CN111608899A - 一种基于效能分析的水泵运行状态异常判别的方法 - Google Patents

一种基于效能分析的水泵运行状态异常判别的方法 Download PDF

Info

Publication number
CN111608899A
CN111608899A CN202010350082.8A CN202010350082A CN111608899A CN 111608899 A CN111608899 A CN 111608899A CN 202010350082 A CN202010350082 A CN 202010350082A CN 111608899 A CN111608899 A CN 111608899A
Authority
CN
China
Prior art keywords
water pump
efficiency
data
abnormal
current
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
Application number
CN202010350082.8A
Other languages
English (en)
Inventor
陶清宝
汤俊萱
肖雷
鲍劲松
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.)
Mormount Shanghai Engineering Co ltd
Original Assignee
Mormount Shanghai Engineering Co ltd
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 Mormount Shanghai Engineering Co ltd filed Critical Mormount Shanghai Engineering Co ltd
Priority to CN202010350082.8A priority Critical patent/CN111608899A/zh
Publication of CN111608899A publication Critical patent/CN111608899A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F04—POSITIVE - DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS FOR LIQUIDS OR ELASTIC FLUIDS
    • F04B—POSITIVE-DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS
    • F04B51/00—Testing machines, pumps, or pumping installations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Physics & Mathematics (AREA)
  • Mechanical Engineering (AREA)
  • Control Of Positive-Displacement Pumps (AREA)
  • Control Of Non-Positive-Displacement Pumps (AREA)

Abstract

本发明公开了一种基于效能分析的水泵运行状态异常判别的方法，根据收集到的水泵运行状态中的电流和轴功率数据，分析了电流和轴功率相关关系，将电流和轴功率之间的关系转换为流量和效率之间的关系，从而根据水泵效能曲线来说明电流和效率这之间可能存在的关系，随后根据已收集到的数据进行多项式回归，并进行统计分析，最后通过残差正态分布3σ法则判断水泵运行是否存在异常，据此判断水泵是否存在潜在的故障。

Description

一种基于效能分析的水泵运行状态异常判别的方法
技术领域
本发明涉及基于效能分析的水泵运行状态异常判别技术，特别涉及一种基于效能分析的水泵运行状态异常判别的方法。
背景技术
水泵在工业生产中有广泛而重要的应用。水泵一旦出现故障，不但会导致设备本身停止运转，更会影响前后生产工序，使企业利润大幅缩减。现有企业通常采取事后纠正性修理或者定周期的预防性维护保养对设备进行维修，这可能会放纵故障的发生或是产生不必要的维修花费。如果能在水泵故障发生之前就根据水泵的状态信息判断分析水泵未来可能发生的故障，从而提前维护提前维修，那么就能够大幅降低停机时间，减少停工时间，从而保证整条生产线的正常生产，从而保证企业的利润。
发明内容
为了解决上述问题，本发明提供一种基于效能分析的水泵运行状态异常判别的方法，根据收集到的水泵运行状态中的电流和轴功率数据，分析了电流和轴功率相关关系，将电流和轴功率之间的关系转换为流量和效率之间的关系，从而根据水泵效能曲线来说明电流和效率之间可能存在的关系，随后根据已收集到的数据进行多项式回归，并进行统计分析，最后通过残差正态分布3σ法则判断水泵运行是否存在异常，据此判断水泵是否存在潜在的故障。
本发明中的一种基于效能分析的水泵运行状态异常判别的方法，包括如下步骤：
步骤S1：通过安装在水泵上的传感器获取水泵运行过程中的瞬时电流和对应时刻的水泵轴功率两个状态数据；
步骤S2：分析水泵的机理，得到性能曲线拟合类型；
步骤S3：将收集到的状态监测数据进行使用多项式拟合数据；
步骤S4：使用正态分布3σ准则进行运行状态异常点分析检测检验。
上述方案中，所述步骤S2包括如下步骤：
步骤S21：计算步骤S1中瞬时电流下的水泵电机的输出功率，其计算公式
Figure BDA0002471527250000021
P为电机的输出功率，U为线电压，I代表当前流经电机的电流，
Figure BDA0002471527250000022
是功率因子，由负载类型决定；
步骤S22：水泵的效率在其接近额定功率时达到最大值，而在低于额定功率和高于额定功率时其效率较低，在考虑了水泵自身效率后将步骤S21中公式改写为
Figure BDA0002471527250000023
Pa代表水泵的轴功率，U为线电压，I为当前流经电机的电流，
Figure BDA0002471527250000024
为功率因子，η代表水泵自身的效率；
步骤S23：将电机电流作为自变量，根据步骤S22中的式子左侧等式计算出水泵的总效率作为因变量，则可以得到各个时刻不同水泵电机的水泵效率η-电流I分布情况。
上述方案中，所述步骤S21中U在工业用电时为380V，
Figure BDA0002471527250000026
为0.8。
上述方案中，所述步骤S3包括：
步骤S31：使用Matlab工具箱对数据进行三次多项式拟合，拟合的准则为最小二乘拟合，最小二乘法的计算目标为
Figure BDA0002471527250000025
N为样本的个数，f(xi)为拟合的函数的回归值，yi为实际的值，从而找到使残差平方和最小的三次曲线；
步骤S32：计算回归的统计指标决定系数R2和残差的样本标准差σ，计算公式为
Figure BDA0002471527250000031
R2代表了决定系数，y代表样本的实际值，
Figure BDA0002471527250000032
代表回归函数值，
Figure BDA0002471527250000033
代表样本值的平均值，σ代表残差的样本标准差，n代表样本的个数。
上述方案中，所述步骤S4中多项式线性回归的随机误差满足N(0，σ2)分布，即均值为0，标准差为σ的正态分布，可以按照正态分布的3σ法则检验异常值，包括训练样本中的异常值和新输入数据中的异常值，在回归曲线建立后针对原先输入的数据进行检验，如果与拟合曲线差值超过3σ，则认为数据在随机误差的置信区间以外，属于异常点，随后需要去除异常点重新进行拟合直到训练数据中不存在异常点为止，此时回归模型已经建立完成。
上述方案中，所述步骤S4中回归模型建立完成后，如果有新的数据，输入模型进行检测，若与回归值的差值大于3σ则认为并非由随机误差造成，而是异常点。
本发明的优点和有益效果在于：
1、本发明从水泵效能分析的角度出发，分析了两种参数电流和功率之间存在的内在联系，找到了水泵的性能曲线作为拟合过程中间的桥梁，从而确定了拟合的方法以及拟合多项式的次数；
2、本发明能够从数据维度和数据数量均较少的样本数据中建立水泵的异常检测模型，同时也能够应对收集的样本中故障数据的量较少的问题；
3、本发明能够针对每个水泵建立与其一一对应的异常检测模型；
4、本发明能够快速便捷的建立水泵运行情况异常检测模型，工程实践能力强。
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性的前提下，还可以根据这些附图获得其他的附图。
图1为具体实施方式中水泵性能曲线多项式拟合结果。
图2为本发明的流程图。
具体实施方式
下面结合附图和实施例，对本发明的具体实施方式作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。
如图1和图2所示，本发明是一种基于效能分析的水泵运行状态异常判别的方法，包括如下步骤：
步骤S1：通过安装在水泵电机上的传感器获取水泵运行过程中的瞬时电流和对应时刻的水泵轴功率两个状态数据；
具体本实施例采集了某能源站实际工作过程中的水泵的电机电流和水泵轴功率的数据，水泵应用类型包括一次泵，二次泵等，以某二次泵02号供冷泵为例进行采集其运行时刻的状态数据。
步骤S2：分析水泵的机理，得到性能曲线拟合类型；
计算步骤S1中瞬时电流下的水泵电机的输出功率，其计算公式为
Figure BDA0002471527250000041
其中，P为电机的输出功率，U为线电压，在工业用电时取380V，I代表当前流经电机的电流，
Figure BDA0002471527250000051
是功率因子，由负载类型决定，对于工程实践中所用的水泵电机来说一般可取经验值0.8。
理论上，水泵的轴功率应与电流成正比，但是水泵在不同工作情况的效率是不一样的。由水泵性能曲线可得，水泵的效率在其接近额定功率时达到最大值，而在低于额定功率和高于额定功率时其效率较低。
大部分水泵的性能曲线虽然不完全一样，但曲线的趋势确是一致的。因此，在考虑了水泵自身的效率后可以将公式(1)改写为
Figure BDA0002471527250000052
其中，Pa代表水泵的轴功率，U为线电压，I为当前流经电机的电流，
Figure BDA0002471527250000053
为功率因子，η代表水泵自身的效率。
当电机电流较大时水泵功率较大，水泵能够将更多的液体泵出做功，因此流量与电机电流之间存在正相关关系。这时水泵的性能曲线之一，效率η-流量Q曲线的变化趋势同样可以认为是效率η-电流I的变化趋势。因此，如果将电机电流作为自变量，按照公式(2)左侧等式计算出水泵的总效率作为因变量，则可以得到各个时刻不同水泵电机的水泵效率η-电流I分布情况。
同时，在期刊“农田水利与小水电”中赵林明的文献“水泵性能曲线的解析表达方法”中，作者成功用三次多项式对两个型号的水泵的性能曲线进行了拟合，发现使用三次曲线对水泵的性能曲线，特别是对效率和流量之间的关系进行拟合能取得较好的效果。因此本发明根据性能曲线中的效率与流程成正相关这一特点，也采用三次多项式对数据点进行拟合。
步骤S3：将收集到的状态监测数据进行使用多项式拟合数据；
使用Matlab工具箱对数据进行三次多项式拟合，拟合的准则为最小二乘拟合，最小二乘法的计算目标如下：
Figure BDA0002471527250000061
式中，N为样本的个数，f(xi)为拟合的函数的回归值，yi为实际的值，从而找到使残差平方和最小的三次曲线；
然后计算回归的统计指标决定系数R2和残差的样本标准差σ，计算公式为
Figure BDA0002471527250000062
Figure BDA0002471527250000063
式中，R2代表了决定系数，y代表样本的实际值，
Figure BDA0002471527250000064
代表回归函数值，
Figure BDA0002471527250000065
代表样本值的平均值，σ代表残差的样本标准差，n代表样本的个数。
使用Matlab工具箱进行拟合，拟合的结果如图1所示，纵轴代表水泵各个环节效率相乘的整体效率，横轴代表电机的电流。按照3σ作为判断准则，将与拟合曲线差值超过3σ的点作为异常点删除循环重新训练。全部训练结束后(本发明中一共进行了两次回归拟合)即得到了模型拟合最终得到的多项式为：-5.013×10-8x3+3.382×10-5x2+0.0094x-0.6216，残差的样本标准差σ为0.0463，决定系数R2＝0.9707，这代表回归模型能代表97％的数据变化。
步骤S4：使用正态分布3σ准则进行运行状态异常点分析检测检验；
理论上，实际测得的数据通过公式(2)计算得到的水泵效率应落在水泵的效率回归曲线上。但在实际生产过程中，由于电压不稳，轴承损坏，转子动不平衡等水泵设备故障和测量不准确因素会使得计算得到的效率偏离了理想的回归曲线。由于水泵的效率是由电流和电压值计算得到的，因此效率的过大波动可以认为是当前的电流和功率的数值不匹配造成的，此时水泵设备一定是出现了异常运行情况或设备的某个部位出现了故障，因此需要通过计算来判别波动是否超过规定范围。
由数理统计知识可得，多项式线性回归的随机误差满足N(0，σ2)分布，即均值为0，标准差为σ的正态分布，同时这里的误差可以认为是由于随机的、无数的、独立的、多个因素造成的，因此可以按照正态分布的3σ法则检验异常值，包括训练样本中的异常值以及新输入数据中的异常值。在回归曲线建立后针对原先输入的数据进行检验，如果与拟合曲线差值超过3σ，那么认为数据在随机误差的置信区间以外，属于异常点。随后需要去除异常点重新进行拟合直到训练数据中不存在异常点为止。到此，回归模型已经建立，如果再有新的数据，就可以输入模型进行检测，如果与回归值的差值大于3σ就可以认为并非由随机误差造成，而是异常点。在本发明中，异常点可能代表了设备存在故障，也可能是由水泵电机启动时过大的启动电流等非故障原因造成。
当重新输入新的测试数据后，也按照3σ准则进行判断，如果数据被模型认为是异常点，则输出1，如果认为处于正常范围内则输出0。在本模型中，输入了7个新时刻的数据进行测试，得到的结果是6个数据均处于正常范围内，一个数据被回归模型认为是异常点，这可能是由于设备存在故障造成的。
本发明根据收集到的水泵运行状态中的电流和轴功率数据，分析了电流和轴功率相关关系，将电流和轴功率之间的关系转换为流量和效率之间的关系，从而根据水泵效能曲线来说明电流和效率这之间可能存在的关系。随后根据已收集到的数据进行多项式回归，并进行统计分析。最后通过残差正态分布3σ法则判断水泵运行是否存在异常，据此判断水泵是否存在潜在的故障。其优点在于：
1、本发明从水泵效能分析的角度出发，分析了两种参数电流和功率之间存在的内在联系，找到了水泵的性能曲线作为拟合过程中间的桥梁，从而确定了拟合的方法以及拟合多项式的次数；
2、本发明能够从数据维度和数据数量均较少的样本数据中建立水泵的异常检测模型，同时也能够应对收集的样本中故障数据的量较少的问题；
3、本发明能够针对每个水泵建立与其一一对应的异常检测模型；
4、本发明能够快速便捷的建立水泵运行情况异常检测模型，工程实践能力强。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (6)

1.一种基于效能分析的水泵运行状态异常判别的方法，其特征在于，包括如下步骤：
步骤S1：通过安装在水泵上的传感器获取水泵运行过程中的瞬时电流和对应时刻的水泵轴功率两个状态数据；
步骤S2：分析水泵的机理，得到性能曲线拟合类型；
步骤S3：将收集到的状态监测数据进行使用多项式拟合数据；
步骤S4：使用正态分布3σ准则进行运行状态异常点分析检测检验。
2.根据权利要求1所述的一种基于效能分析的水泵运行状态异常判别的方法，其特征在于，所述步骤S2包括如下步骤：
步骤S21：计算步骤S1中瞬时电流下的水泵电机的输出功率，其计算公式
Figure FDA0002471527240000011
P为电机的输出功率，U为线电压，I代表当前流经电机的电流，
Figure FDA0002471527240000012
是功率因子，由负载类型决定；
步骤S22：水泵的效率在其接近额定功率时达到最大值，而在低于额定功率和高于额定功率时其效率较低，在考虑了水泵自身效率后将步骤S21中公式改写为
Figure FDA0002471527240000013
Pa代表水泵的轴功率，U为线电压，I为当前流经电机的电流，
Figure FDA0002471527240000014
为功率因子，η代表水泵自身的效率；
步骤S23：将电机电流作为自变量，根据步骤S22中的式子左侧等式计算出水泵的总效率作为因变量，则可以得到各个时刻不同水泵电机的水泵效率η-电流I分布情况。
3.根据权利要求2所述的一种基于效能分析的水泵运行状态异常判别的方法，其特征在于，所述步骤S21中U在工业用电时为380V，
Figure FDA0002471527240000015
为0.8。
4.根据权利要求1所述的一种基于效能分析的水泵运行状态异常判别的方法，其特征在于，所述步骤S3包括：
步骤S31：使用Matlab工具箱对数据进行三次多项式拟合，拟合的准则为最小二乘拟合，最小二乘法的计算目标为
Figure FDA0002471527240000021
N为样本的个数，f(xi)为拟合的函数的回归值，yi为实际的值，从而找到使残差平方和最小的三次曲线；
步骤S32：计算回归的统计指标决定系数R2和残差的样本标准差σ，计算公式为
Figure FDA0002471527240000022
R2代表了决定系数，y代表样本的实际值，
Figure FDA0002471527240000023
代表回归函数值，
Figure FDA0002471527240000024
代表样本值的平均值，σ代表残差的样本标准差，n代表样本的个数。
5.根据权利要求4所述的一种基于效能分析的水泵运行状态异常判别的方法，其特征在于，所述步骤S4中多项式线性回归的随机误差满足N(0，σ2)分布，即均值为0，标准差为σ的正态分布，可以按照正态分布的3σ法则检验异常值，包括训练样本中的异常值和新输入数据中的异常值，在回归曲线建立后针对原先输入的数据进行检验，如果与拟合曲线差值超过3σ，则认为数据在随机误差的置信区间以外，属于异常点，随后需要去除异常点重新进行拟合直到训练数据中不存在异常点为止，此时回归模型已经建立完成。
6.根据权利要求5所述的一种基于效能分析的水泵运行状态异常判别的方法，其特征在于，所述步骤S4中回归模型建立完成后，如果有新的数据，输入模型进行检测，若与回归值的差值大于3σ则认为并非由随机误差造成，而是异常点。
CN202010350082.8A 2020-04-28 2020-04-28 一种基于效能分析的水泵运行状态异常判别的方法 Pending CN111608899A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010350082.8A CN111608899A (zh) 2020-04-28 2020-04-28 一种基于效能分析的水泵运行状态异常判别的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010350082.8A CN111608899A (zh) 2020-04-28 2020-04-28 一种基于效能分析的水泵运行状态异常判别的方法

Publications (1)

Publication Number Publication Date
CN111608899A true CN111608899A (zh) 2020-09-01

Family

ID=72204691

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010350082.8A Pending CN111608899A (zh) 2020-04-28 2020-04-28 一种基于效能分析的水泵运行状态异常判别的方法

Country Status (1)

Country Link
CN (1) CN111608899A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112633329A (zh) * 2020-12-05 2021-04-09 歌尔科技有限公司 一种智能设备力学特性缺陷检测的方法
CN112819373A (zh) * 2021-02-25 2021-05-18 云南电网有限责任公司电力科学研究院 一种配网电压异常数据检测方法及装置
CN114251829A (zh) * 2021-08-24 2022-03-29 佛山市顺德区美的饮水机制造有限公司 即热装置及其控制方法和控制装置、水处理装置和介质
TWI833402B (zh) * 2022-10-25 2024-02-21 中國鋼鐵股份有限公司 個別泵浦效率於並聯離心式泵浦站的檢測方法

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112633329A (zh) * 2020-12-05 2021-04-09 歌尔科技有限公司 一种智能设备力学特性缺陷检测的方法
CN112633329B (zh) * 2020-12-05 2023-01-31 歌尔科技有限公司 一种智能设备力学特性缺陷检测的方法
CN112819373A (zh) * 2021-02-25 2021-05-18 云南电网有限责任公司电力科学研究院 一种配网电压异常数据检测方法及装置
CN114251829A (zh) * 2021-08-24 2022-03-29 佛山市顺德区美的饮水机制造有限公司 即热装置及其控制方法和控制装置、水处理装置和介质
TWI833402B (zh) * 2022-10-25 2024-02-21 中國鋼鐵股份有限公司 個別泵浦效率於並聯離心式泵浦站的檢測方法

Similar Documents

Publication Publication Date Title
CN111608899A (zh) 一种基于效能分析的水泵运行状态异常判别的方法
CN109524139B (zh) 一种基于设备工况变化的实时设备性能监测方法
CN107489464B (zh) 汽轮发电机组故障预警方法及系统
CN108335021B (zh) 一种风力机状态可靠度评估的方法及维修决策优化
CN110208019B (zh) 一种动设备状态监测动态阈值预警方法
CN109298379B (zh) 一种基于数据监测的智能电表现场误差异常的识别方法
BR112013026307B1 (pt) Sistema de avaliação dinâmico para monitorar componentes elétricos de alta tensão e método para avaliar pelo menos um componente elétrico de alta tensão
CN111191881B (zh) 一种基于大数据的火电机组工业设备状态监测方法
CN111929579B (zh) 发电机在线故障诊断方法、设备及计算机设备
CN111365083A (zh) 一种基于热力参数的汽轮机通流部分故障诊断方法
CN111669123A (zh) 用于对光伏组串进行故障诊断的方法和装置
CN107654342A (zh) 一种考虑湍流的风电机组功率异常的检测方法
CN111008485A (zh) 基于神经网络的三相交流异步电机多参数寿命预测方法
CN110701137A (zh) 一种掘进机液压系统智能在线检测诊断装置及方法
CN111474437A (zh) 一种电解电容寿命实时在线预测的方法
CN107103425B (zh) 发电设备运行状态计算机智能量化评价系统
CN117374976B (zh) 基于线路故障自动识别的电气安全管理系统
CN115186924A (zh) 基于人工智能的设备健康状态的评估方法和装置
CN112418306A (zh) 基于lstm-svm的燃气轮机压气机故障预警方法
CN114738132B (zh) 基于实船数据的增压器转速传感器故障诊断方法及系统
CN116338451A (zh) 一种深度调峰工况下汽轮发电机安全评价诊断系统及方法
CN115587331A (zh) 电网设备运行状态诊断预测方法及系统
CN112234940B (zh) 考虑限功率与运行效率的逆变器输出功率异常预警方法
CN113819082B (zh) 离心式压缩机润滑油液在线监测诊断方法及系统
CN112577739A (zh) 风电机组发动机驱动端轴承超温故障诊断及预警方法

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