CN111445042B - 一种电厂设备的检修方法、系统及装置 - Google Patents

一种电厂设备的检修方法、系统及装置 Download PDF

Info

Publication number
CN111445042B
CN111445042B CN202010223951.0A CN202010223951A CN111445042B CN 111445042 B CN111445042 B CN 111445042B CN 202010223951 A CN202010223951 A CN 202010223951A CN 111445042 B CN111445042 B CN 111445042B
Authority
CN
China
Prior art keywords
equipment
fault
mode
distribution function
overhaul
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.)
Active
Application number
CN202010223951.0A
Other languages
English (en)
Other versions
CN111445042A (zh
Inventor
陈建华
张含智
聂怀志
袁雪峰
李晓静
马成龙
卫平宝
陈世和
姜利辉
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen goes out new knowledge property right management Co.,Ltd.
Original Assignee
China Resource Power Technology Research Institute
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by China Resource Power Technology Research Institute filed Critical China Resource Power Technology Research Institute
Priority to CN202010223951.0A priority Critical patent/CN111445042B/zh
Publication of CN111445042A publication Critical patent/CN111445042A/zh
Application granted granted Critical
Publication of CN111445042B publication Critical patent/CN111445042B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06Q10/20—Administration of product repair or maintenance
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/15—Correlation function computation including computation of convolution operations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G06N20/20—Ensemble learning
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Software Systems (AREA)
  • Mathematical Physics (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • Health & Medical Sciences (AREA)
  • Mathematical Analysis (AREA)
  • Strategic Management (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Computational Mathematics (AREA)
  • Computing Systems (AREA)
  • Water Supply & Treatment (AREA)
  • Primary Health Care (AREA)
  • General Health & Medical Sciences (AREA)
  • Algebra (AREA)
  • Public Health (AREA)
  • Quality & Reliability (AREA)
  • Databases & Information Systems (AREA)
  • Operations Research (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Testing And Monitoring For Control Systems (AREA)

Abstract

本发明公开了一种电厂设备的检修方法、系统及装置，对检修记录数据进行数据处理，得到故障模式的分布函数，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进行修正，得到修正后的故障模式的分布函数；并获取设备故障模式发生后产生的损失函数，进而得到经济损失概率分布函数，并对其进行循环迭代，得到最小设备故障损失值，并根据最小设备故障损失值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，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。

Description

一种电厂设备的检修方法、系统及装置
技术领域
本发明涉及电厂设备检修技术领域，更具体地说，更具体地说，涉及一种电厂设备的检修方法、系统及装置。
背景技术
传统的设备维修策略制定和优化，是通过对电厂各设备的供应商提供的检修项目清单和间隔为基础，结合电厂专工的经验，类似电厂设备的检修策略等方式来生成设备的检修策略，并在此基础上进行优化；另一方面，可靠性分析则是处于没有系统进行，因此和检修策略完全脱节的现实情况。
而目前通用的RCM方法的技术缺点在于其方法的重点是在检修策略的生成，而在故障和检修任务的关联方面比较薄弱；1.对故障进行分析层面，由于分析方法确定的故障模式及影响分析采用的是基于设备功能的分析，检修任务关键在设备的层面而不是设备以下的可维修单元层面，这就导致检修任务和实际的发生故障的可维修单元没有建立更进一步的联系，从而导致检修任务无法执行，以及检修任务执行时设备故障的从属关系不明确；2.故障分析停留在定性的方法，定量分析没有进行，从而无法生成相应的分析报告以进一步指导检维修工作。3.通用的RCM分析手段很多是属于随机的人为和设备质量的范畴，导致在分析过程中浪费了大量的资源，反倒起不到应有的作用。
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Ln和所述修正后的故障模式的分布函数Fn'(X)，得到经济损失概率分布函数
Figure SMS_1
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Ln和所述修正后的故障模式的分布函数Fn'(X)，得到经济损失概率分布函数
Figure SMS_2
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；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)；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；根据损失函数Ln和修正后的故障模式的分布函数Fn'(X)，得到经济损失概率分布函数
Figure SMS_3
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Fn(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Fn(X)进行修正，得到修正后的故障模式的分布函数Fn'(X)；并获取设备故障模式发生后产生的损失函数Ln，根据Ln和Fn'(X)得到经济损失概率分布函数
Figure SMS_4
并对经济损失概率分布函数LM进行循环迭代，得到最小设备故障损失值CM，并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。
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。
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他的附图。
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。
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Ln和修正后的故障模式的分布函数Fn'(X)，得到经济损失概率分布函数
Figure SMS_5
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Fn(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Fn(X)进行修正，得到修正后的故障模式的分布函数Fn'(X)；并获取设备故障模式发生后产生的损失函数Ln，根据Ln和Fn'(X)得到经济损失概率分布函数
Figure SMS_6
并对经济损失概率分布函数LM进行循环迭代，得到最小设备故障损失值CM，并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。
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Ln和修正后的故障模式的分布函数Fn'(X)，得到经济损失概率分布函数
Figure SMS_7
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Fn(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Fn(X)进行修正，得到修正后的故障模式的分布函数Fn'(X)；并获取设备故障模式发生后产生的损失函数Ln，根据Ln和Fn'(X)得到经济损失概率分布函数
Figure SMS_8
并对经济损失概率分布函数LM进行循环迭代，得到最小设备故障损失值CM，并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。
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。

Claims (3)

1.一种电厂设备的检修方法，其特征在于，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Ln和所述修正后的故障模式的分布函数Fn'(X)，得到经济损失概率分布函数
Figure FDA0004247781820000011
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；
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)；
或者，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)。
2.一种电厂设备的检修系统，其特征在于，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Ln和所述修正后的故障模式的分布函数Fn'(X)，得到经济损失概率分布函数
Figure FDA0004247781820000021
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；
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)；
或者，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)。
3.一种电厂设备的检修装置，其特征在于，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，以实现如权利要求1所述的电厂设备的检修方法。
CN202010223951.0A 2020-03-26 2020-03-26 一种电厂设备的检修方法、系统及装置 Active CN111445042B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010223951.0A CN111445042B (zh) 2020-03-26 2020-03-26 一种电厂设备的检修方法、系统及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010223951.0A CN111445042B (zh) 2020-03-26 2020-03-26 一种电厂设备的检修方法、系统及装置

Publications (2)

Publication Number Publication Date
CN111445042A CN111445042A (zh) 2020-07-24
CN111445042B true CN111445042B (zh) 2023-07-11

Family

ID=71650860

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010223951.0A Active CN111445042B (zh) 2020-03-26 2020-03-26 一种电厂设备的检修方法、系统及装置

Country Status (1)

Country Link
CN (1) CN111445042B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113627628B (zh) * 2021-08-13 2024-06-11 西安热工研究院有限公司 基于工作票在线计算同台风机重复检修次数的方法
CN115903679A (zh) * 2022-10-18 2023-04-04 中广核工程有限公司 一种核电厂报警列表显示方法、系统及装置

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2011036699A1 (ja) * 2009-09-24 2011-03-31 株式会社 東芝 保守方策決定装置および保守方策決定プログラム
CN104636826A (zh) * 2015-01-27 2015-05-20 中国石油化工股份有限公司 一种炼油化工设备可靠性及维护策略的优化方法
CN109726833A (zh) * 2018-12-29 2019-05-07 华润电力技术研究院有限公司 动态调整维修策略方法、装置、终端和计算机存储介质
CN109740930A (zh) * 2018-12-29 2019-05-10 华润电力技术研究院有限公司 维修策略制定及可靠度评估方法、终端和计算机存储介质

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2011036699A1 (ja) * 2009-09-24 2011-03-31 株式会社 東芝 保守方策決定装置および保守方策決定プログラム
CN104636826A (zh) * 2015-01-27 2015-05-20 中国石油化工股份有限公司 一种炼油化工设备可靠性及维护策略的优化方法
CN109726833A (zh) * 2018-12-29 2019-05-07 华润电力技术研究院有限公司 动态调整维修策略方法、装置、终端和计算机存储介质
CN109740930A (zh) * 2018-12-29 2019-05-10 华润电力技术研究院有限公司 维修策略制定及可靠度评估方法、终端和计算机存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
一种优化可靠性与经济性的变压器检修决策方法;袁峻等;《南方电网技术》;20150720(第07期);全文 *

Also Published As

Publication number Publication date
CN111445042A (zh) 2020-07-24

Similar Documents

Publication Publication Date Title
US11915104B2 (en) Normalizing text attributes for machine learning models
CN111445042B (zh) 一种电厂设备的检修方法、系统及装置
CN112418277A (zh) 旋转机械零部件剩余寿命预测方法、系统、介质、设备
CN116882790B (zh) 一种矿山生态修复区域的碳排放设备管理方法及系统
CN113887749A (zh) 基于云边协同的电力物联网多维度监控处置方法、设备及平台
CN111445043B (zh) 一种电厂设备的检修方法、系统及装置
Doroshuk Prospects and efficiency measurement of artificial intelligence in the management of enterprises in the energy sector in the era of Industry 4.0
CN109711658A (zh) 一种工业生产优化检测系统和方法
CN109299473B (zh) 一种基于开发者画像的软件工程任务推荐方法
CN112632749B (zh) 一种风力发电机发电性能的评价方法及装置
CN113313365A (zh) 一种一次风机的劣化预警方法及设备
CN112995288A (zh) 基于知识管理的维保方法、装置和电子设备
CN110348005B (zh) 配网设备状态数据处理方法、装置、计算机设备及介质
CN111522705A (zh) 一种工业大数据智能运维解决方法
CN111582362A (zh) 一种基于随机森林算法的农田水泵故障诊断方法及装置
Pandhare et al. Collaborative prognostics for machine fleets using a novel federated baseline learner
CN116050072A (zh) 一种基于随机采样一致性的风电机组理论功率曲线识别方法和装置
CN111445041B (zh) 一种电厂设备的检修方法、系统及装置
Saayman et al. Evaluating non-linear approaches in forecasting tourist arrivals
CN112948469A (zh) 数据挖掘方法、装置、计算机设备及存储介质
Liu et al. Pattern discovery from big data of food sampling inspections based on extreme learning machine
CN114358908B (zh) Ai驱动的协作企业多维信用特征提取与评价方法
Huang et al. Fault diagnosis of wind turbine gearbox by diminishing step fruit fly algorithm optimized SVM
Eddouh et al. Maximizing Wind Turbine Efficiency: Monte Carlo Simulation Based on Cost and Energy Loss Analysis for Optimal Preventive Maintenance
CN116068961A (zh) 一种机床故障诊断及展示方法、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
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20240328

Address after: 518066 Room 201, building A, No. 1, Qian Wan Road, Qianhai Shenzhen Hong Kong cooperation zone, Shenzhen, Guangdong (Shenzhen Qianhai business secretary Co., Ltd.)

Patentee after: Shenzhen goes out new knowledge property right management Co.,Ltd.

Country or region after: China

Address before: 523808 Room 308, unit 1, building 18, no.6, Libin Road, Songshanhu Park, Dongguan City, Guangdong Province

Patentee before: CR POWER TECHNOLOGY INSTITUTE Co.,Ltd.

Country or region before: China