CN111651505A - 一种基于数据驱动的设备运行态势分析预警方法及系统 - Google Patents

一种基于数据驱动的设备运行态势分析预警方法及系统 Download PDF

Info

Publication number
CN111651505A
CN111651505A CN202010505029.0A CN202010505029A CN111651505A CN 111651505 A CN111651505 A CN 111651505A CN 202010505029 A CN202010505029 A CN 202010505029A CN 111651505 A CN111651505 A CN 111651505A
Authority
CN
China
Prior art keywords
data
early warning
equipment
key parameters
analysis
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.)
Granted
Application number
CN202010505029.0A
Other languages
English (en)
Other versions
CN111651505B (zh
Inventor
林丽惠
向泽智
李亚燕
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.)
Xiamen Air Traffic Management Station Of Civil Aviation Administration Of China
Original Assignee
Xiamen Air Traffic Management Station Of Civil Aviation Administration Of China
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 Xiamen Air Traffic Management Station Of Civil Aviation Administration Of China filed Critical Xiamen Air Traffic Management Station Of Civil Aviation Administration Of China
Priority to CN202010505029.0A priority Critical patent/CN111651505B/zh
Publication of CN111651505A publication Critical patent/CN111651505A/zh
Application granted granted Critical
Publication of CN111651505B publication Critical patent/CN111651505B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2462—Approximate or statistical queries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/02—Knowledge representation; Symbolic representation
    • G06N5/022—Knowledge engineering; Knowledge acquisition
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/20—Administration of product repair or maintenance

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • General Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Quality & Reliability (AREA)
  • Mathematical Physics (AREA)
  • General Business, Economics & Management (AREA)
  • Operations Research (AREA)
  • Marketing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Probability & Statistics with Applications (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Tourism & Hospitality (AREA)
  • Software Systems (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Artificial Intelligence (AREA)
  • Fuzzy Systems (AREA)
  • Databases & Information Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Testing And Monitoring For Control Systems (AREA)

Abstract

本发明涉及一种基于数据驱动的设备运行态势分析预警方法及系统。所述方法通过获取设备的基本数据和预警门限；对所述基本数据进行结构化处理，得到结构化处理后的基本数据；根据所述结构化处理后的基本数据和所述预警门限，采用关联分析的方法，进行综合性的统计分析，确定事件与故障关联知识库；根据所述事件与故障关联知识库、结构化处理后的关键参数和所述预警门限建立预测模型；根据所述关键参数的实时运行数据，利用所述预测模型对所述设备进行预警。本发明实现设备运行态势的预警，有利于提醒设备保障人员提前介入处理可能发生的问题，降低设备运行风险。

Description

一种基于数据驱动的设备运行态势分析预警方法及系统
技术领域
本发明涉及设备运行态势分析预警领域，特别是涉及一种基于数据驱动的设备运行态势分析预警方法及系统。
背景技术
各类设备的运行数据分别通过自带的监控系统实现状态监视。人员通过设备告警、巡检维护和用户申告等途径，发现设备运行偏差后启动设备维护维修工作。
而现有技术中数据与数据之间存在信息孤岛现象，很难实现综合性规律分析和联动处理。设备运行保障工作主要依赖经验积累和假设判断等手段，属于事件经验驱动、人工判断处理的被动模式，缺少客观依据，存在一定的局限性，如：排查的盲目性、检修时间长、检测判断手段繁琐、备件成本高。
发明内容
本发明的目的是提供一种基于数据驱动的设备运行态势分析预警方法及系统，实现设备运行态势的预警，有利于提醒设备保障人员提前介入处理可能发生的问题，降低设备运行风险。
为实现上述目的，本发明提供了如下方案：
一种基于数据驱动的设备运行态势分析预警方法，包括：
获取设备的基本数据和预警门限；所述基本数据包括关键参数的实时运行数据、设备定期维护数据、设备运行日志记录、故障案例信息、参数标准、外围环境描述条件和设备运行等级评估；所述预警门限包括每一关键参数对应的设定阈值；
对所述基本数据进行结构化处理，得到结构化处理后的基本数据；
根据所述结构化处理后的基本数据和所述预警门限，采用关联分析的方法，进行综合性的统计分析，确定事件与故障关联知识库；
根据所述事件与故障关联知识库、结构化处理后的关键参数和所述预警门限建立预测模型；
根据所述关键参数的实时运行数据，利用所述预测模型对所述设备进行预警。
可选的，所述根据所述结构化处理后的基本数据和所述预警门限，采用关联分析的方法，进行综合性的统计分析，确定事件与故障关联知识库，之前还包括：
将所述结构化处理后的基本数据与所述预警门限进行对比，得到对比结果；
将所述对比结果进行可视化。
可选的，所述根据所述结构化处理后的基本数据和所述预警门限，采用关联分析的方法，进行综合性的统计分析，确定事件与故障关联知识库，具体包括：
根据结构化处理后的关键参数的实时运行数据和所述预警门限，采用通过纵向分析和横向分析相结合的方式，确定结构化处理后的关键参数的变化趋势；
根据所述变化趋势，采用关联分析的方法确定所述结构化处理后的关键参数之间的关联关系；
根据所述关联关系和所述结构化处理后的基本数据进行综合性的统计分析，确定设备运行特征规律；
根据所述设备运行特征规律确定所述事件与故障关联知识库。
可选的，所述根据结构化处理后的关键参数的实时运行数据和所述预警门限，采用通过纵向分析和横向分析相结合的方式，确定结构化处理后的关键参数的变化趋势，具体包括：
结构化处理后的关键参数的实时运行数据和所述预警门限进行归一化处理。
可选的，所述根据所述关键参数的实时运行数据，利用所述预测模型对所述设备进行预警，之后还包括：
根据所述关键参数的实时运行数据动态更新所述预测模型，得到更新后的预测模型。
一种基于数据驱动的设备运行态势分析预警系统，包括：
数据获取模块，用于获取设备的基本数据和预警门限；所述基本数据包括关键参数的实时运行数据、设备定期维护数据、设备运行日志记录、故障案例信息、参数标准、外围环境描述条件和设备运行等级评估；所述预警门限包括每一关键参数对应的设定阈值；
结构化处理后的基本数据确定模块，用于对所述基本数据进行结构化处理，得到结构化处理后的基本数据；
事件与故障关联知识库确定模块，用于根据所述结构化处理后的基本数据和所述预警门限，采用关联分析的方法，进行综合性的统计分析，确定事件与故障关联知识库；
预测模型建立模块，用于根据所述事件与故障关联知识库、结构化处理后的关键参数和所述预警门限建立预测模型；
预警模块，用于根据所述关键参数的实时运行数据，利用所述预测模型对所述设备进行预警。
可选的，还包括：
对比结果确定模块，用于将所述结构化处理后的基本数据与所述预警门限进行对比，得到对比结果；
可视化模块，用于将所述对比结果进行可视化。
可选的，所述事件与故障关联知识库确定模块具体包括：
变化趋势确定单元，用于根据结构化处理后的关键参数的实时运行数据和所述预警门限，采用通过纵向分析和横向分析相结合的方式，确定结构化处理后的关键参数的变化趋势；
关联关系确定单元，用于根据所述变化趋势，采用关联分析的方法确定所述结构化处理后的关键参数之间的关联关系；
设备运行特征规律确定单元，用于根据所述关联关系和所述结构化处理后的基本数据进行综合性的统计分析，确定设备运行特征规律；
事件与故障关联知识库确定单元，用于根据所述设备运行特征规律确定所述事件与故障关联知识库。
可选的，所述变化趋势确定单元具体包括：
归一化处理子单元，用于结构化处理后的关键参数的实时运行数据和所述预警门限进行归一化处理。
可选的，还包括：
更新模块，用于根据所述关键参数的实时运行数据动态更新所述预测模型，得到更新后的预测模型。
根据本发明提供的具体实施例，本发明公开了以下技术效果：
本发明所提供一种基于数据驱动的设备运行态势分析预警方法及系统，通过获取设备的基本数据和预警门限，所述基本数据包括实时运行数据和历史数据；通过对设备的实时运行数据和历史数据统计分析和规律关系挖掘，实现设备运行态势的预警，解决了通过人工实现各类系统的独立运行，而无法形成自动关联等问题，有利于提醒设备保障人员提前介入处理可能发生的问题，降低设备运行风险。
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为本发明所提供的一种基于数据驱动的设备运行态势分析预警方法流程示意图；
图2为本发明所提供的事件与故障关联知识库结构示意图；
图3为所述结构化处理后的基本数据与所述预警门限对比结果示意图；
图4为本发明所提供的一种基于数据驱动的设备运行态势分析预警系统结构示意图。
具体实施方式
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。
本发明的目的是提供一种基于数据驱动的设备运行态势分析预警方法及系统，实现设备运行态势的预警，有利于提醒设备保障人员提前介入处理可能发生的问题，降低设备运行风险。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
图1为本发明所提供的一种基于数据驱动的设备运行态势分析预警方法流程示意图，如图1所示，本发明所提供的一种基于数据驱动的设备运行态势分析预警方法，包括：
S101，获取设备的基本数据和预警门限；所述基本数据包括关键参数的实时运行数据、设备定期维护数据、设备运行日志记录、故障案例信息、参数标准、外围环境描述条件和设备运行等级评估；所述预警门限包括每一关键参数对应的设定阈值。
系统根据设备运行原理和参数作用原理，分析影响设备运行的因素(例如灾害天气、电磁环境、外部传输、外部供电等运行环境变化)和关键参数(如设备关键参数样例表所示)，根据民航相关行业规范标准(参见设备关键参数样例表中所示的行业相关规范及标准)中针对关键参数的指标要求，结合各类设备技术手册中对相应参数指标的说明，分析设定各参数的阈值，以设定预警门限，预警门限的设置应确保参数达到该值时不会产生后果。设备关键参数样例表如下所示：
设备关键参数样例表
Figure BDA0002526241230000061
S102，对所述基本数据进行结构化处理，得到结构化处理后的基本数据。
在S101中获取的设备的基本数据包含文本、数字、图形、符号等信息，存在结构化、半结构化和非结构化多种形式，既有静态历史数据，也有动态实时数据。因此，在数据进入分析系统之前，应提前对数据进行结构化处理，赋予其正确的语义并使之具有辨识度，使系统能够对其进行正确识别和分析。
作为一个具体的实施例，人工录入的设备运行相关文本数据信息(例如岗位值班记录、系统运行日志、设备巡检维护数据、环境变化记录等等)，通过完善值班运行管理终端的数据录入功能，使数据录入符合数据库采集存储要求，将扁平的故障记录文本，进行分片提取，处理成包含故障设备、故障致因、分类、影响等级、处置方式、开始时间、结束时间、处置人员等字段信息的结构化数据，便于确定事件与故障关联知识库。
S103，根据所述结构化处理后的基本数据和所述预警门限，采用关联分析的方法，进行综合性的统计分析，确定事件与故障关联知识库，如图2所示。
根据结构化处理后的关键参数的实时运行数据和所述预警门限，采用通过纵向分析和横向分析相结合的方式，确定结构化处理后的关键参数的变化趋势；结构化处理后的关键参数的实时运行数据和所述预警门限进行归一化处理。具体利用f(x)＝x/s进行归一化处理，x为关键参数的实时运行数据；s为参数相应的标准值。
根据所述变化趋势，采用关联分析的方法确定所述结构化处理后的关键参数之间的关联关系。
根据参数作用原理和状态意义，根据参数的重要性等级分别定义参数的初始加权系数，并通过后期参数影响的变化计算得出相应动态权值系数。以甚高频发射机的关键参数VSWR(驻波比)、MOD％(调制度)和PWR(功率)为例，针对每一个关键参数，通过纵向(时间)分析和横向(同类)分析相结合的方式，分别分析得出在预设标准值和预警值的对比下，参数的变化趋势以及与其他同类设备对比和偏差情况等信息。纵向分析法主要采用是根据同一参数前后变化的时间序列，以时间为横轴，采用移动平均法((X1+X2+…Xn)/n,(X2+X3+…Xn+1)/n,(X3+X4+…Xn+2)/n,…(n为自定义的移动平均阶数))绘制得出变化趋势曲线，并根据变化情况，动态得出参数变化的周期性、季节性等特征，并将VSWR、MOD％和PWR三个关联参数的曲线进行回归分析，分析参数之间的关联关系。
根据所述关联关系和所述结构化处理后的基本数据进行综合性的统计分析，确定设备运行特征规律。统计分析是基于计算机技术、管理科学和统计学相结合的数据分析方法，用以解决实际问题。设备维护保障人员必须对设备异常情况实时做出及时、高效的应急和排查处理，从某种意义上来讲，这些工作都必须建立在全面、准备和及时掌握设备运行信息的基础上。
通过对空管设备运行历史和实时数据的搜集、整合、处理和分析，将所得的大量数据加以整理、简缩、制成统计图表，并根据这些数据的分布特征总结得出设备发生运行异常的触发条件和状态参数变动情况，得出相应的设备运行特征规律。
根据所述设备运行特征规律确定所述事件与故障关联知识库。即根据所述设备运行特征规律形成设备维护保障知识库，并随着后期运行数据的不断增加，系统持续进行知识积累和自我学习，从而达到逐步强化完善的效果。
所述事件与故障关联知识库根据设备引接分布拓扑、设备作用原理以及各环节的故障影响情况进行分析，从事件/故障入手，结合事件分析法和故障分析法，对各个故障致因及其作用关系进行分析，得出顶端事件致因的各种可能组合方式和(或)发生概率，并提示需要提前关注预防的环节。如上图“设备故障分析树案例”所示，以管制频率失效为例，通过对可能造成故障发生的硬件、软件、环境、人为因素进行分析，得出故障分析树。当某一个或多个底部事件或组合事件发生时，系统根据预设条件值及关联关系自动进行计算，得出顶端事件发生的概率，当概率超过系统预设值时，触发顶端事件的预警提示，同时也可给出该底部事件发生后可能导致的其他相关事件发后的相关提示，提前起到预警预防的作用；反之，当发生顶端事件时，系统通过知识库的自动搜索匹配，向维护岗位提供相应的排查方向和建议。
在S104之前还包括：
将所述结构化处理后的基本数据与所述预警门限进行对比，得到对比结果。
将所述对比结果进行可视化。
在一个具体的实施例中，以驻波比参数为例，绘制形成关键参数的实测值曲线，并与预设的设备告警、预警门限、系统告警、初始值等进行比对，形成反映并能够判断设备参数运行状态的曲线体系，即对比结果，如图3所示，在驻波比参数超出预警门限的时刻(13：05和13：09)，根据超出类型实时输出相应的告警提示。
S104，根据所述事件与故障关联知识库、结构化处理后的关键参数和所述预警门限建立预测模型。
S105，根据所述关键参数的实时运行数据，利用所述预测模型对所述设备进行预警。
根据所述关键参数的实时运行数据动态更新所述预测模型，得到更新后的预测模型。
给各关键参数的实时运行数据赋予相应的权值，进行预加权处理，在后期的数据更新阶段，系统根据其发生异常导致顶端事件发生的次数换算成权值，进行动态更新。
首先将参数进行归一化处理，即根据公式f(x)＝x/s(x为参数值；s为参数相应的标准值)将获取的参数值和预设的参数预警等数值均进行归一化预处理。然后根据参数作用原理和状态意义，根据参数的重要性等级分别定义参数的初始加权系数，并通过后期参数影响的变化计算得出相应动态权值系数。以甚高频发射机的关键参数VSWR(驻波比)、MOD％(调制度)和PWR(功率)为例，针对每一个关键参数，通过纵向(时间)分析和横向(同类)分析相结合的方式，分别分析得出在预设标准值和预警值的对比下，参数的变化趋势以及与其他同类设备对比和偏差情况等信息。纵向分析法主要采用是根据同一参数前后变化的时间序列，以时间为横轴，绘制得出变化曲线，并根据变化情况，动态得出参数变化的周期性、季节性等特征，并将VSWR、MOD％和PWR三个关联参数的曲线进行回归析，分析参数之间的相关关系，建立回归模型，检验参数之间的关联程度，并进行趋势预测。
当预测模型检测的偏差发生且超出预设门限时，触发底部事件。如图2所示，设底部事件的初始加权系数为f0(例如：A级或无备份设备的f0为2，B级或冗余设备的f0为1，C级或应急设备的f0为0.5)，在后期的数据更新阶段，系统根据参数异常导致顶端事件发生的次数N(简称“致因次数”)和顶端事件发生的总次数NS，计算得出参数异常导致顶端事件发生的概率P(简称“致因概率”，P0＝N/NS)换算成相应的实时动态权值系数fn(fn＝f0P，n为底部事件编号(下同))，进行动态数据更新。设每个致因事件发生的开关系数为Tn，当致因事件发生时Tn为1，未发生则为0，每个底部事件的致因概率Pn＝TnXnfn,则顶端事件“管制频率失效”发生的概率Ps＝P1+(P2+(P3+P15)+(P4+P17))+(P5+P6)+……)((P6+P7)+……+(P13+P17+P14)+……)+((P15+P16)+……+(P21+P22+P23+P24))，通过上行法求最小割集，得到每个中间事件的发生概率，进行递归的割集计算从而建立备故障关联知识库，数据存储设计如事件及设备故障致因列表所示。
事件及设备故障致因列表
Figure BDA0002526241230000101
Figure BDA0002526241230000111
通过预测模型可以直观地看到设备在过去一段时间的状况，现在的状态指示，未来可能发生的故障等，当设备运行的某个指标或条件变化趋势模型建立后，则可根据指标或条件对设备的影响趋势设定预警门限，定义为某个指标或条件突破阈值时，预测模型判断输出可能发生的事件预警。
维护人员通过呈现的信息，可以直观地看到设备在过去一段时间的状况，现在的状态指示，未来可能发生的故障等，当设备运行的某个指标或条件变化趋势模型建立后，则可根据指标或条件对设备的影响趋势设定预警门限，定义为某个指标或条件突破阈值时，系统判断输出可能发生的事件预警。使设备维护人员提前了解设备运行趋势，并采取适当的对策进行实时风险管控，对可能发生的异常提前进行无害化干预处理，将风险及其影响降至最低。
图4为本发明所提供的一种基于数据驱动的设备运行态势分析预警系统结构示意图，如图4所示，本发明所提供的一种基于数据驱动的设备运行态势分析预警系统，包括：数据获取模块401、结构化处理后的基本数据确定模块402、事件与故障关联知识库确定模块403、预测模型建立模块404和预警模块405。
数据获取模块401用于获取设备的基本数据和预警门限；所述基本数据包括关键参数的实时运行数据、设备定期维护数据、设备运行日志记录、故障案例信息、参数标准、外围环境描述条件和设备运行等级评估；所述预警门限包括每一关键参数对应的设定阈值；
结构化处理后的基本数据确定模块402用于对所述基本数据进行结构化处理，得到结构化处理后的基本数据；
事件与故障关联知识库确定模块403用于根据所述结构化处理后的基本数据和所述预警门限，采用关联分析的方法，进行综合性的统计分析，确定事件与故障关联知识库；
预测模型建立模块404用于根据所述事件与故障关联知识库、结构化处理后的关键参数和所述预警门限建立预测模型；
预警模块405用于根据所述关键参数的实时运行数据，利用所述预测模型对所述设备进行预警。
本发明所提供的一种基于数据驱动的设备运行态势分析预警系统，还包括：对比结果确定模块和可视化模块。
对比结果确定模块用于将所述结构化处理后的基本数据与所述预警门限进行对比，得到对比结果。
可视化模块用于将所述对比结果进行可视化。
所述事件与故障关联知识库确定模块403具体包括：变化趋势确定单元、关联关系确定单元、设备运行特征规律确定单元和事件与故障关联知识库确定单元。
变化趋势确定单元用于根据结构化处理后的关键参数的实时运行数据和所述预警门限，采用通过纵向分析和横向分析相结合的方式，确定结构化处理后的关键参数的变化趋势；
关联关系确定单元用于根据所述变化趋势，采用关联分析的方法确定所述结构化处理后的关键参数之间的关联关系；
设备运行特征规律确定单元用于根据所述关联关系和所述结构化处理后的基本数据进行综合性的统计分析，确定设备运行特征规律；
事件与故障关联知识库确定单元用于根据所述设备运行特征规律确定所述事件与故障关联知识库。
所述变化趋势确定单元具体包括：归一化处理子单元。
归一化处理子单元用于结构化处理后的关键参数的实时运行数据和所述预警门限进行归一化处理。
本发明所提供的一种基于数据驱动的设备运行态势分析预警系统，还包括：更新模块。
更新模块用于根据所述关键参数的实时运行数据动态更新所述预测模型，得到更新后的预测模型。
本发明所提供的一种基于数据驱动的设备运行态势分析预警系统，通过对设备运行资料和历史数据进行分析处理，得出设备运行规律和特点，如关键参数或性能变化周期或特殊条件下的运行特点，通过数据的统计处理和积累，逐步形成故障案例库和设备维护保障知识库，结合完善相应的设备应急预案库，形成了日渐完善丰富的设备运行数据关联体系。当故障发生时，系统检测到故障关键字和关键属性时，通过自身强大的搜索关联功能，以该故障作为推理求解目标，检索匹配最相似的模型、案例和相应的知识，通过数字预案分析、案例推理和辅助判断决策等技术，为设备维护人员展示出同类故障的处置思路经验或建议，大大缩减检修程序，并减少了能力差异带来的影响。在日常运行保障期间，该系统也可作为学习培训平台。同时，当故障处置与参考案例和处置规则存在差异时，则自动形成新的案例和处置规则，通过系统的自我学习行为，案例数量和质量将随之增长，系统的“经验”和“知识”将越来越丰富，辅助决策的效果也将日渐显现。
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。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。

Claims (10)

1.一种基于数据驱动的设备运行态势分析预警方法，其特征在于，包括：
获取设备的基本数据和预警门限；所述基本数据包括关键参数的实时运行数据、设备定期维护数据、设备运行日志记录、故障案例信息、参数标准、外围环境描述条件和设备运行等级评估；所述预警门限包括每一关键参数对应的设定阈值；
对所述基本数据进行结构化处理，得到结构化处理后的基本数据；
根据所述结构化处理后的基本数据和所述预警门限，采用关联分析的方法，进行综合性的统计分析，确定事件与故障关联知识库；
根据所述事件与故障关联知识库、结构化处理后的关键参数和所述预警门限建立预测模型；
根据所述关键参数的实时运行数据，利用所述预测模型对所述设备进行预警。
2.根据权利要求1所述的一种基于数据驱动的设备运行态势分析预警方法，其特征在于，所述根据所述结构化处理后的基本数据和所述预警门限，采用关联分析的方法，进行综合性的统计分析，确定事件与故障关联知识库，之前还包括：
将所述结构化处理后的基本数据与所述预警门限进行对比，得到对比结果；
将所述对比结果进行可视化。
3.根据权利要求1所述的一种基于数据驱动的设备运行态势分析预警方法，其特征在于，所述根据所述结构化处理后的基本数据和所述预警门限，采用关联分析的方法，进行综合性的统计分析，确定事件与故障关联知识库，具体包括：
根据结构化处理后的关键参数的实时运行数据和所述预警门限，采用通过纵向分析和横向分析相结合的方式，确定结构化处理后的关键参数的变化趋势；
根据所述变化趋势，采用关联分析的方法确定所述结构化处理后的关键参数之间的关联关系；
根据所述关联关系和所述结构化处理后的基本数据进行综合性的统计分析，确定设备运行特征规律；
根据所述设备运行特征规律确定所述事件与故障关联知识库。
4.根据权利要求3所述的一种基于数据驱动的设备运行态势分析预警方法，其特征在于，所述根据结构化处理后的关键参数的实时运行数据和所述预警门限，采用通过纵向分析和横向分析相结合的方式，确定结构化处理后的关键参数的变化趋势，具体包括：
结构化处理后的关键参数的实时运行数据和所述预警门限进行归一化处理。
5.根据权利要求1所述的一种基于数据驱动的设备运行态势分析预警方法，其特征在于，所述根据所述关键参数的实时运行数据，利用所述预测模型对所述设备进行预警，之后还包括：
根据所述关键参数的实时运行数据动态更新所述预测模型，得到更新后的预测模型。
6.一种基于数据驱动的设备运行态势分析预警系统，其特征在于，包括：
数据获取模块，用于获取设备的基本数据和预警门限；所述基本数据包括关键参数的实时运行数据、设备定期维护数据、设备运行日志记录、故障案例信息、参数标准、外围环境描述条件和设备运行等级评估；所述预警门限包括每一关键参数对应的设定阈值；
结构化处理后的基本数据确定模块，用于对所述基本数据进行结构化处理，得到结构化处理后的基本数据；
事件与故障关联知识库确定模块，用于根据所述结构化处理后的基本数据和所述预警门限，采用关联分析的方法，进行综合性的统计分析，确定事件与故障关联知识库；
预测模型建立模块，用于根据所述事件与故障关联知识库、结构化处理后的关键参数和所述预警门限建立预测模型；
预警模块，用于根据所述关键参数的实时运行数据，利用所述预测模型对所述设备进行预警。
7.根据权利要求6所述的一种基于数据驱动的设备运行态势分析预警系统，其特征在于，还包括：
对比结果确定模块，用于将所述结构化处理后的基本数据与所述预警门限进行对比，得到对比结果；
可视化模块，用于将所述对比结果进行可视化。
8.根据权利要求6所述的一种基于数据驱动的设备运行态势分析预警系统，其特征在于，所述事件与故障关联知识库确定模块具体包括：
变化趋势确定单元，用于根据结构化处理后的关键参数的实时运行数据和所述预警门限，采用通过纵向分析和横向分析相结合的方式，确定结构化处理后的关键参数的变化趋势；
关联关系确定单元，用于根据所述变化趋势，采用关联分析的方法确定所述结构化处理后的关键参数之间的关联关系；
设备运行特征规律确定单元，用于根据所述关联关系和所述结构化处理后的基本数据进行综合性的统计分析，确定设备运行特征规律；
事件与故障关联知识库确定单元，用于根据所述设备运行特征规律确定所述事件与故障关联知识库。
9.根据权利要求7所述的一种基于数据驱动的设备运行态势分析预警系统，其特征在于，所述变化趋势确定单元具体包括：
归一化处理子单元，用于结构化处理后的关键参数的实时运行数据和所述预警门限进行归一化处理。
10.根据权利要求6所述的一种基于数据驱动的设备运行态势分析预警系统，其特征在于，还包括：
更新模块，用于根据所述关键参数的实时运行数据动态更新所述预测模型，得到更新后的预测模型。
CN202010505029.0A 2020-06-05 2020-06-05 一种基于数据驱动的设备运行态势分析预警方法及系统 Active CN111651505B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010505029.0A CN111651505B (zh) 2020-06-05 2020-06-05 一种基于数据驱动的设备运行态势分析预警方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010505029.0A CN111651505B (zh) 2020-06-05 2020-06-05 一种基于数据驱动的设备运行态势分析预警方法及系统

Publications (2)

Publication Number Publication Date
CN111651505A true CN111651505A (zh) 2020-09-11
CN111651505B CN111651505B (zh) 2023-05-16

Family

ID=72344690

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010505029.0A Active CN111651505B (zh) 2020-06-05 2020-06-05 一种基于数据驱动的设备运行态势分析预警方法及系统

Country Status (1)

Country Link
CN (1) CN111651505B (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112257423A (zh) * 2020-10-21 2021-01-22 北京工业大数据创新中心有限公司 一种设备征兆信息获取方法、装置和设备运维系统
CN113835401A (zh) * 2021-08-11 2021-12-24 深圳优制云工业互联网有限公司 一种管理生产设备的方法、装置及系统
CN115239039A (zh) * 2021-04-23 2022-10-25 中国石油化工股份有限公司 基于工艺安全指标的化工装置风险修正预警方法及装置
CN115423134A (zh) * 2022-11-04 2022-12-02 淄博睿智通机电科技有限公司 基于人工智能的重膜吹膜机运行检测系统
CN115497267A (zh) * 2022-09-06 2022-12-20 江西小手软件技术有限公司 基于时序关联规则的设备预警平台
CN116310940A (zh) * 2022-12-29 2023-06-23 苏州斯曼克磨粒流设备有限公司 一种机电设备运行状态的风险评估方法及系统
CN117076573A (zh) * 2023-10-16 2023-11-17 深圳博十强志科技有限公司 一种基于大数据技术的数据处理分析系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107622308A (zh) * 2017-09-18 2018-01-23 华中科技大学 一种基于dbn网络的发电设备参数预警方法
CN108446864A (zh) * 2018-04-10 2018-08-24 广州新科佳都科技有限公司 基于大数据分析的轨道交通设备的故障预警系统及方法
CN109397703A (zh) * 2018-10-29 2019-03-01 北京航空航天大学 一种故障检测方法及装置
CN110298497A (zh) * 2019-06-11 2019-10-01 武汉蓝智科技有限公司 基于大数据的工业预测维修系统及其使用方法
CN111192379A (zh) * 2019-12-24 2020-05-22 泉州装备制造研究所 一种飞机整机的综合故障诊断方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107622308A (zh) * 2017-09-18 2018-01-23 华中科技大学 一种基于dbn网络的发电设备参数预警方法
CN108446864A (zh) * 2018-04-10 2018-08-24 广州新科佳都科技有限公司 基于大数据分析的轨道交通设备的故障预警系统及方法
CN109397703A (zh) * 2018-10-29 2019-03-01 北京航空航天大学 一种故障检测方法及装置
CN110298497A (zh) * 2019-06-11 2019-10-01 武汉蓝智科技有限公司 基于大数据的工业预测维修系统及其使用方法
CN111192379A (zh) * 2019-12-24 2020-05-22 泉州装备制造研究所 一种飞机整机的综合故障诊断方法

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112257423A (zh) * 2020-10-21 2021-01-22 北京工业大数据创新中心有限公司 一种设备征兆信息获取方法、装置和设备运维系统
CN112257423B (zh) * 2020-10-21 2024-01-26 北京工业大数据创新中心有限公司 一种设备征兆信息获取方法、装置和设备运维系统
CN115239039A (zh) * 2021-04-23 2022-10-25 中国石油化工股份有限公司 基于工艺安全指标的化工装置风险修正预警方法及装置
CN115239039B (zh) * 2021-04-23 2023-06-30 中国石油化工股份有限公司 基于工艺安全指标的化工装置风险修正预警方法及装置
CN113835401A (zh) * 2021-08-11 2021-12-24 深圳优制云工业互联网有限公司 一种管理生产设备的方法、装置及系统
CN115497267A (zh) * 2022-09-06 2022-12-20 江西小手软件技术有限公司 基于时序关联规则的设备预警平台
CN115423134A (zh) * 2022-11-04 2022-12-02 淄博睿智通机电科技有限公司 基于人工智能的重膜吹膜机运行检测系统
CN115423134B (zh) * 2022-11-04 2023-02-28 淄博睿智通机电科技有限公司 基于人工智能的重膜吹膜机运行检测系统
CN116310940A (zh) * 2022-12-29 2023-06-23 苏州斯曼克磨粒流设备有限公司 一种机电设备运行状态的风险评估方法及系统
CN117076573A (zh) * 2023-10-16 2023-11-17 深圳博十强志科技有限公司 一种基于大数据技术的数据处理分析系统
CN117076573B (zh) * 2023-10-16 2024-01-05 深圳博十强志科技有限公司 一种基于大数据技术的数据处理分析系统

Also Published As

Publication number Publication date
CN111651505B (zh) 2023-05-16

Similar Documents

Publication Publication Date Title
CN111651505B (zh) 一种基于数据驱动的设备运行态势分析预警方法及系统
CN109800127A (zh) 一种基于机器学习的系统故障诊断智能化运维方法及系统
CN112505549B (zh) 基于孤立森林算法的新能源汽车电池异常检测方法
CN109543210A (zh) 一种基于机器学习算法平台的风电机组故障预测系统
CN102765643A (zh) 基于数据驱动的电梯故障诊断与预警方法
CN114559819B (zh) 一种基于信号处理的电动汽车电池安全预警方法
CN111209934B (zh) 风机故障预报警方法及系统
CN110888973B (zh) 一种监控信息表自动结构化梳理的方法
CN110852484B (zh) 一种风力发电机组故障预警系统与方法
CN112880750A (zh) 一种变压器多维度综合在线监测智能诊断系统
CN113982850B (zh) 融合高低频信号的风机综合健康分析方法及系统
US20220360084A1 (en) Transient stability assessment method for an electric power system
CN112390127A (zh) 基于健康度模型的自动扶梯预防性维修策略生成方法
CN112286771A (zh) 一种针对全域资源监控的告警方法
CN111717753A (zh) 基于多维故障特征的自适应电梯故障预警系统及方法
CN111507603A (zh) 一种在产企业环境风险现状评估方法和系统
CN115524002B (zh) 一种电厂旋转设备的运行状态预警方法、系统及存储介质
CN117689214B (zh) 一种柔性直流牵引供电系统能量路由器动态安全评估方法
CN116664015A (zh) 一种智能充电桩管理系统及其方法
CN114781657A (zh) 一种基于人工智能的电力设备检修系统及方法
CN117391675B (zh) 一种数据中心基础设施运维管理方法
CN111736636A (zh) 一种基于知识图谱的水淹水车室预警方法及系统
CN117221145A (zh) 基于物联网平台的设备故障预测性维护系统
CN115856613A (zh) 断路器状态评估方法
CN115456041A (zh) 设备故障预警方法及装置、计算设备和存储介质

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