具体实施方式
本申请通过提供一种基于大数据的水电机组状态监测方法及系统,解决了现有技术中存在水电机组监测全面度不够,监测准确率低的技术问题。达到了提高监测质量,对水电机组进行针对性维护提供方向的技术效果。
本申请技术方案中对数据的获取、存储、使用、处理等均符合国家法律法规的相关规定。
下面,将参考附图对本申请中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本申请的一部分实施例,而不是本申请的全部实施例,应理解,本申请不受这里描述的示例实施例的限制。基于本申请的实施例,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,都属于本申请保护的范围。另外还需要说明的是,为了便于描述,附图中仅示出了与本申请相关的部分而非全部。
实施例一
如图1所示,本申请提供了一种基于大数据的水电机组状态监测方法,其中,所述方法应用于水电机组状态监测系统,所述系统与水电机组设备管理系统通信连接,所述方法包括:
步骤S100:根据所述水电机组设备管理系统,获取目标机组设备信息,包括设备属性信息和各个设备之间的连接结构;
具体而言,所述水电机组设备管理系统是对水电机组的各个设备进行统一管理的系统。从所述水电机组设备管理系统中查找到机组的各个设备信息,得到所述目标机组设备信息。其中,所述目标机组设备信息是反映构成目标机组的设备信息和设备之间的连接关系的相关信息。所述设备属性信息是反映设备与其他设备能够明显区别的特性信息,包括:设备的规格、型号、技术参数和用途等。所述各个设备之间的连接结构是根据水电机组的运行机理,确定的设备之间的连接关系,进而根据连接结构确定监测模块,示例性的,所述监测模块可以是转子轴承、推力轴承、过流部件、机架结构和发电机。再根据确定的监测模块初步确定监测点的路数,示例性的,测点可以是机组导轴承处摆度、机组结构振动、温度和压力脉动等。由此,达到了为状态监测提供基础信息的技术效果。
步骤S200:搭建监测位置配置模型,其中,所述监测位置配置模型与所述水电机组设备管理系统数据交互;
进一步的,如图2所示,所述搭建监测位置配置模型,本申请实施例步骤S200还包括:
步骤S210:以连接所述水电机组设备管理系统获取的所述目标机组设备信息为分析目标,获取类比机组设备信息;
步骤S220:根据所述类比机组设备信息,获取对应的类比监测位置点集合;
步骤S230:根据所述类比机组设备信息与所述类比监测位置点集合的映射关系,建立类比映射数据集;
步骤S240:将所述类比映射数据集作为训练数据集,搭建所述监测位置配置模型。
具体而言,所述监测位置配置模型是对水电机组的监测效率进行评价的功能模型。其中,所述监测位置配置模型与所述水电机组设备管理系统中的数据相互交流,通过数据之间的传输,可以提高数据的有效利用率,提高监测效率。在对水电机组状态进行监测的过程中,各个节点上监测点的选择与传感器的分布对监测的有效性以及监测质量起到决定性的影响,因此,保证监测点的有效选择,对于提高检测的准确度有着十分重要的影响。
具体的,通过所述水电机组设备管理系统得到所述目标机组设备信息,将所述目标机组设备信息作为分析监测的对象,以分析目标为搜索依据,得到类比机组设备信息。其中,所述类比机组设备信息是与目标机组设备信息从设备组成、设备结构等维度相似度较高的设备信息。所述类比监测位置点集合是指从所述类比机组设备信息中得到的对机组进行监测时设立的监测位置点。其中,所述类比位置点集合与所述类比机组设备信息一一对应,根据一一对应的映射关系,建立所述类比映射数据集。所述类比映射数据集是反映不同的设备信息所要设立的监测位置点的数据集合。优选的,将设备信息输入所述类比映射数据集中,可以根据映射关系自动匹配对应的类比设备监测点位置。通过将所述类比映射数据集作为训练数据集,训练所述监测位置配置模型,达到了提高监测位置点输出效率和准确性的技术效果。
进一步的,所述获取类比机组设备信息,本申请实施例步骤S210还包括:
步骤S211:基于大数据,生成预设水电机组数据库;
步骤S212:以所述预设水电机组数据库为样本库,采用大数据,以所述目标机组设备信息为分析目标,在所述预设水电机组数据库中筛查相似度大于预设相似度的N组机组设备信息;
步骤S213:将所述N组机组设备信息作为类比机组设备信息进行输出。
进一步的,在所述预设水电机组数据库中筛查相似度大于预设相似度的N组机组设备信息,本申请实施例步骤S212还包括:
步骤S2121:获取所述预设相似度,其中,所述预设相似度包括设备相似度和结构相似度,所述设备相似度用于标识水电机组设备组成的相似性程度,所述结构相似度用于标识水电机组设备之间连接结构的相似性程度;
步骤S2121:将所述设备相似度和所述结构相似度作为双逻辑决策器;
步骤S2123:根据所述双逻辑决策器对所述预设水电机组数据库进行相似度逻辑判断,输出所述N组机组设备信息。
具体而言,所述预设水电机组数据库是包含多个水电机组样本信息的数据库,在获取连接权限后,可以与多个区域的水电监测管理系统相连,获取水电机组的数据信息。优先的,所述预设水电机组数据库中包含多个水电机组的设备信息和连接结构信息,在与多个区域的水电监测管理系统连接后,可以获得丰富的水电机组样本,从而为后续的样本分析提供充足的数据。通过利用大数据筛查技术,从所述预设水电机组数据库中对比筛选与所述目标机组设备信息相似的机组设备信息。其中,所述预设相似度是指预先设置的设备相似程度,相似度越高,样本信息作为分析数据的可靠性越高。通过将相似度大于所述预设相似度的N组机组设备信息作为类比机组设备信息,为后续通过分析N组机组设备信息来得到目标机组的监测点提供了依据。
具体的,所述预设相似度从设备相似度和结构相似度两个维度来对机组之间的相似程度进行评价。所述设备相似度是对机组设备从设备的型号、组成、数量的相似程度等多个方面进行评价后,得到的机组设备之间的相似程度。所述结构相似度是对机组的组成结构之间的相似程度。所述双逻辑决策器用于对预设水电机组数据库中以设备信息为分析目标进行相似度判断,从而筛选得到满足预设相似度的N组机组设备信息。双逻辑决策器在进行逻辑判断的时候,机组的设备相似度和结构相似度都需要预设要求的相似度时,才会将水电机组归为N组机组设备信息中,设备相似度和结构相似度之间为“且”的关系。由此,达到了提高分析样本的可靠性,从而提高分析的准确性的技术效果。
步骤S300:将所述设备属性信息和所述各个设备之间的连接结构输入所述监测位置配置模型,根据所述监测位置配置模型,获取监测位置点集合;
进一步的,如图3所示,根据所述监测位置配置模型,获取监测位置点集合,本申请实施例步骤S300还包括:
步骤S310:将所述设备属性信息和所述各个设备之间的连接结构输入所述监测位置配置模型中;
步骤S320:根据所述监测位置配置模型,对所述N组机组设备信息进行监测效率分析,获取第一机组设备信息,其中,所述第一机组设备信息为所述N组机组设备信息中监测效率最高的机组;
步骤S330:将所述第一机组设备信息配置的监测点作为所述监测位置点集合输出。
具体而言,将所述设备属性信息和所述各个设备之间的连接结构作为输入数据输入所述监测位置配置模型中,通过对N组机组设备信息的监测效率进行分析,从中选择监测效率最高的机组作为第一机组设备信息。通过获取多个机组历史运行状况信息,其中,历史运行状况信息包括历史机组设备信息和连接结构信息,以及对应的监测效率。将历史运行状况信息作为输入数据对所述监测位置配置模型进行监督训练,将其训练至收敛,从而得到达到准确率的所述监测位置配置模型。通过获取所述第一机组设备信息配置的监测点位置,将效率最高的监测点配置信息输出后,为后续建立目标机组的最优监测点做铺垫。
步骤S400:以所述监测位置点集合分布的传感器,得到传感数据集合;
进一步的,本申请实施例步骤S400还包括:
步骤S410:根据所述第一机组设备信息和所述目标机组设备信息进行差异性分析,获取机组差异信息;
步骤S420:以所述机组差异信息输入监测适应调整模型中,根据所述监测适应调整模型,对所述监测位置点集合进行调整,输出调整监测位置点;
步骤S430:根据所述调整监测位置点进行传感器分布,得到所述传感数据集合。
具体而言,在获得第一机组设备信息后,与目标机组设备信息进行对比分析,主要从机组设备和连接结构两个方面来进行对比,获取两个机组之间的差异,得到所述机组差异信息。其中,所述机组差异信息反映了两个机组之间相差的程度。所述监测适应调整模型是用于对监测位置点集合中的监测点位置,根据机组差异信息将监测点位置调整至符合目标机组设备的功能模型。通过将所述调整监测位置点进行传感器的位置分布,进而从分布的传感器中得到传感数据。由此,达到了提高传感器设置的准确度,提高传感数据的可靠程度的技术效果。
步骤S500:通过对所述传感数据集合进行数据连续状态提取,得到连续传感数据集;
进一步的,所述得到连续传感数据集,本申请实施例步骤S500还包括:
步骤S510:根据所述传感数据集合,获取所述传感数据集合中每一类传感数据对应的传感器类型;
步骤S520:按照所述每一类传感数据对应的传感器类型,确定预设信号输出频率;
步骤S530:以所述预设信号输出频率作为比对数据,对所述传感数据集合中的信号进行连续性分析,若满足连续性指标,获取信号提取指令;
步骤S540:根据所述信号提取指令,输出所述连续传感数据集。
具体而言,在对传感器数据进行提取时,获得的是提取节点的传感器瞬时数据,然而由于机组运行过程中的波动,导致传感器的数据并不是稳定的,因此以瞬时数据作为分析数据,并不能准确反应机组的实际运行状态。通过对传感数据集合进行分析,得到每一类传感数据对应的传感器类型,从而根据传感器类型作为分析分类的依据。示例性的,温度数据对应的传感器类型为温度传感器,湿度数据对应的传感器类型为湿度传感器。在机组的启停机瞬态过程中传感器会接收到大量的非平稳的快变量信号,如果以此时的瞬态信号作为分析水电机组状态的数据,并不能得到准确的机组状态信息。进而,通过根据传感器类型确定不同传感器的信号输出频率。其中,所述预设信号输出频率是传感器接收正常数据时的信号输出频率。通过以所述预设信号输出频率为参考,对传感数据集合中的信号进行分析,分析一段时间内的信号是否都满足所述预设信号输出频率,当满足预设信号输出频率的信号连续程度满足所述连续性指标后,获得信号提取质量,对传感数据进行提取,得到所述连续传感数据集。其中,所述连续性指标是指信号满足预设信号输出频率的连续程度。达到了提高分析数据的质量,保证监测的准确性的技术效果。
步骤S600:将所述连续传感数据集作为监测数据源进行监测预警提醒。
具体而言,通过将所述连续传感数据集作为监测数据源,对所述目标水电机组进行监测分析,通过对监测数据源进行分析,可以对水电机组的运行状态进行监测和预警提醒。从而,达到了提高对水电机组运行监测的准确性和可靠性的技术效果。
综上所述,本申请所提供的一种基于大数据的水电机组状态监测方法具有如下技术效果:
1.本申请通过对从水电机组设备管理系统中得到目标机组设备的设备属性信息和各个设备之间的连接结构,为后续寻找类似机组做铺垫,然后通过搭建监测位置配置模型,将监测位置配置模型与水电机组设备管理系统进行数据交互,便于数据信息的传输,然后将设备属性信息和各个设备之间的连接结构输入监测位置配置模型中,对监测点位置进行提取,得到监测位置点集合,然后根据监测位置点集合中的检测点位置进行传感器分布,然后对传感器数据进行提取,得到传感数据集合,为了保证传感数据的可靠性,对其进行数据连续状态提取,得到连续传感数据集,进而将连续传感数据集作为监测数据源进行监测预警提醒。达到了提高对水电机组的监测效率和监测准确度的技术效果。
2.本申请实施例通过从大数据中搜索查找收集得到预设水电机组数据库,将其作为样本库,以目标机组设备信息作为分析目标,从数据库中筛查相似度大于预设相似度的N组机组设备信息,然后将所述N组机组设备信息作为类比机组设备信息进行输出。由此,达到了对获取同类机组,提高机组分析效率的技术效果。
实施例二
基于与前述实施例中一种基于大数据的水电机组状态监测方法同样的发明构思,如图4所示,本申请还提供了一种基于大数据的水电机组状态监测系统,其中,所述系统包括:
设备信息获取模块11,所述设备信息获取模块11用于根据水电机组设备管理系统,获取目标机组设备信息,包括设备属性信息和各个设备之间的连接结构;
配置模型搭建模块12,所述配置模型搭建模块12用于搭建监测位置配置模型,其中,所述监测位置配置模型与所述水电机组设备管理系统数据交互;
检测位置获取模块13,所述检测位置获取模块13用于将所述设备属性信息和所述各个设备之间的连接结构输入所述监测位置配置模型,根据所述监测位置配置模型,获取监测位置点集合;
传感数据获取模块14,所述传感数据获取模块14用于以所述监测位置点集合分布的传感器,得到传感数据集合;
连续数据获取模块15,所述连续数据获取模块15用于通过对所述传感数据集合进行数据连续状态提取,得到连续传感数据集;
监测预警提醒模块16,所述监测预警提醒模块16用于将所述连续传感数据集作为监测数据源进行监测预警提醒。
进一步的,所述系统还包括:
传感器类型获取单元,所述传感器类型获取单元用于根据所述传感数据集合,获取所述传感数据集合中每一类传感数据对应的传感器类型;
输出频率确定单元,所述输出频率确定单元用于按照所述每一类传感数据对应的传感器类型,确定预设信号输出频率;
信号提取单元,所述信号提取单元用于以所述预设信号输出频率作为比对数据,对所述传感数据集合中的信号进行连续性分析,若满足连续性指标,获取信号提取指令;
连续传感数据获取单元,所述连续传感数据获取单元用于根据所述信号提取指令,输出所述连续传感数据集。
进一步的,所述系统还包括:
类比机组设备获取单元,所述类比机组设备获取单元用于以连接所述水电机组设备管理系统获取的所述目标机组设备信息为分析目标,获取类比机组设备信息;
类比监测位置获取单元,所述类比监测位置获取单元用于根据所述类比机组设备信息,获取对应的类比监测位置点集合;
类比映射数据构建单元,所述类比映射数据构建单元用于根据所述类比机组设备信息与所述类比监测位置点集合的映射关系,建立类比映射数据集;
模型训练单元,所述模型训练单元用于将所述类比映射数据集作为训练数据集,搭建所述监测位置配置模型。
进一步的,所述系统还包括:
预设数据库生成单元,所述预设数据库生成单元用于基于大数据,生成预设水电机组数据库;
设备筛查单元,所述设备筛查单元用于以所述预设水电机组数据库为样本库,采用大数据,以所述目标机组设备信息为分析目标,在所述预设水电机组数据库中筛查相似度大于预设相似度的N组机组设备信息;
设备信息输出单元,所述设备信息输出单元用于将所述N组机组设备信息作为类比机组设备信息进行输出。
进一步的,所述系统还包括:
相似度程度标识单元,所述相似度程度标识单元用于获取所述预设相似度,其中,所述预设相似度包括设备相似度和结构相似度,所述设备相似度用于标识水电机组设备组成的相似性程度,所述结构相似度用于标识水电机组设备之间连接结构的相似性程度;
双逻辑决策单元,所述双逻辑决策单元用于将所述设备相似度和所述结构相似度作为双逻辑决策器;
相似度逻辑判断单元,所述相似度逻辑判断单元用于根据所述双逻辑决策器对所述预设水电机组数据库进行相似度逻辑判断,输出所述N组机组设备信息。
进一步的,所述系统还包括:
模型信息输入单元,所述模型信息输入单元用于将所述设备属性信息和所述各个设备之间的连接结构输入所述监测位置配置模型中;
第一机组设备信息获取单元,所述第一机组设备信息获取单元用于根据所述监测位置配置模型,对所述N组机组设备信息进行监测效率分析,获取第一机组设备信息,其中,所述第一机组设备信息为所述N组机组设备信息中监测效率最高的机组;
监测点输出单元,所述监测点输出单元用于将所述第一机组设备信息配置的监测点作为所述监测位置点集合输出。
进一步的,所述系统还包括:
差异信息获取单元,所述差异信息获取单元用于根据所述第一机组设备信息和所述目标机组设备信息进行差异性分析,获取机组差异信息;
调整监测点输出单元,所述调整监测点输出单元用于以所述机组差异信息输入监测适应调整模型中,根据所述监测适应调整模型,对所述监测位置点集合进行调整,输出调整监测位置点;
传感数据获取单元,所述传感数据获取单元用于根据所述调整监测位置点进行传感器分布,得到所述传感数据集合。
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,前述图1实施例一中的一种基于大数据的水电机组状态监测方法和具体实例同样适用于本实施例的一种基于大数据的水电机组状态监测系统,通过前述对一种基于大数据的水电机组状态监测方法的详细描述,本领域技术人员可以清楚的知道本实施例中一种基于大数据的水电机组状态监测系统,所以为了说明书的简洁,在此不再详述。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。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下,在其它实施例中实现。因此,本申请将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。