CN115577808A - 基于多源信息融合的水电机组健康状态评价方法及系统 - Google Patents
基于多源信息融合的水电机组健康状态评价方法及系统 Download PDFInfo
- Publication number
- CN115577808A CN115577808A CN202211162837.7A CN202211162837A CN115577808A CN 115577808 A CN115577808 A CN 115577808A CN 202211162837 A CN202211162837 A CN 202211162837A CN 115577808 A CN115577808 A CN 115577808A
- Authority
- CN
- China
- Prior art keywords
- index
- state
- evaluation
- score
- layer
- 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
- 238000011156 evaluation Methods 0.000 title claims abstract description 126
- 230000036541 health Effects 0.000 title claims abstract description 56
- 230000004927 fusion Effects 0.000 title claims abstract description 18
- 238000000034 method Methods 0.000 claims abstract description 47
- 230000002159 abnormal effect Effects 0.000 claims abstract description 26
- 238000004458 analytical method Methods 0.000 claims abstract description 12
- 238000012544 monitoring process Methods 0.000 claims abstract description 12
- 238000011158 quantitative evaluation Methods 0.000 claims description 41
- 239000011159 matrix material Substances 0.000 claims description 21
- 230000008569 process Effects 0.000 claims description 18
- 238000004364 calculation method Methods 0.000 claims description 13
- 230000015556 catabolic process Effects 0.000 claims description 13
- 238000006731 degradation reaction Methods 0.000 claims description 13
- 238000012545 processing Methods 0.000 claims description 12
- 238000007689 inspection Methods 0.000 claims description 11
- 230000015654 memory Effects 0.000 claims description 8
- 230000006866 deterioration Effects 0.000 claims description 6
- 238000003860 storage Methods 0.000 claims description 6
- 238000009826 distribution Methods 0.000 claims description 5
- 238000010606 normalization Methods 0.000 claims description 5
- 238000012797 qualification Methods 0.000 claims description 5
- 238000002474 experimental method Methods 0.000 claims description 2
- 230000003862 health status Effects 0.000 claims description 2
- 238000005259 measurement Methods 0.000 claims 1
- 238000012423 maintenance Methods 0.000 abstract description 17
- 230000005856 abnormality Effects 0.000 abstract description 4
- 238000013210 evaluation model Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 10
- 238000004590 computer program Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 5
- 238000012360 testing method Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000009897 systematic effect Effects 0.000 description 2
- 238000010977 unit operation Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012854 evaluation process Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005312 nonlinear dynamic Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000013077 scoring method Methods 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
- G06Q10/20—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
- 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
-
- 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
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了基于多源信息融合的水电机组健康状态评价方法及系统，具体涉及水电机组健康状态评价技术领域，包括构建机组健康状态评价层次分析结构；确定各层权重并做一致性检验；确定各层状态划分阈值；结合模糊综合评价法与行业标准构建指标得分标准；通过数据采集模块获取机组状态多源信息；指标层得分计算及异常标记；项目层得分计算及异常标记；系统层得分计算及异常标记；机组整体状态评价及运行检修指导建议。本发明根据构建的机组健康状态评价模型由部件设备监测信息逐层提取上级设备状态，最终产生对水电机组健康状态的一致性描述，通过信息联合优势提高了水电机组健康状态评价的全面性和准确性。
Description
技术领域
本发明涉及基于多源信息融合的水电机组健康状态评价方法及系统，属于水电机组健康状态评价技术领域。
背景技术
目前我国水电机组检修模式采用的是计划检修模式，这种模式是以可靠性为核心制定检修周期，然后根据检修周期定期对机组进行检查、维修。由于这种检修模式未能及时获取水电机组运行状态，因此存在着下述问题：有些设备状态较差的机组因为“检修不足”而降低了机组稳定性，甚至由于运行状态恶化而导致故障或事故发生；有些设备状态较好的机组因为“检修过剩”造成了人力、物力等资源浪费，并且降低了机组利用率。鉴于现有水电机组检修模式的不足之处，专家学者提出了根据水电机组健康状态，合理的制定检修计划并据此执行水电机组维护检修工作的状态检修模式，但状态检修模式严重依赖于水电机组状态评价技术。由于水电机组是一种多因素耦合的复杂非线性动力学系统，无法通过单一监测指标直接得出评价结论，其健康状态评价过程需要根据机组设备结构特性逐层拆分为一个个子系统，汇集电站已有的各类数据分别对水电机组各子系统设备运行状态进行评价，并构建系统性的评估体系，综合各子系统状态的评价结果得出水电机组运行状态评价结果。
层次分析法是一种系统性的决策分析方法，基于对复杂决策问题的本质、影响因素和内在关系的深入研究，将与决策目标相关元素分解为目标、准则、方案等层次，使决策的思维过程数学化，从而为多目标、多准则或无结构特性的复杂决策问题提供简便的决策方法。模糊综合评价法是一种基于模糊数学的综合评价方法，基于隶属度理论对受到多种因素制约的事物或对象做出整体评价，适于解决模糊的、难以量化的问题。水电机组健康状态评价即为一种多目标、多准则的复杂决策问题，随着水电技术的不断发展，国内已颁布了多项行业标准、机组运行规程级电站运行维护规程，对于水电机组各部件状态评价已有明确的定性或定量评价指标，因此可根据层次分析法原理建立水电机组健康状态评价结构并确定各评价项权重，再通过模糊综合评价法建立各评价项得分标准，最终建立水电机组健康状态评价模型。
发明内容
本发明提供了基于多源信息融合的水电机组健康状态评价方法及系统，解决了背景技术中披露的问题。
为了解决上述技术问题，本发明所采用的技术方案是：
基于多源信息融合的水电机组健康状态评价方法：
构建用于评价水电机组整体健康状态的目标层；
根据水电机组的各个系统构建系统层；
根据各个系统的各个设备状态构建项目层；
根据各个设备状态的各项指标构建指标层；
项目层中的各个设备状态以指标层中对应的各项指标作为评价指标；
系统层中的各个系统以项目层中对应的各个设备状态作为评价指标；
计算指标层的各项指标权重，计算项目层各个设备状态权重；
评价方法分为定性评价和定量评价；
划分定量评价状态分值区间，分为状态优秀：90-100分，良好：75-90分，合格：60-75分，异常：0-60分；
定性评价状态分值分为：优秀：100分，良好：80分，合格：60分，异常：40分，故障：0分；
制定定量评价得分标准，根据得分评价状态；
定性评价由巡检人员根据实际情况录入；
将指标层的各项指标分为定性评价的指标和定量评价的指标，分别计算各项指标得分，其中，定量评价指标层的指标时，采集各指标的实测值，根据定量评价得分标准计算指标层的指标得分，对指标得分状态评价结果为异常或故障的指标进行标记；
将项目层的各个设备状态分为定性评价的设备状态和定量评价的设备状态，分别计算各个设备状态的得分，其中，定量评价项目层的设备状态时，根据指标层中对应指标的权重提取指标，将提取的指标的得分根据定量评价得分标准计算设备状态得分，根据所得分值评价状态，对状态评价结果为异常或故障的设备状态进行标记；
将系统层的各个系统分为定性评价的系统和定量评价的系统，分别计算各个系统得分，其中，定量评价系统层的系统时，根据项目层中对应的设备状态的权重提取设备状态，将提取的设备状态得分根据定量评价得分标准计算系统得分，根据所得分值评价状态，对状态评价结果为异常或故障的系统进行标记；
目标层根据系统层中各个系统的状态评价结果评价评价水电机组整体健康状态。
进一步地，权重的计算过程为：采用成对比较法和1～9比较尺度表分别构建项目层与指标层的判断矩阵；对于每一个判断矩阵，计算其最大特征根λmax及对应的特征向量Ef＝{e1,e2,…,en}，进行一致性检验分析，根据最大特征根计算一致性指标CI，
根据平均一致性指标表确定随机一致性比较值CR，
平均一致性指标表
| n阶 | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 |
| RI值 | 0 | 0 | 0.52 | 0.89 | 1.12 | 1.26 | 1.36 | 1.41 | 1.46 | 1.49 |
若CR<0.1，则代表判断矩阵具有一致性，否则需要调整判断矩阵；一致性检验通过后，判断矩阵对应的权重向量具备可行性，通过对特征向量Ef进行归一化处理获得权重向量Wf＝{w1,w,…,wn}。
进一步地，划分定量评价状态分值区间的过程为：
结合行业标准定值与机组健康样本数据设定评价指标阈值，其中采用标准定值作为合格阈值，并基于健康样本数据采用正态分布理论，即3σ准则设定优秀和良好状态阈值：
式中，Sh代表健康样本，
代表健康样本基准值，σ代表健康样本标准差。状态评价表如下：
进一步地，定量评价得分标准的计算过程为：
将评价指标阈值分为对应的四个区间，分别为：
优秀：
良好：
合格：
异常：非标准值区间；当评价指标监测值位于某状态区间的右段时，该指标为趋小型指标，劣化度计算如
式4：
式中，l为指标的劣化度，m为指标实测值，u1为指标上限值，p1为指标最优质的，且p1<u1。
否则为趋大型指标，劣化度计算如式5：
式中，d2为指标下限值，p2为指标最优值，且d2<p2；
引入隶属度a用于衡量指标在所属状态区间隶属程度，其计算公式如式6：
a＝1-l (6)
根据指标区间隶属度可计算得定量指标得分v，如式7
v＝a×(vu-vd)+vb (7)
式中，v为指标得分，vu为指标所属状态区间上限，vd为指标所属状态区间下限，vb为指标所属状态区间分值下限。
相应地，基于多源信息融合的水电机组健康状态评价系统，包括：
离线建模系统：
构建用于评价水电机组整体健康状态的目标层；
根据水电机组的各个系统构建系统层；
根据各个系统的各个设备状态构建项目层；
根据各个设备状态的各项指标构建指标层；
项目层中的各个设备状态以指标层中对应的各项指标作为评价指标；
系统层中的各个系统以项目层中对应的各个设备状态作为评价指标；
计算指标层的各项指标权重，计算项目层各个设备状态权重；
评价方法分为定性评价和定量评价；
划分定量评价状态分值区间，分为状态优秀：90-100分，良好：75-90分，合格：60-75分，异常：0-60分；
定性评价状态分值分为：优秀：100分，良好：80分，合格：60分，异常：40分，故障：0分；
制定定量评价得分标准，根据得分评价状态；
在线评价系统：
包括多源数据采集模块，通过各信息子系统、离线实验和人工巡检采集各项评价指标实测值
定性评价由巡检人员根据实际情况录入；
采集指标层各项指标监测值，将指标层的各项指标分为定性评价指标和定量评价指标，分别计算各项指标得分，对指标得分状态评价结果为异常或故障的指标进行标记；
将项目层的各个设备状态分为定性评价状态和定量评价状态，分别计算各个设备状态的得分，其中，定量评价项目层的设备状态时，根据指标层中对应指标的权重提取指标，将提取的指标的得分根据定量评价得分标准计算设备状态得分，根据所得分值评价状态，对状态评价结果为异常或故障的设备状态进行标记；
将系统层的各个系统分为定性评价系统和定量评价系统，分别计算各个系统得分，其中，定量评价系统层的系统时，根据项目层中对应的设备状态的权重提取设备状态，将提取的设备状态得分根据定量评价得分标准计算系统得分，根据所得分值评价状态，对状态评价结果为异常或故障的系统进行标记；
目标层根据系统层中各个系统的状态评价结果评价评价水电机组整体健康状态。
进一步地，离线建模系统中权重的计算过程为：采用成对比较法和1～9比较尺度表分别构建项目层与指标层的判断矩阵；对于每一个判断矩阵，计算其最大特征根λmax及对应的特征向量Ef＝{e1,e2,…,en}，进行一致性检验分析，根据最大特征根计算一致性指标CI，
根据平均一致性指标表确定随机一致性比较值CR，
平均一致性指标表
| n阶 | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 |
| RI值 | 0 | 0 | 0.52 | 0.89 | 1.12 | 1.26 | 1.36 | 1.41 | 1.46 | 1.49 |
若CR<0.1，则代表判断矩阵具有较好的一致性，否则需要调整判断矩阵；一致性检验通过后，判断矩阵对应的权重向量具备可行性，通过对特征向量Ef进行归一化处理获得权重向量Wf＝{w1,w,…,wn}。
进一步地，离线建模系统中划分定量评价状态分值区间的过程为：
结合行业标准定值与机组健康样本数据设定评价指标阈值，其中采用标准定值作为合格阈值，并基于健康样本数据采用正态分布理论，即3σ准则设定优秀和良好状态阈值：
式中，Sh代表健康样本，
代表健康样本基准值，σ代表健康样本标准差。状态评价表如下：
进一步地，离线建模系统中定量评价得分标准的计算过程为：
将评价指标阈值分为对应的四个区间，分别为：
优秀：
良好：
合格：
异常：非标准值区间；当评价指标监测值位于某状态区间的右段时，该指标为趋小型指标，劣化度计算如
式4：
式中，l为指标的劣化度，m为指标实测值，u1为指标上限值，p1为指标最优质的，且p1<u1。
否则为趋大型指标，劣化度计算如式5：
式中，d2为指标下限值，p2为指标最优值，且d2<p2；
引入隶属度a用于衡量指标在所属状态区间隶属程度，其计算公式如式6：
a＝1-l (6)
根据指标区间隶属度可计算得定量指标得分v，如式7
v＝a×(vu-vd)+vb (7)
式中，v为指标得分，vu为指标所属状态区间上限，vd为指标所属状态区间下限，vb为指标所属状态区间分值下限。
相应地，一种存储一个或多个程序的计算机可读存储介质：所述一个或多个程序包括指令，所述指令当由计算设备执行时，使得所述计算设备执行根据上述的方法中的任一方法。
相应地，一种计算设备，其特征在于，包括：
一个或多个处理器、一个或多个存储器以及一个或多个程序，其中一个或多个程序存储在所述一个或多个存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个程序包括用于执行上述的方法中的任一方法的指令。
本发明所达到的有益效果：本发明综合利用各信息子系统在线监测数据、离线试验数据与人工巡检结果等多源异构数据，根据构建的机组健康状态评价模型由部件设备监测信息逐层提取上级设备状态，最终产生对水电机组健康状态的一致性描述，通过信息联合优势提高了水电机组健康状态评价的全面性和准确性。
附图说明
图1为本发明流程示意图；
图2为本发明中水电机组健康状态评价层次分析体系图。
具体实施方式
下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。
参照说明书附图1，基于多源信息融合的水电机组健康状态评价方法，包括以下具体步骤：
步骤一、根据机组结构和水电厂运行、检修规程确定“目标层-系统层-项目层-指标层”四级层次分析体系。参照说明书附图二为贯流式水电机组健康状态评价层次分析体系。
步骤二、构建成对比较阵，计算权向量并做一致性检验。根据步骤一构建的水电机组健康状态评价层次分析结构，采用成对比较法和1～9比较尺度表分别构建系统层、项目层与指标层的判断矩阵。
表1比较尺度表
对于每一个判断矩阵，计算其最大特征根λmax及对应的特征向量Ef＝{e1,e2,…,en}。为避免判断矩阵出现逻辑性错误，需要进行一致性检验分析，根据最大特征根计算一致性指标CI。
根据平均一致性指标表确定随机一致性比较值CR。
表2平均一致性指标表
| n阶 | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 |
| RI值 | 0 | 0 | 0.52 | 0.89 | 1.12 | 1.26 | 1.36 | 1.41 | 1.46 | 1.49 |
若CR<0.1，则代表判断矩阵具有较好的一致性，否则需要调整判断矩阵。一致性检验通过后，判断矩阵对应的权重向量具备较强的可行性，通过对特征向量Ef进行归一化处理即可获得权重向量Wf＝{w1,w,…,wn}。
步骤三、获得每一个判断矩阵的权重向量后，需自下而上确认层次分析体系各层评价项的状态划分阈值，根据评价方法分类评价项目可分为定性评价与定量评价两类。
对于定量评价项目，结合行业标准定值与机组健康样本数据设定指标阈值，其中采用标准定值作为合格阈值，并基于健康样本数据采用正态分布理论，即3σ准则设定优秀和良好状态阈值：
式中，Sh代表健康样本，
代表健康样本基准值，σ代表健康样本标准差。状态评价表如下：
表3定量状态评价表
对于定性评价项目，由于系统中定性评价项目数据源自人工巡检录入，因此巡检人员根据实际运行情况分别录入优秀、良好、合格、异常、故障的状态结果即可。
表4定性状态评价表
| 状态 | 分值 | 状态描述 |
| 优秀 | 100 | 运行状态正常，无需处理 |
| 良好 | 80 | 运行状态良好，但有接近运行限值的趋势，无需处理 |
| 合格 | 60 | 运行状态正常，但接近运行限值，需加强注意 |
| 异常 | 40 | 处于异常运行状态，但无安全风险，需采取措施处理 |
| 故障 | 0 | 设备继续工作存在安全风险，需立即采取措施处理 |
步骤四、结合模糊综合评价方法的高斯型隶属度函数与行业标准规范构建定量指标得分标准。
为确定定量指标得分标准，此处引入劣化度概念用于表征当前实际状态与故障状态相比的相对劣化程度，其取值范围为[0,1]。不同取值反映评判指标不同的劣化程度。根据状态分级，将指标阈值分为对应的四个区间，分别为：优秀：
良好：
合格：
异常：非标准值区间。当指标监测值位于某状态区间的右段时，该指标为趋小型指标，劣化度计算如式4：
式中，l为指标的劣化度，m为指标实测值，u1为指标上限值，p1为指标最优质的，且p1<u1。
否则为趋大型指标，劣化度计算如式5：
式中，d2为指标下限值，p2为指标最优值，且d2<p2。
引入隶属度a用于衡量指标在所属状态区间隶属程度，其计算公式如式6：
a＝1-l (6)
根据指标区间隶属度可计算得定量指标得分v如式7
v＝a×(vu-vd)+vb (7)
式中，v为指标得分，vu为指标所属状态区间上限，vd为指标所属状态区间下限，vb为指标所属状态区间分值下限。
步骤五、采集水电机组状态多源状态数据进行在线评价，系统通过数据采集模块从各信息子系统获取设备状态监测数据、通过巡检系统采集最新一次的人工巡检数据、并从文档中抓取最新的离线试验数据，离线试验数据来自每次离线试验后通过人工接口按格式化文档模板录入结果；由数据采集模块进行数据格式转换和数据清洗后将机组状态信息数据输出至下一模块。
步骤六、根据指标层得分方法进行分类，根据机组状态信息数据与得分标准提取项目特征指标，对状态评价结果为异常或故障的指标进行处理提示标记。
步骤七、根据指标层得分与对应权值计算出项目层状态评价得分，对机组各部件子设备运行状态进行评价，并对存在状态评价结果为异常或故障指标的上一层级项目进行处理提示标记；
步骤八、根据项目层得分与对应权值计算出系统层状态评价得分，对机组各部件运行状态进行评价，并对存在状态评价结果为异常或故障项目的上一层级系统进行处理提示标记；
步骤九、根据系统层级状态评价得分与对应权值计算出机组状态评价结果，对机组整体运行状态进行评价，并给出机组运行检修的指导建议。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。
一种存储一个或多个程序的计算机可读存储介质，所述一个或多个程序包括指令，所述指令当由计算设备执行时，使得所述计算设备执行基于多源信息融合的水电机组健康状态评价方法。
一种计算设备，包括一个或多个处理器、一个或多个存储器以及一个或多个程序，其中一个或多个程序存储在所述一个或多个存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个程序包括用于执行基于多源信息融合的水电机组健康状态评价方法的指令。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上仅为本发明的实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均包含在申请待批的本发明的权利要求范围之内。
Claims (10)
1.基于多源信息融合的水电机组健康状态评价方法，其特征在于：
构建用于评价水电机组整体健康状态的目标层；
根据水电机组的各个系统构建系统层；
根据各个系统的各个设备状态构建项目层；
根据各个设备状态的各项指标构建指标层；
项目层中的各个设备状态以指标层中对应的各项指标作为评价指标；
系统层中的各个系统以项目层中对应的各个设备状态作为评价指标；
计算指标层的各项指标权重，计算项目层各个设备状态权重；
评价方法分为定性评价和定量评价；
划分定量评价状态分值区间，分为状态优秀：90-100分，良好：75-90分，合格：60-75分，异常：0-60分；
定性评价状态分值分为：优秀：100分，良好：80分，合格：60分，异常：40分，故障：0分；
制定定量评价得分标准，根据得分评价状态；
定性评价由巡检人员根据实际情况录入；
将指标层的各项指标分为定性评价的指标和定量评价的指标，分别计算各项指标得分，其中，定量评价指标层的指标时，采集各指标的实测值，根据定量评价得分标准计算指标层的指标得分，对指标得分状态评价结果为异常或故障的指标进行标记；
将项目层的各个设备状态分为定性评价的设备状态和定量评价的设备状态，分别计算各个设备状态的得分，其中，定量评价项目层的设备状态时，根据指标层中对应指标的权重提取指标，将提取的指标的得分根据定量评价得分标准计算设备状态得分，根据所得分值评价状态，对状态评价结果为异常或故障的设备状态进行标记；
将系统层的各个系统分为定性评价的系统和定量评价的系统，分别计算各个系统得分，其中，定量评价系统层的系统时，根据项目层中对应的设备状态的权重提取设备状态，将提取的设备状态得分根据定量评价得分标准计算系统得分，根据所得分值评价状态，对状态评价结果为异常或故障的系统进行标记；
目标层根据系统层中各个系统的状态评价结果评价水电机组整体健康状态。
2.根据权利要求1所述的基于多源信息融合的水电机组健康状态评价方法，其特征在于：权重的计算过程为：采用成对比较法和1～9比较尺度表分别构建项目层与指标层的判断矩阵；对于每一个判断矩阵，计算其最大特征根λmax及对应的特征向量Ef＝{e1,e2,…,en}，进行一致性检验分析，根据最大特征根计算一致性指标CI，
根据平均一致性指标表确定随机一致性比较值CR，
平均一致性指标表
若CR<0.1，则代表判断矩阵具有一致性，否则需要调整判断矩阵；一致性检验通过后，判断矩阵对应的权重向量具备可行性，通过对特征向量Ef进行归一化处理获得权重向量Wf＝{w1,w,…,wn}。
3.根据权利要求1所述的基于多源信息融合的水电机组健康状态评价方法，其特征在于：划分定量评价状态分值区间的过程为：
结合行业标准定值与机组健康样本数据设定评价指标阈值，其中采用标准定值作为合格阈值，并基于健康样本数据采用正态分布理论，即3σ准则设定优秀和良好状态阈值：
式中，Sh代表健康样本，
代表健康样本基准值，σ代表健康样本标准差；状态评价表如下：
4.根据权利要求1所述的基于多源信息融合的水电机组健康状态评价方法，其特征在于：定量评价得分标准的计算过程为：
将评价指标阈值分为对应的四个区间，分别为：
优秀：
良好：
合格：[标准下限，
标准上限]，异常：非标准值区间；当评价指标监测值位于某状态区间的右段时，该指标为趋小型指标，劣化度计算如式4：
式中，l为指标的劣化度，m为指标实测值，u1为指标上限值，p1为指标最优质的，且p1<u1。
否则为趋大型指标，劣化度计算如式5：
式中，d2为指标下限值，p2为指标最优值，且d2<p2；
引入隶属度a用于衡量指标在所属状态区间隶属程度，其计算公式如式6：
a＝1-l (6)
根据指标区间隶属度可计算得定量指标得分v，如式7
v＝a×(vu-vd)+vb (7)
式中，v为指标得分，vu为指标所属状态区间上限，vd为指标所属状态区间下限，vb为指标所属状态区间分值下限。
5.基于多源信息融合的水电机组健康状态评价系统，其特征在于，包括：
离线建模系统：
构建用于评价水电机组整体健康状态的目标层；
根据水电机组的各个系统构建系统层；
根据各个系统的各个设备状态构建项目层；
根据各个设备状态的各项指标构建指标层；
项目层中的各个设备状态以指标层中对应的各项指标作为评价指标；
系统层中的各个系统以项目层中对应的各个设备状态作为评价指标；
计算指标层的各项指标权重，计算项目层各个设备状态权重；
评价方法分为定性评价和定量评价；
划分定量评价状态分值区间，分为状态优秀：90-100分，良好：75-90分，合格：60-75分，异常：0-60分；
定性评价状态分值分为：优秀：100分，良好：80分，合格：60分，异常：40分，故障：0分；
制定定量评价得分标准，根据得分评价状态；
在线评价系统：
包括多源数据采集模块，通过各信息子系统、离线实验和人工巡检采集各项评价指标实测值
定性评价由巡检人员根据实际情况录入；
采集指标层各项指标监测值，将指标层的各项指标分为定性评价指标和定量评价指标，分别计算各项指标得分，对指标得分状态评价结果为异常或故障的指标进行标记；
将项目层的各个设备状态分为定性评价状态和定量评价状态，分别计算各个设备状态的得分，其中，定量评价项目层的设备状态时，根据指标层中对应指标的权重提取指标，将提取的指标的得分根据定量评价得分标准计算设备状态得分，根据所得分值评价状态，对状态评价结果为异常或故障的设备状态进行标记；
将系统层的各个系统分为定性评价系统和定量评价系统，分别计算各个系统得分，其中，定量评价系统层的系统时，根据项目层中对应的设备状态的权重提取设备状态，将提取的设备状态得分根据定量评价得分标准计算系统得分，根据所得分值评价状态，对状态评价结果为异常或故障的系统进行标记；
目标层根据系统层中各个系统的状态评价结果评价水电机组整体健康状态。
6.根据权利要求5所述的基于多源信息融合的水电机组健康状态评价系统，其特征在于：离线建模系统中权重的计算过程为：采用成对比较法和1～9比较尺度表分别构建项目层与指标层的判断矩阵；对于每一个判断矩阵，计算其最大特征根λmax及对应的特征向量Ef＝{e1,e2,…,en}，进行一致性检验分析，根据最大特征根计算一致性指标CI，
根据平均一致性指标表确定随机一致性比较值CR，
平均一致性指标表
若CR<0.1，则代表判断矩阵具有一致性，否则需要调整判断矩阵；一致性检验通过后，判断矩阵对应的权重向量具备可行性，通过对特征向量Ef进行归一化处理获得权重向量Wf＝{w1,w,…,wn}。
7.根据权利要求5所述的基于多源信息融合的水电机组健康状态评价系统，其特征在于：离线建模系统中划分定量评价状态分值区间的过程为：
结合行业标准定值与机组健康样本数据设定评价指标阈值，其中采用标准定值作为合格阈值，并基于健康样本数据采用正态分布理论，即3σ准则设定优秀和良好状态阈值：
式中，Sh代表健康样本，
代表健康样本基准值，σ代表健康样本标准差。状态评价表如下：
8.根据权利要求5所述的基于多源信息融合的水电机组健康状态评价系统，其特征在于：离线建模系统中定量评价得分标准的计算过程为：
将评价指标阈值分为对应的四个区间，分别为：
优秀：
良好：
合格：[标准下限，
标准上限]，异常：非标准值区间；当评价指标监测值位于某状态区间的右段时，该指标为趋小型指标，劣化度计算如式4：
式中，l为指标的劣化度，m为指标实测值，u1为指标上限值，p1为指标最优质的，且p1<u1。
否则为趋大型指标，劣化度计算如式5：
式中，d2为指标下限值，p2为指标最优值，且d2<p2；
引入隶属度a用于衡量指标在所属状态区间隶属程度，其计算公式如式6：
a＝1-l (6)
根据指标区间隶属度可计算得定量指标得分v，如式7
v＝a×(vu-vd)+vb (7)
式中，v为指标得分，vu为指标所属状态区间上限，vd为指标所属状态区间下限，vb为指标所属状态区间分值下限。
9.一种存储一个或多个程序的计算机可读存储介质，其特征在于：所述一个或多个程序包括指令，所述指令当由计算设备执行时，使得所述计算设备执行根据权利要求1至4所述的方法中的任一方法。
10.一种计算设备，其特征在于，包括：
一个或多个处理器、一个或多个存储器以及一个或多个程序，其中一个或多个程序存储在所述一个或多个存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个程序包括用于执行根据权利要求1至4所述的方法中的任一方法的指令。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211162837.7A CN115577808A (zh) | 2022-09-23 | 2022-09-23 | 基于多源信息融合的水电机组健康状态评价方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211162837.7A CN115577808A (zh) | 2022-09-23 | 2022-09-23 | 基于多源信息融合的水电机组健康状态评价方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115577808A true CN115577808A (zh) | 2023-01-06 |
Family
ID=84581114
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211162837.7A Pending CN115577808A (zh) | 2022-09-23 | 2022-09-23 | 基于多源信息融合的水电机组健康状态评价方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115577808A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116384973A (zh) * | 2023-04-07 | 2023-07-04 | 广东弘铠船务股份有限公司 | 一种船舶检修管理系统 |
| CN116911642A (zh) * | 2023-09-12 | 2023-10-20 | 中国长江电力股份有限公司 | 面向多维多态的水电机组设备指标计算系统和方法 |
| CN117151460A (zh) * | 2023-08-07 | 2023-12-01 | 中移互联网有限公司 | 一种基于通话数据的企业风险度分析方法及其装置 |
-
2022
- 2022-09-23 CN CN202211162837.7A patent/CN115577808A/zh active Pending
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116384973A (zh) * | 2023-04-07 | 2023-07-04 | 广东弘铠船务股份有限公司 | 一种船舶检修管理系统 |
| CN116384973B (zh) * | 2023-04-07 | 2023-10-17 | 广东弘铠船务股份有限公司 | 一种船舶检修管理系统 |
| CN117151460A (zh) * | 2023-08-07 | 2023-12-01 | 中移互联网有限公司 | 一种基于通话数据的企业风险度分析方法及其装置 |
| CN116911642A (zh) * | 2023-09-12 | 2023-10-20 | 中国长江电力股份有限公司 | 面向多维多态的水电机组设备指标计算系统和方法 |
| CN116911642B (zh) * | 2023-09-12 | 2023-12-26 | 中国长江电力股份有限公司 | 面向多维多态的水电机组设备指标计算系统和方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN115577808A (zh) | 基于多源信息融合的水电机组健康状态评价方法及系统 | |
| CN109685340B (zh) | 一种配电设备健康状态评估方法及系统 | |
| CN111539553A (zh) | 基于svr算法和偏峰度的风电机组发电机故障预警方法 | |
| CN111780800B (zh) | 一种传感器故障的监测、隔离以及重构方法和系统 | |
| CN104573850A (zh) | 一种火电厂设备状态评估方法 | |
| CN105571645A (zh) | 一种大坝自动化监测方法 | |
| CN111832939B (zh) | 一种特高压直流输电系统主设备检修质量评价方法 | |
| CN105930629A (zh) | 一种基于海量运行数据的在线故障诊断方法 | |
| CN111767657B (zh) | 一种核动力系统故障诊断方法和系统 | |
| CN110569746A (zh) | 一种基于层次分析法的信号设备质量检测方法 | |
| CN111667161A (zh) | 高速铁路运营安全指数的确定方法 | |
| CN111445037A (zh) | 一种基于证据理论的汽轮机故障诊断方法、系统及设备 | |
| CN112749893B (zh) | 一种基于云计算的数据挖掘服务平台 | |
| CN113868948A (zh) | 一种面向用户的动态阈值模型训练系统及方法 | |
| CN115114124A (zh) | 主机风险的评估方法及评估装置 | |
| CN113159342A (zh) | 一种基于模糊综合评判的地铁信号系统维修方法 | |
| CN117350377A (zh) | 一种基于知识图谱驱动的设备故障诊断方法及装置 | |
| CN111553581A (zh) | 一种基于熵值的装备维修性评价模型 | |
| CN112712305B (zh) | 一种飞行器系统及其健康评估方法和装置 | |
| CN115600695A (zh) | 一种计量设备的故障诊断方法 | |
| CN111797545B (zh) | 一种基于实测数据的风电机组偏航折减系数计算方法 | |
| CN113361730A (zh) | 一种检修计划的风险预警方法、装置、设备和介质 | |
| CN113919609A (zh) | 一种配电网模型质量综合评估方法和系统 | |
| CN116187745B (zh) | 一种基于态势感知的电网风险评估方法 | |
| Laktionov et al. | INVESTIGATION OF COMBINED ENSEMBLE METHODS FOR DIAGNOSTICS OF THE QUALITY OF INTERACTION OF HUMAN-MACHINE 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 | ||
| CB03 | Change of inventor or designer information | ||
| CB03 | Change of inventor or designer information |
Inventor after: Hong Licong Inventor after: Ming Liang Inventor after: Xu Guosheng Inventor after: Chen Zhiyun Inventor after: Pan Weifeng Inventor after: Lai Xiaoyun Inventor after: Zeng Zhihua Inventor after: Hu Fei Inventor after: Shao Youqian Inventor after: Zhou Haigen Inventor before: Xu Guosheng Inventor before: Ming Liang Inventor before: Chen Zhiyun Inventor before: Lai Xiaoyun Inventor before: Zeng Zhihua Inventor before: Shao Youqian Inventor before: Zhou Haigen Inventor before: Hong Licong Inventor before: Hu Fei Inventor before: Pan Weifeng |