CN113610289A - 工业锅炉的剩余维护时间预测方法、装置和计算机设备 - Google Patents
工业锅炉的剩余维护时间预测方法、装置和计算机设备 Download PDFInfo
- Publication number
- CN113610289A CN113610289A CN202110867994.7A CN202110867994A CN113610289A CN 113610289 A CN113610289 A CN 113610289A CN 202110867994 A CN202110867994 A CN 202110867994A CN 113610289 A CN113610289 A CN 113610289A
- Authority
- CN
- China
- Prior art keywords
- boiler
- industrial boiler
- determining
- industrial
- maintenance time
- 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
- 238000012423 maintenance Methods 0.000 title claims abstract description 76
- 238000000034 method Methods 0.000 title claims abstract description 67
- 230000006870 function Effects 0.000 claims description 71
- 238000004590 computer program Methods 0.000 claims description 20
- 238000004140 cleaning Methods 0.000 claims description 13
- 238000012545 processing Methods 0.000 claims description 13
- 238000003860 storage Methods 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 8
- 230000002776 aggregation Effects 0.000 claims description 5
- 238000004220 aggregation Methods 0.000 claims description 5
- 238000003062 neural network model Methods 0.000 claims description 4
- 230000015556 catabolic process Effects 0.000 description 6
- 238000006731 degradation reaction Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 239000012530 fluid Substances 0.000 description 3
- LFQSCWFLJHTTHZ-UHFFFAOYSA-N Ethanol Chemical compound CCO LFQSCWFLJHTTHZ-UHFFFAOYSA-N 0.000 description 2
- 238000007792 addition Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 239000003795 chemical substances by application Substances 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000012417 linear regression Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000001681 protective effect Effects 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- RTAQQCXQSZGOHL-UHFFFAOYSA-N Titanium Chemical compound [Ti] RTAQQCXQSZGOHL-UHFFFAOYSA-N 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011109 contamination Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 239000012212 insulator Substances 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003449 preventive effect Effects 0.000 description 1
- 238000012887 quadratic function Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 229910052719 titanium Inorganic materials 0.000 description 1
- 239000010936 titanium 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
- G06Q10/04—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
- G06Q10/10—Office automation; Time management
- G06Q10/109—Time management, e.g. calendars, reminders, meetings or time accounting
-
- 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
- G06Q50/04—Manufacturing
-
- 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
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Abstract
本公开涉及能源技术领域，本公开的实施例公开了工业锅炉的剩余维护时间预测方法、装置和计算机设备。该方法的一具体实施方式包括：获取工业锅炉的参数、当前运行数据和锅炉效率下限值；基于上述参数，确定上述工业锅炉的性能衰减拟合函数；基于上述当前运行数据，确定上述工业锅炉的锅炉效率参考值；基于上述锅炉效率下限值、上述性能衰减拟合函数和上述锅炉效率参考值，确定上述工业锅炉的剩余维护时间。该实施方式可以对工业锅炉的剩余维护时间准确的预测确定，有助于运行人员为维修保障工作提前做出工作，降低性能衰减对工业锅炉的影响，保持工业锅炉正常热效率，避免保养不及时造成设备损坏或者保养过度造成成本增加现象。
Description
技术领域
本公开的实施例涉及能源技术领域，具体涉及工业锅炉的剩余维护时间预测方法、装置和计算机设备。
背景技术
目前，大多数工业锅炉设备的运维都是依赖操作人员的业务能力，设备运行过程中参数异常变化、设备故障诊断、应急处理措施等一般都是操作人员根据个人经验判断，问题处理受个人能力局限，设备保养、缺陷、故障处理不及时。运行人员设置一般比较紧张，加上运行人员业务水平参差不齐，预防性维护保养工作较少，更多的是哪里出现问题找专业厂家抢修哪里。非预防性维修对系统运行效率造成一定影响，同时也会缩短使用寿命。
传统的预测性维护方法很多，而且在不断地发展之中，按照设备状态信号的物理特征可以做如下分类：振动、温度、声学、污染物、强度、光学、压力以及电参数等。目前在进行工业锅炉的预测性维护时，不仅要求的参数繁多，而且现场工作人员需要时刻对不同物理参数进行测量等繁琐工作，测量值的准确性不高，导致工业锅炉的预测性维护效果不佳。
发明内容
有鉴于此，本公开实施例提供了一种工业锅炉的剩余维护时间预测方法、装置和计算机设备，以解决现有技术中无法准确预测工业锅炉设备的维护时间的问题。
本公开实施例的第一方面，提供了一种工业锅炉的剩余维护时间预测方法，包括：获取工业锅炉的参数、当前运行数据和锅炉效率下限值；基于上述参数，确定上述工业锅炉的性能衰减拟合函数；基于上述当前运行数据，确定上述工业锅炉的锅炉效率参考值；基于上述锅炉效率下限值、上述性能衰减拟合函数和上述锅炉效率参考值，确定上述工业锅炉的剩余维护时间。
本公开实施例的第二方面，提供了一种工业锅炉的剩余维护时间预测装置，装置包括：获取单元，被配置成获取工业锅炉的参数、当前运行数据和锅炉效率下限值；性能衰减拟合函数确定单元，被配置成基于上述参数，确定上述工业锅炉的性能衰减拟合函数；锅炉效率参考值确定单元，被配置成基于上述当前运行数据，确定上述工业锅炉的锅炉效率参考值；剩余维护时间确定单元，被配置成基于上述锅炉效率下限值、上述性能衰减拟合函数和上述锅炉效率参考值，确定上述工业锅炉的剩余维护时间。
本公开实施例的第三方面，提供了一种计算机设备，包括存储器、处理器以及存储在存储器中并且可以在处理器上运行的计算机程序，该处理器执行计算机程序时实现上述方法的步骤。
本公开实施例的第四方面，提供了一种计算机可读存储介质，该计算机可读存储介质存储有计算机程序，该计算机程序被处理器执行时实现上述方法的步骤。
本公开的上述各个实施例中的一个实施例具有如下有益效果：首先，获取工业锅炉的参数、当前运行护具和锅炉效率下限值；然后，基于参数来确定工业锅炉的性能衰减拟合函数；之后，基于上述当前运行数据来确定上述工业锅炉的锅炉效率参考值；最后，根据上述当前运行数据、上述性能衰减拟合函数和上述锅炉效率参考值，确定上述工业锅炉的剩余维护时间。本公开提供的方法可以对工业锅炉的剩余维护时间准确的预测确定，有助于运行人员为维修保障工作提前做出工作，降低性能衰减对工业锅炉的影响，保持工业锅炉正常热效率，避免保养不及时造成设备损坏或者保养过度造成成本增加现象。本公开提供的方法可以实时监测工业锅炉的性能衰减情况，减少停机检测频率，节约人力物力。
附图说明
结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，元件和元素不一定按照比例绘制。
图1是根据本公开的一些实施例的工业锅炉的剩余维护时间预测方法的一个应用场景的示意图；
图2是根据本公开的工业锅炉的剩余维护时间预测方法的一些实施例的流程图；
图3是根据本公开的工业锅炉的剩余维护时间预测装置的一些实施例的结构示意图；
图4是适于用来实现本公开的一些实施例的电子设备的结构示意图。
具体实施方式
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本公开实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本公开。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本公开的描述。
下面将结合附图详细说明根据本公开实施例的一种工业锅炉的剩余维护时间预测方法、装置和计算机设备。
图1是根据本公开一些实施例的工业锅炉的剩余维护时间预测方法的一个应用场景的示意图。
在图1的应用场景中，首先，计算设备101可以获取工业锅炉的参数102、当前运行数据103和锅炉效率下限值104。然后，计算设备101可以基于上述参数102，确定上述工业锅炉的性能衰减拟合函数105。之后，计算设备101可以基于上述当前运行数据103，确定上述工业锅炉的锅炉效率参考值106。最后，基于上述锅炉效率下限值104、上述性能衰减拟合函数105和上述锅炉效率参考值106，计算设备101可以确定上述工业锅炉的剩余维护时间107。
需要说明的是，上述计算设备101可以是硬件，也可以是软件。当计算设备为硬件时，可以实现成多个服务器或终端设备组成的分布式集群，也可以实现成单个服务器或单个终端设备。当计算设备体现为软件时，可以安装在上述所列举的硬件设备中。其可以实现成例如用来提供分布式服务的多个软件或软件模块，也可以实现成单个软件或软件模块。在此不做具体限定。
应该理解，图1中的计算设备的数目仅仅是示意性的。根据实现需要，可以具有任意数目的计算设备。
图2是本公开实施例提供的工业锅炉的剩余维护时间预测方法的流程图。图2的工业锅炉的剩余维护时间预测方法可以由图1的计算设备101执行。如图2所示，该工业锅炉的剩余维护时间预测方法，包括以下步骤：
步骤S201，获取工业锅炉的参数、当前运行数据和锅炉效率下限值。
在一些实施例中，工业锅炉的剩余维护时间预测方法的执行主体(如图1所示的计算设备101)可以通过有线连接方式或无线连接方式获取上述工业锅炉的参数、当前运行数据和锅炉效率下限值。
需要指出的是，上述无线连接方式可以包括但不限于3G/4G/5G连接、WiFi连接、蓝牙连接、WiMAX连接、Zigbee连接、UWB(ultra wideband)连接、以及其他现在已知或将来开发的无线连接方式。
在一些实施例的一些可选的实现方式中，上述工业锅炉的吸热过程是从管外到管内的，参数至少包括水流方向、上述工业锅炉的内圆筒壁的内管半径、内圆筒壁的外管半径、管内流体中心位置温度、内管壁温度、外管壁温度、管外流体温度、管内单位面积导热系数、管内面积、管外单位面积导热系数、管外面积、管壁导热系数和长度。
应当理解的是，该步骤工业锅炉的是水，但针对不同项目或者不同设备也可以为其他液体，如乙醇、水与其他物质的混合物等，此处不做限制。
步骤S202，基于上述参数，确定上述工业锅炉的性能衰减拟合函数。
在一些实施例中，基于上述参数，确定上述工业锅炉的性能衰减拟合函数之前，上述方法还包括：获取预设时间段内上述工业锅炉的原始历史数据；对上述原始历史数据进行数据清洗处理，得到数据清洗处理后的原始历史数据；对上述数据清洗处理后的原始历史数据进行数据聚合，得到历史数据。作为示例，上述执行主体可以将上述工业锅炉在预设锅炉效率的小时级的历史数据作为原始历史数据。对上述原始历史数据的数据清洗处理可以是首先去除上述原始历史数据中上述工业锅炉停止运行时的历史数据，其次，对小时级的原始历史数据进行数据聚合，计算得到每天的锅炉效率平均值。
应当理解的是，该步骤中的能源站不限于泛能站，可以是其他各种类型的能源站；设备也不限于锅炉工业锅炉，也可以为其他设备；选取的时间段为随机选取，其他时间段也可；锅炉效率不限于小时级历史数据，也可以为秒级历史数据、分钟级历史数据等。此处不做限制。应当理解的是，根据不同目的或者计算方法等可以选择不去除或者去除其他原始历史数据，不限于工业锅炉停止运行时的历史数据；也可以对秒级原始历史数据进行聚合操作，计算出每一分钟的锅炉效率平均值；也可以对分钟级原始历史数据进行聚合操作，计算出每一小时的锅炉效率平均值。此处不做限制。
在一些实施例中，基于上述参数，上述执行主体可以通过如下步骤确定上述工业锅炉的性能衰减拟合函数：第一步，上述执行主体可以获取上述工业锅炉的热力学模型；第二步，基于上述热力学模型，上述执行主体可以确定上述工业锅炉的性能衰减模型；第三步，上述执行主体可以基于上述性能衰减模型，获取初始性能衰减拟合函数；第四步，上述执行主体对上述初始性能衰减拟合函数和上述历史数据进行曲线拟合，得到上述性能衰减拟合函数。这里，性能衰减拟合函数可以用于表征上述工业锅炉的锅炉效率与累计运行时间(性能衰减厚度)的函数关系。
上文陈述的热力学模型可以是传统热力学模型，作为示例，上述热流量公式可以表现为：
其中，t用于表征水流方向；
d1用于表征工业锅炉的内圆筒壁的内管半径；
d2用于表征内圆筒壁的外管半径；
tf1用于表征管内流体中心位置温度；
tf2用于表征管外流体温度；
α1用于表征管内单位面积导热系数。
A1用于表征管内面积；
α2用于表征管外单位面积导热系数；
A2用于表征管外面积；
λ用于表征管壁导热系数；
1用于表征长度。
若上述工业锅炉性能衰减，假设工业锅炉的污垢均匀地附在圆筒壁内侧，污垢的导热系数为α0，性能衰减的厚度为d0，那么热流量公式表现为：
经过简化及用参数代替其中的物理量后，可知热传导热量满足以下公式：
其中，A、B、C用于表征模型待定参数。
上文陈述的第三步可以通过如下方式利用泰勒公式实现：泰勒公式是将一个在x＝x0处具有n阶导数的函数f(x)利用关于(x-x0)的n次多项式来逼近函数的方法。其应用于数学、物理领域，是一个用函数在某点的信息描述其附近取值的公式。如果函数足够平滑的话，在已知函数在某一点的各阶导数值的情况之下，泰勒公式可以用这些导数值做系数构建一个多项式来近似函数在这一点的邻域中的值。泰勒公式还给出了这个多项式和实际的函数值之间的偏差。
泰勒展开式公式在数学分析中有着广泛的用途，如极限计算、无穷小量阶的估计、构造不等式以及方程求解方面应用效果较好。
确定一组数据，寻求函数的一个近似表达式y＝f((x)，要求近似表达式能够反映数据的基本趋势而又不一定过全部的点(xi，yi)，这就是曲线拟合问题。函数的近似表达式y＝f(x)称为拟合曲线。
上述执行主体可以根据上述性能衰减模型，利用泰勒展式模型进行拟合操作。由于模型方程在性能衰减的厚度d0很小的时候比较接近多项式方程，经过分析用二次幂函数来拟合效果较好；二次函数拟合的图形更符合热绝缘体方程的导热曲线。
上述陈述的第四步中，上述执行主体可以利用最小二乘法模型对上述初始性能衰减拟合函数和上述历史数据进行曲线拟合，得到上述性能衰减拟合函数。
上文陈述的最小二乘法(又称最小平方法)是一种数学优化技术。它通过最小化误差的平方和寻找数据的最佳函数匹配。利用最小二乘法可以简便地求得未知的数据，并使得这些求得的数据与实际数据之间误差的平方和为最小。最小二乘法还可用于曲线拟合。其他一些优化问题也可通过最小化能量或最大化熵用最小二乘法来表达。目前最好的曲线拟合算法就是最小二乘法。然后，根据得到的多项式方程(即初始性能衰减拟合函数)结合上述历史数据利用最小二乘曲线拟合，得到上述性能衰减拟合函数。
在一些实施例的一些实现方式中，工业锅炉是否性能衰减最直观的反映是工业锅炉效率的变化(而锅炉性能衰减的反应是锅炉的热转化效率)。通过将历史数据和工业锅炉性能衰减拟合函数模型方程来拟合工业锅炉的锅炉效率性能衰减的变化曲线。
当获得具体时间的锅炉效率时，采用简单的数据处理后，将处理后的数据映射到锅炉效率变化曲线上并预测出性能衰减恶化的趋势。
性能衰减拟合函数反映的是工业锅炉的锅炉效率与性能衰减厚度的内在关系，同时累计运行时间与性能衰减厚度是呈正比例关系的，上述陈述是对工业锅炉的锅炉效率与性能衰减厚度的内在关系、累计运行时间与性能衰减厚度呈正比例关系的阐述和解释，所以性能衰减拟合函数最终反映的是工业锅炉的锅炉效率与累计运行时间(性能衰减厚度)的函数关系。
应当理解的是，除采用最小二乘法模型对所述初始性能衰减拟合函数和所述历史数据进行曲线拟合外，还可以采用线性回归模型、分段线性回归模型、多项式回归模型、二次样条模型和三次样条模型等。此处不做限制。
步骤S203，基于上述当前运行数据，确定上述工业锅炉的锅炉效率参考值。
在一些实施例中，基于上述当前运行数据，上述执行主体可以通过如下步骤确定上述工业锅炉的锅炉效率参考值：
第一步，基于预设神经网络模型，上述执行主体可以对上述历史数据进行拟合，得到上述工业锅炉在目标时刻的锅炉效率预测值。作为示例，上述预设神经网络模型可以是差分整合移动平均自回归模型。
由于历史数据波动性较大，因此，可以认为当前运行数据求得的锅炉效率当前值为工业锅炉的锅炉效率的一个扰动，可以用时间序列预测方法对工业锅炉的锅炉效率进行预测。
应当理解的是，此处时间序列模型不限于差分整合移动平均自回归模型，还可以为ETS模型和STL模型。ETS模型：既可以理解为Error,Trend and Seasonality又可以解作Exponen Tial Smoothing模型。前者揭示了模型的三个组成部分，后者则描述了模型的工作原理。准确的说，ETS实际上是一整个系列的算法，可以基于这三个组成部分任意组合。而STL(Seasonal and Trend decompositionusing Loess)模型：以鲁棒局部加权回归作为平滑方法的时间序列分解方法。此处不做限制。
第二步，基于上述当前运行数据，上述执行主体可以获取上述工业锅炉在上述目标时刻的锅炉效率当前值。
第三步，上述执行主体可以对上述锅炉效率预测值和上述锅炉效率当前值进行加权求和，得到加权求和结果。
第四步，上述执行主体可以将上述加权求和结果确定为上述锅炉效率参考值。作为示例，上述锅炉效率预测值可以是87.16％，上述锅炉效率当前值可以是88.16％，用其加权求和结果88.66％作为工业锅炉的锅炉效率参考值。应当理解的是，利用均值或者加权方法皆可计算工业锅炉的锅炉效率。此处不做限制。
步骤S204，基于上述锅炉效率下限值、上述性能衰减拟合函数和上述锅炉效率参考值，确定上述工业锅炉的剩余维护时间。
在一些实施例中，上述执行主体可以通过如下步骤确定上述工业锅炉的剩余维护时间：
第一步，基于上述性能衰减拟合函数和上述锅炉效率下限值，上述执行主体可以确定上述工业锅炉的理论维护时间。作为示例，根据上述性能衰减拟合函数的方程，假设当前日期为0，如果锅炉效率小于88％，说明工业锅炉的性能衰减已经很大程度上降低了热量的传递和吸收，则维保日期为锅炉效率小于88％的那天，也就是265天之后(不计停机时间)。工业锅炉的理论维护时间为265天。
第二步，基于上述性能衰减拟合函数和上述锅炉效率参考值，上述执行主体可以确定上述工业锅炉的累计运行时间。作为示例，上述执行主体可以根据上述锅炉效率参考值可以计算在性能衰减拟合函数方程中横坐标的时间点。作为另一示例，将上述工业锅炉的锅炉效率88.66％带入上述性能衰减拟合函数，得出当前在性能衰减拟合函数中的横坐标时间点，即累计运行时间为x＝238(另一值为x＝110)。如果当前运行数据观测值对应多个横坐标时间点，即当前累计运行，为了保险起见可以选取日期靠后的一个，即工业锅炉的累计运行时间为238天。
第三步，上述执行主体可以对上述理论维护时间和上述累计运行时间进行求差，得到求差结果。
第四步，上述执行主体可以将上述求差结果确定为上述剩余维护时间。作为示例，理论维护时间可以是265天，累计运行时间可以是238天，那么求差结果27天可以作为上述剩余维护时间。
应当理解的是，以上各英文字母和/或符号仅是为清楚说明设备或者工业锅炉具体参数意义，也可用其他字母或者符号表示。此处不做限制。
在一些实施例的一些可选的实现方式中，上述方法还包括：基于上述参数和上述剩余维护时间，生成提示信息；将上述提示信息传输至具有显示功能的目标设备，以及控制上述目标设备显示上述提示信息。
应当理解的是，本预测性维护方法使用范围较广，不限于工业锅炉，还可应用于通过圆柱体实现热交换的锅炉的炉膛、节能器、冷凝器以及蒸发器等设备。此处不做限制。
本公开的上述各个实施例中的一个实施例具有如下有益效果：首先，获取工业锅炉的参数、当前运行护具和锅炉效率下限值；然后，基于参数来确定工业锅炉的性能衰减拟合函数；之后，基于上述当前运行数据来确定上述工业锅炉的锅炉效率参考值；最后，根据上述当前运行数据、上述性能衰减拟合函数和上述锅炉效率参考值，确定上述工业锅炉的剩余维护时间。本公开提供的方法可以对工业锅炉的剩余维护时间准确的预测确定，有助于运行人员为维修保障工作提前做出工作，降低性能衰减对工业锅炉的影响，保持工业锅炉正常热效率，避免保养不及时造成设备损坏或者保养过度造成成本增加现象。本公开提供的方法可以实时监测工业锅炉的性能衰减情况，减少停机检测频率，节约人力物力。另外，利用优化传统物理模型，减少了测量大量数据的工作量，提高预测准确性
下述为本公开装置实施例，可以用于执行本公开方法实施例。对于本公开装置实施例中未披露的细节，请参照本公开方法实施例。
图3是本公开实施例提供的工业锅炉的剩余维护时间预测装置的示意图。
如图3所示，该工业锅炉的剩余维护时间预测装置包括：
获取单元301，被配成获取工业锅炉的参数、当前运行数据和锅炉效率下限值；
性能衰减拟合函数确定单元302，被配置成基于上述参数，确定上述工业锅炉的性能衰减拟合函数；
锅炉效率参考值确定单元303，被配置成基于上述当前运行数据，确定上述工业锅炉的锅炉效率参考值；
剩余维护时间确定单元304，被配置成基于上述锅炉效率下限值、上述性能衰减拟合函数和上述锅炉效率参考值，确定上述工业锅炉的剩余维护时间。
在一些实施例中，工业锅炉的剩余维护时间预测装置被进一步配置成：获取预设时间段内上述工业锅炉的原始历史数据；对上述原始历史数据进行数据清洗处理，得到数据清洗处理后的原始历史数据；对上述数据清洗处理后的原始历史数据进行数据聚合，得到历史数据。
在一些实施例中，工业锅炉的剩余维护时间预测装置的性能衰减拟合函数确定单元302被进一步配置成：获取上述工业锅炉的热力学模型；基于上述热力学模型，确定上述工业锅炉的性能衰减模型；基于上述性能衰减模型，获取初始性能衰减拟合函数；对上述初始行能衰减拟合函数和上述历史数据进行曲线拟合，得到上述性能衰减拟合函数。
在一些实施例中，工业锅炉的剩余维护时间预测装置的锅炉效率参考值确定单元303被进一步配置成：基于预设神经网络模型，对上述历史数据进行拟合，得到上述工业锅炉在目标时刻的锅炉效率预测值；基于上述当前运行数据，获取上述工业锅炉在上述目标时刻的锅炉效率当前值；对上述锅炉效率预测值和上述锅炉效率当前值进行加权求和，得到加权求和结果；将上述加权求和结果确定为上述锅炉效率参考值。
在一些实施例中，工业锅炉的剩余维护时间预测装置的剩余维护时间确定单元304被进一步配置成：基于上述性能衰减拟合函数和上述锅炉效率下限值，确定上述工业锅炉的理论维护时间；基于上述性能衰减拟合函数和上述锅炉效率参考值，确定上述工业锅炉的累计运行时间；对上述理论维护时间和上述累计运行时间进行求差，得到求差结果；将上述求差结果确定为上述剩余维护时间。
可以理解的是，该装置300中记载的诸单元与参考图2描述的方法中的各个步骤相对应。由此，上文针对方法描述的操作、特征以及产生的有益效果同样适用于装置300及其中包含的单元，在此不再赘述。
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本公开实施例的实施过程构成任何限定。
图4是本公开实施例提供的计算机设备4的示意图。如图4所示，该实施例的计算机设备4包括：处理器401、存储器402以及存储在该存储器402中并且可以在处理器401上运行的计算机程序403。处理器401执行计算机程序403时实现上述各个方法实施例中的步骤。或者，处理器401执行计算机程序403时实现上述各装置实施例中各模块/单元的功能。
示例性地，计算机程序403可以被分割成一个或多个模块/单元，一个或多个模块/单元被存储在存储器402中，并由处理器401执行，以完成本公开。一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述计算机程序403在计算机设备4中的执行过程。
计算机设备4可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算机设备。计算机设备4可以包括但不仅限于处理器401和存储器402。本领域技术人员可以理解，图4仅仅是计算机设备4的示例，并不构成对计算机设备4的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如，计算机设备还可以包括输入输出设备、网络接入设备、总线等。
处理器401可以是中央处理单元(Central Processing Unit，CPU)，也可以是其它通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其它可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器402可以是计算机设备4的内部存储单元，例如，计算机设备4的硬盘或内存。存储器402也可以是计算机设备4的外部存储设备，例如，计算机设备4上配备的插接式硬盘，智能存储卡(Smart Media Card，SMC)，安全数字(Secure Digital，SD)卡，闪存卡(Flash Card)等。进一步地，存储器402还可以既包括计算机设备4的内部存储单元也包括外部存储设备。存储器402用于存储计算机程序以及计算机设备所需的其它程序和数据。存储器402还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本公开的范围。
在本公开所提供的实施例中，应该理解到，所揭露的装置/计算机设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/计算机设备实施例仅仅是示意性的，例如，模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本公开各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读存储介质中。基于这样的理解，本公开实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，计算机程序可以存储在计算机可读存储介质中，该计算机程序在被处理器执行时，可以实现上述各个方法实施例的步骤。计算机程序可以包括计算机程序代码，计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读介质可以包括：能够携带计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、电载波信号、电信信号以及软件分发介质等。需要说明的是，计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如，在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。
以上实施例仅用以说明本公开的技术方案，而非对其限制；尽管参照前述实施例对本公开进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本公开各实施例技术方案的精神和范围，均应包含在本公开的保护范围之内。
Claims (10)
1.一种工业锅炉的剩余维护时间预测方法，其特征在于，包括：
获取工业锅炉的参数、当前运行数据和锅炉效率下限值；
基于所述参数，确定所述工业锅炉的性能衰减拟合函数；
基于所述当前运行数据，确定所述工业锅炉的锅炉效率参考值；
基于所述锅炉效率下限值、所述性能衰减拟合函数和所述锅炉效率参考值，确定所述工业锅炉的剩余维护时间。
2.根据权利要求1所述的方法，其特征在于，所述基于所述参数，确定所述工业锅炉的性能衰减拟合函数之前，所述方法还包括：
获取预设时间段内所述工业锅炉的原始历史数据；
对所述原始历史数据进行数据清洗处理，得到数据清洗处理后的原始历史数据；
对所述数据清洗处理后的原始历史数据进行数据聚合，得到历史数据。
3.根据权利要求2所述的方法，其特征在于，所述基于所述参数，确定所述工业锅炉的性能衰减拟合函数，包括：
获取所述工业锅炉的热力学模型；
基于所述热力学模型，确定所述工业锅炉的性能衰减模型；
基于所述性能衰减模型，获取初始性能衰减拟合函数；
对所述初始行能衰减拟合函数和所述历史数据进行曲线拟合，得到所述性能衰减拟合函数。
4.根据权利要求2所述的方法，其特征在于，所述基于所述当前运行数据，确定所述工业锅炉的锅炉效率参考值，包括：
基于预设神经网络模型，对所述历史数据进行拟合，得到所述工业锅炉在目标时刻的锅炉效率预测值；
基于所述当前运行数据，获取所述工业锅炉在所述目标时刻的锅炉效率当前值；
对所述锅炉效率预测值和所述锅炉效率当前值进行加权求和，得到加权求和结果；
将所述加权求和结果确定为所述锅炉效率参考值。
5.根据权利要求1至4中任一项所述的方法，其特征在于，所述基于所述锅炉效率下限值、所述性能衰减拟合函数和所述锅炉效率参考值，确定所述工业锅炉的剩余维护时间，包括：
基于所述性能衰减拟合函数和所述锅炉效率下限值，确定所述工业锅炉的理论维护时间；
基于所述性能衰减拟合函数和所述锅炉效率参考值，确定所述工业锅炉的累计运行时间；
对所述理论维护时间和所述累计运行时间进行求差，得到求差结果；
将所述求差结果确定为所述剩余维护时间。
6.根据权利要求5所述的方法，其特征在于，所述方法还包括：
基于所述参数和所述剩余维护时间，生成提示信息；
将所述提示信息传输至具有显示功能的目标设备，以及控制所述目标设备显示所述提示信息。
7.一种工业锅炉的剩余维护时间预测装置，其特征在于，包括：
获取单元，被配置成获取工业锅炉的参数、当前运行数据和锅炉效率下限值；
性能衰减拟合函数确定单元，被配置成基于所述参数，确定所述工业锅炉的性能衰减拟合函数；
锅炉效率参考值确定单元，被配置成基于所述当前运行数据，确定所述工业锅炉的锅炉效率参考值；
剩余维护时间确定单元，被配置成基于所述锅炉效率下限值、所述性能衰减拟合函数和所述锅炉效率参考值，确定所述工业锅炉的剩余维护时间。
8.根据权利要求7所述的装置，其特征在于，所述装置还包括：
获取预设时间段内所述工业锅炉的原始历史数据；
对所述原始历史数据进行数据清洗处理，得到数据清洗处理后的原始历史数据；
对所述数据清洗处理后的原始历史数据进行数据聚合，得到历史数据。
9.一种计算机设备，包括存储器、处理器以及存储在所述存储器中并且可以在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至6中任一项所述方法的步骤。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6中任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110867994.7A CN113610289A (zh) | 2021-07-30 | 2021-07-30 | 工业锅炉的剩余维护时间预测方法、装置和计算机设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110867994.7A CN113610289A (zh) | 2021-07-30 | 2021-07-30 | 工业锅炉的剩余维护时间预测方法、装置和计算机设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113610289A true CN113610289A (zh) | 2021-11-05 |
Family
ID=78306131
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110867994.7A Pending CN113610289A (zh) | 2021-07-30 | 2021-07-30 | 工业锅炉的剩余维护时间预测方法、装置和计算机设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113610289A (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103455947A (zh) * | 2013-07-02 | 2013-12-18 | 大唐黑龙江发电有限公司哈尔滨第一热电厂 | 一种锅炉四管管控平台检测系统和方法 |
| CN111027620A (zh) * | 2019-12-09 | 2020-04-17 | 青岛特利尔环保集团股份有限公司 | 一种锅炉运行参数处理方法、装置、锅炉控制器及介质 |
| CN111126686A (zh) * | 2019-12-18 | 2020-05-08 | 新奥数能科技有限公司 | 一种用于节能器中结垢维护的预测方法及装置 |
| CN111625754A (zh) * | 2020-05-12 | 2020-09-04 | 新智数字科技有限公司 | 用于计算锅炉能效的方法、装置、终端设备和存储介质 |
| CN111931297A (zh) * | 2020-09-24 | 2020-11-13 | 西门子交通技术(北京)有限公司 | 确定疲劳度的方法及装置、确定维护计划的方法及装置 |
-
2021
- 2021-07-30 CN CN202110867994.7A patent/CN113610289A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103455947A (zh) * | 2013-07-02 | 2013-12-18 | 大唐黑龙江发电有限公司哈尔滨第一热电厂 | 一种锅炉四管管控平台检测系统和方法 |
| CN111027620A (zh) * | 2019-12-09 | 2020-04-17 | 青岛特利尔环保集团股份有限公司 | 一种锅炉运行参数处理方法、装置、锅炉控制器及介质 |
| CN111126686A (zh) * | 2019-12-18 | 2020-05-08 | 新奥数能科技有限公司 | 一种用于节能器中结垢维护的预测方法及装置 |
| CN111625754A (zh) * | 2020-05-12 | 2020-09-04 | 新智数字科技有限公司 | 用于计算锅炉能效的方法、装置、终端设备和存储介质 |
| CN111931297A (zh) * | 2020-09-24 | 2020-11-13 | 西门子交通技术(北京)有限公司 | 确定疲劳度的方法及装置、确定维护计划的方法及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN102763048B (zh) | 在虚拟量测中使用适应性预测算法及决定何时使用适应性预测算法的方法及设备 | |
| US9996092B2 (en) | Determining a time for corrective action in a data center | |
| JP7252291B2 (ja) | エネルギーデータ使用の資産固有レベルへの機器ベースのリスクを管理するべくセンサ駆動動的調整可能フィードバックループを利用するコンピュータシステム及びコンピュータ実装方法 | |
| CN104636874B (zh) | 检测业务异常的方法及设备 | |
| WO2021082478A1 (zh) | 空调系统能耗预测方法及装置 | |
| CN113036913B (zh) | 一种综合能源设备状态监测方法及装置 | |
| CN111126686A (zh) | 一种用于节能器中结垢维护的预测方法及装置 | |
| JP5827426B1 (ja) | 予兆診断システム及び予兆診断方法 | |
| CN113111589A (zh) | 预测模型的训练方法、预测供热温度的方法、装置和设备 | |
| TW202030617A (zh) | 基於因果學習之資料中心基礎設施最佳化方法 | |
| CN109063818B (zh) | 一种热工过程模型在线辨识方法及装置 | |
| CN115128513A (zh) | 一种基于热量的电容器异常检测方法及相关装置 | |
| CN108304350A (zh) | 基于大数据集近邻策略的风机指标预测与故障预警方法 | |
| CN117459073B (zh) | 一种热泵系统运行数据的智能管理方法 | |
| CN114354233A (zh) | 异常确定方法及装置、设备、介质和产品 | |
| CN113326585A (zh) | 燃气锅炉的能效异常预警方法、装置和计算机设备 | |
| CN113610289A (zh) | 工业锅炉的剩余维护时间预测方法、装置和计算机设备 | |
| CN112926798A (zh) | 预测灰尘导致的光伏发电损失的方法、装置、设备及介质 | |
| CN113887676B (zh) | 设备故障预警方法、装置、设备和存储介质 | |
| CN116316635A (zh) | 基于量测信息的电力协同控制方法及系统 | |
| CN115372881A (zh) | 一种电压互感器计量误差评估方法及系统 | |
| Zhang et al. | Real-time remaining useful life prediction based on adaptive kernel window width density | |
| CN114971038A (zh) | 一种制冷机组清洗时间的预测方法和装置 | |
| EP3417169A1 (en) | A prognostics and health management model for predicting wind turbine oil filter wear level | |
| Zhang et al. | An adaptive support vector regression machine for the state prognosis of mechanical systems |
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 |