CN111126686A - 一种用于节能器中结垢维护的预测方法及装置 - Google Patents
一种用于节能器中结垢维护的预测方法及装置 Download PDFInfo
- Publication number
- CN111126686A CN111126686A CN201911306180.5A CN201911306180A CN111126686A CN 111126686 A CN111126686 A CN 111126686A CN 201911306180 A CN201911306180 A CN 201911306180A CN 111126686 A CN111126686 A CN 111126686A
- Authority
- CN
- China
- Prior art keywords
- energy saver
- scaling
- temperature difference
- economizer
- difference value
- 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
- 238000012423 maintenance Methods 0.000 title claims abstract description 82
- 238000000034 method Methods 0.000 title claims abstract description 63
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 103
- 230000006870 function Effects 0.000 claims description 95
- 238000004590 computer program Methods 0.000 claims description 16
- 238000003860 storage Methods 0.000 claims description 14
- 238000012887 quadratic function Methods 0.000 claims description 6
- 238000004140 cleaning Methods 0.000 claims description 4
- 230000010354 integration Effects 0.000 claims description 4
- 238000004220 aggregation Methods 0.000 claims description 3
- 230000002776 aggregation Effects 0.000 claims description 3
- 238000001514 detection method Methods 0.000 abstract description 4
- 239000000463 material Substances 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 11
- 230000008569 process Effects 0.000 description 8
- 238000012545 processing Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 238000010521 absorption reaction Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000006116 polymerization reaction Methods 0.000 description 3
- LFQSCWFLJHTTHZ-UHFFFAOYSA-N Ethanol Chemical compound CCO LFQSCWFLJHTTHZ-UHFFFAOYSA-N 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000005336 cracking Methods 0.000 description 2
- 238000000354 decomposition reaction Methods 0.000 description 2
- 239000012530 fluid Substances 0.000 description 2
- 238000012417 linear regression Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000011109 contamination Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 239000012212 insulator Substances 0.000 description 1
- 230000002045 lasting effect Effects 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 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
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明适用于能源技术领域，提供了一种用于节能器中结垢维护的预测方法及装置，该方法包括：根据节能器的参数，获取节能器的结垢拟合函数，结垢拟合函数包括节能器的进出水口温差值与结垢时间的函数关系；根据节能器的历史数据和节能器的当前运行数据，获取节能器的进出水口温差值；根据结垢拟合函数、进出水口温差值和预设温差值，获取剩余维护时间。根据剩余维护时间对节能器除垢做提前规划，使结垢对节能器的影响降至最低，保持节能器正常热效率，减少节能器发生破裂的可能性；其次优化传统物理模型，减少了测量大量数据的工作量，提高预测准确性；最后通过快捷的方式能够实时监测结垢情况，减少停机检测频率，节约人力物力。
Description
技术领域
本发明属于能源技术领域，尤其涉及一种用于节能器中结垢维护的预测方法及装置。
背景技术
目前，在锅炉运行中，炉腔和节能器一直存在结垢的问题，结垢对于节能器的正常运行有着重要的影响。结垢最直接的影响是会影响节能器的热吸收，从而导致锅炉的热效率下降，持久的结垢会影响节能器的本体，使得节能器因受热不均而发生破裂，从而影响设备正常运行和正常的生产生活工作。因此，从节能经济和维护的角度来看，解决节能器结垢问题对于节能器的维护是非常必要的。
传统的预测性维护方法很多，而且在不断地发展之中，按照设备状态信号的物理特征可以做如下分类：振动、温度、声学、污染物、强度、光学、压力以及电参数等。
目前在进行节能器的预测性维护时，不仅要求的参数繁多，而且现场工作人员需要时刻测量溶液密度等繁琐工作，测量值的准确性不高，导致节能器的预测性维护效果不佳。
发明内容
有鉴于此，本发明实施例提供了一种用于节能器中结垢维护的预测方法、装置、终端设备及计算机可读存储介质，以解决现有节能器的预测性维护效果不佳的技术问题。
本发明实施例的第一方面，提供了一种用于节能器中结垢维护的预测方法，包括：
根据节能器的参数，获取所述节能器的结垢拟合函数，所述结垢拟合函数包括所述节能器的进出水口温差值与结垢时间(结垢厚度)的函数关系；
根据所述节能器的历史数据和所述节能器的当前运行数据，获取所述节能器的进出水口温差值；
根据所述结垢拟合函数、所述进出水口温差值以及预设温差值，获取剩余维护时间。
本发明实施例的第二方面，提供了一种用于节能器中结垢维护的预测装置，包括：
拟合函数获取模块，用于根据节能器的参数，获取所述节能器的结垢拟合函数，所述结垢拟合函数包括所述节能器的进出水口温差值与结垢时间(结垢厚度)的函数关系；
温差值获取模块，用于根据所述节能器的历史数据和所述节能器的当前运行数据，获取所述节能器的进出水口温差值；
维护时间获取模块，用于根据所述结垢拟合函数、所述进出水口温差值以及预设温差值，获取剩余维护时间。
本发明实施例的第三方面，提供了一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现所述用于节能器中结垢维护的预测方法的步骤。
本发明实施例的第四方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现所述用于节能器中结垢维护的预测方法的步骤。
本发明实施例提供的用于节能器中结垢维护的预测方法有益效果至少在于：本发明实施例首先通过根据节能器的参数，获取所述节能器的结垢拟合函数，所述结垢拟合函数包括所述节能器的进出水口温差值与结垢时间(结垢厚度)的函数关系；根据所述节能器的历史数据和所述节能器的当前运行数据，获取所述节能器的进出水口温差值；根据所述结垢拟合函数、所述进出水口温差值以及预设温差值，获取剩余维护时间。根据得到的剩余维护时间可对节能器除垢做提前规划，使结垢对节能器的影响降至最低，保持节能器的正常热效率，准确预测除垢时间减少节能器发生破裂的可能性；其次根据节能器的参数得到结垢拟合函数，是对传统物理模型的优化，减少了工作人员测量大量数据的工作量，并提高了预测的准确性；最后，工作人员通过简单快捷的方式实时检测结垢情况，减少了不必要的停机检测步骤，减少了过于频繁除垢带来的人力物力的浪费。
附图说明
为了更清楚地说明本发明实施例中的技术方案，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它的附图。
图1是本发明实施例提供的用于节能器中结垢维护的预测方法的实现流程示意图；
图2是本发明实施例提供的用于节能器中结垢维护的预测方法中获取所述节能器的结垢拟合函数的实现流程示意图一；
图3是本发明实施例提供的用于节能器中结垢维护的预测方法中获取所述节能器的结垢拟合函数的实现流程示意图二；
图4是本发明实施例提供的用于节能器中结垢维护的预测方法中获取所述节能器的进出水口温差值的实现流程示意图；
图5是本发明实施例提供的用于节能器中结垢维护的预测方法中获取剩余维护时间的实现流程示意图；
图6是本发明实施例提供的用于节能器中结垢维护的预测装置的示意图；
图7是本发明实施例提供的用于节能器中结垢维护的预测装置中拟合函数获取模块的示意图；
图8是本发明实施例提供的用于节能器中结垢维护的预测装置中温差值获取模块的示意图；
图9是本发明实施例提供的用于节能器中结垢维护的预测装置中剩余维护时间获取模块的示意图；
图10是本发明实施例提供的终端设备的示意图。
具体实施方式
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本发明实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本发明的描述。基于所描述的本发明的实施例，本领域普通技术人员所获得的所有其他实施例，都属于本发明保护的范围。若未特别指明，实施例中所用的技术手段为本领域技术人员所熟知的常规手段。
应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解，在此本申请说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本申请。如在本申请说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解，在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
如在本说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
为了说明本发明所述的技术方案，下面通过具体实施例来进行说明。
参阅图1，是本发明一实施例提供的用于节能器中结垢维护的预测方法的实现流程示意图，该方法可以包括：
步骤S10：根据节能器的参数，获取所述节能器的结垢拟合函数，所述结垢拟合函数包括所述节能器的进出水口温差值与结垢时间(结垢厚度)的函数关系。
为了获取所述节能器的结垢拟合函数，需要首先获取所述节能器的结垢模型。请参阅图2，是本发明一实施例提供的用于节能器中结垢维护的预测方法中获取所述节能器的结垢拟合函数的实现流程示意图一，在本实施例中，可以通过获取节能器的参数；根据所述节能器的参数和热流量模型，获取所述节能器的结垢模型；根据所述结构模型和所述节能器的历史数据，获取所述结垢拟合函数。获取所述结垢拟合函数的一种方式可以包括如下步骤：
步骤S101：获取节能器的参数。
节能器的吸热过程是从管外到管内的，其中t的方向是水流方向，d1、d2分别为节能器的内圆筒壁的内管半径和内圆筒壁的外管半径，tf1、tw1、tw2、tf2分别为管内流体中心位置、内管壁温度、外管壁温度和管外流体温度，α1、A1、α2、A2、λ、l分别为管内单位面积导热系数、管内面积、管外单位面积导热系数、管外面积、管壁导热系数和长度。
应当理解的是，该步骤节能器中的是水，但针对不同项目或者不同设备也可以为其他液体，如乙醇、水与其他物质的混合物等，此处不做限制。
在获取节能器的参数后，可进行以下步骤：
步骤S102：根据所述节能器的参数和热流量模型，获取所述节能器的结垢模型。
根据步骤S101获取的节能器的参数，传统物理热流量模型为：
如果节能器结垢，假设节能器的污垢均匀地附在圆筒壁内侧，并且污垢的导热系数为α0，结垢的厚度为d0，那么，热流量公式变为：
经过简化并用参数代替其中的物理量后，可知热传导热量满足以下的方程：
其中，A、B、C为模型待定参数。
在获取结垢模型后，可进行以下步骤：
步骤S103：根据所述结构模型和所述节能器的历史数据，获取所述结垢拟合函数。
进一步地，为了获取所述节能器的结垢拟合函数，需要首先获取预设时间段内所述节能器的原始历史数据。请参阅图3，是本发明一实施例提供的用于节能器中结垢维护的预测方法中获取所述节能器的结垢拟合函数的实现流程示意图二，在本实施例中，可以通过获取预设时间段内所述节能器的原始历史数据；对所述原始历史数据进行数据清洗和数据聚合，以获取历史数据；根据所述结垢模型，获取简化的初始结垢拟合函数；采用最小二乘法模型对所述初始结垢拟合函数和所述历史数据进行曲线拟合，以获取所述结垢拟合函数。获取所述结垢拟合函数的一种方式还可以包括如下步骤：
步骤S1031：获取预设时间段内所述节能器的原始历史数据。
数据选取：本实施例以2017年11月6日-2018年4月19日范围内安兴泛能站2号锅炉节能器水温温差的小时级历史数据作为原始历史数据。
应当理解的是，该步骤中的能源站不限于泛能站，可以是其他各种类型的能源站；设备也不限于锅炉节能器，也可以为其他设备；选取的时间段为随机选取，其他时间段也可，例如2018年1月1日-2018年7月31日时间段的原始历史数据；水温温差不限于小时级历史数据，也可以为秒级历史数据、分钟级历史数据等。此处不做限制。
在获取原始历史数据后，可进行以下步骤：
步骤S1032：对所述原始历史数据进行数据清洗和数据聚合，以获取历史数据。
数据清洗和处理：首先，去掉锅炉停机时的原始历史数据；其次，对小时级原始历史数据进行聚合操作，计算出每一天的水温温差平均值。
应当理解的是，根据不同目的或者计算方法等可以选择不去掉或者去掉其他原始历史数据，不限于锅炉停机时的历史数据；也可以对秒级原始历史数据进行聚合操作，计算出每一分钟的水温温差平均值；也可以对分钟级原始历史数据进行聚合操作，计算出每一小时的水温温差平均值。此处不做限制。
在获取历史数据后，可进行以下步骤：
步骤S1033：根据所述结垢模型，获取简化的初始结垢拟合函数。
泰勒公式是将一个在x＝x0处具有n阶导数的函数f(x)利用关于(x-x0)的n次多项式来逼近函数的方法。其应用于数学、物理领域，是一个用函数在某点的信息描述其附近取值的公式。如果函数足够平滑的话，在已知函数在某一点的各阶导数值的情况之下，泰勒公式可以用这些导数值做系数构建一个多项式来近似函数在这一点的邻域中的值。泰勒公式还给出了这个多项式和实际的函数值之间的偏差。
泰勒展开式公式在数学分析中有着广泛的用途，如极限计算、无穷小量阶的估计、构造不等式以及方程求解方面应用效果较好。
确定一组数据，寻求函数的一个近似表达式y＝f(x)，要求近似表达式能够反映数据的基本趋势而又不一定过全部的点(xi，yi)，这就是曲线拟合问题。函数的近似表达式y＝f(x)称为拟合曲线。
数据拟合：根据所述节能器的结垢模型，利用泰勒展式模型进行拟合操作。由于模型方程在结垢的厚度d0很小的时候比较接近多项式方程，经过分析用二次幂函数来拟合效果较好；二次函数拟合的图形更符合热绝缘体方程的导热曲线。
在获取简化的初始结垢拟合函数后，可进行以下步骤：
步骤S1034：采用最小二乘法模型对所述初始结垢拟合函数和所述历史数据进行曲线拟合，以获取所述结垢拟合函数。
最小二乘法(又称最小平方法)是一种数学优化技术。它通过最小化误差的平方和寻找数据的最佳函数匹配。利用最小二乘法可以简便地求得未知的数据，并使得这些求得的数据与实际数据之间误差的平方和为最小。最小二乘法还可用于曲线拟合。其他一些优化问题也可通过最小化能量或最大化熵用最小二乘法来表达。目前最好的曲线拟合算法就是最小二乘法。
将步骤S1033得到多项式方程，即初始结垢拟合函数结合所述历史数据用最小二乘曲线拟合，以获取所述结垢拟合函数。
节能器是否结垢最直观的反映是节能器进出口水温差的变化(而锅炉结垢的反应是锅炉的热转化效率)。通过将历史数据和节能器结垢拟合函数模型方程来拟合节能器结垢的进出口水温温差的变化曲线。
所述结垢拟合函数，即二次幂函数的表达式为：
y＝Dx2+Ex+F
其中，D、E和F分别为二次幂函数的参数，在本实施例中，二次幂函数的表达式可以为：
y＝-0.003827x2+0.1906x+27.85
当获得具体时间的进出口水温温差时，采用简单的数据处理后，将处理后的数据映射到水温温差变化曲线上并预测出结垢恶化的趋势。
结垢拟合函数反映的是节能器的进出水口温差值与结垢厚度的内在关系，同时结垢时间与结垢厚度是呈正比例关系的，上述陈述是对节能器的进出水口温差值与结垢厚度的内在关系、结垢时间与结垢厚度呈正比例关系的阐述和解释，所以结垢拟合函数最终反映的是节能器的进出水口温差值与结垢时间(结垢厚度)的函数关系。
应当理解的是，除采用最小二乘法模型对所述初始结垢拟合函数和所述历史数据进行曲线拟合外，还可以采用线性回归模型、分段线性回归模型、多项式回归模型、二次样条模型和三次样条模型等。此处不做限制。
请参阅图1，进一步地，在获取所述节能器的结垢拟合函数后，可以进行下述步骤：
步骤S20：根据所述节能器的历史数据和所述节能器的当前运行数据，获取所述节能器的进出水口温差值。
进一步地，为了获取所述节能器的进出水口温差值，需要对对所述温差预测值和所述节能器的当前运行数据进行加权求和或者求均值。请参阅图4，是本发明一实施例提供的用于节能器中结垢维护的预测方法中获取所述节能器的进出水口温差值的实现流程示意图，在本实施例中，根据差分整合移动平均自回归模型对所述历史数据进行拟合，获取所述节能器在选定时刻的温差预测值；对所述温差预测值和所述节能器的当前运行数据进行加权求和，以获得所述节能器的进出水口温差值。获取所述节能器的进出水口温差值的一种方式可以包括如下步骤：
步骤S201：根据差分整合移动平均自回归模型对所述历史数据进行拟合，获取所述节能器在选定时刻的温差预测值。
由于历史数据波动性较大，因此，可以认为当前运行数据观测值为节能器的进出水口温差值的一个扰动，可以用时间序列预测方法对节能器的进出水口温差值进行预测。
以2018年3月24日为例，用时间序列差分整合移动平均自回归(AutoregressiveIntegrated Moving Average model)模型对节能器当天的进出水口温差值进行预测，预测出该日温差预测值为32.873℃。
应当理解的是，此处时间序列模型不限于差分整合移动平均自回归模型，还可以为ETS模型和STL模型。ETS模型：既可以理解为Error,Trend and Seasonality又可以解作ExponenTial Smoothing模型。前者揭示了模型的三个组成部分，后者则描述了模型的工作原理。准确的说，ETS实际上是一整个系列的算法，可以基于这三个组成部分任意组合。而STL(Seasonal and Trend decomposition using Loess)模型：以鲁棒局部加权回归作为平滑方法的时间序列分解方法。此处不做限制。
在获取节能器在选定时刻的温差预测值后，可进行以下步骤：
步骤S202：对所述温差预测值和所述节能器的当前运行数据进行加权求和，以获得所述节能器的进出水口温差值。
用节能器2018年3月24日的温差预测值和当前运行数据观测值的均值(或加权)作为节能器的进出水口温差值。当前运行数据观测值为26.16℃，温差预测值为32.873℃，用其均值29.52℃作为节能器的进出水口温差值。
应当理解的是，利用均值或者加权方法皆可计算节能器的进出水口温差值。此处不做限制。
请参阅图1，进一步地，在获得了节能器的进出水口温差值后，可以进行下述步骤：
步骤S30：根据所述结垢拟合函数、所述进出水口温差值以及预设温差值，获取剩余维护时间。
进一步地，为了获取剩余维护时间，需要根据所述理论维护时间和所述当前时间的计算差值。请参阅图5，是本发明一实施例提供的用于节能器中结垢维护的预测方法中获取剩余维护时间的实现流程示意图，根据所述结垢拟合函数和所述预设温差值，确定所述节能器的理论维护时间；根据所述结垢拟合函数和所述进出水口温差值，确定所述节能器的当前时间；根据所述理论维护时间和所述当前时间的差值，获取所述剩余维护时间。获取剩余维护时间的一种方式可以包括如下步骤：
步骤S301：根据所述结垢拟合函数和所述预设温差值，确定所述节能器的理论维护时间。
根据所述结垢拟合函数方程，假设当前日期为x＝0，如果温差小于24℃时说明节能器的结垢已经很大程度上降低了热量的传递和吸收，则除垢日期为温差小于24℃的那天，也就是65天之后(不计停机时间)。节能器的理论维护时间为65天。
在获取节能器的理论维护时间后，可进行以下步骤：
步骤S302：根据所述结垢拟合函数和所述进出水口温差值，确定所述节能器的当前时间。
根据节能器的进出水口温差值可以计算在结垢拟合函数方程中横坐标的时间点。例如：将所述节能器的进出水口温差值29.52℃带入结垢拟合函数，得出当前在结垢拟合函数中的横坐标时间点，即当前时间为x＝38(另一值为x＝11)。主要注意的是，如果当前运行数据观测值对应多个横坐标时间点，即当前时间，为了保险起见可以选取日期靠后的一个，即节能器的当前时间为38天，不选11天。
在获取所述节能器的当前时间后，可进行以下步骤：
步骤S303：根据所述理论维护时间和所述当前时间的差值，获取所述剩余维护时间。
节能器的理论维护时间为65天，节能器的当前时间为38天，剩余除垢时间为65-38＝27天。因此对于2018年3月24日的节能器，还有27天就需要除垢。
应当理解的是，以上各英文字母和/或符号仅是为清楚说明设备或者节能器具体参数意义，也可用其他字母或者符号表示。此处不做限制。
应当理解的是，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
应当理解的是，本预测性维护方法使用范围较广，不限于节能器，还可应用于通过圆柱体实现热交换的锅炉的炉膛、冷凝器以及蒸发器等设备。此处不做限制。
本发明实施例提供的用于节能器中结垢维护的预测方法有益效果至少在于：本发明实施例首选通过根据节能器的参数，获取所述节能器的结垢拟合函数，所述结垢拟合函数包括所述节能器的进出水口温差值与结垢时间(结垢厚度)的函数关系；根据所述节能器的历史数据和所述节能器的当前运行数据，获取所述节能器的进出水口温差值；根据所述结垢拟合函数、所述进出水口温差值以及预设温差值，获取剩余维护时间。根据得到的剩余维护时间可对节能器除垢做提前规划，使结垢对节能器的影响降至最低，保持节能器的正常热效率，准确预测除垢时间减少节能器发生破裂的可能性；其次根据节能器的参数得到结垢拟合函数，是对传统物理模型的优化，减少了工作人员测量大量数据的工作量，并提高了预测的准确性；最后，工作人员通过简单快捷的方式实时检测结垢情况，减少了不必要的停机检测步骤，减少了过于频繁除垢带来的人力物力的浪费。
本发明实施例的目的还在于提供一种用于节能器中结垢维护的预测装置，图6为用于节能器中结垢维护的预测装置的示意图，为了便于说明，仅示出与本申请实施例相关的部分。
请参阅图6，用于节能器中结垢维护的预测装置包括拟合函数获取模块41、温差值获取模块42以及维护时间获取模块43。其中，拟合函数获取模块41用于根据节能器的参数，获取所述节能器的结垢拟合函数，所述结垢拟合函数包括所述节能器的进出水口温差值与结垢时间(结垢厚度)的函数关系；温差值获取模块42用于根据所述节能器的历史数据和所述节能器的当前运行数据，获取所述节能器的进出水口温差值；维护时间获取模块43用于根据所述结垢拟合函数、所述进出水口温差值以及预设温差值，获取剩余维护时间。
请参阅图7，进一步地，拟合函数获取模块41包括参数构建单元411、结垢模型构建单元412以及结垢拟合函数构建单元413。其中，参数构建单元411用于获取节能器的参数；结垢模型构建单元412用于根据所述节能器的参数和热流量模型，获取所述节能器的结垢模型；结垢拟合函数构建单元413用于根据所述结构模型和所述节能器的历史数据，获取所述结垢拟合函数。
请参阅图8，进一步地，温差值获取模块42包括温差预测值确定单元421和温差值确定单元422。其中，温差预测值确定单元421用于根据差分整合移动平均自回归模型对所述历史数据进行拟合，获取所述节能器在选定时刻的温差预测值；温差值确定单元422用于对所述温差预测值和所述节能器的当前运行数据进行加权求和，以获得所述节能器的进出水口温差值。
请参阅图9，进一步地，维护时间获取模块43包括理论维护时间确定单元431、当前时间确定单元432以及剩余维护时间确定单元433。其中，理论维护时间确定单元431用于根据所述结垢拟合函数和所述预设温差值，确定所述节能器的理论维护时间；当前时间确定单元432用于根据所述结垢拟合函数和所述进出水口温差值，确定所述节能器的当前时间；剩余维护时间确定单元433用于根据所述理论维护时间和所述当前时间的差值，获取所述剩余维护时间。
图10是本发明一实施例提供的终端设备的示意图。如图10所示，所述终端设备5，包括存储器51、处理器50以及存储在所述存储器51中并可在所述处理器50上运行的计算机程序52，所述处理器50执行所述计算机程序52时实现如所述用于节能器中结垢维护的预测方法的步骤。例如图1-图5所示的步骤S10至S30。
所述终端设备5可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述终端设备可包括，但不仅限于，处理器50、所述存储器51。本领域技术人员可以理解，图10仅仅是终端设备5的示例，并不构成对终端设备5的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述终端设备还可以包括输入输出设备、网络接入设备、总线等。
所称处理器50可以是中央处理单元(Central Processing Unit，CPU)，还可以是其它通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其它可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器51可以是所述终端设备5的内部存储单元，例如终端设备5的硬盘或内存。所述存储器51也可以是终端设备5的外部存储设备，例如所述终端设备5上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。进一步地，所述存储器51还可以既包括所述终端设备5的内部存储单元也包括外部存储设备。所述存储器51用于存储所述计算机程序以及所述终端设备所需的其它程序和数据。所述存储器51还可以用于暂时地存储已经输出或者将要输出的数据。
所述集成的模块/单元如果以软件功能单元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，本申请实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。
具体可以如下，本申请实施例还提供了一种计算机可读存储介质，该计算机可读存储介质可以是上述实施例中的存储器中所包含的计算机可读存储介质；也可以是单独存在，未装配入终端设备中的计算机可读存储介质。所述计算机可读存储介质存储有一个或者一个以上计算机程序：
计算机可读存储介质，包括所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现所述用于节能器中结垢维护的预测方法的步骤。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
在本发明所提供的实施例中，应该理解到，所揭露的装置/终端设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/终端设备实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
以上所述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：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的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。
Claims (10)
1.一种用于节能器中结垢维护的预测方法，其特征在于，包括：
根据节能器的参数，获取所述节能器的结垢拟合函数，所述结垢拟合函数包括所述节能器的进出水口温差值与结垢时间的函数关系；
根据所述节能器的历史数据和所述节能器的当前运行数据，获取所述节能器的进出水口温差值；
根据所述结垢拟合函数、所述进出水口温差值以及预设温差值，获取剩余维护时间。
2.如权利要求1所述的用于节能器中结垢维护的预测方法，其特征在于，所述根据节能器的参数，获取所述节能器的结垢拟合函数，包括：
获取节能器的参数；
根据所述节能器的参数和热流量模型，获取所述节能器的结垢模型；
根据所述结构模型和所述节能器的历史数据，获取所述结垢拟合函数。
3.如权利要求2所述的用于节能器中结垢维护的预测方法，其特征在于，所述根据所述节能器的参数和热流量模型，获取所述节能器的结垢模型中，所述结垢模型为：
其中，Q表征热传导热量；
d0表征结垢的厚度；
d1表征节能器内圆筒壁的内管半径；
A、B、C为模型待定参数。
4.如权利要求2所述的用于节能器中结垢维护的预测方法，其特征在于，所述根据所述结垢模型和所述节能器的历史数据，获取所述结垢拟合函数，包括：
获取预设时间段内所述节能器的原始历史数据；
对所述原始历史数据进行数据清洗和数据聚合，以获取历史数据；
根据所述结垢模型，获取简化的初始结垢拟合函数；
采用最小二乘法模型对所述初始结垢拟合函数和所述历史数据进行曲线拟合，以获取所述结垢拟合函数。
5.如权利要求4所述的用于节能器中结垢维护的预测方法，其特征在于，所述结垢拟合函数为二次幂函数，所述二次幂函数的表达式为：
y＝Dx2+Ex+F。
6.如权利要求1所述的用于节能器中结垢维护的预测方法，其特征在于，所述根据所述节能器的历史数据和所述节能器的当前运行数据，获取所述节能器的进出水口温差值，包括：
根据差分整合移动平均自回归模型对所述历史数据进行拟合，获取所述节能器在选定时刻的温差预测值；
对所述温差预测值和所述节能器的当前运行数据进行加权求和，以获得所述节能器的进出水口温差值。
7.如权利要求6所述的用于节能器中结垢维护的预测方法，其特征在于，所述根据所述结垢拟合函数、所述进出水口温差值以及预设温差值，获取剩余维护时间，包括：
根据所述结垢拟合函数和所述预设温差值，确定所述节能器的理论维护时间；
根据所述结垢拟合函数和所述进出水口温差值，确定所述节能器的当前时间；
根据所述理论维护时间和所述当前时间的差值，获取所述剩余维护时间。
8.一种用于节能器中结垢维护的预测装置，其特征在于，包括：
拟合函数获取模块，用于根据节能器的参数，获取所述节能器的结垢拟合函数，所述结垢拟合函数包括所述节能器的进出水口温差值与结垢时间的函数关系；
温差值获取模块，用于根据所述节能器的历史数据和所述节能器的当前运行数据，获取所述节能器的进出水口温差值；
维护时间获取模块，用于根据所述结垢拟合函数、所述进出水口温差值以及预设温差值，获取剩余维护时间。
9.一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述方法的步骤。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911306180.5A CN111126686A (zh) | 2019-12-18 | 2019-12-18 | 一种用于节能器中结垢维护的预测方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911306180.5A CN111126686A (zh) | 2019-12-18 | 2019-12-18 | 一种用于节能器中结垢维护的预测方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111126686A true CN111126686A (zh) | 2020-05-08 |
Family
ID=70499515
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911306180.5A Pending CN111126686A (zh) | 2019-12-18 | 2019-12-18 | 一种用于节能器中结垢维护的预测方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111126686A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113159338A (zh) * | 2020-12-11 | 2021-07-23 | 新智数字科技有限公司 | 确定设备部件维修时间的方法、装置、设备和介质 |
| CN113610289A (zh) * | 2021-07-30 | 2021-11-05 | 新奥数能科技有限公司 | 工业锅炉的剩余维护时间预测方法、装置和计算机设备 |
| CN114529106A (zh) * | 2022-04-21 | 2022-05-24 | 深圳市佳运通电子有限公司 | 一种用于油田加热炉盘管结垢预测算法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2011055172A1 (en) * | 2009-11-03 | 2011-05-12 | Abb Research Ltd | Method of monitoring and optimizing evaporator performance |
| CN105135693A (zh) * | 2015-10-16 | 2015-12-09 | 珠海格力电器股份有限公司 | 热水器及其套管结垢量的检测方法和装置 |
| CN208475747U (zh) * | 2018-05-21 | 2019-02-05 | 成都共同管业集团股份有限公司 | 一种纯风预冷喷雾蒸发式冷凝器 |
| US20190331336A1 (en) * | 2018-04-30 | 2019-10-31 | Suncor Energy Inc. | Systems and Methods for Predicting Tube Fouling in a Fired Apparatus, and for Utilizing Tube Fouling Predictions |
-
2019
- 2019-12-18 CN CN201911306180.5A patent/CN111126686A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2011055172A1 (en) * | 2009-11-03 | 2011-05-12 | Abb Research Ltd | Method of monitoring and optimizing evaporator performance |
| CN105135693A (zh) * | 2015-10-16 | 2015-12-09 | 珠海格力电器股份有限公司 | 热水器及其套管结垢量的检测方法和装置 |
| US20190331336A1 (en) * | 2018-04-30 | 2019-10-31 | Suncor Energy Inc. | Systems and Methods for Predicting Tube Fouling in a Fired Apparatus, and for Utilizing Tube Fouling Predictions |
| CN208475747U (zh) * | 2018-05-21 | 2019-02-05 | 成都共同管业集团股份有限公司 | 一种纯风预冷喷雾蒸发式冷凝器 |
Non-Patent Citations (1)
| Title |
|---|
| BADAOGU1: "工程热力学与传热学（中文）第9章导热", 《HTTPS://WWW.DOCIN.COM/P-1905607430.HTML》 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113159338A (zh) * | 2020-12-11 | 2021-07-23 | 新智数字科技有限公司 | 确定设备部件维修时间的方法、装置、设备和介质 |
| CN113610289A (zh) * | 2021-07-30 | 2021-11-05 | 新奥数能科技有限公司 | 工业锅炉的剩余维护时间预测方法、装置和计算机设备 |
| CN114529106A (zh) * | 2022-04-21 | 2022-05-24 | 深圳市佳运通电子有限公司 | 一种用于油田加热炉盘管结垢预测算法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111126686A (zh) | 一种用于节能器中结垢维护的预测方法及装置 | |
| Zhang et al. | Applications and comparisons of four time series models in epidemiological surveillance data | |
| Höhle et al. | Bayesian nowcasting during the STEC O104: H4 outbreak in Germany, 2011 | |
| Shang et al. | Profile monitoring with binary data and random predictors | |
| CN102763048B (zh) | 在虚拟量测中使用适应性预测算法及决定何时使用适应性预测算法的方法及设备 | |
| Liu et al. | Regression-based online anomaly detection for smart grid data | |
| Ranjan et al. | An improved sliding window prediction‐based outlier detection and correction for volatile time‐series | |
| CN104636874B (zh) | 检测业务异常的方法及设备 | |
| WO2021082478A1 (zh) | 空调系统能耗预测方法及装置 | |
| CN111122199A (zh) | 一种锅炉故障诊断方法及装置 | |
| CN111652375B (zh) | 基于贝叶斯推理及虚拟传感的冷却盘管故障智能检测诊断方法及装置 | |
| CN113111589A (zh) | 预测模型的训练方法、预测供热温度的方法、装置和设备 | |
| CN115915708B (zh) | 制冷设备控制参数预测方法、装置、电子设备及存储介质 | |
| CN109063818B (zh) | 一种热工过程模型在线辨识方法及装置 | |
| Efendi et al. | Maximum-minimum temperature prediction using fuzzy random auto-regression time series model | |
| CN114978956A (zh) | 智慧城市网络设备性能异常突变点检测方法及装置 | |
| CN111967917A (zh) | 预测用户流失的方法以及设备 | |
| Li et al. | Fast detection and localization of multiple leaks in water distribution network jointly driven by simulation and machine learning | |
| Boaisha et al. | Forecasting model based on fuzzy time series approach | |
| CN114354233A (zh) | 异常确定方法及装置、设备、介质和产品 | |
| CN115982918B (zh) | 阻力特性辨识方法、装置、设备及存储介质 | |
| CN113222262A (zh) | 设备的故障预测方法、装置、系统、设备及存储介质 | |
| CN117113247A (zh) | 基于二分类和聚类算法的排水系统异常监测方法、设备及存储介质 | |
| CN111177923A (zh) | 一种用于蒸发器中结垢维护的预测方法及装置 | |
| WO2022227219A1 (zh) | 房产指数数据分析方法、装置、设备及存储介质 |
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: 20200508 |