染物排放子模块23,污染物排放子模块23用于通过对动力装置排放物的监控数据进行分析确定动力装置污染物的排放类型、排放速率以及排放浓度信息并获取排放分析评估数据;其中,分析评估数据包括能效分析评估数据、故障诊断分析评估数据以及排放分析评估数据。
可选的,参考图8,图8是本发明实施例二提供的另一种动力装置的智能管理装置结构图,决策建议模块30包括:
模型优化子模块31,模型优化子模块用于通过实时监测动态数据对动力装置模型框架进行定期更新;
具体的,动力装置在运行过程中,动态参数随着时间发生变化,起初建立的动力装置模型框架与运行一段时间后的动力装置存在一定的差异,需要实时监测动态数据对动力装置模型框架进行定期更新,通过模型优化子模块31实现对动力装置模型框架进行定期更新,进而实现对动力装置模型框架的准确判断。
故障算法子模块32,故障算法子模块32用于通过对能效分析评估数据的分析进行动力装置的能耗异常报警,通过对故障诊断分析评估数据的分析进行动力装置的故障报警,通过对排放分析评估数据的分析进行动力装置的污染超标报警;
具体的,故障算法子模块32对分析评估模块20获得的分析评估数据进行监视,对不属于正常范围内的分析评估数据进行报警,示例性地,若能效分析评估数据异常,动力装置进行能耗异常报警,若故障诊断分析评估数据异常,动力装置进行故障报警,若排放分析评估数据异常,动力装置进行污染超标报警。
智能决策算法子模块33,智能决策算法子模块33用于通过对能效分析评估数据、故障诊断分析评估数据以及排放分析评估数据的分析进行模型分析结果的读取和决策报告建议的输出;其中,决策建议数据包括报警数据、模型分析结果数据和决策报告建议数据。
本发明实施例提供了一种动力装置的智能管理装置,包括:
监测模块,监测模块用于对动力装置进行状态监测以获取状态监测数据;分析评估模块,分析评估模块用于根据所述状态监测数据对动力装置进行分析评估以获取分析评估数据;决策建议模块,决策建议模块用于根据分析评估数据获取决策建议数据;预测维护模块,预测维护模块用于根据分析评估数据获取预测维护数据;映射模块,映射模块用于根据状态检测数据、分析评估数据、决策建议数据以及预测维护数据建立与动力装置具有映射关系的管理数字空间。通过上述模块相互协同,形成闭环,从而实现大功率动力装置各个系统部件的智能化管理。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (10)
1.一种动力装置的智能管理方法,其特征在于,包括:
对动力装置进行状态监测以获取状态监测数据;
根据所述状态监测数据对动力装置进行分析评估以获取分析评估数据;
根据所述分析评估数据获取决策建议数据;
根据所述分析评估数据获取预测维护数据;
根据所述状态检测数据、所述分析评估数据、所述决策建议数据以及所述预测维护数据建立与所述动力装置具有映射关系的管理数字空间。
2.根据权利要求1所述的动力装置的智能管理方法,其特征在于,所述对动力装置进行状态监测以获取状态监测数据包括:
通过智能传感器的加装与研制对所述动力装置的静态数据及动态数据进行采集;
通过各个网关设备以及对应的通讯协议进行所述静态数据和所述动态数据的传输并将传输的所述静态数据和所述动态数据存储到数据库中;
通过对所述静态数据和所述动态数据的状态的清洗、整合以及模型搭建对不同状态的监测数据进行可视化展示;其中,所述状态监测数据包括数据状态进行过清洗、整合以及模型搭建的所述静态数据和所述动态数据。
3.根据权利要求2所述的动力装置的智能管理方法,其特征在于,所述根据所述状态监测数据对动力装置进行分析评估以获取分析评估数据包括:
通过对所述动力装置耗能设备的工况数据进行分析与评估获取所述动力装置的能效分析评估数据;
通过人工智能与大数据分析技术,建立所述动力装置的模型框架,确定所述动力装置的各个机械系统的故障位置,通过对所述静态数据中的历史故障数据的训练测试提取每个所述故障位置对应的异常数据,所述异常数据包括特征信息,通过对各个故障类型进行特征学习和选择,确定所述故障位置的异常数据对应的故障类型并获取故障诊断分析评估数据;
通过对所述动力装置排放物的监控数据进行分析确定所述动力装置污染物的排放类型、排放速率以及排放浓度信息并获取排放分析评估数据;其中,所述分析评估数据包括所述能效分析评估数据、所述故障诊断分析评估数据以及所述排放分析评估数据。
4.根据权利要求3所述的动力装置的智能管理方法,其特征在于,所述根据所述分析评估数据获取决策建议数据包括:
通过实时监测所述动态数据对所述动力装置模型框架进行定期更新;
通过对所述能效分析评估数据的分析进行所述动力装置的能耗异常报警,通过对所述故障诊断分析评估数据的分析进行所述动力装置的故障报警,通过对所述排放分析评估数据的分析进行动力装置的污染超标报警;
通过对所述能效分析评估数据、所述故障诊断分析评估数据以及所述排放分析评估数据的分析进行模型分析结果的读取和决策报告建议的输出;其中,所述决策建议数据包括报警数据、模型分析结果数据和决策报告建议数据。
5.根据权利要求1所述的动力装置的智能管理方法,其特征在于,所述根据所述分析评估数据获取预测维护数据包括:
通过对所述分析评估数据的转换计算对所述动力装置的运转状况、效率以及热量分布情况进行监视和趋势预测以获取所述动力装置对应的备件管理维护数据、视情维护数据、寿命预测数据以及故障预测数据;其中,所述预测维护数据包括所述备件管理维护数据、所述视情维护数据、所述寿命预测数据以及所述故障预测数据。
6.根据权利要求1所述的动力装置的智能管理方法,其特征在于,所述根据所述状态检测数据、所述分析评估数据、所述决策建议数据以及所述预测维护数据建立与所述动力装置具有映射关系的管理数字空间包括:
运用赛博空间理论并根据所述状态检测数据、所述分析评估数据、所述决策建议数据以及所述预测维护数据建立与所述动力装置具有映射关系的管理数字空间。
7.一种动力装置的智能管理装置,其特征在于,包括:
监测模块,所述监测模块用于对动力装置进行状态监测以获取状态监测数据;
分析评估模块,所述分析评估模块用于根据所述状态监测数据对动力装置进行分析评估以获取分析评估数据;
决策建议模块,所述决策建议模块用于根据所述分析评估数据获取决策建议数据;
预测维护模块,所述预测维护模块用于根据所述分析评估数据获取预测维护数据;
映射模块,所述映射模块用于根据所述状态检测数据、所述分析评估数据、所述决策建议数据以及所述预测维护数据建立与所述动力装置具有映射关系的管理数字空间。
8.根据权利要求7所述的一种动力装置的智能管理系统,其特征在于,所述监测模块包括:
智能感知子模块,所述智能感知子模块用于对所述动力装置的静态数据和动态数据进行采集;
数据储存子模块,所述数据储存子模块用于通过各个网关设备以及对应的通讯协议进行所述静态数据和所述动态数据的传输并将传输的所述静态数据和所述动态数据存储到数据库中;
数据展示子模块,所述数据展示子模块用于通过对所述静态数据和所述动态数据的状态的清洗、整合以及模型搭建对不同状态的监测数据进行可视化展示;其中,所述状态监测数据包括数据状态进行过清洗、整合以及模型搭建的所述静态数据和所述动态数据。
9.根据权利要求8所述的一种动力装置的智能管理系统,其特征在于,所述分析评估模块包括:
能效管理子模块,所述能效管理子模块用于通过对所述动力装置耗能设备的工况数据进行分析与评估获取所述动力装置的能效分析评估数据;
故障诊断子模块,所述故障诊断子模块用于通过人工智能与大数据分析技术,建立所述动力装置的模型框架,确定所述动力装置的各个机械系统的故障位置,通过对所述静态数据中的历史故障数据的训练测试提取每个所述故障位置对应的异常数据,所述异常数据包括特征信息,通过对各个故障类型进行特征学习和选择,确定所述故障位置的异常数据对应的故障类型并获取故障诊断分析评估数据;
污染物排放子模块,所述污染物排放子模块用于通过对所述动力装置排放物的监控数据进行分析确定所述动力装置污染物的排放类型、排放速率以及排放浓度信息并获取排放分析评估数据;其中,所述分析评估数据包括所述能效分析评估数据、所述故障诊断分析评估数据以及所述排放分析评估数据。
10.根据权利要求9所述的一种动力装置的智能管理系统,其特征在于,所述决策建议模块包括:
模型优化子模块,所述模型优化子模块用于通过实时监测所述动态数据对所述动力装置模型框架进行定期更新;
故障算法子模块,所述故障算法子模块用于通过对所述能效分析评估数据的分析进行所述动力装置的能耗异常报警,通过对所述故障诊断分析评估数据的分析进行所述动力装置的故障报警,通过对所述排放分析评估数据的分析进行动力装置的污染超标报警;
智能决策算法子模块,所述智能决策算法子模块用于通过对所述能效分析评估数据、所述故障诊断分析评估数据以及所述排放分析评估数据的分析进行模型分析结果的读取和决策报告建议的输出;其中,所述决策建议数据包括报警数据、模型分析结果数据和决策报告建议数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911054741.7A CN110765633A (zh) | 2019-10-31 | 2019-10-31 | 一种动力装置的智能管理方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911054741.7A CN110765633A (zh) | 2019-10-31 | 2019-10-31 | 一种动力装置的智能管理方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110765633A true CN110765633A (zh) | 2020-02-07 |
Family
ID=69335137
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911054741.7A Pending CN110765633A (zh) | 2019-10-31 | 2019-10-31 | 一种动力装置的智能管理方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110765633A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112325918A (zh) * | 2020-10-19 | 2021-02-05 | 中国电子科技集团公司第三十八研究所 | 一种标准仪器的状态预测处理系统 |
CN112668419A (zh) * | 2020-12-17 | 2021-04-16 | 太原理工大学 | 一种基于振动信号的发动机排放物预测方法 |
CN116147697A (zh) * | 2022-12-30 | 2023-05-23 | 中铝智能科技发展有限公司 | 一种氢氧化铝无人值守监测方法及系统 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103236019A (zh) * | 2013-04-08 | 2013-08-07 | 中国科学院广州能源研究所 | 一种典型用能系统节能诊断及改造策略自动生成方法和系统 |
CN107563576A (zh) * | 2017-10-14 | 2018-01-09 | 连云港杰瑞深软科技有限公司 | 一种船舶智能能效管理系统 |
CN108241343A (zh) * | 2016-12-24 | 2018-07-03 | 青岛海尔模具有限公司 | 一种智能工厂管理平台系统 |
CN108388950A (zh) * | 2018-01-29 | 2018-08-10 | 杭州安脉盛智能技术有限公司 | 基于大数据的变压器智能运维方法及系统 |
CN108629430A (zh) * | 2018-05-14 | 2018-10-09 | 西安交通大学 | 一种重大设备智能运维管理系统 |
CN109656204A (zh) * | 2018-12-10 | 2019-04-19 | 浙江浩普环保工程有限公司 | 一种燃煤电厂超低排放智能环保岛系统 |
CN109949436A (zh) * | 2019-03-06 | 2019-06-28 | 万洲电气股份有限公司 | 基于重点能耗设备模型诊断分析的工业智能优化节能系统 |
CN110187686A (zh) * | 2019-06-03 | 2019-08-30 | 济南浪潮高新科技投资发展有限公司 | 一种基于数字孪生技术的物联网工业生产过程监控方法 |
-
2019
- 2019-10-31 CN CN201911054741.7A patent/CN110765633A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103236019A (zh) * | 2013-04-08 | 2013-08-07 | 中国科学院广州能源研究所 | 一种典型用能系统节能诊断及改造策略自动生成方法和系统 |
CN108241343A (zh) * | 2016-12-24 | 2018-07-03 | 青岛海尔模具有限公司 | 一种智能工厂管理平台系统 |
CN107563576A (zh) * | 2017-10-14 | 2018-01-09 | 连云港杰瑞深软科技有限公司 | 一种船舶智能能效管理系统 |
CN108388950A (zh) * | 2018-01-29 | 2018-08-10 | 杭州安脉盛智能技术有限公司 | 基于大数据的变压器智能运维方法及系统 |
CN108629430A (zh) * | 2018-05-14 | 2018-10-09 | 西安交通大学 | 一种重大设备智能运维管理系统 |
CN109656204A (zh) * | 2018-12-10 | 2019-04-19 | 浙江浩普环保工程有限公司 | 一种燃煤电厂超低排放智能环保岛系统 |
CN109949436A (zh) * | 2019-03-06 | 2019-06-28 | 万洲电气股份有限公司 | 基于重点能耗设备模型诊断分析的工业智能优化节能系统 |
CN110187686A (zh) * | 2019-06-03 | 2019-08-30 | 济南浪潮高新科技投资发展有限公司 | 一种基于数字孪生技术的物联网工业生产过程监控方法 |
Non-Patent Citations (3)
Title |
---|
汪益兵;战翌婷;: "船舶智能诊断和运维系统及其设计" * |
王立书;: "航空制造现场监测与控制技术发展趋势展望" * |
高帆;王玉军;杨露霞;: "基于物联网和运行大数据的设备状态监测诊断" * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112325918A (zh) * | 2020-10-19 | 2021-02-05 | 中国电子科技集团公司第三十八研究所 | 一种标准仪器的状态预测处理系统 |
CN112668419A (zh) * | 2020-12-17 | 2021-04-16 | 太原理工大学 | 一种基于振动信号的发动机排放物预测方法 |
CN112668419B (zh) * | 2020-12-17 | 2022-05-24 | 太原理工大学 | 一种基于振动信号的发动机排放物预测方法 |
CN116147697A (zh) * | 2022-12-30 | 2023-05-23 | 中铝智能科技发展有限公司 | 一种氢氧化铝无人值守监测方法及系统 |
CN116147697B (zh) * | 2022-12-30 | 2023-12-15 | 中铝智能科技发展有限公司 | 一种氢氧化铝无人值守监测方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110647133B (zh) | 轨道交通设备状态检测维护方法及系统 | |
CN105809255B (zh) | 一种基于物联网的火电厂旋转机械健康管理方法及系统 | |
CN113093693B (zh) | 一种面向采煤机运行状态的在线故障诊断方法 | |
CN110765633A (zh) | 一种动力装置的智能管理方法和装置 | |
CN115657617A (zh) | 一种用于火电厂智慧监盘报警系统实现方法 | |
CN112926257A (zh) | 往复式天然气压缩机故障诊断系统以及诊断方法 | |
JP2009053938A (ja) | 複数モデルに基づく設備診断システム及びその設備診断方法 | |
CN115034578A (zh) | 一种基于数字孪生的水工金属结构设备智能管理构建方法及系统 | |
KR20190021560A (ko) | 빅데이터를 활용한 고장예지보전시스템 및 고장예지보전방법 | |
KR102427205B1 (ko) | 인공지능 모델을 위한 학습 데이터 생성 장치 및 방법 | |
KR101853480B1 (ko) | 해양플랜트 예지보전 시스템 | |
CN110268425A (zh) | 用于分析机器数据的系统 | |
CN111255674B (zh) | 一种用于检测旋转机械设备状态的系统及检测方法 | |
CN102541013A (zh) | 阳极保护设备远程监控、预警及故障诊断系统与方法 | |
CN116228186A (zh) | 基于人因工程的船舶机舱智能运维系统 | |
CN116670608A (zh) | 用于物联网预测建模的混合系综方法 | |
CN112580858A (zh) | 设备参数预测分析方法及系统 | |
CN113420465A (zh) | 一种基于数字孪生模型的液压支架全寿命周期管理方法 | |
CN117629549A (zh) | 一种桥梁建筑健康监测与安全预警系统 | |
CN110262460B (zh) | 一种结合聚类思想进行特征提取的砼活塞故障预测方法 | |
CN116756909A (zh) | 一种基于数据模型及机理模型的火电厂预警诊断系统 | |
CN115081647A (zh) | 基于贝叶斯网络模型的工业智能仪表故障预诊断方法 | |
US11101050B2 (en) | Systems and methods to evaluate and reduce outages in power plants | |
RU2668487C2 (ru) | Система информационной поддержки принятия управленческих решений для обслуживающего персонала судовой энергетической установки | |
CN116595657A (zh) | 一种发动机质量预测系统 |
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 |