CN112347641A - 一种基于实时数据的给水泵故障预测与诊断方法和系统 - Google Patents
一种基于实时数据的给水泵故障预测与诊断方法和系统 Download PDFInfo
- Publication number
- CN112347641A CN112347641A CN202011225927.7A CN202011225927A CN112347641A CN 112347641 A CN112347641 A CN 112347641A CN 202011225927 A CN202011225927 A CN 202011225927A CN 112347641 A CN112347641 A CN 112347641A
- Authority
- CN
- China
- Prior art keywords
- real
- fault
- early warning
- steam
- pump
- 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
Links
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 119
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000003745 diagnosis Methods 0.000 title claims description 62
- 238000012423 maintenance Methods 0.000 claims abstract description 98
- 238000012544 monitoring process Methods 0.000 claims abstract description 53
- 238000007789 sealing Methods 0.000 claims description 18
- 238000001514 detection method Methods 0.000 claims description 10
- 230000001105 regulatory effect Effects 0.000 claims description 9
- 230000002159 abnormal effect Effects 0.000 claims description 8
- 238000005299 abrasion Methods 0.000 claims description 8
- 239000010687 lubricating oil Substances 0.000 claims description 8
- 239000000203 mixture Substances 0.000 claims description 6
- 238000012216 screening Methods 0.000 claims description 6
- 238000012706 support-vector machine Methods 0.000 claims description 6
- 238000010276 construction Methods 0.000 claims description 5
- 230000005540 biological transmission Effects 0.000 claims description 4
- 239000007788 liquid Substances 0.000 claims description 4
- 239000003921 oil Substances 0.000 claims description 4
- 238000001228 spectrum Methods 0.000 claims description 4
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000013024 troubleshooting Methods 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 238000003303 reheating Methods 0.000 description 1
Images
Classifications
-
- 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)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Control Of Non-Positive-Displacement Pumps (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明公开了一种基于实时数据的给水泵故障预测与诊断方法和系统，方法包括:步骤1，获取监测指令并根据所述监测指令确定监测对象；步骤2，获取所述监测对象相关的对应部件的参数类型；步骤3，根据所述对应部件的参数类型构建故障预警模型；步骤4，获取所述监测对象的实时实际运行参数值，并与所述故障预警模型对应的预测值进行比较，判断二者的差值是否超出预设阈值范围；若是，步骤5，判定所述监测对象发生故障并发出故障警告。通过在确定监测对象后获取其参数类型，并构建故障预警模型且输出与测试，与实际运行参数值进行比较，从而判断事故发生故障，实现实时快速故障定位，提高维护效率，降低维护成本。
Description
技术领域
本发明涉及火力发电站给水泵监测技术领域，特别是涉及一种基于实时数据的给水泵故障预测与诊断方法和系统。
背景技术
现代社会由于各种新设备的出现，一方面提高了生产效率，一方面降低了劳动强度，但是随之也出现了一些问题，由于大多数设备都是自动控制工作，设备安全可靠性就是重中之重。
设备可靠性是火力发电机组安全生产的重要保障。因此，在设备的全寿命周期中，通过对设备的管理优化来实现机组可靠性和经济性的优化平衡，对电厂的生产经营具有重要意义。
大型发电机组(300MW以上机组)一般采用一台电动给水泵，两台汽动给水泵的配置，电动给水泵作为启停机、事故备用，电动给水泵的调节主要依靠液力耦合器勺管调节，配合锅炉上水调节阀。汽动给水泵冲转并暖机至3000转/min后，转入"遥控"运行方式，由转速调节控制给水量。其驱动小汽轮机的汽源为辅汽和四抽、冷端再热蒸汽三路汽源，排气排入凝汽器。
可见，给水泵在发电机组中具有重要的地位，其运行可靠性与发电机组的运行可靠性息息相关，而在设备运行中不可避免的会出现故障，如何进行快速的故障诊断然后实现维护，是本领域技术人员的工作重点。
发明内容
本发明的目的是提供了一种基于实时数据的给水泵故障预测与诊断方法和系统，提高了对给水泵的故障诊断效率，提高了对给水泵以及发电机组的维护效率，提高了设备的运行可靠性。
为解决上述技术问题，本发明实施例提供了一种基于实时数据的给水泵故障预测与诊断方法，包括:
步骤1，获取监测指令并根据所述监测指令确定监测对象；
步骤2，获取所述监测对象相关的对应部件的参数类型；
步骤3，根据所述对应部件的参数类型构建故障预警模型；
步骤4，获取所述监测对象的实时实际运行参数值，并与所述故障预警模型对应的预测值进行比较，判断二者的差值是否超出预设阈值范围；
若是，步骤5，判定所述监测对象发生故障并发出故障警告。
其中，所述故障预警模型为采用高斯混合、支持向量机或多项式拟合中的至少一种构建的故障预警模型。
其中，所述步骤4包括：
将机组负荷、给水泵转速、给水泵密封水入口温度、汽动给水泵驱动端密封水调节阀后压力、汽动给水泵非驱动端密封水调节阀后压力、汽动给水泵驱动端密封水回水温度、汽动给水泵非驱动端密封水回水温度作为参数构建故障预警模型，预测汽动给水泵驱动端与非驱动端的回水温度作为预测值，并根据所述预测值与实际值的差值是否超出规定的阈值进行预警，以判断给水泵的驱动端与非驱动端螺旋密封装置是否磨损超标；
或将所述机组负荷、所述给水泵转速、汽动给水泵传动端径向瓦温、汽动给水泵自由端径向瓦温为参数构建径向瓦监测模型，判断径向瓦磨损是否超标；
或将所述机组负荷、所述给水泵转速、汽动给水泵推力轴承内侧温度、汽动给水泵推力轴承外侧温度作为参数构建平衡装置监测模型，判断平衡装置磨损是否超标；
或将所述机组负荷、所述给水泵转速、汽动给水泵前轴承X向振动、汽动给水泵前轴承Y向振动、汽动给水泵后轴承X向振动、汽动给水泵后轴承Y向振动作为参数构建振动监测模型，判断振动是否异常，并通过振动频谱识别所述振动发生异常的原因；
或将给水泵汽机轴承润滑油压力、小机润滑油箱液位作为参数构建油系统渗漏监测模型规则模型，并根据经验制定阈值，并判断是否超出所述阈值的高限或低限。
其中，在所述步骤5之后还包括：
将所述阈值范围进行分级后分割为多个分阈值范围；
计算所述故障预警模型对应的预测值与所述检测对象的实时实际运行参数的差值范围所属的所述分阈值范围；
根据所述监测对象所属的所述分阈值范围，并结合预设的故障程度类别，输出所述监测对象的受损程度以及对应的诊断报告。
其中，在所述步骤5之后，还包括：
统计并输出所述检测对象发生故障后在警告被停止前的持续时间；
根据所述诊断报告，并结合预存的设备维护信息，筛选出所述监测对象对应的设备维护方式作为设备维护建议并发送到指定维护人员。
除此之外，本发明实施例还提供了一种基于实时数据的给水泵故障预测与诊断系统，包括：
命令接收模块，用于获取监测指令并根据所述监测指令确定监测对象；
参数类型选择模块，与所述命令接收模块连接，用于获取所述监测对象相关的对应部件的参数类型；
故障预警模型构建模块，与所述参数类型选择模块连接，用于根据所述对应部件的参数类型构建故障预警模型；
阈值判断模块，与所述故障预警模型构建模块连接，通过获取所述监测对象的实时实际运行参数值，并与所述故障预警模型对应的预测值进行比较，判断二者的差值是否超出预设阈值范围并输出比较结果；
警告输出模块，与所述阈值判断模块连接，根据所述比较结果判定所述监测对象发生故障并发出故障警告。
其中，还包括与所述故障预警模型构建模块连接的模型算法选择模块，用于根据所述监测指令选择采用高斯混合、支持向量机或多项式拟合中的至少一种构建所述故障预警模型。
其中，还包括与所述阈值判断模块连接的阈值分级模块，用于根据控制指令输入多个分阈值范围信息或修改预存的所述分阈值范围信息。
其中，还包括与所述阈值判断模块、所述阈值分级模块连接的诊断报告输出模块，用于根据所述监测对象所属的所述分阈值范围，并结合预设的故障程度类别，输出所述监测对象的受损程度以及对应的诊断报告。
其中，还包括与所述诊断报告输出模块连接的维护建议模块，用于统计并输出所述检测对象发生故障后在警告被停止前的持续时间，根据所述诊断报告，并结合预存的设备维护信息，筛选出所述监测对象对应的设备维护方式作为设备维护建议并发送到指定维护人员。
本发明实施例所提供的基于实时数据的给水泵故障预测与诊断方法和系统，与现有技术相比，具有以下优点：
所述基于实时数据的给水泵故障预测与诊断方法和系统，通过在确定监测对象后获取其参数类型，并构建故障预警模型且输出与测试，与实际运行参数值进行比较，从而判断事故发生故障，实现实时快速故障定位，提高了对给水泵的故障诊断效率，提高了对给水泵以及发电机组的维护效率，提高了设备的运行可靠性，降低了维护成本。
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基于实时数据的给水泵故障预测与诊断方法的一个实施例的步骤流程示意图；
图2为本发明实施例提供的基于实时数据的给水泵故障预测与诊断系统的一个实施例的结构示意图。
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。
请参考图1～图2，图1为本发明实施例提供的基于实时数据的给水泵故障预测与诊断方法的一个实施例的步骤流程示意图；图2为本发明实施例提供的基于实时数据的给水泵故障预测与诊断系统的一个实施例的结构示意图。
在一种具体实施方式中，所述基于实时数据的给水泵故障预测与诊断方法，包括:
步骤1，获取监测指令并根据所述监测指令确定监测对象；
步骤2，获取所述监测对象相关的对应部件的参数类型；
步骤3，根据所述对应部件的参数类型构建故障预警模型；
步骤4，获取所述监测对象的实时实际运行参数值，并与所述故障预警模型对应的预测值进行比较，判断二者的差值是否超出预设阈值范围；
若是，步骤5，判定所述监测对象发生故障并发出故障警告。
通过在确定监测对象后获取其参数类型，并构建故障预警模型且输出与测试，与实际运行参数值进行比较，从而判断事故发生故障，实现实时快速故障定位，提高了对给水泵的故障诊断效率，提高了对给水泵以及发电机组的维护效率，提高了设备的运行可靠性，降低了维护成本。
本发明中的重点在于故障预警模型的构建，通过故障预警模型输出设备的运行预测值，然后通过实时获得的设备的运行参数值，判断是否发生故障，从而实现故障的快速精准定位，提高设备的维护效率，降低维护难度，降低维护成本。
所述故障预警模型可以为采用高斯混合、支持向量机或多项式拟合中的至少一种构建的故障预警模型，也可以采用其它的算法实现故障预警模型的构建，本发明对此不作限定。
本发明中对于故障模型的建立以及对应的参数类型不做限定，本发明中并不局限于给水泵的某一个具体的故障判断，也可以是多个参数同时判断，或者是采用分时判断的方式，如每个五分钟检测一个故障类型，然后进行不断更换，这样能够降低数据的频繁采集造成的浪费，降低数据采集以及运算成本.
在一个实施例中，所述步骤4包括：
将机组负荷、给水泵转速、给水泵密封水入口温度、汽动给水泵驱动端密封水调节阀后压力、汽动给水泵非驱动端密封水调节阀后压力、汽动给水泵驱动端密封水回水温度、汽动给水泵非驱动端密封水回水温度作为参数构建故障预警模型，预测汽动给水泵驱动端与非驱动端的回水温度作为预测值，并根据所述预测值与实际值的差值是否超出规定的阈值进行预警，以判断给水泵的驱动端与非驱动端螺旋密封装置是否磨损超标；
或将所述机组负荷、所述给水泵转速、汽动给水泵传动端径向瓦温、汽动给水泵自由端径向瓦温为参数构建径向瓦监测模型，判断径向瓦磨损是否超标；
或将所述机组负荷、所述给水泵转速、汽动给水泵推力轴承内侧温度、汽动给水泵推力轴承外侧温度作为参数构建平衡装置监测模型，判断平衡装置磨损是否超标；
或将所述机组负荷、所述给水泵转速、汽动给水泵前轴承X向振动、汽动给水泵前轴承Y向振动、汽动给水泵后轴承X向振动、汽动给水泵后轴承Y向振动作为参数构建振动监测模型，判断振动是否异常，并通过振动频谱识别所述振动发生异常的原因；
或将给水泵汽机轴承润滑油压力、小机润滑油箱液位作为参数构建油系统渗漏监测模型规则模型，并根据经验制定阈值，并判断是否超出所述阈值的高限或低限。
通过上述的方式可以精准的以数值的方式实现故障的定位，通过定位的故障类型可以定位故障的发生位置，可以实现精准维护，提高故障的诊断效率。
需要指出的是，本发明主要是对给水泵进行故障定位，当然也可以采用类似的方式与机组的其它运行设备进行故障诊断，而且即使是对于给水泵，也可以在其它有可能发生故障的位置进行数据采集进行故障诊断，本发明对此不作限定。
由于在不同阶段设备的各个部件的损坏程度是不同的，在设备使用的过程中必然出现磨损，但是随着设备各部件的磨合，会出现设备实际效能先上升后下降的情况，即设备磨合到最优时，设备性能会不断提升，但是初始设备的实际运行参数与故障预警模型的预测值会有差距，但是机器无法分辨该现象是器件部件发生磨合还是发生磨损，因此为了解决这一问题，同时进一步提高故障诊断效率和诊断精准度，提高维护效率，在所述步骤5之后还包括：
将所述阈值范围进行分级后分割为多个分阈值范围；
计算所述故障预警模型对应的预测值与所述检测对象的实时实际运行参数的差值范围所属的所述分阈值范围；
根据所述监测对象所属的所述分阈值范围，并结合预设的故障程度类别，输出所述监测对象的受损程度以及对应的诊断报告。
通过将所述阈值范围进行分级后分割为多个分阈值范围，在发生磨合阶段后，器件设备的性能会提升，其所述的分阈值范围会跳出阈值之外，这样就能够准确判断是设备处在磨合期，而经过磨合期后已经存储量了其磨合期的数据，这样设备的实际运行参数再次回落到分阈值范围之后，即可快速判断是发生磨损，需要提升维护级别，甚至在实际运行参数到达或者即将到达一个不能承受的分阈值范围之后，需要停机检修或更换对应设备，这样得到的诊断报告极为精准，而且由于是通过与实际运行参数进行比较，使得诊断报告具有实时性，提高了诊断报告的价值，由于无需或者减少了维护人员进行设备故障的排查，能够直接快速精准定位故障，快速进行检修，降低了设备维护成本，实现设备在故障期间的时间最短，提升了设备的使用效率。
为了进一步提高维护效率，使得诊断报告能够在最短时间内达到需要诊断报告的人，在所述步骤5之后，还包括：
统计并输出所述检测对象发生故障后在警告被停止前的持续时间；
根据所述诊断报告，并结合预存的设备维护信息，筛选出所述监测对象对应的设备维护方式作为设备维护建议并发送到指定维护人员。
通过统计并输出所述检测对象发生故障后在警告被停止前的持续时间，维护人员可以知晓已经发生故障的持续时间，在该时间段内如果还没有某位维护人员到达，可以进行彼得维护人员的派送，避免由于维护人员本身原因造成设备维护不到位的情况，之后根据所述诊断报告，并结合预存的设备维护信息，筛选出所述监测对象对应的设备维护方式作为设备维护建议并发送到指定维护人员。这样能够结合预存的设备维护信息，使得设备的维护变得标准化，从而避免出现由于不同维护人员操作手法不同造成的维护方式不同，使得再次维护变得较为困难，从而使得维护过程变得统一，同时由于维护变得标准化，使得维护人员参考标准进行维护，能够提高维护效率。
除此之外，本发明实施例还提供了一种基于实时数据的给水泵故障预测与诊断系统，包括：
命令接收模块10，用于获取监测指令并根据所述监测指令确定监测对象；
参数类型选择模块20，与所述命令接收模块10连接，用于获取所述监测对象相关的对应部件的参数类型；
故障预警模型构建模块30，与所述参数类型选择模块20连接，用于根据所述对应部件的参数类型构建故障预警模型；
阈值判断模块40，与所述故障预警模型构建模块30连接，通过获取所述监测对象的实时实际运行参数值，并与所述故障预警模型对应的预测值进行比较，判断二者的差值是否超出预设阈值范围并输出比较结果；
警告输出模块50，与所述阈值判断模块40连接，根据所述比较结果判定所述监测对象发生故障并发出故障警告。
由于所述基于实时数据的给水泵故障预测与诊断系统为上述的所述基于实时数据的给水泵故障预测与诊断方法对应的系统，具有相同有益效果，本发明对此不作赘述。
本发明中故障预警模型的构建是关键部分，能够使用它输出预测值，通过与实际运行参数进行比较，判断设备是否发生磨损或者已经损坏发生故障，甚至与还可以进行故障预测，如正常运行标准参数是100～105，当前的预测值是101，而之前长期观察发现，设置的参数每周降低1，这样在下下周之后就会突破标准的参数，在维护人员获得该消息之后就能够通过这一变化在设备在刚刚发生故障时已经到达现场进行维护，甚至于在即将发生故障前进行维护，使得设备不会发生故障，采用这种方式能使得设备始终运行在高效的状态，在运行器件不会发生故障，生产的产品始终处在最优的状态，避免设备发生故障停机造成的损失，降低设备运行成本。
本发明对于故障预警模型构件不做限定，由于对于不同的部件，一般需要采用不同的算法进行故障预警模型构建才能获得最优的效果，因此对于不同的部件来说需要近算法更换，可以是通过设备预存的算法进行自适应，但是这种方式由于算法固定，不够灵活，为了解决这一问题，在本发明的一个实施例中，所述基于实时数据的给水泵故障预测与诊断系统还包括与所述故障预警模型构建模块30连接的模型算法选择模块，用于根据所述监测指令选择采用高斯混合、支持向量机或多项式拟合中的至少一种构建所述故障预警模型。
通过监测命令自动选择，甚至工作人员通过模型算法选择模块输入自定义的算法，实现模型构建过程中算法使用的灵活性，提高了模型构建效率以及使用的高效性，本发明对于算法的选择方式以及输入方式不做限定，可以采用模式的直接选择，也可以是在选定部件对象之后，根据系统列出的可选择的算法由工作人员选择等。
本发明中对于故障模型的建立以及对应的参数类型不做限定，本发明中并不局限于给水泵的某一个具体的故障判断，也可以是多个参数同时判断，或者是采用分时判断的方式，如每个五分钟检测一个故障类型，然后进行不断更换，这样能够降低数据的频繁采集造成的浪费，降低数据采集以及运算成本.
在一个实施例中，将机组负荷、给水泵转速、给水泵密封水入口温度、汽动给水泵驱动端密封水调节阀后压力、汽动给水泵非驱动端密封水调节阀后压力、汽动给水泵驱动端密封水回水温度、汽动给水泵非驱动端密封水回水温度作为参数构建故障预警模型，预测汽动给水泵驱动端与非驱动端的回水温度作为预测值，并根据所述预测值与实际值的差值是否超出规定的阈值进行预警，以判断给水泵的驱动端与非驱动端螺旋密封装置是否磨损超标；
或将所述机组负荷、所述给水泵转速、汽动给水泵传动端径向瓦温、汽动给水泵自由端径向瓦温为参数构建径向瓦监测模型，判断径向瓦磨损是否超标；
或将所述机组负荷、所述给水泵转速、汽动给水泵推力轴承内侧温度、汽动给水泵推力轴承外侧温度作为参数构建平衡装置监测模型，判断平衡装置磨损是否超标；
或将所述机组负荷、所述给水泵转速、汽动给水泵前轴承X向振动、汽动给水泵前轴承Y向振动、汽动给水泵后轴承X向振动、汽动给水泵后轴承Y向振动作为参数构建振动监测模型，判断振动是否异常，并通过振动频谱识别所述振动发生异常的原因；
或将给水泵汽机轴承润滑油压力、小机润滑油箱液位作为参数构建油系统渗漏监测模型规则模型，并根据经验制定阈值，并判断是否超出所述阈值的高限或低限。
通过上述的方式可以精准的以数值的方式实现故障的定位，通过定位的故障类型可以定位故障的发生位置，可以实现精准维护，提高故障的诊断效率。
需要指出的是，本发明主要是对给水泵进行故障定位，当然也可以采用类似的方式与机组的其它运行设备进行故障诊断，而且即使是对于给水泵，也可以在其它有可能发生故障的位置进行数据采集进行故障诊断，本发明对此不作限定。
由于在不同阶段设备的各个部件的损坏程度是不同的，在设备使用的过程中必然出现磨损，但是随着设备各部件的磨合，会出现设备实际效能先上升后下降的情况，即设备磨合到最优时，设备性能会不断提升，但是初始设备的实际运行参数与故障预警模型的预测值会有差距，但是机器无法分辨该现象是器件部件发生磨合还是发生磨损，因此为了解决这一问题，同时进一步提高故障诊断效率和诊断精准度，提高维护效率，在一个实施例中，所述基于实时数据的给水泵故障预测与诊断系统还包括与所述阈值判断模块40连接的阈值分级模块，用于根据控制指令输入多个分阈值范围信息或修改预存的所述分阈值范围信息。
通过将所述阈值范围进行分级后分割为多个分阈值范围，在发生磨合阶段后，器件设备的性能会提升，其所述的分阈值范围会跳出阈值之外，这样就能够准确判断是设备处在磨合期，而经过磨合期后已经存储量了其磨合期的数据，这样设备的实际运行参数再次回落到分阈值范围之后，即可快速判断是发生磨损，需要提升维护级别，甚至在实际运行参数到达或者即将到达一个不能承受的分阈值范围之后，需要停机检修或更换对应设备，这样得到的诊断报告极为精准，而且由于是通过与实际运行参数进行比较，使得诊断报告具有实时性，提高了诊断报告的价值，由于无需或者减少了维护人员进行设备故障的排查，能够直接快速精准定位故障，快速进行检修，降低了设备维护成本，实现设备在故障期间的时间最短，提升了设备的使用效率。
为了进一步提高效率，在快速进行故障诊断的同时，将故障诊断的细节输出，便于实现精准高效维护，在一个实施例中所述基于实时数据的给水泵故障预测与诊断系统还包括与所述阈值判断模块40、所述阈值分级模块连接的诊断报告输出模块，用于根据所述监测对象所属的所述分阈值范围，并结合预设的故障程度类别，输出所述监测对象的受损程度以及对应的诊断报告。
通过根据所述监测对象所属的所述分阈值范围，并结合预设的故障程度类别，输出所述监测对象的受损程度以及对应的诊断报告，使得维护人员可以知晓当前部件的受损程度，即时快速维护，否则仅仅明确一个部件发生损坏，但是损坏程度未知，还需要现场维护，这样一方面提高了维护的难度，一方面也使得故障维护的时间变长，设备无法正常运行，间接提高了设备运行成本。
为了进一步提高维护效率，使得诊断报告能够在最短时间内达到需要诊断报告的人，在一个实施例中所述基于实时数据的给水泵故障预测与诊断系统还包括与所述诊断报告输出模块连接的维护建议模块，用于统计并输出所述检测对象发生故障后在警告被停止前的持续时间，根据所述诊断报告，并结合预存的设备维护信息，筛选出所述监测对象对应的设备维护方式作为设备维护建议并发送到指定维护人员。
通过统计并输出所述检测对象发生故障后在警告被停止前的持续时间，维护人员可以知晓已经发生故障的持续时间，在该时间段内如果还没有某位维护人员到达，可以进行彼得维护人员的派送，避免由于维护人员本身原因造成设备维护不到位的情况，之后根据所述诊断报告，并结合预存的设备维护信息，筛选出所述监测对象对应的设备维护方式作为设备维护建议并发送到指定维护人员。这样能够结合预存的设备维护信息，使得设备的维护变得标准化，从而避免出现由于不同维护人员操作手法不同造成的维护方式不同，使得再次维护变得较为困难，从而使得维护过程变得统一，同时由于维护变得标准化，使得维护人员参考标准进行维护，能够提高维护效率。
综上所述，本发明实施例提供的所述基于实时数据的给水泵故障预测与诊断方法和系统，通过在确定监测对象后获取其参数类型，并构建故障预警模型且输出与测试，与实际运行参数值进行比较，从而判断事故发生故障，实现实时快速故障定位，提高了对给水泵的故障诊断效率，提高了对给水泵以及发电机组的维护效率，提高了设备的运行可靠性，降低了维护成本。
以上对本发明所提供的基于实时数据的给水泵故障预测与诊断方法和系统进行了详细介绍。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。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以对本发明进行若干改进和修饰，这些改进和修饰也落入本发明权利要求的保护范围内。
Claims (10)
1.一种基于实时数据的给水泵故障预测与诊断方法，其特征在于，包括:
步骤1，获取监测指令并根据所述监测指令确定监测对象；
步骤2，获取所述监测对象相关的对应部件的参数类型；
步骤3，根据所述对应部件的参数类型构建故障预警模型；
步骤4，获取所述监测对象的实时实际运行参数值，并与所述故障预警模型对应的预测值进行比较，判断二者的差值是否超出预设阈值范围；
若是，步骤5，判定所述监测对象发生故障并发出故障警告。
2.如权利要求1所述基于实时数据的给水泵故障预测与诊断方法，其特征在于，所述故障预警模型为采用高斯混合、支持向量机或多项式拟合中的至少一种构建的故障预警模型。
3.如权利要求2所述基于实时数据的给水泵故障预测与诊断方法，其特征在于，所述步骤4包括：
将机组负荷、给水泵转速、给水泵密封水入口温度、汽动给水泵驱动端密封水调节阀后压力、汽动给水泵非驱动端密封水调节阀后压力、汽动给水泵驱动端密封水回水温度、汽动给水泵非驱动端密封水回水温度作为参数构建故障预警模型，预测汽动给水泵驱动端与非驱动端的回水温度作为预测值，并根据所述预测值与实际值的差值是否超出规定的阈值进行预警，以判断给水泵的驱动端与非驱动端螺旋密封装置是否磨损超标；
或将所述机组负荷、所述给水泵转速、汽动给水泵传动端径向瓦温、汽动给水泵自由端径向瓦温为参数构建径向瓦监测模型，判断径向瓦磨损是否超标；
或将所述机组负荷、所述给水泵转速、汽动给水泵推力轴承内侧温度、汽动给水泵推力轴承外侧温度作为参数构建平衡装置监测模型，判断平衡装置磨损是否超标；
或将所述机组负荷、所述给水泵转速、汽动给水泵前轴承X向振动、汽动给水泵前轴承Y向振动、汽动给水泵后轴承X向振动、汽动给水泵后轴承Y向振动作为参数构建振动监测模型，判断振动是否异常，并通过振动频谱识别所述振动发生异常的原因；
或将给水泵汽机轴承润滑油压力、小机润滑油箱液位作为参数构建油系统渗漏监测模型规则模型，并根据经验制定阈值，并判断是否超出所述阈值的高限或低限。
4.如权利要求3所述基于实时数据的给水泵故障预测与诊断方法，其特征在于，在所述步骤5之后还包括：
将所述阈值范围进行分级后分割为多个分阈值范围；
计算所述故障预警模型对应的预测值与所述检测对象的实时实际运行参数的差值范围所属的所述分阈值范围；
根据所述监测对象所属的所述分阈值范围，并结合预设的故障程度类别，输出所述监测对象的受损程度以及对应的诊断报告。
5.如权利要求4所述基于实时数据的给水泵故障预测与诊断方法，其特征在于，在所述步骤5之后，还包括：
统计并输出所述检测对象发生故障后在警告被停止前的持续时间；
根据所述诊断报告，并结合预存的设备维护信息，筛选出所述监测对象对应的设备维护方式作为设备维护建议并发送到指定维护人员。
6.一种基于实时数据的给水泵故障预测与诊断系统，其特征在于，包括：
命令接收模块，用于获取监测指令并根据所述监测指令确定监测对象；
参数类型选择模块，与所述命令接收模块连接，用于获取所述监测对象相关的对应部件的参数类型；
故障预警模型构建模块，与所述参数类型选择模块连接，用于根据所述对应部件的参数类型构建故障预警模型；
阈值判断模块，与所述故障预警模型构建模块连接，通过获取所述监测对象的实时实际运行参数值，并与所述故障预警模型对应的预测值进行比较，判断二者的差值是否超出预设阈值范围并输出比较结果；
警告输出模块，与所述阈值判断模块连接，根据所述比较结果判定所述监测对象发生故障并发出故障警告。
7.如权利要求6所述基于实时数据的给水泵故障预测与诊断系统，其特征在于，还包括与所述故障预警模型构建模块连接的模型算法选择模块，用于根据所述监测指令选择采用高斯混合、支持向量机或多项式拟合中的至少一种构建所述故障预警模型。
8.如权利要求7所述基于实时数据的给水泵故障预测与诊断系统，其特征在于，还包括与所述阈值判断模块连接的阈值分级模块，用于根据控制指令输入多个分阈值范围信息或修改预存的所述分阈值范围信息。
9.如权利要求8所述基于实时数据的给水泵故障预测与诊断系统，其特征在于，还包括与所述阈值判断模块、所述阈值分级模块连接的诊断报告输出模块，用于根据所述监测对象所属的所述分阈值范围，并结合预设的故障程度类别，输出所述监测对象的受损程度以及对应的诊断报告。
10.如权利要求9所述基于实时数据的给水泵故障预测与诊断系统，其特征在于，还包括与所述诊断报告输出模块连接的维护建议模块，用于统计并输出所述检测对象发生故障后在警告被停止前的持续时间，根据所述诊断报告，并结合预存的设备维护信息，筛选出所述监测对象对应的设备维护方式作为设备维护建议并发送到指定维护人员。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011225927.7A CN112347641B (zh) | 2020-11-05 | 2020-11-05 | 一种基于实时数据的给水泵故障预测与诊断方法和系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011225927.7A CN112347641B (zh) | 2020-11-05 | 2020-11-05 | 一种基于实时数据的给水泵故障预测与诊断方法和系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112347641A true CN112347641A (zh) | 2021-02-09 |
| CN112347641B CN112347641B (zh) | 2024-06-11 |
Family
ID=74429834
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011225927.7A Active CN112347641B (zh) | 2020-11-05 | 2020-11-05 | 一种基于实时数据的给水泵故障预测与诊断方法和系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112347641B (zh) |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112943638A (zh) * | 2021-02-20 | 2021-06-11 | 三一石油智能装备有限公司 | 砂泵磨损检测方法、装置和混砂车 |
| CN113153262A (zh) * | 2021-04-09 | 2021-07-23 | 国网河北省电力有限公司沧州供电分公司 | 一种基于电缆热特性的海上油田可接入容量评估方法 |
| CN113219939A (zh) * | 2021-04-07 | 2021-08-06 | 山东润一智能科技有限公司 | 基于残差自回归的设备故障预测方法及系统 |
| CN113339280A (zh) * | 2021-06-10 | 2021-09-03 | 中国海洋石油集团有限公司 | 一种海上离心泵故障诊断方法及系统 |
| CN113588005A (zh) * | 2021-08-25 | 2021-11-02 | 华润电力技术研究院有限公司 | 一种闭式水系统状态监测方法及其系统 |
| CN114545815A (zh) * | 2022-01-24 | 2022-05-27 | 北京大华启天工业技术有限公司 | 一种输煤系统程序控制方法、装置、电子设备及存储介质 |
| CN115159471A (zh) * | 2022-06-23 | 2022-10-11 | 重庆钢铁股份有限公司 | 湿气硫酸生产的故障判断方法、系统、设备及介质 |
| CN115573894A (zh) * | 2022-11-15 | 2023-01-06 | 中国航空工业集团公司金城南京机电液压工程研究中心 | 一种燃油泵状态监测及分析方法 |
| CN116878886A (zh) * | 2023-09-05 | 2023-10-13 | 济宁鲁威液压科技股份有限公司 | 一种用于冷却塔水泵轴承磨损的监测方法 |
| CN117195103A (zh) * | 2023-11-01 | 2023-12-08 | 浙江大学高端装备研究院 | 一种轴向柱塞泵故障源确定方法、装置和设备 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107489464A (zh) * | 2017-07-20 | 2017-12-19 | 中国神华能源股份有限公司 | 汽轮发电机组故障预警方法及系统 |
| CN108680358A (zh) * | 2018-03-23 | 2018-10-19 | 河海大学 | 一种基于轴承温度模型的风电机组故障预测方法 |
| CN111459700A (zh) * | 2020-04-07 | 2020-07-28 | 华润电力技术研究院有限公司 | 设备故障的诊断方法、诊断装置、诊断设备及存储介质 |
-
2020
- 2020-11-05 CN CN202011225927.7A patent/CN112347641B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107489464A (zh) * | 2017-07-20 | 2017-12-19 | 中国神华能源股份有限公司 | 汽轮发电机组故障预警方法及系统 |
| CN108680358A (zh) * | 2018-03-23 | 2018-10-19 | 河海大学 | 一种基于轴承温度模型的风电机组故障预测方法 |
| CN111459700A (zh) * | 2020-04-07 | 2020-07-28 | 华润电力技术研究院有限公司 | 设备故障的诊断方法、诊断装置、诊断设备及存储介质 |
Non-Patent Citations (3)
| Title |
|---|
| 吴兴伟 等: "基于多分类SVM的水泵故障诊断的研究", 《节水灌溉》, no. 7, 5 July 2009 (2009-07-05), pages 37 - 39 * |
| 臧薇: "基于支持向量机的煤矿井下水泵故障诊断研究", 《煤炭技术》, vol. 36, no. 6, 10 June 2017 (2017-06-10), pages 258 - 260 * |
| 许骏龙 等: "基于支持向量机的风电机组故障预警", 《工业控制计算机》, vol. 26, no. 8, 25 August 2013 (2013-08-25), pages 54 - 56 * |
Cited By (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112943638A (zh) * | 2021-02-20 | 2021-06-11 | 三一石油智能装备有限公司 | 砂泵磨损检测方法、装置和混砂车 |
| CN113219939A (zh) * | 2021-04-07 | 2021-08-06 | 山东润一智能科技有限公司 | 基于残差自回归的设备故障预测方法及系统 |
| CN113153262A (zh) * | 2021-04-09 | 2021-07-23 | 国网河北省电力有限公司沧州供电分公司 | 一种基于电缆热特性的海上油田可接入容量评估方法 |
| CN113339280A (zh) * | 2021-06-10 | 2021-09-03 | 中国海洋石油集团有限公司 | 一种海上离心泵故障诊断方法及系统 |
| CN113588005A (zh) * | 2021-08-25 | 2021-11-02 | 华润电力技术研究院有限公司 | 一种闭式水系统状态监测方法及其系统 |
| CN114545815A (zh) * | 2022-01-24 | 2022-05-27 | 北京大华启天工业技术有限公司 | 一种输煤系统程序控制方法、装置、电子设备及存储介质 |
| CN115159471A (zh) * | 2022-06-23 | 2022-10-11 | 重庆钢铁股份有限公司 | 湿气硫酸生产的故障判断方法、系统、设备及介质 |
| CN115159471B (zh) * | 2022-06-23 | 2024-04-30 | 重庆钢铁股份有限公司 | 湿气硫酸生产的故障判断方法、系统、设备及介质 |
| CN115573894A (zh) * | 2022-11-15 | 2023-01-06 | 中国航空工业集团公司金城南京机电液压工程研究中心 | 一种燃油泵状态监测及分析方法 |
| CN115573894B (zh) * | 2022-11-15 | 2023-10-20 | 中国航空工业集团公司金城南京机电液压工程研究中心 | 一种燃油泵状态监测及分析方法 |
| CN116878886A (zh) * | 2023-09-05 | 2023-10-13 | 济宁鲁威液压科技股份有限公司 | 一种用于冷却塔水泵轴承磨损的监测方法 |
| CN116878886B (zh) * | 2023-09-05 | 2023-12-15 | 济宁鲁威液压科技股份有限公司 | 一种用于冷却塔水泵轴承磨损的监测方法 |
| CN117195103A (zh) * | 2023-11-01 | 2023-12-08 | 浙江大学高端装备研究院 | 一种轴向柱塞泵故障源确定方法、装置和设备 |
| CN117195103B (zh) * | 2023-11-01 | 2024-02-27 | 浙江大学高端装备研究院 | 一种轴向柱塞泵故障源确定方法、装置和设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112347641B (zh) | 2024-06-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112347641A (zh) | 一种基于实时数据的给水泵故障预测与诊断方法和系统 | |
| CN108803569A (zh) | 电站锅炉诊断专家系统及其故障诊断方法 | |
| US6208953B1 (en) | Method for monitoring plants with mechanical components | |
| EP2241726A2 (en) | A method for the repair of an engine and corresponding systems for monitoring this engine | |
| US6587737B2 (en) | Method for the monitoring of a plant | |
| CN109580216B (zh) | 齿轮箱润滑冷却系统的智能故障预警系统及其方法和机组 | |
| CN113705924B (zh) | 一种热控设备智能诊断方法和系统 | |
| CN110925031B (zh) | 一种大功率间接空冷汽轮机管控系统 | |
| CN103226651A (zh) | 基于相似度统计的风电机组状态评估预警方法和系统 | |
| CN112328659B (zh) | 一种风力发电机组液压变桨系统故障诊断方法 | |
| CN112330152A (zh) | 一种基于数据融合的给水泵状态评价与运维方法和系统 | |
| CN111098463A (zh) | 一种注塑机故障诊断系统及诊断方法 | |
| CN110425154A (zh) | 一种水泵在线能效和状态监测及故障预测的方法及其装置 | |
| CN112347634B (zh) | 基于scada系统的风力发电机组液压变桨系统故障预测方法 | |
| CN110552832A (zh) | 水轮机组故障诊断及健康状态评估方法 | |
| Toirov et al. | Diagnostics of pumping units of pumping station of machine water lifting | |
| US5287875A (en) | Draining pump system and drainage preference operating method therefor | |
| JP2009115090A (ja) | タービン内部構成要素の劣化の自動的検出及び通知 | |
| RU2668852C1 (ru) | Способ и система учета остаточного ресурса компонентов турбоагрегата | |
| JP2004108209A (ja) | マイクロガスタービン設備の遠隔監視システム | |
| JP3047266B2 (ja) | プラント機器の異常診断方法と装置 | |
| CN114061934A (zh) | 基于风力发电机组振动的叶片故障诊断方法及系统 | |
| JPH06313734A (ja) | プラントの設備診断方法と装置 | |
| CN114323665B (zh) | 一种燃气轮机燃料供给系统故障的检测方法 | |
| CN219570238U (zh) | 一种水电站发电机组冷却水监测及调节系统 |
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 | ||
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20240408 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.) Applicant 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 Applicant before: CR POWER TECHNOLOGY INSTITUTE Co.,Ltd. Country or region before: China |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |