CN116184948A - 一种水厂的智能监盘及预警诊断技术的应用系统及方法 - Google Patents

Abstract

本发明涉及一种水厂的智能监盘及预警诊断技术的应用系统及方法，基于水厂工业大数据，模型与数据驱动的水厂智能监盘及预警诊断方法能够有效地挖掘出海量历史数据背后的信息，更好地诊断出水厂故障，目前主要包括基于统计分析、信号处理、定量知识的分析方法，基于大量历史数据，通过数据清洗，再利用多元回归等数据分析算法，找到各运行参数的内在联系，建立设备的数据模型，通过与实时运行数据的比较，从多种维度对设备运行状态进行健康度评价；再通过数据模型给出设备运行状态的期望值，与实际运行的值进行比较，通过偏差比较，来预测设备的故障；并给运营人员维护建议，帮助运维人员提前发现问题，提前制定检修计划，避免非正常停机，避免设备事故扩大化，延长设备使用寿命，降低运维成本。

Description

一种水厂的智能监盘及预警诊断技术的应用系统及方法

技术领域

本发明涉及一种水厂的智能监盘及预警诊断技术的应用系统及方法，属于城市给排水技术领域。

背景技术

智能监盘及预警系统在国内火电控制系统上应用广泛且成熟，在市政水厂无应用案例。

当前智慧监盘及预警技术主要有以下几种：

(1)基于分析模型的方法

基于分析模型的方法需要了解设备的机理结构和过程特性并建立精确的数据模型，典型的基于分析模型的方法有状态估计法、参数估计法、等价空间法和解析冗余法。

(2)基于定性经验知识的方法

基于定性经验知识的方法主要依靠专家知识进行分析，能够适用于无法或不易建立精确机理模型的系统，主要包括专家系统和图搜索方法。

(3)基于模型与数据驱动的方法

在现有的大型工业过程系统中，一方面难以获得准确的复杂机理模型，另一方面专家知识的积累需要长期的过程而且主观性太强，因此单纯的基于分析模型或经验知识的方法的局限性越来越明显。随着工业大数据及其分析方法和工具的高速发展，基于模型与数据驱动的方法逐渐变成智能监盘及预警诊断领域的研究热点。

水厂生产过程的任何故障不仅直接影响安全生产、出水水质和产水效率，而且还可能造成设备损毁和人身事故，为使水厂能够安全、可靠、有效的运行，应建立基于智能监盘及预警技术的健康状态评价及故障诊断预警系统。健康状态评价及故障诊断预警系统技术的基本思想是实时监测设备的运行状态，在设备故障产生初期，即特定工况下设备当前运行状态与历史最优期望状态偏差较小时，给出准确的、快速的诊断结果，为检修和运行人员争取更多的故障处理时间与主动性，保障水厂安全生产，降低运营人员的劳动强度，降低运营维护成本。

智能监盘及预警系统可以带来如下几方面提升：(1)大大降低水厂运行人员的工作强度；(2)减员增效，优化人员组织结构；(3)提升监盘质量，实现故障预警，避免事故扩大；(4)降低系统异常、事故扩大的可能性，使机组可靠性及安全性全面提升；(5)帮助系统自动化水平及经济性水平全面升级；(6)创造良好的人机互动生态圈，全面提升企业的创新研发能力。

发明内容

随着人工智能、大数据等新一代IT技术的发展，智慧水厂热潮在水行业不断升温，各过程控制供应商都提供了不同的智慧水厂解决方案。如何应用智能化手段，将水厂运行知识和经验进行有效数字化、模型化，并利用数据挖掘技术与预测分析技术、机器学习算法，结合水厂运行规程要求和运行管理需求，对水厂生产工艺参数进行预测、评价、归纳，并合理的组织呈现、推送异常信息，最终达到用计算机来代替人员进行查阅画面、分析参数、关注趋势(简称人工监盘)的目的。

状态监测技术涉及计算机科学技术、管理科学与人工智能等多种技术，需要诸多技术进行支持。随着数据库及数据分析技术的不断发展，欧美等发达国家己经逐步推广采用智能传感器来采集丰富的机组运行数据，通过数据分析及信号处理技术对各类设备运行数据进行管理和分析，从海量的历史数据中挖掘设备状态信息。

本发明的目的是提供一种水厂的智能监盘及预警诊断技术的应用系统及方法，基于水厂工业大数据，模型与数据驱动的水厂智能监盘及预警诊断方法能够有效地挖掘出海量历史数据背后的信息，更好地诊断出水厂故障，目前主要包括基于统计分析、信号处理、定量知识的分析方法。

本发明提出了一种水厂的智能监盘及预警诊断技术的应用系统，该系统由智能应用服务器和智能模型服务器组成，其中

所述智能应用服务器通过约定好的通讯接口，获取实时数据送给系统模型进行计算，并将计算后结果展示给运行使用人员；

所述智能模型服务器用于运行智能运行平台软件，该智能运行平台软件依据设备技术规范和运行规程，及设备历史运行数据确定参数正常运行边界，给出机组运行状况的量化评价，以实现以下功能：

数据自动采集功能：根据模型设置相关参数和时间范围，模型软件可以自动采集样本数据，供建模使用；

模型软件提供样本数据的清洗功能，根据模型设置的工况范围进行数据清洗；可对每个关联变量设置限值范围，系统自动过滤越过极限值的样本数据，避免现场设备故障时的异常数据影响模型的准确性；

标准化建模功能：模型软件提供建模所需的人机界面，根据模型所需要的相关信息和样本数据，进行标准化建模；

模型可视化功能：模型软件系统具备参数预测模型的可视化呈现功能，给维护人员提供调整的依据。提供测点模型信息呈现，将参数的运行标准、人工经验值、关联变量等信息有效呈现，便于维护；

运行工况安全诊断功能：模型软件具有参数的运行安全诊断功能，并且根据设备的运行或者停运状态切换不同的评价标准；

参数预测功能：模型软件能够在机组不同的运行工况下，对工艺参数进行预测，提供预测值，供运行人员控制调整；

系统可靠性诊断：模型软件具备对设备自动投入情况、联锁投入情况进行在线统计，呈现异常信息；

报警功能：模型软件系统对诊断结果的异常信息进行报警；

扩展功能：模型软件提供支持动态编译的表达式模型接口技术，用户可以进行模型编辑、修改、增减等功能，并提供在线编译、计算功能；

历史结果追溯功能：智慧运行系统提供诊断结果的历史查询功能；

权限配置功能：模型软件提供用户管理功能。

本发明还提出了一种水厂的智能监盘及预警诊断技术的方法，该方法包括以下步骤：

1)建模，具体包括以下步骤：

1.1)信息采集，信息包括设备在运行过程中温度、压力、位移、振动等各种状态量；

1.2)信号处理，将采集到的信号需要进行处理、分类甚至加工，以提取设备特征参数；

1.3)状态识别，通过基于经验和专家建立设备特征参数，将实时的设备测点参数与之对应、对比，从而对设备所处的状态进行确认，判断是否存在故障的呈现的特征；

1.4)诊断决策，依据设备状态识别结果，以及通过当前信号预测设备状态可能发展的趋势决定应采取的对策和措施；

2)状态监测及故障诊断建模流程，基于数据挖掘理论和混合模型算法搭建水厂设备状态监测及故障诊断模型，具体包括以下步骤：

2.1)依据设备监测和诊断目标进行设备监测参数选择，并设定设备监测条件，非监测条件下系统不进行参数正常值计算；

2.2)在智能监盘实时数据库中进行样本数据选择即设备健康运转时的多工况时间段选择，一般选择覆盖最近三到五年的数据，以保证模型训练的成熟度和预测精度；

2.3)采用混合模型算法进行模型训练，利用适配算法和改进型相似度公式求解得到模型参数和样本最小相似度；

2.4)将设备当前监测工况数据带入模型计算出期望工况数据，并计算当前工况向量与期望工况向量的相似度；

2.5)比较当前工况的相似度与样本最小相似度的大小，若当前工况的相似度较小，则识别设备当前状态为“正常”，否则为“注意”，并自动生成疑似故障诊断单；

3)建立水厂健康状态评价机制，采用平衡积分卡，将水厂里的各个系统和设备按工艺进行逐级分解，从工艺级到专业级，到子系统级，再到设备级，将各个设备的多种指标评分综合成一个分数，实现水厂当前状态直观、明确的定性或定量判断；通过评分清晰地反应出各测评项目性能和状态的优良中差程度，并能够追查到影响该项目性能状态的主要分指标因素。

本发明的智能监盘系统基于大量历史数据，通过数据清洗，再利用多元回归等数据分析算法，找到各运行参数的内在联系，建立设备的数据模型，通过与实时运行数据的比较，从多种维度(如自动化率、报警、经济、参数等)对设备运行状态进行健康度评价；再通过数据模型给出设备运行状态的期望值，与实际运行的值进行比较，通过偏差比较，来预测设备的故障。并给运营人员维护建议，帮助运维人员提前发现问题，提前制定检修计划，避免非正常停机，避免设备事故扩大化，延长设备使用寿命，降低运维成本。

附图说明

结合附图，并通过参考下面的详细描述，将会更容易地对本发明有更完整的理解并且更容易地理解其伴随的优点和特征，其中：

图1是本发明的智能监盘及预警系统的原理图。

具体实施方式

下面将结合本发明实施例中的附图对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例；基于本发明中的实施例，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，都属于本发明保护的范围。

如图1所示，智能监盘服务器通过API接口与Ovation服务器进行数据交换，保证数据的实时性、稳定性和精确性；对读取的历史数据进行分析建模，模型运行在智能监盘模型服务器，模型给出预测的期望值，通过与实时数据的比较，对系统运行状态进行健康度评价，通过与期望值比较进行偏离预警，提前发现问题。

智能监盘及预警诊断技术的开发及实施流程如下：

第一步，结合现场设备和实际需求，形成需要完成的模型清单；

第二步，针对每一个模型，初步选取该模型需要的测点；

第三步，选取稳定工况，结合可视化手段，进一步优化模型参数选择，并选取合适的建模数据；

第四步，选择合适的建模算法，进行模型训练；

第五步，根据模型的评价参数，开展模型优化；

第六步，导出模型到部署平台。模型部署在智慧监盘模型服务器上，利用Ovation平台软件加载模型，同时完成与SCADA系统数据的实时交互(需要SCADA系统开放接口，配合通讯，提供数据)，即读取SCADA系统的实时数据给模型输入，并将模型运算结果返回SCADA系统。

Claims (2)

1.一种水厂的智能监盘及预警诊断技术的应用系统，该系统由智能应用服务器和智能模型服务器组成，其中

所述智能应用服务器通过约定好的通讯接口，获取实时数据送给系统模型进行计算，并将计算后结果展示给运行使用人员；

所述智能模型服务器用于运行智能运行平台软件，该智能运行平台软件依据设备技术规范和运行规程，及设备历史运行数据确定参数正常运行边界，给出机组运行状况的量化评价，以实现以下功能：

数据自动采集功能：根据模型设置相关参数和时间范围，模型软件可以自动采集样本数据，供建模使用；

模型软件提供样本数据的清洗功能，根据模型设置的工况范围进行数据清洗；可对每个关联变量设置限值范围，系统自动过滤越过极限值的样本数据，避免现场设备故障时的异常数据影响模型的准确性；

标准化建模功能：模型软件提供建模所需的人机界面，根据模型所需要的相关信息和样本数据，进行标准化建模；

模型可视化功能：模型软件系统具备参数预测模型的可视化呈现功能，给维护人员提供调整的依据。提供测点模型信息呈现，将参数的运行标准、人工经验值、关联变量等信息有效呈现，便于维护；

运行工况安全诊断功能：模型软件具有参数的运行安全诊断功能，并且根据设备的运行或者停运状态切换不同的评价标准；

参数预测功能：模型软件能够在机组不同的运行工况下，对工艺参数进行预测，提供预测值，供运行人员控制调整；

系统可靠性诊断：模型软件具备对设备自动投入情况、联锁投入情况进行在线统计，呈现异常信息；

报警功能：模型软件系统对诊断结果的异常信息进行报警；

扩展功能：模型软件提供支持动态编译的表达式模型接口技术，用户可以进行模型编辑、修改、增减等功能，并提供在线编译、计算功能；

历史结果追溯功能：智慧运行系统提供诊断结果的历史查询功能；

权限配置功能：模型软件提供用户管理功能。

2.一种水厂的智能监盘及预警诊断技术的方法，该方法包括以下步骤：

1)建模，具体包括以下步骤：

1.1)信息采集，信息包括设备在运行过程中温度、压力、位移、振动等各种状态量；

1.2)信号处理，将采集到的信号需要进行处理、分类甚至加工，以提取设备特征参数；

1.3)状态识别，通过基于经验和专家建立设备特征参数，将实时的设备测点参数与之对应、对比，从而对设备所处的状态进行确认，判断是否存在故障的呈现的特征；

1.4)诊断决策，依据设备状态识别结果，以及通过当前信号预测设备状态可能发展的趋势决定应采取的对策和措施；

2)状态监测及故障诊断建模流程，基于数据挖掘理论和混合模型算法搭建水厂设备状态监测及故障诊断模型，具体包括以下步骤：

2.1)依据设备监测和诊断目标进行设备监测参数选择，并设定设备监测条件，非监测条件下系统不进行参数正常值计算；

2.2)在智能监盘实时数据库中进行样本数据选择即设备健康运转时的多工况时间段选择，一般选择覆盖最近三到五年的数据，以保证模型训练的成熟度和预测精度；

2.3)采用混合模型算法进行模型训练，利用适配算法和改进型相似度公式求解得到模型参数和样本最小相似度；

2.4)将设备当前监测工况数据带入模型计算出期望工况数据，并计算当前工况向量与期望工况向量的相似度；

2.5)比较当前工况的相似度与样本最小相似度的大小，若当前工况的相似度较小，则识别设备当前状态为“正常”，否则为“注意”，并自动生成疑似故障诊断单；

3)建立水厂健康状态评价机制，采用平衡积分卡，将水厂里的各个系统和设备按工艺进行逐级分解，从工艺级到专业级，到子系统级，再到设备级，将各个设备的多种指标评分综合成一个分数，实现水厂当前状态直观、明确的定性或定量判断；通过评分清晰地反应出各测评项目性能和状态的优良中差程度，并能够追查到影响该项目性能状态的主要分指标因素。

Images