CN112529364A - 发电厂的开放体系架构状态检修系统、方法、介质及终端 - Google Patents
发电厂的开放体系架构状态检修系统、方法、介质及终端 Download PDFInfo
- Publication number
- CN112529364A CN112529364A CN202011302462.0A CN202011302462A CN112529364A CN 112529364 A CN112529364 A CN 112529364A CN 202011302462 A CN202011302462 A CN 202011302462A CN 112529364 A CN112529364 A CN 112529364A
- Authority
- CN
- China
- Prior art keywords
- layer
- state
- data
- health
- power plant
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 31
- 230000036541 health Effects 0.000 claims abstract description 70
- 238000012423 maintenance Methods 0.000 claims abstract description 69
- 238000010248 power generation Methods 0.000 claims abstract description 49
- 238000001514 detection method Methods 0.000 claims abstract description 32
- 238000012545 processing Methods 0.000 claims abstract description 31
- 238000011156 evaluation Methods 0.000 claims abstract description 20
- 230000006870 function Effects 0.000 claims description 22
- 238000004590 computer program Methods 0.000 claims description 14
- 238000004891 communication Methods 0.000 claims description 12
- 230000003862 health status Effects 0.000 claims description 10
- 238000004422 calculation algorithm Methods 0.000 claims description 9
- 230000002159 abnormal effect Effects 0.000 claims description 8
- 230000010354 integration Effects 0.000 claims description 8
- 238000004519 manufacturing process Methods 0.000 claims description 7
- 238000003860 storage Methods 0.000 claims description 6
- 238000007418 data mining Methods 0.000 claims description 5
- 238000013461 design Methods 0.000 claims description 5
- 238000012360 testing method Methods 0.000 claims description 5
- 238000013473 artificial intelligence Methods 0.000 claims description 4
- 230000015556 catabolic process Effects 0.000 claims description 4
- 238000006731 degradation reaction Methods 0.000 claims description 4
- 238000010801 machine learning Methods 0.000 claims description 4
- 230000036961 partial effect Effects 0.000 claims description 3
- 230000006866 deterioration Effects 0.000 description 9
- 230000008901 benefit Effects 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 5
- 238000007726 management method Methods 0.000 description 5
- 238000011160 research Methods 0.000 description 4
- 230000002596 correlated effect Effects 0.000 description 3
- 238000013480 data collection Methods 0.000 description 3
- 238000007689 inspection Methods 0.000 description 3
- 238000005065 mining Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000000875 corresponding effect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000000670 limiting effect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000000513 principal component analysis Methods 0.000 description 2
- 230000002829 reductive effect Effects 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 238000005299 abrasion Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 235000019800 disodium phosphate Nutrition 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000003449 preventive effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 238000010183 spectrum analysis Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
-
- 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
- G06F16/21—Design, administration or maintenance of databases
- G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
-
- 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
- G06F16/2465—Query processing support for facilitating data mining operations in structured databases
-
- 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
- G06F16/25—Integrating or interfacing systems involving database management systems
- G06F16/254—Extract, transform and load [ETL] procedures, e.g. ETL data flows in data warehouses
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
- G06F18/2135—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on approximation criteria, e.g. principal component analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
- G06N20/10—Machine learning using kernel methods, e.g. support vector machines [SVM]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
-
- 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
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Databases & Information Systems (AREA)
- Economics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Strategic Management (AREA)
- Software Systems (AREA)
- Entrepreneurship & Innovation (AREA)
- Mathematical Physics (AREA)
- General Business, Economics & Management (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Marketing (AREA)
- General Health & Medical Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Operations Research (AREA)
- Computational Linguistics (AREA)
- Evolutionary Biology (AREA)
- Computing Systems (AREA)
- Game Theory and Decision Science (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Molecular Biology (AREA)
- Medical Informatics (AREA)
- Fuzzy Systems (AREA)
- Probability & Statistics with Applications (AREA)
- Public Health (AREA)
Abstract
本发明提供发电厂的开放体系架构状态检修系统、方法、介质及终端，用于解决现有技术中的发电厂状态检修产品功能单一、价格昂贵、互不兼容的技术问题。所述系统包括数据采集层，用于采集发电厂发电设备的现场数据；数据操作层，用于提取所述现场数据的特征值；状态检测层，用于接收所述现场数据和特征值，并与预设阈值进行比较以获得状态检测值；健康评估层，用于基于所述状态检测值判断发电设备的当前健康状态；预测评估层，用于基于所述当前健康状态预测发电设备的未来健康状态和剩余使用寿命；建议生成层，用于基于所述当前健康状态、未来健康状态和剩余使用寿命生成发电设备检修建议。
Description
技术领域
本发明涉及发电厂检修技术领域，特别是涉及发电厂的开放体系架构状态检修系统、方法、介质及终端。
背景技术
在高比例消纳可再生能源的背景下，火电机组参与到深度调峰往往导致较大的设备磨损和寿命损耗，以及较高的单位装机检修费用，同时也威胁到了燃煤机组的运行安全性和可靠性。火电企业迫切需要采用状态检修技术，希望在改善设备健康程度和降低单位千瓦检修费用上同步取得明显成效，提高企业在不断放开的电力市场上的竞争力。
目前，国内一些专家学者和研究人员已对OSA-CBM(Open System ArchitectureCondition-Based Maintenance)开放体系架构状态检修系统的概念、结构、体系及应用做了一定探索，尚无面向发电领域应用的状态检修开放体系架构问世。
状态检修作为一项重要技术，国内各大发电集团均有试点布局，但由于发电设备状态检修技术涉及传感器、计算机、人工智能等众多学科，发电企业作为状态检修系统用户很难进行专业的集成和维护，很多专门从事状态检修技术开发的科研院所、各大公司纷纷推出了自己的产品和服务。这些产品功能单一、价格昂贵、互不兼容，并不能很好地解决设备维护问题。同时，封闭的系统模式限制了技术应用和发展，市场垄断给发电企业用户带来了巨大的经济负担，限制了状态检修技术的推广，很多工厂没有能力购买先进的状态检修系统，依然沿用落后的维护技术，很多可以避免的生产故障不时发生，给发电企业造成了巨大的经济损失。市场迫切需要一套在开放系统的环境下，可以用不同厂家的产品作为组成部件来构成系统，满足在不同厂家生产的相同功能的产品间互换的规范与准则。
发明内容
鉴于以上所述现有技术的缺点，本发明的目的在于提供发电厂的开放体系架构状态检修系统、方法、介质及终端，用于解决现有技术中的发电厂状态检修产品功能单一、价格昂贵、互不兼容，并不能很好地维护发电设备的技术问题。
为实现上述目的及其它相关目的，本发明的第一方面提供一种发电厂的开放体系架构状态检修系统，包括：数据采集层，用于采集发电厂发电设备的现场数据；数据操作层，与所述数据采集层通信连接，用于提取所述现场数据的特征值；状态检测层，与所述数据采集层、数据操作层通信连接，用于接收所述现场数据和特征值，并与预设阈值进行比较以获得状态检测值；健康评估层，与所述状态检测层通信连接，用于基于所述状态检测值判断发电设备的当前健康状态；预测评估层，与所述健康评估层通信连接，用于基于所述当前健康状态预测发电设备的未来健康状态和剩余使用寿命；建议生成层，与所述健康评估层、预测评估层通信连接，用于基于所述当前健康状态、未来健康状态和剩余使用寿命生成发电设备检修建议；其中，各个所述层统一采用开放体系架构状态检修规范，以实现各个层中的相同功能不同厂家产品的互换。
于本发明的第一方面的一些实施例中，所述数据采集层用于采集发电设备的运行历史数据、检修数据、试验数据、故障数据，并对所采集的数据进行运算集成。
于本发明的第一方面的一些实施例中，所述数据采集层设置发电设备的采集点，并采用智能仪表、传感器、现场总线获取所述现场数据；所述现场数据包括振动值、局部放电量、压力、温度、流量。
于本发明的第一方面的一些实施例中，所述数据操作层采用动态数据挖掘算法获取发电厂设备故障数据的关联信息，以支持所述设备检修建议的生成。
于本发明的第一方面的一些实施例中，所述状态检测层基于所述现场数据和特征值，采用机器学习模型进行状态回归与分类，通过人工智能预警算法对设备状态进行有效判断和预测。
于本发明的第一方面的一些实施例中，所述健康评估层以国家和行业安全标准、企业安全生产规范以及专家经验为依据，分别根据设备参数重要程度和设备劣化程度分级评估设备的健康状态。
于本发明的第一方面的一些实施例中，所述建议生成层包括：事件处理流程触发模块，用于在检测到发电设备状态异常时，生成与用户的职能权限相匹配的事件处理流程并发出警示信号。
为实现上述目的及其它相关目的，本发明的第二方面提供一种发电厂的开放体系架构状态检修系统的设计方法，所述方法包括：建立数据采集层，用于采集发电厂发电设备的现场数据；建立数据操作层，用于提取所述现场数据的特征值；建立状态检测层，用于接收所述现场数据和特征值，并与预设阈值进行比较以获得状态检测值；建立健康评估层，用于基于所述状态检测值判断发电设备的当前健康状态；建立预测评估层，用于基于所述当前健康状态预测发电设备的未来健康状态和剩余使用寿命；建立建议生成层，用于基于所述当前健康状态、未来健康状态和剩余使用寿命生成发电设备检修建议；其中，各个所述层统一采用开放体系架构状态检修规范，以实现各个层中的相同功能不同厂家产品的互换。
为实现上述目的及其它相关目的，本发明的第三方面提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现所述发电厂的开放体系架构状态检修系统设计方法。
为实现上述目的及其它相关目的，本发明的第四方面提供一种电子终端，包括：处理器及存储器；所述存储器用于存储计算机程序，所述处理器用于执行所述存储器存储的计算机程序，以使所述终端执行所述发电厂的开放体系架构状态检修系统设计方法。
如上所述，本发明提出的发电厂的开放体系架构状态检修系统、方法、介质及终端，具有以下有益效果：采用开放体系架构，有利于降低发电企业状态检修实施成本、提高互操作性、增加行业竞争与协作；并且系统中层次不同的技术模块使状态检修结构层次化、组件化；所述系统的各个层可以选用不同厂家相同功能的产品进行灵活替换，有利于不同的研究机构和公司发挥在各自领域的专业技术优势，充分实现技术整合。
附图说明
图1显示为本发明一实施例中一种发电厂的开放体系架构状态检修系统结构示意图。
图2显示为本发明一实施例中另一发电厂的开放体系架构状态检修系统结构示意图。
图3显示为本发明一实施例中一种发电厂的开放体系架构状态检修系统的设计方法流程示意图。
图4显示为本发明一实施例中电子终端的结构示意图。
具体实施方式
以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其它优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。
需要说明的是，在下述描述中，参考附图，附图描述了本发明的若干实施例。应当理解，还可使用其它实施例，并且可以在不背离本发明的精神和范围的情况下进行机械组成、结构、电气以及操作上的改变。下面的详细描述不应该被认为是限制性的，并且本发明的实施例的范围仅由公布的专利的权利要求书所限定。这里使用的术语仅是为了描述特定实施例，而并非旨在限制本发明。空间相关的术语，例如“上”、“下”、“左”、“右”、“下面”、“下方”、“下部”、“上方”、“上部”等，可在文中使用以便于说明图中所示的一个元件或特征与另一元件或特征的关系。
在本发明中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“固定”、“固持”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
再者，如同在本文中所使用的，单数形式“一”、“一个”和“该”旨在也包括复数形式，除非上下文中有相反的指示。应当进一步理解，术语“包含”、“包括”表明存在所述的特征、操作、元件、组件、项目、种类、和/或组，但不排除一个或多个其它特征、操作、元件、组件、项目、种类、和/或组的存在、出现或添加。此处使用的术语“或”和“和/或”被解释为包括性的，或意味着任一个或任何组合。因此，“A、B或C”或者“A、B和/或C”意味着“以下任一个：A；B；C；A和B；A和C；B和C；A、B和C”。仅当元件、功能或操作的组合在某些方式下内在地互相排斥时，才会出现该定义的例外。
本发明提出发电厂的开放体系架构状态检修系统、方法、介质及终端，解决的技术问题是如何采用开放架构体系进行状态检修系统的集成，可以用不同厂家的产品作为组件来构成系统，满足在不同厂家生产的相同功能的产品间互换的规范与准则。
为了使本发明的目的、技术方案及优点更加清楚明白，通过下述实施例并结合附图，对本发明实施例中的技术方案进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
实施例一
图1显示为本发明实施例的一种发电厂的开放体系架构状态检修系统结构示意图，包括：数据采集层11、数据操作层12、状态检测层13、健康评估层14、预测评估层15和建议生成层16。其中，各个所述层统一采用开放体系架构状态检修(OSA-CBM)规范，以实现各个层中的相同功能不同厂家产品的互换。各层的功能及相互关联可具体表述如下：
数据采集层11(Data Acquisition Layer)用于采集发电厂发电设备的现场数据。具体的，可采用传感器、智能仪表、现场总线(如profibus、FF、CAN等)连接现场进行数据采集。可选的，该层为状态检修系统提供了访问传感器数据、智能仪表数据的接口。
数据操作层12(Data Manipulation Layer)与所述数据采集层11通信连接，用于提取所述现场数据的特征值。具体的，数据操作层12接收来自数据采集层11或其他信号处理模块的信号和数据，使用专门的特征提取算法进行单个或多个信道的信号转换。它的输出包括过滤后的传感器数据、智能仪表数据、现场总线数据、频谱特征量等等。
状态检测层13(State Detection Layer)与所述数据采集层11、数据操作层12通信连接，用于接收所述现场数据和特征值，并与预设阈值进行比较以获得状态检测值。具体的，状态检测层13接收来自数据采集层11、数据操作层12和其它状态监测层的数据，将特征值与预设阈值(或期望值)进行比较，输出到状态指示器上，也可以根据预设阈值发出警报。
健康评估层14(Health Assessment Layer)与所述状态检测层13通信连接，用于基于所述状态检测值判断发电设备的当前健康状态。具体的，健康评估层14接收来自状态检测层13的不同的状态检测器或其它健康评估模块的数据，当被监测的系统、子系统或设备部件劣化时，确定其健康状态，并对故障状态提出具有一定置信度的建议。
本实施例较佳的实施方式中，所述健康评估层14以国家和行业安全标准、企业安全生产规范以及专家经验为依据，分别根据设备参数重要程度和设备劣化程度分级评估设备的健康状态，获得基于重要程度和劣化程度的综合健康评估结果。
预测评估层15(Prognostics Assessment Layer)与所述健康评估层14通信连接，用于基于所述当前健康状态预测发电设备的未来健康状态和剩余使用寿命(RUL，ResidualUseful Life)。所述剩余使用寿命可以是给定计划使用剖面下的设备剩余使用寿命。优选的，选择发电设备的关键部件进行健康状态评估和剩余寿命RUL计算，在保障检修效率的同时计算资源。
具体的，预测评估层15是通过设备健康状态，确定设备是否需要修理以及需要在多久之后修理。优选的，将设备的健康状态分为：正常状态、注意状态、异常状态和严重状态。当发电设备处于正常状态，则保持运行；当发电设备处于注意状态时，加强对设备的监测，跟踪并分析注意状态的原因并采取必要的预防措施；当发电设备处于异常状态时，根据其产生原因采取针对性的措施，并适时安排检修；当发电设备处于严重状态时，尽快安排检修或者立即停机，以防止更恶劣的情况发生。
建议生成层16(Advisory Generation Layer)与所述健康评估层14、预测评估层15通信连接，用于基于所述当前健康状态、未来健康状态和剩余使用寿命生成发电设备检修建议。具体的，建议生成层16接收来自健康评估层14和预测评估层15的数据，给出活动建议和方案选择，如推送检修事件、生成检修策略、生成维修活动时间表等等。
本实施例较佳的实施方式中，所述数据采集层11用于采集发电设备的运行历史数据、检修数据、试验数据、故障数据，并对所采集的数据进行运算集成。其中，对数据进行运算集成的可选用的处理框架包括：批处理框架如Apache Hadoop，流处理框架如ApacheStorm和Apache Samza，混合处理框架如Apache Spark和Apache Flink。其中，优选Spark大数据框架对所采集的数据进行运算集成，具有数据处理速度更快、数据处理多样性高以及任务易于编写的优点，尤其适用于本发明所采集的多源异构数据的处理。
本实施例较佳的实施方式中，所述数据采集层11设置发电设备的采集点，并采用智能仪表、传感器、现场总线等采集装置获取所述现场数据；所述现场数据包括振动值、局部放电量、压力、温度、流量等。具体的，采集点的设置可根据国家和行业安全标准、企业安全生产规范以及专家经验判断关键设备的关键参数，从而进行合理设置，避免不必要的设备及存储计算资源的浪费。
本实施例较佳的实施方式中，所述数据操作层12采用动态数据挖掘算法获取发电厂设备故障数据的关联信息，以支持所述设备检修建议的生成。可选的，采用FT-stream动态数据挖掘算法，实现发电厂设备历史故障信息的关联挖掘，最终实现支持状态检修及决策支持的目的。
本实施例较佳的实施方式中，所述数据操作层12在集成运算与数据的基础上，从数据获取层中抽取数据、转换数据质量以保证数据一致性，并通过数据清洗、数据探索、数据降维、频谱分析、特征工程等方法，完成发电厂关键设备数据特征挖掘；采用并行ETL、并行多维分析、并行数据挖掘算法等边缘计算和云计算技术进行数据处理，实现发电厂设备历史故障信息的关联挖掘，最终实现支持状态检修及决策支持的目的。
本实施例较佳的实施方式中，所述状态检测层13基于所述现场数据和特征值，采用机器学习模型进行状态回归与分类，通过人工智能预警算法对设备状态进行有效判断和预测。可选的，所述机器学习模型包括主成分分析(PCA)、支持向量机(SVR)、人工神经网络(ANN)等等。
在一些示例中，设备健康状态包括四种：正常状态、注意状态、异常状态和严重状态。以设备参数重要程度分级评估设备的健康状态：将发电设备的关键参数按照其对发电机运行状态的重要程度分为4个级别，对应的重要程度值与重要程度等级正相关，设备参数越重要，重要程度值越高。举例：重要程度值为1～4分，获得关键参数分级表如下表1所示。将关键参数所反映的设备状态劣化程度或者故障严重程度进行4个程度的评分，以评估设备的健康状态。其中，劣化程度与劣化程度值正相关，即设备状态劣化程度或者故障严重程度越严重，劣化程度值越大。举例，按照劣化程度取劣化程度值分别为2、4、8和10，获得设备状态劣化程度评分表如表2所示。
表1关键参数分级表
表2设备状态劣化程度评分表
本实施例较佳的实施方式中，所述建议生成层16包括：事件处理流程触发模块，用于在检测到发电设备状态异常时，生成与用户的职能权限相匹配的事件处理流程并发出警示信号。具体的，当发电设备状态由正常或注意状态转为异常或严重时，状态检修系统会触发一个事件处理流程并发出警示，提醒点检人员核实，事件经核实不是由于采集点异常等因素造成的误报，开始事件处理流程；若为误报则该事件由点检人员手动取消，事件结束；否则生成相应的检修策略、维修活动时间表等。事件处理流程模块充分考虑发电厂用户的角色职能权限划分，使状态检修事件处理与角色职能权限相匹配，在不同层级的用户间传递，直至事件关闭，形成闭环。
在一些实施方式中，所述方法可应用于控制器，所述电控单元例如为ARM(Advanced RISC Machines)控制器、FPGA(Field Programmable Gate Array)控制器、SoC(System on Chip)控制器、DSP(Digital Signal Processing)控制器、或者MCU(Microcontroller Unit)控制器等等。在一些实施方式中，所述方法也可应用于包括存储器、存储控制器、一个或多个处理单元(CPU)、外设接口、RF电路、音频电路、扬声器、麦克风、输入/输出(I/O)子系统、显示屏、其它输出或控制设备，以及外部端口等组件的计算机；所述计算机包括但不限于如台式电脑、笔记本电脑、平板电脑、智能手机、智能电视、个人数字助理(Personal Digital Assistant，简称PDA)等个人电脑。在另一些实施方式中，所述方法还可应用于服务器，所述服务器可以根据功能、负载等多种因素布置在一个或多个实体服务器上，也可以由分布的或集中的服务器集群构成。
此外，需要说明的是，应理解以上系统的各个层或模块的划分仅仅是一种逻辑功能的划分，实际实现时可以全部或部分集成到一个物理实体上，也可以物理上分开。且这些层或模块可以全部以软件通过处理元件调用的形式实现；也可以全部以硬件的形式实现；还可以部分层或模块通过处理元件调用软件的形式实现，部分层或模块通过硬件的形式实现。例如，数据采集层11可以为单独设立的处理元件，也可以集成在上述系统的某一个芯片中实现，此外，也可以以程序代码的形式存储于上述系统的存储器中，由上述系统的某一个处理元件调用并执行以上数据采集层11的功能。其它层或模块的实现与之类似。此外这些层或模块全部或部分可以集成在一起，也可以独立实现。这里所述的处理元件可以是一种集成电路，具有信号的处理能力。在实现过程中，以上各个层或模块可以通过处理器元件中的硬件的集成逻辑电路或者软件形式的指令完成。
例如，以上这些层或模块可以是被配置成实施以上方法的一个或多个集成电路，例如：一个或多个特定集成电路(Application Specific Integrated Circuit，简称ASIC)，或，一个或多个微处理器(digital signal processor，简称DSP)，或，一个或者多个现场可编程门阵列(Field Programmable Gate Array，简称FPGA)等。再如，当以上某个层或模块通过处理元件调度程序代码的形式实现时，该处理元件可以是通用处理器，例如中央处理器(Central Processing Unit，简称CPU)或其它可以调用程序代码的处理器。再如，这些层或模块可以集成在一起，以片上系统(system-on-a-chip，简称SOC)的形式实现。
综上所述，本发明实施例提出的一种发电厂的开放体系架构状态检修系统，采用开放体系架构，有利于降低发电企业的状态检修实施成本、提高互操作性、增加行业竞争与协作；并且系统中层次不同的技术模块使状态检修系统的结构层次化、组件化；所述系统的各个层可以选用不同厂家相同功能的产品进行灵活替换，有利于不同的研究机构和公司发挥在各自领域的专业技术优势，充分实现技术整合。
实施例二
图2所示为本发明提出的另一发电厂的开放体系架构状态检修系统结构示意图，其中包括数据采集层11、数据操作层12、状态检测层13、健康评估层14、预测评估层15和建议生成层16，与前文所述类似，故此不再赘述。所述系统还包括外部接口模块21和信息表达模块22，具体表述如下：
外部接口模块21(IO)用于实现所述系统的各个层之间及系统与外部之间的通信。具体的，发电厂的开放体系架构状态检修系统通过OPC、RS485、IEC61850等实时接口对发电厂及其电气系统的运行数据进行获取；利用JSON表结构或Comtrade接口连接故障录波等高频瞬态关键机组波形数据记录；对于发电设备大量的运行、检修、试验等文件非结构化数据，采用数据流/数据块统一接口进行读取；打通MIS、ERP、巡点检等信息管理系统的关系数据库接口，为发电厂状态检修系统开放架构一体化应用创造条件。
信息表达模块22(PT)用于将各个层的信息与发电厂的各个相关机构进行交互，如管理中心、试验中心、运行部门、维护部门等等，以配合上述各个部门更好地实现发电厂设备的管理维护。状态检修本身不仅仅是设备管理部门的职责，而是一种全员参与的生产维修方式，因此发电厂状态检修系统开放架构模型借助信息表达模块实现与发电厂运行、管理、试验、维护等多部门的充分互动，并形成一体化应用的优势。例如发电厂状态检修系统不仅向设备维护人员提供检修建议，还可以向运行人员提供运行参考，对故障或缺陷进行提前主动干预；状态检修系统通过互联ERP等管理系统，自动生成检修料单等等。
实施例三
图3为本发明实施例的一种发电厂的开放体系架构状态检修系统的设计方法流程示意图，包括：步骤S31、建立数据采集层，用于采集发电厂发电设备的现场数据；步骤S32、建立数据操作层，用于提取所述现场数据的特征值；步骤S33、建立状态检测层，用于接收所述现场数据和特征值，并与预设阈值进行比较以获得状态检测值；步骤S34、建立健康评估层，用于基于所述状态检测值判断发电设备的当前健康状态；步骤S35、建立预测评估层，用于基于所述当前健康状态预测发电设备的未来健康状态和剩余使用寿命；步骤S36、建立建议生成层，用于基于所述当前健康状态、未来健康状态和剩余使用寿命生成发电设备检修建议。其中，各个所述层统一采用开放体系架构状态检修规范，以实现各个层中的相同功能不同厂家产品的互换。本实施例所述方法与前文所述系统类似，故此不再赘述。
实施例四
本发明实施例提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现前文所述发电厂的开放体系架构状态检修系统设计方法。
本领域普通技术人员可以理解：实现上述各方法实施例的全部或部分步骤可以通过计算机程序相关的硬件来完成。前述的计算机程序可以存储于一计算机可读存储介质中。该程序在执行时，执行包括上述各方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
实施例五
图4为本发明实施例提供的一种电子终端的结构示意图。本实施例提供的电子终端，包括：处理器41、存储器42、通信器43；存储器42通过系统总线与处理器41和通信器43连接并完成相互间的通信，存储器42用于存储计算机程序，通信器43用于和其它设备进行通信，处理器41用于运行计算机程序，使电子终端执行如上发电厂的开放体系架构状态检修系统的设计方法的各个步骤。
上述提到的系统总线可以是外设部件互连标准(Peripheral ComponentInterconnect，简称PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture，简称EISA)总线等。该系统总线可以分为地址总线、数据总线、控制总线等。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。通信接口用于实现数据库访问装置与其它设备(例如客户端、读写库和只读库)之间的通信。存储器可能包含随机存取存储器(Random Access Memory，简称RAM)，也可能还包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。
上述的处理器可以是通用处理器，包括中央处理器(Central Processing Unit，简称CPU)、网络处理器(Network Processor，简称NP)等；还可以是数字信号处理器(Digital Signal Processing，简称DSP)、专用集成电路(Application SpecificIntegrated Circuit，简称ASIC)、现场可编程门阵列(Field－Programmable Gate Array，简称FPGA)或者其它可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
综上所述，本发明提出的发电厂的开放体系架构状态检修系统、方法、介质及终端，具有以下有益效果：采用开放体系架构，有利于降低发电企业状态检修实施成本、提高互操作性、增加行业竞争与协作；并且系统中层次不同的技术模块使状态检修结构层次化、组件化；所述系统的各个层可以选用不同厂家相同功能的产品进行灵活替换，有利于不同的研究机构和公司发挥在各自领域的专业技术优势，充分实现技术整合。所以，本发明有效克服了现有技术中的种种缺点而具有高度产业利用价值。
上述实施例仅例示性说明本发明的原理及其功效，而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下，对上述实施例进行修饰或改变。因此，举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本发明的权利要求所涵盖。
Claims (10)
1.一种发电厂的开放体系架构状态检修系统，其特征在于，包括：
数据采集层，用于采集发电厂发电设备的现场数据；
数据操作层，与所述数据采集层通信连接，用于提取所述现场数据的特征值；
状态检测层，与所述数据采集层、数据操作层通信连接，用于接收所述现场数据和特征值，并与预设阈值进行比较以获得状态检测值；
健康评估层，与所述状态检测层通信连接，用于基于所述状态检测值判断发电设备的当前健康状态；
预测评估层，与所述健康评估层通信连接，用于基于所述当前健康状态预测发电设备的未来健康状态和剩余使用寿命；
建议生成层，与所述健康评估层、预测评估层通信连接，用于基于所述当前健康状态、未来健康状态和剩余使用寿命生成发电设备检修建议；
其中，各个所述层统一采用开放体系架构状态检修规范，以实现各个层中的相同功能不同厂家产品的互换。
2.根据权利要求1所述的系统，其特征在于，所述数据采集层用于采集发电设备的运行历史数据、检修数据、试验数据、故障数据，并对所采集的数据进行运算集成。
3.根据权利要求1所述的系统，其特征在于，所述数据采集层设置发电设备的采集点，并采用智能仪表、传感器、现场总线获取所述现场数据；所述现场数据包括振动值、局部放电量、压力、温度、流量。
4.根据权利要求1所述的系统，其特征在于，所述数据操作层采用动态数据挖掘算法获取发电厂设备故障数据的关联信息，以支持所述设备检修建议的生成。
5.根据权利要求1所述的系统，其特征在于，所述状态检测层基于所述现场数据和特征值，采用机器学习模型进行状态回归与分类，通过人工智能预警算法对设备状态进行有效判断和预测。
6.根据权利要求1所述的系统，其特征在于，所述健康评估层以国家和行业安全标准、企业安全生产规范以及专家经验为依据，分别根据设备参数重要程度和设备劣化程度分级评估设备的健康状态。
7.根据权利要求1所述的系统，其特征在于，所述建议生成层包括：事件处理流程触发模块，用于在检测到发电设备状态异常时，生成与用户的职能权限相匹配的事件处理流程并发出警示信号。
8.一种发电厂的开放体系架构状态检修系统的设计方法，其特征在于，所述方法包括：
建立数据采集层，用于采集发电厂发电设备的现场数据；
建立数据操作层，用于提取所述现场数据的特征值；
建立状态检测层，用于接收所述现场数据和特征值，并与预设阈值进行比较以获得状态检测值；
建立健康评估层，用于基于所述状态检测值判断发电设备的当前健康状态；
建立预测评估层，用于基于所述当前健康状态预测发电设备的未来健康状态和剩余使用寿命；
建立建议生成层，用于基于所述当前健康状态、未来健康状态和剩余使用寿命生成发电设备检修建议；
其中，各个所述层统一采用开放体系架构状态检修规范，以实现各个层中的相同功能不同厂家产品的互换。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求8所述发电厂的开放体系架构状态检修系统设计方法。
10.一种电子终端，其特征在于，包括：处理器及存储器；
所述存储器用于存储计算机程序，所述处理器用于执行所述存储器存储的计算机程序，以使所述终端执行如权利要求8所述发电厂的开放体系架构状态检修系统设计方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011302462.0A CN112529364A (zh) | 2020-11-19 | 2020-11-19 | 发电厂的开放体系架构状态检修系统、方法、介质及终端 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011302462.0A CN112529364A (zh) | 2020-11-19 | 2020-11-19 | 发电厂的开放体系架构状态检修系统、方法、介质及终端 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112529364A true CN112529364A (zh) | 2021-03-19 |
Family
ID=74982009
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011302462.0A Pending CN112529364A (zh) | 2020-11-19 | 2020-11-19 | 发电厂的开放体系架构状态检修系统、方法、介质及终端 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112529364A (zh) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104992270A (zh) * | 2015-06-19 | 2015-10-21 | 国家电网公司 | 输变电设备状态检修辅助决策系统及方法 |
| US20170123874A1 (en) * | 2015-10-30 | 2017-05-04 | Netapp, Inc. | At-risk system reports delivery at site |
| US20190086911A1 (en) * | 2017-09-15 | 2019-03-21 | General Electric Company | Machine health monitoring, failure detection and prediction using non-parametric data |
-
2020
- 2020-11-19 CN CN202011302462.0A patent/CN112529364A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104992270A (zh) * | 2015-06-19 | 2015-10-21 | 国家电网公司 | 输变电设备状态检修辅助决策系统及方法 |
| US20170123874A1 (en) * | 2015-10-30 | 2017-05-04 | Netapp, Inc. | At-risk system reports delivery at site |
| US20190086911A1 (en) * | 2017-09-15 | 2019-03-21 | General Electric Company | Machine health monitoring, failure detection and prediction using non-parametric data |
Non-Patent Citations (1)
| Title |
|---|
| 卢山: "山西移动大数据运营管理平台实践经验分享", 《通信世界》 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Capozzoli et al. | Fault detection analysis using data mining techniques for a cluster of smart office buildings | |
| US11403164B2 (en) | Method and device for determining a performance indicator value for predicting anomalies in a computing infrastructure from values of performance indicators | |
| US11275357B2 (en) | Event analyzing device, event analyzing system, event analyzing method, and non-transitory computer readable storage medium | |
| Xiao et al. | Data mining in building automation system for improving building operational performance | |
| Alahakoon et al. | Advanced analytics for harnessing the power of smart meter big data | |
| CN101989087B (zh) | 工业化加工渣油的在线实时故障监测与诊断的系统装置 | |
| US11307916B2 (en) | Method and device for determining an estimated time before a technical incident in a computing infrastructure from values of performance indicators | |
| US5311562A (en) | Plant maintenance with predictive diagnostics | |
| CN102141808B (zh) | 汽轮发电机组嵌入式故障预诊断系统及方法 | |
| CN112817280A (zh) | 一种用于火电厂智慧监盘报警系统实现方法 | |
| CN102931625A (zh) | 一种继电保护在线状态检修智能决策分析装置和其信号处理方法及其应用 | |
| US11675643B2 (en) | Method and device for determining a technical incident risk value in a computing infrastructure from performance indicator values | |
| Alshathri et al. | Digital twin-based automated fault diagnosis in industrial IoT applications | |
| CN117670378A (zh) | 一种基于大数据的食品安全监控方法及系统 | |
| CN110956281A (zh) | 一种基于Log分析的电力设备异常检测报警系统 | |
| CN117611388A (zh) | 一种基于云计算的电力信息化管理系统 | |
| Kelati et al. | Smart meter load profiling for e-health monitoring system | |
| CN102929241A (zh) | 精对苯二甲酸装置安全运行指导系统及其应用 | |
| Godwin et al. | Classification and detection of electrical control system faults through SCADA data analysis | |
| CN112529364A (zh) | 发电厂的开放体系架构状态检修系统、方法、介质及终端 | |
| CN115016902B (zh) | 工业流程数字化管理系统及方法 | |
| Borissova et al. | A concept of intelligent e-maintenance decision making system | |
| Jingyu et al. | Statistical analysis of distribution network fault information based on multi-source heterogeneous data mining | |
| CN114676015A (zh) | 一种测控装置运行状态监测自检报告自动生成方法及系统 | |
| CN112835949A (zh) | 一种负荷预测的方法 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210319 |
|
| RJ01 | Rejection of invention patent application after publication |