CN110992204A - 基于大数据技术的应急柴油发电机组可靠性评价方法及系统 - Google Patents
基于大数据技术的应急柴油发电机组可靠性评价方法及系统 Download PDFInfo
- Publication number
- CN110992204A CN110992204A CN201911085503.2A CN201911085503A CN110992204A CN 110992204 A CN110992204 A CN 110992204A CN 201911085503 A CN201911085503 A CN 201911085503A CN 110992204 A CN110992204 A CN 110992204A
- Authority
- CN
- China
- Prior art keywords
- reliability
- data
- diesel generator
- emergency diesel
- generator set
- 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
- 238000011156 evaluation Methods 0.000 title claims abstract description 94
- 238000005516 engineering process Methods 0.000 title claims abstract description 19
- 238000012545 processing Methods 0.000 claims abstract description 42
- 238000000034 method Methods 0.000 claims abstract description 32
- 238000007405 data analysis Methods 0.000 claims abstract description 26
- 238000004458 analytical method Methods 0.000 claims description 10
- 238000011158 quantitative evaluation Methods 0.000 claims description 10
- 238000007418 data mining Methods 0.000 claims description 9
- 230000007547 defect Effects 0.000 claims description 8
- 239000000284 extract Substances 0.000 claims description 6
- 230000003993 interaction Effects 0.000 claims description 6
- 238000005065 mining Methods 0.000 claims description 6
- 230000000007 visual effect Effects 0.000 claims description 6
- 238000007621 cluster analysis Methods 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 5
- 238000007781 pre-processing Methods 0.000 claims description 4
- 238000011161 development Methods 0.000 claims description 3
- 238000007726 management method Methods 0.000 description 5
- 238000012544 monitoring process Methods 0.000 description 4
- 238000012423 maintenance Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000013523 data management Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000001960 triggered effect Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 1
- 239000000498 cooling water Substances 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000011058 failure modes and effects analysis Methods 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 239000010687 lubricating oil Substances 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003449 preventive effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Testing And Monitoring For Control Systems (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种基于大数据技术的应急柴油发电机组可靠性评价方法及系统，方法包括：应急柴油发电机组可靠性评价系统搭建应急柴油机发电机组故障模式与影响知识库，开发以应急柴油机发电机组启动失效和运行失效为顶事件的故障树模型；以所述知识库指导，通过连接的大数据分析平台进行数据采集以及处理得到可靠性数据；将所述可靠性数据输入所述故障树模型进行应急柴油发电机组启动可靠性评价和运行可靠性评价，本发明解决了由于缺少可靠性模型和可靠性数据而不能全面有效评估应急柴油机发电机组启动可靠性和运行可靠性的问题。
Description
技术领域
本发明涉及核电站应急柴油发电机组可靠性管理领域，尤其涉及一种基于大数据技术的应急柴油发电机组可靠性评价方法及系统。
背景技术
应急柴油发电机组的作用是在核电厂发生丧失厂外交流电源事故时，向厂内安全系统/设备提供应急交流动力电源，其可靠性对核电厂的安全极为重要。应急柴油发电机组是一个非常庞大的复杂系统，配套的子系统很多，包括启动系统、高低温冷却水系统、燃油系统、润滑油系统、进排气系统、控制系统、电气保护系统。应急柴油发电机组涉及到的设备种类也很多，包括柴油机、发电机、空压机、容器、过滤器、管阀、换热器、仪控设备、电气保护设备等；其中一些大设备的结构也非常复杂，如柴油机本体中的部件数量就多达18000多个，类型多达2000多项。如果能够对应急柴油发电机组可靠性进行有效地定量评估以发现薄弱环节，提前采取针对性预防措施可以显著提升其可靠性。但是，现有可靠性评价方法不能全面有效反映应急柴油机发电机组可靠性，一方面，现有可靠性评价中未能将反映应急柴油发电机组的运维信息量全部纳入可靠性数据管理中；另一方面，现有可靠性评价方法是利用统计数据离散评估，缺少完整针对应急柴油发电机组的可靠性模型。因此，现有的可靠性评价方法不能全面有效反映应急柴油机发电机组的启动可靠性和运行可靠性。
发明内容
本发明要解决的技术问题在于，针对在核电站中缺少应急柴油发电机组可靠性模型来指导可靠性定量评估的现状，同时未能将反映应急柴油发电机组的运维信息量全部纳入可靠性数据管理中的问题，提供一种基于大数据技术的应急柴油发电机组可靠性评价方法及系统。
本发明解决其技术问题所采用的技术方案是：构造一种基于大数据技术的应急柴油发电机组可靠性评价方法，所述方法包括：
预处理步骤：应急柴油发电机组可靠性评价系统搭建应急柴油机发电机组故障模式与影响知识库，开发以应急柴油机发电机组启动失效和运行失效为顶事件的故障树模型；
数据处理步骤：以所述知识库指导，通过连接的大数据分析平台进行数据采集以及处理得到可靠性数据；
可靠性评价步骤：将所述可靠性数据输入所述故障树模型进行应急柴油发电机组启动可靠性评价和运行可靠性评价。
在本发明所述的方法中，所述可靠性评价系统包括可靠性知识库层、可靠性模型层、可靠性指标层，所述预处理步骤具体包括：
可靠性知识库层利用故障模式与影响分析方法对应急柴油发电机组进行结构层次划分，然后对最低约定层次内设备逐一进行故障模式和各约定层次影响分析，建立完整的所述知识库供故障树开发使用；
可靠性模型层以应急柴油发电机组启动失效和运行失效为顶事件开发故障树模型，底事件到最低约定层次的设备级故障模式；
可靠性指标层提供应急柴油发电机组可靠性评价结果可视化展示。
在本发明所述的方法中，所述大数据分析平台包括数据采集层、数据加工层、数据服务层，所述可靠性知识库层与所述数据服务层进行数据交互，所述数据处理步骤具体包括：
数据采集层对核电站的多种应用系统进行数据的采集；
数据加工层对采集的数据进行结构化处理后提供给数据服务层进行数据挖掘，挖掘的结果存储于所述数据服务层的可靠性数据库，以便所述可靠性知识库层从中提取数据实现可靠性评价。
在本发明所述的方法中，所述的数据加工层对采集的数据进行结构化处理后提供给数据服务层进行数据挖掘，包括：
数据加工层以所述知识库作为先验样本数据对采集的数据进行聚类分析，数据服务层将数据关联至对应的最低约定层次的设备级故障模式，再对新关联的缺陷数据进行故障程度判断。
在本发明所述的方法中，所述可靠性评价步骤具体包括：
对应急柴油发电机组启动可靠性和运行可靠性进行定性评价，包括：求解出应急柴油发电机组启动失效故障树模型和运行失效故障树模型的最小割集清单，故障树顶事件可以由公式
表示，式中：T为故障树顶事件，全部最小割集为C1，C2，…，Cr，r为最小割集数，Xi为最小割集Cj中第i个底事件，∑为并集，Π为交集；
对应急柴油发电机组启动可靠性和运行可靠性进行定量评价，包括：在定性评价求解出的最小割集清单基础上把应急柴油发电机组启动失效故障树顶事件和运行失效故障树顶事件表示为最小割集中底事件积之和的最简布尔表达式，从大数据分析平台中的可靠性数据库中获取相应的底事件的失效概率，并由公式
计算顶事件发生的概率，式中：P(T)为故障树顶事件发生的概率，全部最小割集为C1，C2，…，Cr，r为最小割集数，Fi(t)为在时刻t最小割集Cj中第i个底事件的失效概率，∑为并集，Π为交集。
本发明另一方面还构造了一种基于大数据技术的应急柴油发电机组可靠性评价系统，所述系统包括可靠性评价系统和与其连接的大数据分析平台；
所述可靠性评价系统用于应急柴油发电机组可靠性评价系统搭建应急柴油机发电机组故障模式与影响知识库，开发以应急柴油机发电机组启动失效和运行失效为顶事件的故障树模型；
所述大数据分析平台用于以所述知识库指导，进行数据采集以及处理得到可靠性数据；
所述可靠性评价系统还用于将所述可靠性数据输入所述故障树模型进行应急柴油发电机组启动可靠性评价和运行可靠性评价。
在本发明所述的系统中，所述可靠性评价系统包括：
可靠性知识库层，利用故障模式与影响分析方法对应急柴油发电机组进行结构层次划分，然后对最低约定层次内设备逐一进行故障模式和各约定层次影响分析，建立完整的所述知识库供故障树开发使用；
可靠性模型层，以应急柴油发电机组启动失效和运行失效为顶事件开发故障树模型，底事件到最低约定层次的设备级故障模式；
可靠性指标层，提供应急柴油发电机组可靠性评价结果可视化展示。
在本发明所述的系统中，所述大数据分析平台包括数据采集层、数据加工层、数据服务层，所述可靠性知识库层与所述数据服务层进行数据交互，所述数据采集层用于对核电站的多种应用系统进行数据的采集，所述数据加工层用于对采集的数据进行结构化处理后提供给数据服务层进行数据挖掘，挖掘的结果存储于所述数据服务层的可靠性数据库，以便所述可靠性知识库层从中提取数据实现可靠性评价。
在本发明所述的系统中，所述可靠性指标层具体用于：
对应急柴油发电机组启动可靠性和运行可靠性进行定性评价，包括：求解出应急柴油发电机组启动失效故障树模型和运行失效故障树模型的最小割集清单，故障树顶事件可以由公式
表示，式中：T为故障树顶事件，全部最小割集为C1，C2，…，Cr，r为最小割集数，Xi为最小割集Cj中第i个底事件，∑为并集，Π为交集；
以及对应急柴油发电机组启动可靠性和运行可靠性进行定量评价，包括：在定性评价求解出的最小割集清单基础上把应急柴油发电机组启动失效故障树顶事件和运行失效故障树顶事件表示为最小割集中底事件积之和的最简布尔表达式，从大数据分析平台中的可靠性数据库中获取相应的底事件的失效概率，并由公式
计算顶事件发生的概率，式中：P(T)为故障树顶事件发生的概率，全部最小割集为C1，C2，…，Cr，r为最小割集数，Fi(t)为在时刻t最小割集Cj中第i个底事件的失效概率，∑为并集，Π为交集。
本发明另一方面还构造了一种基于大数据技术的应急柴油发电机组可靠性评价系统，包括处理器和存储器，所述存储器存储有计算机程序，所述计算机程序被处理器执行时实现如前任一项所述的方法的步骤。
本发明的基于大数据技术的应急柴油发电机组可靠性评价方法及系统，具有以下有益效果：本发明以应急柴油发电机组知识库和故障树模型为指导，构建应急柴油机发电机组一体化大数据分析与可靠性评价体系，并基于大数据分析获得可靠性数据进行应急柴油发电机组启动可靠性评价和运行可靠性评价，解决了由于缺少可靠性模型和可靠性数据而不能全面有效评估应急柴油机发电机组启动可靠性和运行可靠性的问题。
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，还可以根据提供的附图获得其他的附图：
图1是本发明基于大数据技术的应急柴油发电机组可靠性评价方法的流程图；
图2是本发明基于大数据技术的应急柴油发电机组可靠性评价系统的原理图。
具体实施方式
为了便于理解本发明，下面将参照相关附图对本发明进行更全面的描述。附图中给出了本发明的典型实施例。但是，本发明可以以许多不同的形式来实现，并不限于本文所描述的实施例。相反地，提供这些实施例的目的是使对本发明的公开内容更加透彻全面。应当理解本发明实施例以及实施例中的具体特征是对本申请技术方案的详细的说明，而不是对本申请技术方案的限定，在不冲突的情况下，本发明实施例以及实施例中的技术特征可以相互组合。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明。
参考图1，本发明实施例公开了一种基于大数据技术的应急柴油发电机组可靠性评价方法，所述方法包括：
预处理步骤S101：应急柴油发电机组可靠性评价系统搭建应急柴油机发电机组故障模式与影响知识库，开发以应急柴油机发电机组启动失效和运行失效为顶事件的故障树模型；
数据处理步骤S102：以所述知识库指导，通过连接的大数据分析平台进行数据采集以及处理得到可靠性数据；
可靠性评价步骤S103：将所述可靠性数据输入所述故障树模型进行应急柴油发电机组启动可靠性评价和运行可靠性评价。
具体的，所述可靠性评价系统包括可靠性知识库层、可靠性模型层、可靠性指标层，所述预处理步骤S101具体包括：
1)可靠性知识库层利用故障模式与影响分析方法(Failure Mode and EffectsAnalysis，简称FMEA)对应急柴油发电机组进行结构层次划分，具体来说划分为初始约定层次：机组级、约定层次：系统级、约定层次：模块级、最低约定层次：设备级；然后对最低约定层次内设备逐一进行故障模式和各约定层次影响分析，建立完整的所述知识库供故障树开发使用；
这里，按国家军用标准GJB/Z 1391-2006《故障模式、影响及危害度分析指南》，FMEA是一种系统化的可靠性定性分析方法，分析系统中每一个产品所有可能产生的故障模式及其对系统造成的所有可能影响的一种归纳分析方法。
2)可靠性模型层以应急柴油发电机组启动失效和运行失效为顶事件开发故障树模型，底事件到最低约定层次的设备级故障模式；
具体的，在可靠性模型层中，首先将所述知识库中初始约定层次中机组级故障模式划分为启动失效和运行失效两类，然后以启动失效和运行失效为顶事件按照故障树(Fault Tree Analysis，简称FTA)方法找出全部相关原因，完成应急柴油发电机组启动失效和运行失效故障树模型开发，其中故障树底事件到最低约定层次：设备级故障模式。
这里，按国家军用标准GJB/Z 768A-98《故障树分析指南》，FTA是一种图形演绎法，用图形清晰的表达系统故障事件的内在联系，构建单元故障与系统故障之间的逻辑关系。
3)可靠性指标层提供应急柴油发电机组可靠性评价结果可视化展示，如趋势、对比、矩阵等。
具体的，所述大数据分析平台包括数据采集层、数据加工层、数据服务层，所述可靠性知识库层与所述数据服务层进行数据交互，所述数据处理步骤S102具体包括：
1)数据采集层对数据源(核电站的SAP生产管理系统、在线监测数据、缺陷管理系统等多种应用系统)进行数据的采集；
所采集的数据以更新频率划分为：离线状态监测数据、在线状态监测数据，以类型划分为：台账数据、运行数据、缺陷数据、维修数据等。
大数据技术是指从各种类型的数据中快速获得有价值信息的技术，通常认为，大数据具备4个特点，即“4V”(数据规模(Volumes)巨大、数据种类(Variety)繁多、数据价值(Value)密度低和数据处理速度(Velocity)快)。
2)数据加工层对采集的数据进行结构化处理后提供给数据服务层进行数据挖掘，包括：数据加工层以所述知识库作为先验样本数据对采集的数据进行聚类分析，数据服务层将数据关联至对应的最低约定层次的设备级故障模式，再对新关联的缺陷数据进行故障程度判断。
首先，数据加工层针对采集的数据进行数据结构化分析，即以所述知识库作为先验样本数据对采集的数据进行聚类分析，然后，数据服务层将数据关联至对应的最低约定层次的设备级故障模式，根据所述知识库中设备故障模式判据，对新关联的缺陷数据进行故障程度自动判断；
3)挖掘的结果存储于所述数据服务层的可靠性数据库，以便所述可靠性知识库层从中提取数据实现可靠性评价。
具体来说，经过大数据挖掘后的数据存储至可靠性数据库，并触发数据库中对应可靠性数据自动更新，更新后数据自动输入可靠性评价系统中的故障树模型，触发更新应急柴油发电机组启动可靠性评价和运行可靠性评价的结果。
具体的，所述可靠性评价步骤S103具体包括以下两个方面：
1)对应急柴油发电机组启动可靠性和运行可靠性进行定性评价；
可靠性定性评价的目的在于寻找到导致故障树顶事件发生的原因和原因组合，即求解出应急柴油发电机组启动失效故障树模型和运行失效故障树模型的最小割集清单，具体可以选用成熟的上行法或下行求解故障树模型最小割集，故障树顶事件可以由如下公式表示：
式中：T为故障树顶事件，全部最小割集为C1，C2，…，Cr，r为最小割集数，Xi为最小割集Cj中第i个底事件，∑为并集，Π为交集；
2)对应急柴油发电机组启动可靠性和运行可靠性进行定量评价；
可靠性定量评价的目的在于寻找到导致故障树顶事件发生的概率，即在定性评价求解出的最小割集清单基础上把应急柴油发电机组启动失效故障树顶事件和运行失效故障树顶事件表示为最小割集中底事件积之和的最简布尔表达式，从大数据分析平台中的可靠性数据库中获取相应的底事件的失效概率，并由如下公式计算顶事件发生的概率：
式中：P(T)为故障树顶事件发生的概率，全部最小割集为C1，C2，…，Cr，r为最小割集数，Fi(t)为在时刻t最小割集Cj中第i个底事件的失效概率，∑为并集，Π为交集。
参考图2，基于同一发明构思，本发明实施例还公开了一种基于大数据技术的应急柴油发电机组可靠性评价系统，所述系统包括可靠性评价系统和与其连接的大数据分析平台。
所述可靠性评价系统用于应急柴油发电机组可靠性评价系统搭建应急柴油机发电机组故障模式与影响知识库，开发以应急柴油机发电机组启动失效和运行失效为顶事件的故障树模型；所述大数据分析平台用于以所述知识库指导，进行数据采集以及处理得到可靠性数据；所述可靠性评价系统还用于将所述可靠性数据输入所述故障树模型进行应急柴油发电机组启动可靠性评价和运行可靠性评价。
具体来说，所述可靠性评价系统包括：
可靠性知识库层，利用故障模式与影响分析方法对应急柴油发电机组进行结构层次划分，然后对最低约定层次内设备逐一进行故障模式和各约定层次影响分析，建立完整的所述知识库供故障树开发使用；
可靠性模型层，以应急柴油发电机组启动失效和运行失效为顶事件开发故障树模型，底事件到最低约定层次的设备级故障模式；
可靠性指标层，提供应急柴油发电机组可靠性评价结果可视化展示。
具体来说，所述大数据分析平台包括数据采集层、数据加工层、数据服务层。所述可靠性知识库层与所述数据服务层进行数据交互，所述数据采集层用于对数据源(核电站的SAP生产管理系统、在线监测数据、缺陷管理系统等多种应用系统)进行数据的采集；数据加工层对采集的数据进行结构化处理后提供给数据服务层进行数据挖掘，包括：数据加工层以所述知识库作为先验样本数据对采集的数据进行聚类分析，数据服务层将数据关联至对应的最低约定层次的设备级故障模式，再对新关联的缺陷数据进行故障程度判断。挖掘的结果存储于所述数据服务层的可靠性数据库，以便所述可靠性知识库层从中提取数据实现可靠性评价。
具体来说，所述可靠性指标层具体用于：
1)对应急柴油发电机组启动可靠性和运行可靠性进行定性评价，包括：求解出应急柴油发电机组启动失效故障树模型和运行失效故障树模型的最小割集清单，故障树顶事件可以由公式
表示，式中：T为故障树顶事件，全部最小割集为C1，C2，…，Cr，r为最小割集数，Xi为最小割集Cj中第i个底事件，∑为并集，Π为交集；
2)对应急柴油发电机组启动可靠性和运行可靠性进行定量评价，包括：在定性评价求解出的最小割集清单基础上把应急柴油发电机组启动失效故障树顶事件和运行失效故障树顶事件表示为最小割集中底事件积之和的最简布尔表达式，从大数据分析平台中的可靠性数据库中获取相应的底事件的失效概率，并由公式
计算顶事件发生的概率，式中：P(T)为故障树顶事件发生的概率，全部最小割集为C1，C2，…，Cr，r为最小割集数，Fi(t)为在时刻t最小割集Cj中第i个底事件的失效概率，∑为并集，Π为交集。
更多相关内容可以参考上述的方法实施例，此处不再赘述。
基于同一发明构思，本发明实施例还提供了一种基于大数据技术的应急柴油发电机组可靠性评价系统，包括处理器和存储器，所述存储器存储有计算机程序，所述计算机程序被处理器执行时实现如前述方法实施例的步骤，具体实现过程可参阅上述方法实施例的描述，此处不再赘述。
综上所述，本发明的基于大数据技术的应急柴油发电机组可靠性评价方法及系统，具有以下有益效果：本发明以应急柴油发电机组知识库和故障树模型为指导，构建应急柴油机发电机组一体化大数据分析与可靠性评价体系，并基于大数据分析获得可靠性数据进行应急柴油发电机组启动可靠性评价和运行可靠性评价，解决了由于缺少可靠性模型和可靠性数据而不能全面有效评估应急柴油机发电机组启动可靠性和运行可靠性的问题。
上面结合附图对本发明的实施例进行了描述，但是本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和权利要求所保护的范围情况下，还可做出很多形式，这些均属于本发明的保护之内。
Claims (10)
1.一种基于大数据技术的应急柴油发电机组可靠性评价方法，其特征在于，所述方法包括：
预处理步骤：应急柴油发电机组可靠性评价系统搭建应急柴油机发电机组故障模式与影响知识库，开发以应急柴油机发电机组启动失效和运行失效为顶事件的故障树模型；
数据处理步骤：以所述知识库指导，通过连接的大数据分析平台进行数据采集以及处理得到可靠性数据；
可靠性评价步骤：将所述可靠性数据输入所述故障树模型进行应急柴油发电机组启动可靠性评价和运行可靠性评价。
2.根据权利要求1所述的方法，其特征在于，所述可靠性评价系统包括可靠性知识库层、可靠性模型层、可靠性指标层，所述预处理步骤具体包括：
可靠性知识库层利用故障模式与影响分析方法对应急柴油发电机组进行结构层次划分，然后对最低约定层次内设备逐一进行故障模式和各约定层次影响分析，建立完整的所述知识库供故障树开发使用；
可靠性模型层以应急柴油发电机组启动失效和运行失效为顶事件开发故障树模型，底事件到最低约定层次的设备级故障模式；
可靠性指标层提供应急柴油发电机组可靠性评价结果可视化展示。
3.根据权利要求2所述的方法，其特征在于，所述大数据分析平台包括数据采集层、数据加工层、数据服务层，所述可靠性知识库层与所述数据服务层进行数据交互，所述数据处理步骤具体包括：
数据采集层对核电站的多种应用系统进行数据的采集；
数据加工层对采集的数据进行结构化处理后提供给数据服务层进行数据挖掘，挖掘的结果存储于所述数据服务层的可靠性数据库，以便所述可靠性知识库层从中提取数据实现可靠性评价。
4.根据权利要求3所述的方法，其特征在于，所述的数据加工层对采集的数据进行结构化处理后提供给数据服务层进行数据挖掘，包括：
数据加工层以所述知识库作为先验样本数据对采集的数据进行聚类分析，数据服务层将数据关联至对应的最低约定层次的设备级故障模式，再对新关联的缺陷数据进行故障程度判断。
5.根据权利要求3所述的方法，其特征在于，所述可靠性评价步骤具体包括：
对应急柴油发电机组启动可靠性和运行可靠性进行定性评价，包括：求解出应急柴油发电机组启动失效故障树模型和运行失效故障树模型的最小割集清单，故障树顶事件可以由公式
表示，式中：T为故障树顶事件，全部最小割集为C1，C2，…，Cr，r为最小割集数，Xi为最小割集Cj中第i个底事件，∑为并集，Π为交集；
对应急柴油发电机组启动可靠性和运行可靠性进行定量评价，包括：在定性评价求解出的最小割集清单基础上把应急柴油发电机组启动失效故障树顶事件和运行失效故障树顶事件表示为最小割集中底事件积之和的最简布尔表达式，从大数据分析平台中的可靠性数据库中获取相应的底事件的失效概率，并由公式
计算顶事件发生的概率，式中：P(T)为故障树顶事件发生的概率，全部最小割集为C1，C2，…，Cr，r为最小割集数，Fi(t)为在时刻t最小割集Cj中第i个底事件的失效概率，∑为并集，Π为交集。
6.一种基于大数据技术的应急柴油发电机组可靠性评价系统，其特征在于，所述系统包括可靠性评价系统和与其连接的大数据分析平台；
所述可靠性评价系统用于应急柴油发电机组可靠性评价系统搭建应急柴油机发电机组故障模式与影响知识库，开发以应急柴油机发电机组启动失效和运行失效为顶事件的故障树模型；
所述大数据分析平台用于以所述知识库指导，进行数据采集以及处理得到可靠性数据；
所述可靠性评价系统还用于将所述可靠性数据输入所述故障树模型进行应急柴油发电机组启动可靠性评价和运行可靠性评价。
7.根据权利要求6所述的系统，其特征在于，所述可靠性评价系统包括：
可靠性知识库层，利用故障模式与影响分析方法对应急柴油发电机组进行结构层次划分，然后对最低约定层次内设备逐一进行故障模式和各约定层次影响分析，建立完整的所述知识库供故障树开发使用；
可靠性模型层，以应急柴油发电机组启动失效和运行失效为顶事件开发故障树模型，底事件到最低约定层次的设备级故障模式；
可靠性指标层，提供应急柴油发电机组可靠性评价结果可视化展示。
8.根据权利要求6所述的系统，其特征在于，所述大数据分析平台包括数据采集层、数据加工层、数据服务层，所述可靠性知识库层与所述数据服务层进行数据交互，所述数据采集层用于对核电站的多种应用系统进行数据的采集，所述数据加工层用于对采集的数据进行结构化处理后提供给数据服务层进行数据挖掘，挖掘的结果存储于所述数据服务层的可靠性数据库，以便所述可靠性知识库层从中提取数据实现可靠性评价。
9.根据权利要求6所述的系统，其特征在于，所述可靠性指标层具体用于：
对应急柴油发电机组启动可靠性和运行可靠性进行定性评价，包括：求解出应急柴油发电机组启动失效故障树模型和运行失效故障树模型的最小割集清单，故障树顶事件可以由公式
表示，式中：T为故障树顶事件，全部最小割集为C1，C2，…，Cr，r为最小割集数，Xi为最小割集Cj中第i个底事件，∑为并集，Π为交集；
以及对应急柴油发电机组启动可靠性和运行可靠性进行定量评价，包括：在定性评价求解出的最小割集清单基础上把应急柴油发电机组启动失效故障树顶事件和运行失效故障树顶事件表示为最小割集中底事件积之和的最简布尔表达式，从大数据分析平台中的可靠性数据库中获取相应的底事件的失效概率，并由公式
计算顶事件发生的概率，式中：P(T)为故障树顶事件发生的概率，全部最小割集为C1，C2，…，Cr，r为最小割集数，Fi(t)为在时刻t最小割集Cj中第i个底事件的失效概率，∑为并集，Π为交集。
10.一种基于大数据技术的应急柴油发电机组可靠性评价系统，其特征在于，包括处理器和存储器，所述存储器存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1-5任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911085503.2A CN110992204A (zh) | 2019-11-08 | 2019-11-08 | 基于大数据技术的应急柴油发电机组可靠性评价方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911085503.2A CN110992204A (zh) | 2019-11-08 | 2019-11-08 | 基于大数据技术的应急柴油发电机组可靠性评价方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110992204A true CN110992204A (zh) | 2020-04-10 |
Family
ID=70083527
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911085503.2A Pending CN110992204A (zh) | 2019-11-08 | 2019-11-08 | 基于大数据技术的应急柴油发电机组可靠性评价方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110992204A (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111596641A (zh) * | 2020-04-16 | 2020-08-28 | 岭东核电有限公司 | 核电站应急柴油机故障分析方法、装置、存储介质及设备 |
| CN112283002A (zh) * | 2020-10-30 | 2021-01-29 | 江苏核电有限公司 | 一种应急柴油发电机组启动性能的评估方法 |
| CN112380641A (zh) * | 2020-10-26 | 2021-02-19 | 苏州热工研究院有限公司 | 一种应急柴油机健康状态评价方法及计算机终端 |
| CN113776831A (zh) * | 2021-08-31 | 2021-12-10 | 广东核电合营有限公司 | 汽轮机轴承的监测技术有效性评价方法及计算机终端 |
| CN114781286A (zh) * | 2022-05-23 | 2022-07-22 | 陕西柴油机重工有限公司 | 一种船用柴油机滑油系统低压故障分析方法 |
| CN115544816A (zh) * | 2022-12-01 | 2022-12-30 | 北京理工大学 | 一种基于4f集成技术的柴油机可靠性分析方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105023109A (zh) * | 2015-07-30 | 2015-11-04 | 苏州热工研究院有限公司 | 一种核电站系统或设备可靠性评估方法和系统 |
| CN106056273A (zh) * | 2016-05-19 | 2016-10-26 | 哈尔滨工程大学 | 一种基于故障树的冗余电动泵本体失效可靠性监测方法 |
| CN108388740A (zh) * | 2018-03-01 | 2018-08-10 | 哈尔滨工程大学 | 一种基于故障树分析旁联冗余系统可靠性的方法 |
-
2019
- 2019-11-08 CN CN201911085503.2A patent/CN110992204A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105023109A (zh) * | 2015-07-30 | 2015-11-04 | 苏州热工研究院有限公司 | 一种核电站系统或设备可靠性评估方法和系统 |
| CN106056273A (zh) * | 2016-05-19 | 2016-10-26 | 哈尔滨工程大学 | 一种基于故障树的冗余电动泵本体失效可靠性监测方法 |
| CN108388740A (zh) * | 2018-03-01 | 2018-08-10 | 哈尔滨工程大学 | 一种基于故障树分析旁联冗余系统可靠性的方法 |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111596641A (zh) * | 2020-04-16 | 2020-08-28 | 岭东核电有限公司 | 核电站应急柴油机故障分析方法、装置、存储介质及设备 |
| CN112380641A (zh) * | 2020-10-26 | 2021-02-19 | 苏州热工研究院有限公司 | 一种应急柴油机健康状态评价方法及计算机终端 |
| CN112380641B (zh) * | 2020-10-26 | 2023-05-05 | 苏州热工研究院有限公司 | 一种应急柴油机健康状态评价方法及计算机终端 |
| CN112283002A (zh) * | 2020-10-30 | 2021-01-29 | 江苏核电有限公司 | 一种应急柴油发电机组启动性能的评估方法 |
| CN113776831A (zh) * | 2021-08-31 | 2021-12-10 | 广东核电合营有限公司 | 汽轮机轴承的监测技术有效性评价方法及计算机终端 |
| CN113776831B (zh) * | 2021-08-31 | 2024-04-05 | 广东核电合营有限公司 | 汽轮机轴承的监测技术有效性评价方法及计算机终端 |
| CN114781286A (zh) * | 2022-05-23 | 2022-07-22 | 陕西柴油机重工有限公司 | 一种船用柴油机滑油系统低压故障分析方法 |
| CN114781286B (zh) * | 2022-05-23 | 2024-08-27 | 陕西柴油机重工有限公司 | 一种船用柴油机滑油系统低压故障分析方法 |
| CN115544816A (zh) * | 2022-12-01 | 2022-12-30 | 北京理工大学 | 一种基于4f集成技术的柴油机可靠性分析方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110992204A (zh) | 基于大数据技术的应急柴油发电机组可靠性评价方法及系统 | |
| Wu et al. | Literature review and prospect of the development and application of FMEA in manufacturing industry | |
| CN111553590B (zh) | 一种雷达嵌入式健康管理系统 | |
| Hu et al. | Prognostics and health management: A review from the perspectives of design, development and decision | |
| CN108320040B (zh) | 基于贝叶斯网络优化算法的采集终端故障预测方法及系统 | |
| Zhi-Ling et al. | Expert system of fault diagnosis for gear box in wind turbine | |
| CN105955243B (zh) | 一种基于故障案例的飞机诊断维修方法及其装置 | |
| US20210247246A1 (en) | Edge-cloud collaboration platform for intelligent coking monitoring of cracking furnace tubes and working method thereof | |
| EP3336636A1 (en) | Machine fault modelling | |
| CN116771576B (zh) | 水电机组故障综合诊断方法 | |
| CN107621368B (zh) | 一种基于教练机的发动机专家诊断系统 | |
| CN105007998A (zh) | 计算系统和方法 | |
| Deon et al. | Digital twin and machine learning for decision support in thermal power plant with combustion engines | |
| Chen et al. | Status of FMECA research and engineering application | |
| CN114519524A (zh) | 基于知识图谱的企业风险预警方法、装置及存储介质 | |
| CN112286088A (zh) | 一种动力设备故障预测模型在线应用的方法及应用系统 | |
| Zhao et al. | A visual analysis approach for understanding durability test data of automotive products | |
| CN114201328A (zh) | 基于人工智能的故障处理方法、装置、电子设备及介质 | |
| CN110275875B (zh) | 用于为工业基础设施提供经实例化的工业语义模型的方法和装置 | |
| Guo et al. | Research on the intelligent fault diagnosis of medical devices based on a dematel-fuzzy concept lattice | |
| CN113515560A (zh) | 车辆故障的分析方法、装置、电子设备及存储介质 | |
| CN110909068B (zh) | 应急柴油发电机组大数据采集处理方法、系统及存储介质 | |
| CN117313845A (zh) | 一种基于知识图谱的电网故障检测辅助方法和系统 | |
| Lin et al. | Design and implementation of a CPS‐based predictive maintenance and automated management platform | |
| Makarova et al. | Selection of the method to predict vehicle operation reliability |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200410 |