发明内容
有鉴于此,本发明的目的在于提供一种电厂设备的检修方法,以解决现有的检修策略与故障、检修任务间关联性不高、同时检修策略与可靠性分析脱节的问题。本发明的第二个目的是提供一种电厂设备的检修系统。
为了达到上述第一个目的,本发明提供如下技术方案:
一种电厂设备的检修方法,所述方法包括:
根据预设周期实时获取电厂设备的检修记录数据,所述检修记录数据包括设备、部件、故障模式、检修方式、检修时长和故障时间;
对所述检修记录数据进行数据处理得到故障模式的分布函数Fn(X),其中,n为所述故障模式的数量,X为所述设备、所述部件、所述检修方式、所述检修时长和所述故障时间组成的向量;
根据获取的设备运行环境与状态对故障模式的可靠度的影响系数对所述故障模式的分布函数Fn(X)进行修正,得到修正后的故障模式的分布函数Fn'(X);
获取设备故障模式发生后产生的损失函数Ln,其中,n为所述故障模式的数量;
根据所述损失函数L
n和所述修正后的故障模式的分布函数F
n'(X),得到经济损失概率分布函数
通过循环迭代方法寻求与所述经济损失概率分布函数LM相对的最小设备故障损失值CM;
根据所述最小设备故障损失值CM所对应的检修策略对电厂设备进行检修。
优选地,所述对所述检修记录数据进行数据处理得到故障模式的分布函数Fn(X),具体包括:
根据所述设备、所述部件、所述故障模式、所述检修方式、所述检修时长和所述故障时间的六个属性对历史样本进行归类;
以所述故障模式的分布规律为待解决问题,分别以所述设备、所述部件、所述检修方式、所述检修时长和所述故障时间的五个属性为根节点构建故障模式分布规律的决策树;
分别计算所述设备、所述部件、所述检修方式、所述检修时长和所述故障时间的五个属性的信息增益得到故障模式的分布函数Fn(X)。
优选地,所述对所述检修记录数据进行数据处理,得到故障模式的分布函数Fn(X),具体包括:
根据所述设备、所述部件、所述故障模式、所述检修方式、所述检修时长和所述故障时间的六个属性对历史样本进行归类;
分别计算所述设备、所述部件、所述检修方式、所述检修时长和所述故障时间的五个属性的信息增益,将信息增益最大属性构建的决策树作为故障模式分布规律的决策树;
对构建的所述五个属性的决策树采用集成学习算法获取故障模式的分布函数Fn(X)。
本发明提供了一种电厂设备的检修系统,所述系统包括:
检修记录数据获取模块,用于根据预设周期实时获取电厂设备的检修记录数据,所述检修记录数据包括设备、部件、故障模式、检修方式、检修时长和故障时间;
故障模式分布函数处理模块,用于对所述检修记录数据进行数据处理得到故障模式的分布函数Fn(X),其中,n为所述故障模式的数量,X为所述设备、所述部件、所述检修方式、所述检修时长和所述故障时间组成的向量;
影响系数修正模块,用于根据获取的设备运行环境与状态对故障模式的可靠度的影响系数分别对所述故障模式的分布函数Fn(X)进行修正,得到修正后的故障模式的分布函数Fn'(X);
损失函数获取模块,用于获取设备故障模式发生后产生的损失函数Ln,其中,n为所述故障模式的数量;
经济损失概率分布函数处理模块,用于根据所述损失函数L
n和所述修正后的故障模式的分布函数F
n'(X),得到经济损失概率分布函数
最小设备故障损失值计算模块,用于通过循环迭代方法寻求与所述经济损失概率分布函数LM相对的最小设备故障损失值CM;根据所述最小设备故障损失值CM所对应的检修策略对电厂设备进行检修。
优选地,所述故障模式分布函数处理模块具体用于:
根据所述设备、所述部件、所述故障模式、所述检修方式、所述检修时长和所述故障时间的六个属性对历史样本进行归类;
以所述故障模式的分布规律为待解决问题,分别以所述设备、所述部件、所述检修方式、所述检修时长和所述故障时间的五个属性为根节点构建故障模式分布规律的决策树;
分别计算所述设备、所述部件、所述检修方式、所述检修时长和所述故障时间的五个属性的信息增益得到故障模式的分布函数Fn(X)。
优选地,所述故障模式分布函数处理模块具体用于:
根据所述设备、所述部件、所述故障模式、所述检修方式、所述检修时长和所述故障时间的六个属性对历史样本进行归类;
分别计算所述设备、所述部件、所述检修方式、所述检修时长和所述故障时间的五个属性的信息增益,将信息增益最大属性构建的决策树作为故障模式分布规律的决策树;
对构建的所述五个属性的决策树采用集成学习算法获取故障模式的分布函数Fn(X)。
本发明提供了一种装置,包括存储器和处理器,其中:
所述存储器,用于保存计算机程序;
所述处理器,用于执行所述计算机程序,以实现所述电厂设备的检修方法。
本发明提供的电厂设备的检修方法,包括根据预设周期实时获取电厂设备的检修记录数据,检修记录数据包括设备、部件、故障模式、检修方式、检修时长和故障时间;对检修记录数据进行数据处理,得到故障模式的分布函数F
n(X),其中,n为故障模式的数量,X为设备、部件、检修方式、检修时长和故障时间组成的向量;根据获取的设备运行环境与状态对故障模式的可靠度的影响系数分别对故障模式的分布函数F
n(X)进行修正,得到修正后的故障模式的分布函数F
n'(X);获取设备故障模式发生后产生的损失函数L
n,其中,n为故障模式的数量;根据损失函数L
n和修正后的故障模式的分布函数F
n'(X),得到经济损失概率分布函数
通过循环迭代方法寻求与经济损失概率分布函数L
M相对的最小设备故障损失值C
M;根据最小设备故障损失值C
M所对应的检修策略对电厂设备进行检修。
应用本发明提供的电厂设备的检修方法及系统,对检修记录数据进行数据处理,得到故障模式的分布函数F
n(X),并根据获取的设备运行环境与状态对故障模式的可靠度的影响系数对F
n(X)进行修正,得到修正后的故障模式的分布函数F
n'(X);并获取设备故障模式发生后产生的损失函数L
n,根据L
n和F
n'(X)得到经济损失概率分布函数
并对经济损失概率分布函数L
M进行循环迭代,得到最小设备故障损失值C
M,并根据最小设备故障损失值C
M所对应的检修策略对电厂设备进行检修。
上述方法将检修策略、故障和检修任务结合,通过对检修记录数据处理得到故障模式的分布函数,并将设备故障发生的经济损失与故障模式的分布函数结合形成经济损失概率分布函数,通过设备故障损失值进行检修策略的制定,将检修策略与经济损失相结合,以满足用户需求。
具体实施方式
本发明实施例公开了一种电厂设备的检修方法,以解决现有的检修策略与故障、检修任务间关联性不高、同时检修策略与可靠性分析脱节的问题。
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。
请参阅图1,图1为本发明实施例提供的一种电厂设备的检修方法的流程示意图。
在一种具体的实施方式中,本发明提供的电厂设备的检修方法,包括:
S11:根据预设周期实时获取电厂设备的检修记录数据,检修记录数据包括设备、部件、故障模式、检修方式、检修时长和故障时间;
可通过采集企业资产管理等接口程序按照不同周期持续对以下数据进行采集,包括设备检修记录数据、设备缺陷数据、工作票数据、设备发电计划数据、设备检修计划数据等,将上述数据按照设备、部件、故障模式、检修方式、检修时长、故障时间对所有检修记录数据进行合理性判断,并剔除重复和无效的数据;
对符合条件的数据,按照设备、部件、故障模式、检修方式、检修时长、故障时间形成结构化的检修记录数据,形成历史设备故障样本数据库,对于新建机组可以参考同类型设备的历史故障样本数据库。
S12:对检修记录数据进行数据处理得到故障模式的分布函数Fn(X),其中,n为故障模式的数量,X为设备、部件、检修方式、检修时长和故障时间组成的向量;如可通过机器学习算法获取故障模式的分布函数,如神经元算法或随机森林算法等。在其他实施例中,也可以根据需要选择算法或模型进行数据处理,均在本发明的保护范围内。
S13:根据获取的设备运行环境与状态对故障模式的可靠度的影响系数对故障模式的分布函数Fn(X)进行修正,得到修正后的故障模式的分布函数Fn'(X);
获取“设备运行环境与状态对设备故障模式的可靠度的影响系数”,其中,设备运行环境包括设备所处的环境,如室内或室外,环境温度等;状态特征包括设备的负荷、振动和温度等运行参数,根据上述要素得到对设备故障模式的可靠度的影响系数。
S14:获取设备故障模式发生后产生的损失函数Ln,其中,n为故障模式的数量;产生的损失包括设备损失以及设备停运后少发电而产生的经济损失。
S15:根据损失函数L
n和修正后的故障模式的分布函数F
n'(X),得到经济损失概率分布函数
S16:通过循环迭代方法寻求与经济损失概率分布函数LM相对的最小设备故障损失值CM;
S17:根据最小设备故障损失值CM所对应的检修策略对电厂设备进行检修。
应用本发明提供的电厂设备的检修方法及系统,对检修记录数据进行数据处理,得到故障模式的分布函数F
n(X),并根据获取的设备运行环境与状态对故障模式的可靠度的影响系数对F
n(X)进行修正,得到修正后的故障模式的分布函数F
n'(X);并获取设备故障模式发生后产生的损失函数L
n,根据L
n和F
n'(X)得到经济损失概率分布函数
并对经济损失概率分布函数L
M进行循环迭代,得到最小设备故障损失值C
M,并根据最小设备故障损失值C
M所对应的检修策略对电厂设备进行检修。
上述方法将检修策略、故障和检修任务结合,通过对检修记录数据处理得到故障模式的分布函数,并将设备故障发生的经济损失与故障模式的分布函数结合形成经济损失概率分布函数,通过设备故障损失值进行检修策略的制定,将检修策略与经济损失相结合,以满足用户需求。
具体的,对检修记录数据进行数据处理得到故障模式的分布函数Fn(X),具体包括:
根据设备、部件、故障模式、检修方式、检修时长和故障时间的六个属性对历史样本进行归类;例如:设备属性可能包含引风机、给水泵、汽轮机、凝结水泵等;部件可能包括轴承、轴瓦、机械密封、冷油器等;故障模式可能包含轴承振动异常、轴承温度异常、机械密封泄漏、冷油器脏污等;检修方式可能包含检查、维护保养、部件更换等;检修时长为消除确定故障模式所花费的时间,可以按小时来划分;故障时间为设备故障模式发生时的日历时间。
以故障模式的分布规律为待解决问题,分别以设备、部件、检修方式、检修时长和故障时间的五个属性为根节点构建故障模式分布规律的决策树;
分别计算设备、部件、检修方式、检修时长和故障时间的五个属性的信息增益得到故障模式的分布函数Fn(X)。
或者在一种实施例中,对检修记录数据进行数据处理,得到故障模式的分布函数Fn(X),具体包括:
根据设备、部件、故障模式、检修方式、检修时长和故障时间的六个属性对历史样本进行归类;
分别计算设备、部件、检修方式、检修时长和故障时间的五个属性的信息增益,将信息增益最大属性构建的决策树作为故障模式分布规律的决策树;
对构建的五个属性的决策树采用集成学习算法获取故障模式的分布函数Fn(X)。
其中,此处及上文的决策树算法可采用D3、C4.5等决策树算法,可根据实际需要进行决策树算法的选择,集成学习算法如平均法、投票法、学习法等。n的数量取决于故障模式的数量,X为设备、部件、检修方式、检修时长、故障时间5个属性组成的向量。
基于上述方法实施例,本发明还提供了一种电厂设备的检修系统,该系统包括:
检修记录数据获取模块,用于根据预设周期实时获取电厂设备的检修记录数据,检修记录数据包括设备、部件、故障模式、检修方式、检修时长和故障时间;
故障模式分布函数处理模块,用于对检修记录数据进行数据处理得到故障模式的分布函数Fn(X),其中,n为故障模式的数量,X为设备、部件、检修方式、检修时长和故障时间组成的向量;
影响系数修正模块,用于根据获取的设备运行环境与状态对故障模式的可靠度的影响系数分别对故障模式的分布函数Fn(X)进行修正,得到修正后的故障模式的分布函数Fn'(X);
损失函数获取模块,用于获取设备故障模式发生后产生的损失函数Ln,其中,n为故障模式的数量;
经济损失概率分布函数处理模块,用于根据损失函数L
n和修正后的故障模式的分布函数F
n'(X),得到经济损失概率分布函数
最小设备故障损失值计算模块,用于通过循环迭代方法寻求与经济损失概率分布函数LM相对的最小设备故障损失值CM;根据最小设备故障损失值CM所对应的检修策略对电厂设备进行检修。
应用本发明提供的电厂设备的检修方法及系统,对检修记录数据进行数据处理,得到故障模式的分布函数F
n(X),并根据获取的设备运行环境与状态对故障模式的可靠度的影响系数对F
n(X)进行修正,得到修正后的故障模式的分布函数F
n'(X);并获取设备故障模式发生后产生的损失函数L
n,根据L
n和F
n'(X)得到经济损失概率分布函数
并对经济损失概率分布函数L
M进行循环迭代,得到最小设备故障损失值C
M,并根据最小设备故障损失值C
M所对应的检修策略对电厂设备进行检修。
具体的,故障模式分布函数处理模块具体用于:
根据设备、部件、故障模式、检修方式、检修时长和故障时间的六个属性对历史样本进行归类;
以故障模式的分布规律为待解决问题,分别以设备、部件、检修方式、检修时长和故障时间的五个属性为根节点构建故障模式分布规律的决策树;
分别计算设备、部件、检修方式、检修时长和故障时间的五个属性的信息增益得到故障模式的分布函数Fn(X)。
优选地,故障模式分布函数处理模块具体用于:
根据设备、部件、故障模式、检修方式、检修时长和故障时间的六个属性对历史样本进行归类;
分别计算设备、部件、检修方式、检修时长和故障时间的五个属性的信息增益,将信息增益最大属性构建的决策树作为故障模式分布规律的决策树;
对构建的五个属性的决策树采用集成学习算法获取故障模式的分布函数Fn(X)。
本发明还提供了一种装置,包括存储器和处理器,其中:
存储器,用于保存计算机程序;
处理器,用于执行计算机程序,以实现如上述任一实施例的电厂设备的检修方法。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。