CN113836488A - 汽轮机在线数据处理及状态评估方法和装置 - Google Patents
汽轮机在线数据处理及状态评估方法和装置 Download PDFInfo
- Publication number
- CN113836488A CN113836488A CN202111056952.1A CN202111056952A CN113836488A CN 113836488 A CN113836488 A CN 113836488A CN 202111056952 A CN202111056952 A CN 202111056952A CN 113836488 A CN113836488 A CN 113836488A
- Authority
- CN
- China
- Prior art keywords
- monitoring
- importance
- monitoring parameters
- index
- parameters
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Algebra (AREA)
- Evolutionary Biology (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Control Of Turbines (AREA)
Abstract
本发明涉及汽轮机在线数据处理及状态评估方法和装置,包括以下步骤:获取汽轮机润滑油的在线监测数据并导入,获得导入数据;对导入数据进行分组;对完成分组后的数据进行算法调整及验证,获得在线监测模型;基于在线监测模型获得汽轮机的监测参数;确定监测参数的评价指标;根据评价指标计算所有监测参数的权重值;根据所有监测参数的权重值评估汽轮机的状态。本发明可以快速识别具有关联性的数据并进行分组建模,避免了汽轮机建模过程中大量的重复性试错过程,大大提升效率,而且还可以基于建模参数对汽轮机状态进行综合评估,评估结果更加可靠、客观。
Description
技术领域
本发明涉及设备管理的技术领域,更具体地说,涉及一种汽轮机在线数 据处理及状态评估方法和装置。
背景技术
液压油、润滑油(统称油品)是工业生产尤其是机械设备的命脉,油况 的好坏决定着机械设备的运行效率、可靠性和使用寿命。长期的实践表明, 油中固体颗粒度、水分和工作温度等参数是引起油品质量变化的主要因素, 70%-80%的设备事故与油品的污染有关系,不仅严重影响了润滑、液压设备 的正常运转,而且造成很大的人力浪费和经济损失。油品污染不仅导致机械 及润滑油的性能劣化,降低机械设备和油液的使用寿命,还将使设备处于危 险的状态,因此,需要对油品的污染程度进行检测。
汽轮机轴承在线监测技术突飞猛进,特别是利用Hash、K-Means、LSH 等大数据算法,能够将原有测量参数进行多参数动态匹配,实现早期动态预 警,数据建模其中关键的步骤就是将原有在线监测数据进行分组,使其组内 数据符合数据关联性原则,但润滑油监测数据技术较前沿,建模难度大。此 外,汽轮机状态监测包含振动、轴承温度、润滑油数据等,百万千瓦汽轮机 在线监测数据量可达近80个,工程师需要根据经验进行不断试错,给数据分 组造成非常大工作量。
发明内容
本发明要解决的技术问题在于,针对现有技术的上述缺陷,提供一种汽 轮机在线数据处理及状态评估方法和装置。
本发明解决其技术问题所采用的技术方案是:构造一种汽轮机在线数据 处理及状态评估方法,包括以下步骤:
获取汽轮机润滑油的在线监测数据并导入,获得导入数据;
对所述导入数据进行分组;
对完成分组后的数据进行算法调整及验证,获得在线监测模型;
基于在线监测模型获得汽轮机的监测参数;
确定所述监测参数的评价指标;
根据所述评价指标计算所有监测参数的权重值;
根据所述所有监测参数的权重值评估所述汽轮机的状态。
在本发明所述的汽轮机润滑油在线数据处理及状态评估方中,所述对所 述导入数据进行分组包括:
采用OPTICS算法对所述导入数据进行分组。
在本发明所述的汽轮机润滑油在线数据处理及状态评估方中,所述评价 指标包括:专家主观指标和FMEA客观指标;
所述专家主观指标包括:第一主观指标、第二主观指标和第三主观指标。
在本发明所述的汽轮机润滑油在线数据处理及状态评估方中,所述确定 所述监测参数的评价指标包括:确定所述监测参数的第一主观指标、第二主 观指标和第三主观指标;
所述确定所述监测参数的第一主观指标包括:
获取每一项监测参数的重要度;
基于每一项监测参数的重要度进行排序,获得所有监测参数在第一主观 指标中的重要度排序;
确定相邻监测参数的重要度之间的比值,获得所有监测参数在第一主观 指标中的相邻监测参数的重要度比值;
所述确定所述监测参数的第二主观指标包括:
获取每一项监测参数的重要度;
基于每一项监测参数的重要度进行排序,获得所有监测参数在第二主观 指标中的重要度排序;
确定相邻监测参数的重要度之间的比值,获得所有监测参数在第二主观 指标中的相邻监测参数的重要度比值;
所述确定所述监测参数的第三主观指标包括:
获取每一项监测参数的重要度;
基于每一项监测参数的重要度进行排序,获得所有监测参数在第三主观 指标中的重要度排序;
确定相邻监测参数的重要度之间的比值,获得所有监测参数在第三主观 指标中的相邻监测参数的重要度比值。
在本发明所述的汽轮机润滑油在线数据处理及状态评估方中,所述确定 所述监测参数的评价指标包括:确定所述监测参数的客观指标;
所述确定所述监测参数的客观指标包括:
确定每一项监测参数对应的故障模式管理率;
基于所述故障模式管理率对每一项监测参数的重要度进行排序,获得所 有监测参数在客观指标中的重要度排序;
确定相邻监测参数的重要度之间的比值,获得所有监测参数在客观指标 中的相邻监测参数的重要度比值。
在本发明所述的汽轮机润滑油在线数据处理及状态评估方中,所述确定 相邻监测参数的重要度之间的比值,获得所有监测参数在客观指标中的相邻 监测参数的重要度比值
将相邻监测参数的重要度作差,获得相邻监测参数的重要度差值;
基于所述相邻监测参数的重要度差值,确定相邻监测参数的重要度之间 的比值。
在本发明所述的汽轮机润滑油在线数据处理及状态评估方中,所述根据 所述评价指标计算所有监测参数的权重值包括:
基于预设公式计算每一项监测参数在所述第一主观指标、所述第二主观 指标、所述第三主观指标以及所述客观指标中的权重值;
根据平均权重计算所有监测参数的权重值。
本发明还提供一种汽轮机在线数据处理及状态评估装置,包括:
数据获取单元,用于获取汽轮机润滑油的在线监测数据并导入,获得导 入数据;
数据分组单元,用于对所述导入数据进行分组;
建模单元,用于对完成分组后的数据进行算法调整及验证,获得在线监 测模型;
参数获取单元,用于基于在线监测模型获得汽轮机的监测参数;
确定单元,用于确定所述监测参数的评价指标;
计算单元,用于根据所述评价指标计算所有监测参数的权重值;
评估单元,用于根据所述所有监测参数的权重值评估所述汽轮机的状态。
本发明还提供一种电子设备,包括存储器和处理器;
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执行以上所述的 汽轮机在线数据处理及状态评估方法。
本发明还提供一种存储介质,包括存储器和处理器;
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执行以上所述的 汽轮机在线数据处理及状态评估方法。
实施本发明的汽轮机在线数据处理及状态评估方法和装置,具有以下有 益效果:包括以下步骤:获取汽轮机润滑油的在线监测数据并导入,获得导 入数据;对导入数据进行分组;对完成分组后的数据进行算法调整及验证, 获得在线监测模型;基于在线监测模型获得汽轮机的监测参数;确定监测参 数的评价指标;根据评价指标计算所有监测参数的权重值;根据所有监测参 数的权重值评估汽轮机的状态。本发明可以快速识别具有关联性的数据并进 行分组建模,避免了汽轮机建模过程中大量的重复性试错过程,大大提升效率,而且还可以基于建模参数对汽轮机状态进行综合评估,评估结果更加可 靠、客观。
附图说明
下面将结合附图及实施例对本发明作进一步说明,附图中:
图1是本发明实施例提供的汽轮机在线数据处理及状态评估方法的流程 示意图;
图2是本发明实施例提供的汽轮机在线数据处理及状态评估装置的原理 框图。
具体实施方式
为了对本发明的技术特征、目的和效果有更加清楚的理解,现对照附图 详细说明本发明的具体实施方式。
参考图1,为本发明提供的汽轮机在线数据处理及状态评估方法一可选实 施例的流程示意图。
如图1所示,该汽轮机在线数据处理及状态评估方法包括以下步骤:
步骤S101、获取汽轮机润滑油的在线监测数据并导入,获得导入数据。
可选的,本发明实施例中,汽轮机状态监测包括但不限于振动、轴承温 度、润滑油监测等。
本发明实施例中,通过对汽轮机状态监测获得其在线监测数据,且在进 行数据导入时,不需要过度考虑与汽轮机故障模式管理具有强关联的参数, 只需要将所有具有弱关联关系以上的监测数据全部纳入数据导入范围,并导 入。
步骤S102、对导入数据进行分组。
一些实施例中,对导入数据进行分组包括:采用OPTICS算法对导入数 据进行分组。
具体的,根据OPTICS算法可准确发现数据集的特性,本发明实施例在 将与相关的所有监测数据全部导入后,利用OPTIC算法分析一年的数据情况, 通过调整OPTICS算法中的三个参量,可自动计算出模型内多参数的数据关 联强弱规律,进而对导入数据进行快速分组。
本发明实施例利用OPTICS算法的特性,实现快速分组,大大减少工程 师建模工作量,有效提升效率。
步骤S103、对完成分组后的数据进行算法调整及验证,获得在线监测模 型。
具体的,在完成数据分组后,根据分组结构确定模型架构,并根据模型 内参数的类型命名模型,并导入历史数据,剔除掉数据噪点及明确的设备故 障时间的数据,利用机器学习,建立在线监测模型。
在完成在线监测模型的建模后,为了避免出现漏报的情况,本发明实施 例增加了故障验证部分。首先、确定建模对象设备类。可以理解地,这里的 建模对象为汽轮机。其次,收集该设备类的历史故障数据。然后,采用该在 线监测模型进行历史故障数据验证。接着,查看经过验证后的预警(报警情 况)是否满足预期条件,若不满足,则调整该在线监测模型的误报率/漏报率, 直至满足预期条件后完成验证;若满足预期条件,则完成验证。
可以理解地,本发明实施例中,在完成在线监测模型后,利用该在线监 测模型即可实现汽轮机的在线数据的连续监测。
步骤S104、基于在线监测模型获得汽轮机的监测参数。
可选的,本发明实施例的汽轮机的监测参数包括但不限于:振动、轴承 温度、润滑油等。
步骤S105、确定监测参数的评价指标。
本发明实施例中,监测参数的评价指标一共分为四组,其中,专家主观 指标包括三组,FMEA客观指标包括一组。
具体的,本发明实施例中,评价指标包括:专家主观指标和FMEA客观 指标。
专家主观指标包括:第一主观指标、第二主观指标和第三主观指标。
可选的,本发明实施例中,确定监测参数的评价指标包括:确定监测参 数的第一主观指标、第二主观指标和第三主观指标。
其中,确定监测参数的第一主观指标包括:获取每一项监测参数的重要 度;基于每一项监测参数的重要度进行排序,获得所有监测参数在第一主观 指标中的重要度排序;确定相邻监测参数的重要度之间的比值,获得所有监 测参数在第一主观指标中的相邻监测参数的重要度比值。
确定监测参数的第二主观指标包括:获取每一项监测参数的重要度;基 于每一项监测参数的重要度进行排序,获得所有监测参数在第二主观指标中 的重要度排序;确定相邻监测参数的重要度之间的比值,获得所有监测参数 在第二主观指标中的相邻监测参数的重要度比值。
确定监测参数的第三主观指标包括:获取每一项监测参数的重要度;基 于每一项监测参数的重要度进行排序,获得所有监测参数在第三主观指标中 的重要度排序;确定相邻监测参数的重要度之间的比值,获得所有监测参数 在第三主观指标中的相邻监测参数的重要度比值。
具体的,设第一主观指标为α,第二主观指标为β,第三主观指标为γ。设 汽轮机FMEA分析中的监测参数为Ui,该监测参数Ui相对于评价准则(或者 目标)的重要度大于或者等于另一监测参数Uj时,记作Ui→Uj,若监测参数U1, U2,U3.....Um相对于某评价准则具有关系式:
设专家关于相邻监测参数Uk-1与Uk的重要度比值为:
ωk-1/ωk=γk,k=m,m-1,m-2,3,2 (1)。
其中,rk为相邻监测参数的重要度比值。其具体赋值可参考表1。
r<sub>k</sub> | 说明 |
1.0 | 指标U<sub>k-1</sub>与U<sub>k</sub>具有同样重要性 |
1.2 | 指标U<sub>k-1</sub>与U<sub>k</sub>稍微重要 |
1.4 | 指标U<sub>k-1</sub>与U<sub>k</sub>明显重要 |
1.6 | 指标U<sub>k-1</sub>与U<sub>k</sub>强烈重要 |
1.8 | 指标U<sub>k-1</sub>与U<sub>k</sub>极端重要 |
1.1,1.3,1.5,1.7 | 对应两两相邻指标判断中间情况 |
需要说明的是,关于rk之间的数据约束,有下面定理:
若U1,U2,U3.....Um之间建立重要度关系排序,则rk-1与rk必满足:
rk-1>rk,k=m,m-1,m-2,3,2。
基于上述内容即可确定在α组中,汽轮机在FMEA中的所有监测参数的重 要度排序及相邻监测参数的重要度比值。
同理,采用上述方法可以分别确定在β组和γ组中,汽轮机在FMEA中的 所有监测参数的重要度排序及相邻监测参数的重要度比值。
可以理解地,FMEA分析是汽轮机设备管理中的重要手段,在汽轮机健 康状态综合评估过程中,将监测参数和故障模式进行数理统计,可得到某种 监测参数对故障模式的管理权重,所有监测参数累计管理的故障模式为 100%,该数据可作为汽轮机设备健康状态综合评估指标,其中,FMEA分析 过程具体如下所示:
本发明实施例中,确定监测参数的评价指标包括:确定监测参数的客观 指标(δ)。其中,确定监测参数的客观指标包括:确定每一项监测参数对应 的故障模式管理率;基于故障模式管理率对每一项监测参数的重要度进行排 序,获得所有监测参数在客观指标中的重要度排序;确定相邻监测参数的重 要度之间的比值,获得所有监测参数在客观指标中的相邻监测参数的重要度 比值。
具体的,确定相邻监测参数的重要度之间的比值,获得所有监测参数在 客观指标中的相邻监测参数的重要度比值包括:将相邻监测参数的重要度作 差,获得相邻监测参数的重要度差值;基于相邻监测参数的重要度差值,确 定相邻监测参数的重要度之间的比值。
其中,在客观指标中,rk的赋值可参考表2。
表2
步骤S106、根据评价指标计算所有监测参数的权重值。
本发明实施例中,根据评价指标计算所有监测参数的权重值包括:基于 预设公式计算每一项监测参数在第一主观指标、第二主观指标、第三主观指 标以及客观指标中的权重值;根据平均权重计算所有监测参数的权重值。
具体的,在前述中分别确定了α,β,γ,δ四组评价中汽轮机所有监测参数 的重要度排序及相邻监测参数的重要度比值之后,可根据预设公式计算出每 组的权重系数,再根据平均权重计算出所有监测参数的权重值。
可选的,预设公式为:
其中ωk-1=rkωk,k=m,m-1,m-2,......3,2。
即按照公式(2),再结合前述得到的重要度排序和相邻监测参数的重要 度比值,可分别计算出每一组监测参数的权重系数。随后再根据平均权重计 算出所有监测参数的权重值。
在一个具体应用实施例中:
设某在运汽轮机润滑油水分、粘度、轴承温度及轴承振动,共4个监测 参数,且该4个监测参数已完成在线监测模型的建模,根据以上方法进行每 一组监测参数的权重系数的确定,具体如下:
第一、确定专家主观指标:
先聘请3位资深工程师(专家),分别为α,β,γ,由α,β,γ对水分、粘度、 轴承温度及轴承振动4个监测参数进行调查,得出目标集合{U1、U2、U3、 U4}={水分、粘度、轴承温度、轴承振动}中各监测参数的重要度排序和相邻 监测参数的重要度的比值(见下表)。
根据专家α给出的重要性排序,并根据公式(1)可得出:
进而计算得到:
故,根据专家α评判得出的指标U1、U2、U3、U4权重值为:
记作:
同理,可计算出专家β,γ的权重值分别为:
第二、确定FMEA客观指标:
根据FMEA分析,列写出汽轮机所有故障模式和故障机理,并分析能否 反映早期故障征兆的参数,根据分析结果,水分能够覆盖30%,粘度能覆盖 40%,温度能覆盖50%,振动能覆盖80%,得到以下客观赋值表:
根据公式(2)计算得出:
第三、在计算出上述权重系数后,根据平均权重,可计算出所有监测参 数的权重值。
即利用以下公式:
ωn=ω(a)/4+ω(β)/4+ω(γ)/4+ω(δ)/4 (3)。
计算得出:U1、U2、U3、U4的权重系数(ω1、ω2、ω3、ω4)为(0.3367、 0.1674、0.2741、0.2219)。
例如,设监测参数包括:振动、轴承温度和润滑油。
根据公式(2)进行计算可得到:振动在α组中的权重值为0.3,振动在β组 中的权重值为0.5,振动在γ组中的权重值为0.5,振动在δ组中的权重值为0.4, 进行平均计算,可得到振动的权重值为:(0.3+0.5+0.5+0.4)/4=0.425。
步骤S107、根据所有监测参数的权重值评估汽轮机的状态。
可以理解地,在步骤S106中计算得到所有监测参数的权重值后,基于所 计算得到的所有监测参数的权重值对汽轮机的状态进行综合评估。
参考图2,为本发明提供的汽轮机在线数据处理及状态评估装置的原理框 图。该装置可以实现本发明实施例公开的汽轮机在线数据处理及状态评估方 法。
具体的,如图2所示,该汽轮机在线数据处理及状态评估装置包括:
数据获取单元201,用于获取汽轮机润滑油的在线监测数据并导入,获得 导入数据。
数据分组单元202,用于对导入数据进行分组。
建模单元203,用于对完成分组后的数据进行算法调整及验证,获得在线 监测模型。
参数获取单元204,用于基于在线监测模型获得汽轮机的监测参数。
确定单元205,用于确定监测参数的评价指标。
计算单元206,用于根据评价指标计算所有监测参数的权重值。
评估单元207,用于根据所有监测参数的权重值评估汽轮机的状态。
本发明还提供一种电子设备,包括存储器和处理器;
存储器,用于存储计算机程序;
处理器,用于执行存储器存储的计算机程序以执行本发明实施例公开的 汽轮机在线数据处理及状态评估方法。
本发明还提供一种存储介质,包括存储器和处理器;
存储器,用于存储计算机程序;
处理器,用于执行存储器存储的计算机程序以执行本发明实施例公开的 汽轮机在线数据处理及状态评估方法。
本发明在对汽轮机及其相关系统中建模过程中,应用OPTICS算法快速 识别具有关联性的数据,从而进行分组建模,避免了汽轮机建模过程中大量 的重复性试错过程,此外,本专利在处理设备状态的综合评估过程中,建立 了一种主客观结合的综合评估方法,运用FMEA分析中监测方法对故障模式 的管理比重,修正了由于专家主观分析的人为偏差,使得指标的结果更加科 学可信。
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。 对于实施例公开的装置而言,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。
专业人员还可以进一步意识到,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、计算机软件或者二者的结合来实现, 为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性 地描述了各示例的组成及步骤。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 发明的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、 处理器执行的软件模块,或者二者的结合来实施。软件模块可以置于随机存 储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编 程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任 意其它形式的存储介质中。
以上实施例只为说明本发明的技术构思及特点,其目的在于让熟悉此项 技术的人士能够了解本发明的内容并据此实施,并不能限制本发明的保护范 围。凡跟本发明权利要求范围所做的均等变化与修饰,均应属于本发明权利 要求的涵盖范围。
Claims (10)
1.一种汽轮机在线数据处理及状态评估方法,其特征在于,包括以下步骤:
获取汽轮机润滑油的在线监测数据并导入,获得导入数据;
对所述导入数据进行分组;
对完成分组后的数据进行算法调整及验证,获得在线监测模型;
基于在线监测模型获得汽轮机的监测参数;
确定所述监测参数的评价指标;
根据所述评价指标计算所有监测参数的权重值;
根据所述所有监测参数的权重值评估所述汽轮机的状态。
2.根据权利要求1所述的汽轮机在线数据处理及状态评估方法,其特征在于,所述对所述导入数据进行分组包括:
采用OPTICS算法对所述导入数据进行分组。
3.根据权利要求1所述的汽轮机在线数据处理及状态评估方法,其特征在于,所述评价指标包括:专家主观指标和FMEA客观指标;
所述专家主观指标包括:第一主观指标、第二主观指标和第三主观指标。
4.根据权利要求3所述的汽轮机在线数据处理及状态评估方法,其特征在于,所述确定所述监测参数的评价指标包括:确定所述监测参数的第一主观指标、第二主观指标和第三主观指标;
所述确定所述监测参数的第一主观指标包括:
获取每一项监测参数的重要度;
基于每一项监测参数的重要度进行排序,获得所有监测参数在第一主观指标中的重要度排序;
确定相邻监测参数的重要度之间的比值,获得所有监测参数在第一主观指标中的相邻监测参数的重要度比值;
所述确定所述监测参数的第二主观指标包括:
获取每一项监测参数的重要度;
基于每一项监测参数的重要度进行排序,获得所有监测参数在第二主观指标中的重要度排序;
确定相邻监测参数的重要度之间的比值,获得所有监测参数在第二主观指标中的相邻监测参数的重要度比值;
所述确定所述监测参数的第三主观指标包括:
获取每一项监测参数的重要度;
基于每一项监测参数的重要度进行排序,获得所有监测参数在第三主观指标中的重要度排序;
确定相邻监测参数的重要度之间的比值,获得所有监测参数在第三主观指标中的相邻监测参数的重要度比值。
5.根据权利要求4所述的汽轮机在线数据处理及状态评估方法,其特征在于,所述确定所述监测参数的评价指标包括:确定所述监测参数的客观指标;
所述确定所述监测参数的客观指标包括:
确定每一项监测参数对应的故障模式管理率;
基于所述故障模式管理率对每一项监测参数的重要度进行排序,获得所有监测参数在客观指标中的重要度排序;
确定相邻监测参数的重要度之间的比值,获得所有监测参数在客观指标中的相邻监测参数的重要度比值。
6.根据权利要求5所述的汽轮机在线数据处理及状态评估方法,其特征在于,所述确定相邻监测参数的重要度之间的比值,获得所有监测参数在客观指标中的相邻监测参数的重要度比值
将相邻监测参数的重要度作差,获得相邻监测参数的重要度差值;
基于所述相邻监测参数的重要度差值,确定相邻监测参数的重要度之间的比值。
7.根据权利要求5所述的汽轮机在线数据处理及状态评估方法,其特征在于,所述根据所述评价指标计算所有监测参数的权重值包括:
基于预设公式计算每一项监测参数在所述第一主观指标、所述第二主观指标、所述第三主观指标以及所述客观指标中的权重值;
根据平均权重计算所有监测参数的权重值。
8.一种汽轮机在线数据处理及状态评估装置,其特征在于,包括:
数据获取单元,用于获取汽轮机润滑油的在线监测数据并导入,获得导入数据;
数据分组单元,用于对所述导入数据进行分组;
建模单元,用于对完成分组后的数据进行算法调整及验证,获得在线监测模型;
参数获取单元,用于基于在线监测模型获得汽轮机的监测参数;
确定单元,用于确定所述监测参数的评价指标;
计算单元,用于根据所述评价指标计算所有监测参数的权重值;
评估单元,用于根据所述所有监测参数的权重值评估所述汽轮机的状态。
9.一种电子设备,其特征在于,包括存储器和处理器;
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执行权利要求1-8任一项所述的汽轮机在线数据处理及状态评估方法。
10.一种存储介质,其特征在于,包括存储器和处理器;
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执行权利要求1-8任一项所述的汽轮机在线数据处理及状态评估方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111056952.1A CN113836488B (zh) | 2021-09-09 | 2021-09-09 | 汽轮机在线数据处理及状态评估方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111056952.1A CN113836488B (zh) | 2021-09-09 | 2021-09-09 | 汽轮机在线数据处理及状态评估方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113836488A true CN113836488A (zh) | 2021-12-24 |
CN113836488B CN113836488B (zh) | 2023-06-20 |
Family
ID=78958846
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111056952.1A Active CN113836488B (zh) | 2021-09-09 | 2021-09-09 | 汽轮机在线数据处理及状态评估方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113836488B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102968561A (zh) * | 2012-11-16 | 2013-03-13 | 国家电气设备检测与工程能效测评中心(武汉) | 一种锅炉系统的能效评估模型及方法 |
CN104123680A (zh) * | 2014-07-16 | 2014-10-29 | 贵州电力试验研究院 | 一种综合评价电网科技项目的后评估方法 |
CN109214536A (zh) * | 2018-11-22 | 2019-01-15 | 广东电网有限责任公司 | 一种设备健康状态评估方法 |
CN111859809A (zh) * | 2020-07-27 | 2020-10-30 | 华北电力大学 | 基于模糊理论的燃气轮机系统故障模式及影响分析方法 |
CN112712256A (zh) * | 2020-12-29 | 2021-04-27 | 广东电网有限责任公司 | 一种低压配网设备检修顺序评估方法 |
CN112966990A (zh) * | 2021-05-18 | 2021-06-15 | 国网江西省电力有限公司电力科学研究院 | 一种变电设备综合状态评价方法 |
CN114707807A (zh) * | 2022-03-09 | 2022-07-05 | 北京建筑材料科学研究总院有限公司 | 磨煤机风险评估方法、装置、电子设备及存储介质 |
-
2021
- 2021-09-09 CN CN202111056952.1A patent/CN113836488B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102968561A (zh) * | 2012-11-16 | 2013-03-13 | 国家电气设备检测与工程能效测评中心(武汉) | 一种锅炉系统的能效评估模型及方法 |
CN104123680A (zh) * | 2014-07-16 | 2014-10-29 | 贵州电力试验研究院 | 一种综合评价电网科技项目的后评估方法 |
CN109214536A (zh) * | 2018-11-22 | 2019-01-15 | 广东电网有限责任公司 | 一种设备健康状态评估方法 |
CN111859809A (zh) * | 2020-07-27 | 2020-10-30 | 华北电力大学 | 基于模糊理论的燃气轮机系统故障模式及影响分析方法 |
CN112712256A (zh) * | 2020-12-29 | 2021-04-27 | 广东电网有限责任公司 | 一种低压配网设备检修顺序评估方法 |
CN112966990A (zh) * | 2021-05-18 | 2021-06-15 | 国网江西省电力有限公司电力科学研究院 | 一种变电设备综合状态评价方法 |
CN114707807A (zh) * | 2022-03-09 | 2022-07-05 | 北京建筑材料科学研究总院有限公司 | 磨煤机风险评估方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113836488B (zh) | 2023-06-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Feng et al. | A novel vibration-based prognostic scheme for gear health management in surface wear progression of the intelligent manufacturing system | |
CN109710983B (zh) | 一种基于关键性能指标的柴油机气缸分层故障诊断方法 | |
CN103398844A (zh) | 齿轮箱模型式诊断方法、工具以及计算机可读取存储介质 | |
CN111751117A (zh) | 一种特种车辆健康状态评估方法及装置 | |
WO2018044507A1 (en) | Machine learning-aided model-based method for estimating gas turbine component life | |
JP7468724B2 (ja) | 配管診断装置、配管診断方法、及びプログラム | |
CN112505570A (zh) | 电动汽车的电池健康状态的估计方法 | |
Anis | Towards remaining useful life prediction in rotating machine fault prognosis: an exponential degradation model | |
CN115186701A (zh) | 轴承寿命预测方法、装置、电子设备及存储介质 | |
Sendlbeck et al. | Condition monitoring of slow-speed gear wear using a transmission error-based approach with automated feature selection | |
CN110895624B (zh) | 基于最大熵谱估计的加速贮存与自然贮存退化数据一致性检验法 | |
CN113836488A (zh) | 汽轮机在线数据处理及状态评估方法和装置 | |
CN108182306B (zh) | 车辆动力传动装置磨粒特征参数退化失效阈值的确定方法 | |
CN116384732A (zh) | 场站管道风险智能评估方法、系统、存储介质及计算设备 | |
CN110598680A (zh) | 一种机械设备健康状态评估方法、系统和可读存储介质 | |
Liao et al. | Machinery time to failure prediction-Case study and lesson learned for a spindle bearing application | |
CN110889186A (zh) | 基于等退化增量时间间隔灰关联分析的加速贮存与自然贮存退化数据一致性检验法 | |
CN110889077B (zh) | 一种加速贮存与自然贮存退化数据一致性检验方法 | |
JP6980034B2 (ja) | 装置寿命評価方法 | |
Louahem M'Sabah et al. | Simulation of Bearing Degradation by the Use of the Gamma Stochastic Process. | |
CN117145753B (zh) | 一种空压机的工作质量测试方法及装置 | |
Li et al. | Simulation of Reliability Prediction Based on Multiple Factors for Spinning Machine | |
CN117272844B (zh) | 配电盘工作寿命的预测方法及系统 | |
CN110889083B (zh) | 基于窗谱估计的退化数据一致性检验法 | |
CN117972989A (zh) | 一种煤机设备的寿命预测方法及系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |