CN116187984B - 一种用于电厂的多维度巡检方法及系统 - Google Patents

Abstract

本发明提供了一种用于电厂的多维度巡检方法及系统。属于多维度巡检技术领域，其方法包括：获取电厂巡检系统的状态数据、对电厂设备进行在线监测的监测数据以及人工精密点检设备的离线数据；对所述状态数据、监测数据以及离线数据进行数据梳理，得到电厂中不同目标设备基于不同状态巡检下的基本数据；基于不同状态巡检下的基本数据对同个目标设备进行预分析，确定对应目标设备的运行参数，并基于所述运行参数进行设备调整或预警。通过获取的电厂的状态数据、监测数据以及离线数据这三个维度的数据，来进行处理、分析，并基于分析结果对对应设备进行调整，可以使得对电厂机组和设备的巡检更加有效、准确，从而增加设备的使用寿命、提高使用效率。

Description

一种用于电厂的多维度巡检方法及系统

技术领域

本发明涉及多维度巡检领域，特别涉及一种用于电厂的多维度巡检方法及系统。

背景技术

目前，电厂普遍配置的手持式的状态检修仪器，仪器数据库和专用软件的席位限制，主要是在电厂内部小范围使用。

然而，由于检修数据无法上传到状态检修系统平台，无法与在线系统实现数据互通，所以也不方便综合应用振动、超声、红外等监测手段，由于大部分情况下都是采用的单一维度的巡检方式，使得设备的巡检效率以及巡检精度低下。

因此，本发明提供了一种用于电厂的多维度巡检方法及系统。

发明内容

本发明提供了一种用于电厂的多维度巡检方法及系统，用以通过获取的电厂的状态数据、监测数据以及离线数据这三个维度的数据，来进行处理、分析，并基于分析结果对对应设备与机组进行调整，可以使得对电厂机组和设备的巡检更加有效、准确，从而增加设备的使用寿命、提高使用效率。

本发明提供一种用于电厂的多维度巡检方法，包括：

步骤1：获取电厂巡检系统的状态数据、对电厂设备进行在线监测的监测数据以及人工精密点检设备的离线数据；

步骤2：对所述状态数据、监测数据以及离线数据进行数据梳理，得到电厂中不同目标设备基于不同状态巡检下的基本数据；

步骤3：基于不同状态巡检下的基本数据对同个目标设备进行预分析，确定对应目标设备的运行参数，并基于所述运行参数进行设备调整或预警。

在一种可能实现的方式中，获取电厂巡检系统的状态数据，包括：

步骤11：获取电厂巡检系统中机组的当下状态，当所述当下状态为工作状态时，确定所述机组中每个电厂设备的健康状态；

步骤12：对同个机组中的所有电厂设备的健康状态进行分析，确定需要进行自动巡检的项目顺序；

步骤13：基于所述项目顺序获取电力巡检系统对应项目的状态数据。

在一种可能实现的方式中，获取人工精密点检设备的离线数据，包括：

步骤01：基于所述状态数据进行初始集成自动分析，并基于初始集成自动分析结果得到初始巡检结果，并判断需要进行人工精密点检的设备对应的设备编号；

将与设备编号一致的初始巡检结果与预设正常工作结果进行比较，若初始巡检结果小于预设正常工作结果的工作数据范围，则判定对应编号的设备需要进行人工精密点检；

步骤02：基于所述设备编号确定设备位置，并将所述设备位置传输至智能终端，并基于预设点检设备对相应设备进行人工精密点检，获取精密点检数据；

步骤03：将获取到的精密点检数据，转化为一维点检数据，得到离线数据。

在一种可能实现的方式中，对所述状态数据、监测数据以及离线数据进行数据梳理，得到电厂中不同目标设备基于不同状态巡检下的基本数据，包括：

步骤21：基于预设方案对所述状态数据、监测数据、离线数据中的有效数据进行数据抓取；

步骤22：基于状态检修规则对抓取后的数据进行筛选分类，得到第一数据集，其中，第一数据集包括：若干不同电厂设备在正常状态下的第一数据以及在非正常状态下的第二数据；

步骤23：根据巡检状态对第一数据集中的每一设备对应的所有非正常状态下的第二数据进行数据梳理；

获取每一梳理数据的可能影响因素；

其中，为对相应梳理数据匹配的目标设备的飞灰腐蚀影响指数；/>为对相应梳理数据匹配的目标设备的过热影响指数；/>为对相应梳理数据匹配的目标设备的氧化皮影响指数；/>为对相应梳理数据匹配的目标设备的环境腐蚀指数；/>为与相应梳理数据匹配的目标设备受到飞灰腐蚀的腐蚀系数；/>为与相应梳理数据匹配的目标设备的材料抗腐蚀系数；/>为与相应梳理数据匹配的目标设备指定位置处的飞灰浓度；/>为与相应梳理数据匹配的目标设备指定位置处的飞灰浓度的不均匀系数；/>为与相应梳理数据匹配的目标设备指定位置处的直径；/>为与相应梳理数据匹配的目标设备指定位置处；/>为与相应梳理数据匹配的目标设备指定位置处的氧化皮生长速度；/>为与相应梳理数据匹配的目标设备指定位置处的氧化皮预计生长时间；/>为与相应梳理数据匹配的目标设备指定位置处内表面腐蚀失重；/>为与相应梳理数据匹配的目标设备指定位置处外表面腐蚀失重；m为与相应梳理数据匹配的目标设备的单位质量；/>为与相应梳理数据匹配的目标设备的当前腐蚀时间与上一工作周期的腐蚀时间的时间差；/>为与相应梳理数据匹配的目标设备的材料常数；/>为与相应梳理数据匹配的目标设备指定位置处的温度；为与相应梳理数据匹配的目标设备指定位置处的蒸汽压力；/>为与相应梳理数据匹配的目标设备指定位置处的断裂时间；

基于同个目标设备的每一可能影响因素的影响指数与匹配的预设影响指数进行比较，若存在可能影响因素的影响指数高于匹配的预设影响指数，则基于同个目标设备涉及到的所有高于的可能影响因素，对第一数据集中的相应第二数据进行误差消除，并进行数据更新，构建第二数据集；

步骤24：对第二数据集中的数据按照设备类型进行分类，得到第三数据集，并根据智能终端的数据输出形式对所述第三数据集中的数据形式进行调整，得到第四数据集，其中，所述第四数据集即为目标电厂的基本数据。

在一种可能实现的方式中，基于不同状态巡检下的基本数据对同个目标设备进行预分析，确定对应目标设备的运行参数，包括：

步骤31：获取第四数据集中每一目标设备对应的设备参数，确定设备类型，并基于目标设备的设备数据来源对第四数据集中对应基本数据进行分类，得到分类数据；

步骤32：基于所述设备类型，结合对应设备特点及对应部件级三维模型将当前目标设备的基本数据可视化，并对可视化结果进行第一分析；

基于所述分类数据对对应分类的结果进行第二分析；

其中，分类类别不同，第二分析对应的分析工具也不同；

步骤33：将第一分析及第二分析的结果进行结合，得到综合分析报告，从而确定对应目标设备的运行参数。

在一种可能实现的方式中，基于所述运行参数进行设备调整或预警，包括：

步骤41：基于所述设备运行参数与状态检修标准参数进行比较，并基于比较结果确定设备运行参数的参数范围；

步骤42：基于所述运行参数范围判断目标设备是否需要调整、预警；

若所述运行参数大于第一预设范围，则判断目标设备需要进行设备调整；

若所述运行参数大于第二预设范围，则判断目标设备需要进行设备预警；

反之，设备完好，则不需要进行设备调整或预警；

其中，第一预设范围大于第二预设范围，且根据设备参数需要对第一预设范围、第二预设范围进行动态调整；

步骤43：基于判断结果对目标设备进行调整或预警。

在一种可能实现的方式中，根据设备参数需要对第一预设范围、第二预设范围进行动态调整，包括：

步骤421： 获取设备的历史运行参数，并基于历史运行参数及对应运行日志，确定设备的第一初始预设范围与第二初始预设范围；

步骤422：获取目标设备的设备实时健康状况、机组负荷情况及实时天气状况的对应变量对第一初始预设范围及第二初始预设范围进行第一调整，得到第一调整范围与第二调整范围；

其中，第一调整范围即为第一预设范围；

步骤423：获取目标设备的历史运行参数，并与设备数据库中的标准设备参数进行比较，基于比较结果匹配相应的报警阈值；

步骤424：基于所述报警阈值对第二调整范围进行再次调整，得到第二预设范围。

本发明提供了一种用于电厂的多维度巡检系统，包括：

数据获取模块：获取电厂巡检系统的状态数据、对电厂设备进行在线监测的监测数据以及人工精密点检设备的离线数据；

数据梳理模块：对所述状态数据、监测数据以及离线数据进行数据梳理，得到电厂中不同目标设备基于不同状态巡检下的基本数据；

数据分析模块：基于不同状态巡检下的基本数据对同个目标设备进行预分析，确定对应目标设备的运行参数，并基于所述运行参数进行设备调整或预警。

本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。

下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。

附图说明

附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：

图1为本发明实施例中一种用于电厂的多维度巡检方法的流程图；

图2为本发明实施例中目标设备基于不同状态巡检下的基本数据的获取流程图；

图3为本发明实施例中一种用于电厂的多维度巡检系统的结构图。

具体实施方式

以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。

实施例1：

本发明实施例提供了一种用于电厂的多维度巡检方法，如图1所示，包括：

步骤1：获取电厂巡检系统的状态数据、对电厂设备进行在线监测的监测数据以及人工精密点检设备的离线数据；

步骤2：对所述状态数据、监测数据以及离线数据进行数据梳理，得到电厂中不同目标设备基于不同状态巡检下的基本数据；

步骤3：基于不同状态巡检下的基本数据对同个目标设备进行预分析，确定对应目标设备的运行参数，并基于所述运行参数进行设备调整或预警。

该实施例中，状态数据是指按照项目顺序进行自动巡检后得到的当前工作状态下的自动巡检数据，自动巡检数据包括振动频率、设备温度、电力参数、气体浓度等，项目顺序是指是指根据设备的健康状态不同将对健康状态更差的设备优先进行自动巡检，比如，1号锅炉的健康状态为一级亚健康状态，1号管道的健康状态为二级亚健康状态，则优先对1号管道进行自动巡检，其次对1号锅炉进行自动巡检。

该实施例中，监测数据是指通过在线监测系统监测到的数据，比如，电厂的在线监测系统会监测到每一设备的设备过载监测、设备压力检测、工作环境气态物质监测。

该实施例中，离线数据是指基于人工精密点检设备获取到的数据，经过人工上传到智能终端进行显示后进行一维转化后得到的数据，其中，人工精密点检设备一般是使用精密点检仪，使用精密点检仪时现将主机和振动传感器连接起来，然后对目标设备进行振动监测，监测数据包括：位移、速度、加速度等。

该实施例中，电厂设备包括锅炉、管道、送风机、输煤设备、除尘设备等。

该实施例中，人工精密点检设备是利用人感官和检测工具，按照预先制定的技术标准，定人、定点、定期地对设备进行检查的一种设备，比如，精密点检仪。

该实施例中，数据梳理是指将获取到的状态数据、监测数据以及离线数据按照对应状态不同、设备类型不同、获取数据来源不同进行数据分类梳理，比如，按照对应状态不同可以将数据分为正常状态数据、异常状态数据，按照设备类型不同可以将数据分为锅炉设备数据、管道设备数据、输煤设备数据、除尘设备数据，按照获取数据的来源不同，可以将数据分为状态数据、监测数据、离线数据，比如，一个数据属于锅炉设备的状态数据且是正常状态数据。

该实施例中，基本数据是指数据梳理后得到的电厂中不同目标设备基于巡检状态下的异常数据经过误差消除后得到的数据。

该实施例中，预分析是指基于设备类型，结合对应设备特点及对应部件级三维模型将当前目标设备的基本数据可视化，并基于可视化结果进行第一分析，并基于所述分类数据对对应的分类结果进行第二分析；将第一分析与第二分析的结果进行综合得到分析结果。

该实施例中，运行参数是指基于第一分析和第二分析的综合分析报告得到的设备当前运行状态下的运行参数。

该实施例中，设备调整是指将不处于最优工作状态的设备进行调整，其中，最优状态是指设备的基本数据中所有数据均处于最佳数据范围内，设备预警是指根据设备的数据分析结果对设备的对应位置进行预警，比如，设备指定部位的温度高于预设温度范围时，对对应位置进行预警。

上述技术方案的有益效果是：通过获取的电厂的状态数据、监测数据以及离线数据这三个维度的数据，来进行处理、分析，并基于分析结果对对应设备与机组进行调整，可以使得对电厂机组和设备的巡检更加有效、准确，从而增加设备的使用寿命、提高使用效率。

实施例2：

基于实施例1的基础上，获取电厂巡检系统的状态数据，包括：

步骤11：获取电厂巡检系统中机组的当下状态，当所述当下状态为工作状态时，确定所述机组中每个电厂设备的健康状态；

步骤12：对同个机组中的所有电厂设备的健康状态进行分析，确定需要进行自动巡检的项目顺序；

步骤13：基于所述项目顺序获取电力巡检系统对应项目的状态数据。

该实施例中，当下状态是指电力巡检系统中的机组的当下工作状态，当下状态包括工作状态、停止工作状态以及故障状态。

该实施例中，健康状态是指当前机组中的每个电厂设备的设备健康工作状态，健康工作状态是指所有工作状态数据都处于最佳工作范围内，其中，每一设备不同部位的健康状态可能不同。

该实施例中，项目顺序是指根据设备的健康状态不同将对健康状态更差的设备优先进行自动巡检，比如，1号锅炉的健康状态为一级亚健康状态，1号管道的健康状态为二级亚健康状态，则优先对1号管道进行自动巡检，其次对1号锅炉进行自动巡检。

该实施例中，状态数据是指按照项目顺序进行自动巡检后得到的当前工作状态下的自动巡检数据。

上述技术方案的有益效果是：通过对获取到的状态数据进行处理、分析，并与其他维度获取到的监测数据以及离线数据进行结合分析，从而基于分析结果对对应设备与机组进行调整，可以使得对电厂机组和设备的巡检更加有效、准确。

实施例3：

基于实施例2的基础上，获取人工精密点检设备的离线数据，包括：

步骤01：基于所述状态数据进行初始集成自动分析，并基于初始集成自动分析结果得到初始巡检结果，并判断需要进行人工精密点检的设备对应的设备编号；

将与设备编号一致的初始巡检结果与预设正常工作结果进行比较，若初始巡检结果小于预设正常工作结果的工作数据范围，则判定对应编号的设备需要进行人工精密点检；

步骤02：基于所述设备编号确定设备位置，并将所述设备位置传输至智能终端，并基于预设点检设备对相应设备进行人工精密点检，获取精密点检数据；

步骤03：将获取到的精密点检数据，转化为一维点检数据，得到离线数据。

该实施例中，状态数据是指按照项目顺序进行自动巡检后得到的当前工作状态下的自动巡检数据。

该实施例中，初始集成自动分析是指将数据格式、特点、性质不同的状态数据在逻辑上或物理上进行数据集成，比如，可以采用联邦式、给予中间件模型和数据仓库等方法来构造集成的系统，并基于集成系统对数据进行基本分析。

该实施例中，初始巡检结果是指经过初始集成自动分析后得到的分析结果。

该实施例中，人工精密点检设备是利用人感官和检测工具，按照预先制定的技术标准，定人、定点、定期地对设备进行检查的一种设备，比如，精密点检仪。

该实施例中，设备位置是指给予设备编号确定当前设备编号对应的设备在目标电厂厂区的位置，比如，1号锅炉在第一行第一列。

该实施例中，精密点检数据是指基于人工精密点检设备获取到的数据，经过人工上传到智能终端进行显示的数据。

该实施例中，一维点检数据是指将精密点检数据上传到预设软件中，进行数据转化，得到的一维数据，一维点检数据即为离线数据。

上述技术方案的有益效果是：通过对获取到的离线数据进行处理、分析，并与其他维度获取到的监测数据与状态数据进行结合分析，从而基于分析结果对对应设备与机组进行调整，可以使得对电厂机组和设备的巡检更加有效、准确。

实施例4：

基于实施例3的基础上，对所述状态数据、监测数据以及离线数据进行数据梳理，得到电厂中不同目标设备基于不同状态巡检下的基本数据，如图2所示，包括：

步骤21：基于预设方案对所述状态数据、监测数据、离线数据中的有效数据进行数据抓取；

步骤22：基于状态检修规则对抓取后的数据进行筛选分类，得到第一数据集，其中，第一数据集包括：若干不同电厂设备在正常状态下的第一数据以及在非正常状态下的第二数据；

步骤23：根据巡检状态对第一数据集中的每一设备对应的所有非正常状态下的第二数据进行数据梳理；

获取每一梳理数据的可能影响因素；

其中，为对相应梳理数据匹配的目标设备的飞灰腐蚀影响指数；/>为对相应梳理数据匹配的目标设备的过热影响指数；/>为对相应梳理数据匹配的目标设备的氧化皮影响指数；/>为对相应梳理数据匹配的目标设备的环境腐蚀指数；/>为与相应梳理数据匹配的目标设备受到飞灰腐蚀的腐蚀系数；/>为与相应梳理数据匹配的目标设备的材料抗腐蚀系数；/>为与相应梳理数据匹配的目标设备指定位置处的飞灰浓度；/>为与相应梳理数据匹配的目标设备指定位置处的飞灰浓度的不均匀系数；/>为与相应梳理数据匹配的目标设备指定位置处的直径；/>为与相应梳理数据匹配的目标设备指定位置处；/>为与相应梳理数据匹配的目标设备指定位置处的氧化皮生长速度；/>为与相应梳理数据匹配的目标设备指定位置处的氧化皮预计生长时间；/>为与相应梳理数据匹配的目标设备指定位置处内表面腐蚀失重；/>为与相应梳理数据匹配的目标设备指定位置处外表面腐蚀失重；m为与相应梳理数据匹配的目标设备的单位质量；/>为与相应梳理数据匹配的目标设备的当前腐蚀时间与上一工作周期的腐蚀时间的时间差；/>为与相应梳理数据匹配的目标设备的材料常数；/>为与相应梳理数据匹配的目标设备指定位置处的温度；为与相应梳理数据匹配的目标设备指定位置处的蒸汽压力；/>为与相应梳理数据匹配的目标设备指定位置处的断裂时间；

基于同个目标设备的每一可能影响因素的影响指数与匹配的预设影响指数进行比较，若存在可能影响因素的影响指数高于匹配的预设影响指数，则基于同个目标设备涉及到的所有高于的可能影响因素，对第一数据集中的相应第二数据进行误差消除，并进行数据更新，构建第二数据集；

步骤24：对第二数据集中的数据按照设备类型进行分类，得到第三数据集，并根据智能终端的数据输出形式对所述第三数据集中的数据形式进行调整，得到第四数据集，其中，所述第四数据集即为目标电厂的基本数据。

该实施例中，状态数据是指按照项目顺序进行自动巡检后得到的当前工作状态下的自动巡检数据。

该实施例中，离线数据是指人工精密点检设备获取到的精密点检数据经过处理后得到的一维点检数据。

该实施例中，有效数据是指根据对目标设备产生直接影响的状态数据、监测数据、离线数据。

该实施例中，状态检修规则是指数据需要进行检修的状态对应的规则，其中，不同数据来源获取到的数据对应的状态检修规则不同。

该实施例中，第一数据集是指基于状态检修规则对有效数据进行筛选分类得到的数据集，其中，第一数据集中包含若干个电厂设备的数据。

该实施例中，第一数据集包括：若干不同电厂设备的正常状态下的第一数据以及非正常状态下的第二数据。

该实施例中，可能影响因素是指可能会对数据造成影响，导致数据体现为非正常状态的影响因素，其中，影响因素包括飞灰腐蚀、过热、氧化、外部环境腐蚀，每一个非正常状态的第二数据都会被一个活多个影响因素影响。

该实施例中，误差消除是指通过影响指数对第一数据集中被当前影响因素影响的数据进行误差消除，比如，第一数据集中目标设备包含有温度数据，且温度数据处于非正常状态，将目标设备的设备数据分别代入到S1、S2、S3、S4中，计算对应的影响指数，将每一影响指数与对应的预设影响指数进行比较，若S1高于预设影响指数，则计算当前影响指数对应的影响温度，并用非正常状态的温度数据减去影响温度，判断减去影响温度后的温度数据是否属于正常温度范围，若属于正常温度范围，则目标设备的误差被消除。

该实施例中，第二数据集是指通过误差消除对第一数据集中的数据进行处理，得到更新后的数据，并基于更新数据构建的数据集。

该实施例中，设备类型包括电厂内的锅炉、管道等。

该实施例中，第三数据集是指将第二数据集中的数据按照设备类型进行分类得到的数据集。

该实施例中，第四数据集是指根据智能终端的数据输出形式对第三数据集中的数据格式进行形式调整，第四数据集即为目标电厂的基本数据。

上述技术方案的有益效果是：通过对电厂中多维度获取到的状态数据、监测数据、离线数据进行梳理分析，得到基本数据，从而对设备进行调整，可以使得对电厂机组和设备的巡检更加有效、准确，从而增加设备的使用寿命、提高使用效率。

实施例5：

基于实施例4的基础上，基于不同状态巡检下的基本数据对同个目标设备进行预分析，确定对应目标设备的运行参数，包括：

步骤31：获取第四数据集中每一目标设备对应的设备参数，确定设备类型，并基于目标设备的设备数据来源对第四数据集中对应基本数据进行分类，得到分类数据；

步骤32：基于所述设备类型，结合对应设备特点及对应部件级三维模型将当前目标设备的基本数据可视化，并对可视化结果进行第一分析；

基于所述分类数据对对应分类的结果进行第二分析；

其中，分类类别不同，第二分析对应的分析工具也不同；

步骤33：将第一分析及第二分析的结果进行结合，得到综合分析报告，从而确定对应目标设备的运行参数。

该实施例中，第四数据集是指将第三数据集中的数据根据智能终端的数据输出形式进行形式调整后得到的，第四数据集即为目标电厂的基本数据。

该实施例中，设备参数是指目标设备的实际标注设备的参数，比如，设备的最大承载力、最大温度、直径、体积、质量等。

该实施例中，设备数据来源是基于数据的获取途径确定的，比如，通过巡检系统获取，通过监测系统获取，通过人工精密点检设备获取。

该实施例中，分类数据是指基于目标设备的设备数据来源对第四数据集中对应基本数据进行分类后得到数据。

该实施例中，设备特点是指目标设备的基本特点，比如，管道的基本特点是圆柱形、锅炉的基本特点是炉状。

该实施例中，部件级三维模型是指对部件级实景三维的分解和细化表达，重点是满足专业化、个性化应用需求。

该实施例中，第一分析是指将所述设备类型，与对应设备特点及对应部件级三维模型结合，进行基本数据的可视化，并基于可视化结果进行分析。

该实施例中，第二分析是指根据分类数据对应的数据来源使用不同分析工具对分类数据进行分析。

该实施例中，分类类别不同，第二分析对应的分析工具也不同，比如，针对状态数据，主要包括历史记录浏览、数据趋势分析等工具；针对离线数据，主要包括振动频谱分析工具、红外图像浏览编辑工具、超声频谱分析工具、电机电流频谱分析工具等；针对监测数据，主要提供振动频谱分析工具、多参数综合趋势分析工具。

该实施例中，运行参数是指基于第一分析和第二分析的综合分析报告得到的设备当前运行状态下的运行参数。

上述技术方案的有益效果是：通过对多维度获取到的状态数据、离线数据、监测数据进行两种不同分析，从而基于分析结果对对应设备与机组进行调整，可以使得对电厂机组和设备的巡检更加有效、准确。

实施例6：

基于实施例5的基础上，基于所述运行参数进行设备调整或预警，包括：

步骤41：基于所述设备运行参数与状态检修标准参数进行比较，并基于比较结果确定设备运行参数的参数范围；

步骤42：基于所述运行参数范围判断目标设备是否需要调整、预警；

若所述运行参数大于第一预设范围，则判断目标设备需要进行设备调整；

若所述运行参数大于第二预设范围，则判断目标设备需要进行设备预警；

反之，设备完好，则不需要进行设备调整或预警；

其中，第一预设范围大于第二预设范围，且根据设备参数需要对第一预设范围、第二预设范围进行动态调整；

步骤53：基于判断结果对目标设备进行调整或预警。

该实施例中，运行参数是指基于第一分析和第二分析的综合分析报告得到的设备当前运行状态下的运行参数。

该实施例中，状态检修标准参数是指目标设备在当前工作状态下的标准参数。

该实施例中，第一预设范围大于第二预设范围，且根据设备参数需要对第一预设范围、第二预设范围进行动态调整。

上述技术方案的有益效果是：通过对多维度获取到的数据进行处理分析，并基于分析结果对对应设备进行调整，可以使得对电厂机组和设备的巡检更加有效、准确，提高使用效率。

实施例7：

基于实施例6的基础上，根据设备参数需要对第一预设范围、第二预设范围进行动态调整，包括：

步骤421： 获取设备的历史运行参数，并基于历史运行参数及对应运行日志，确定设备的第一初始预设范围与第二初始预设范围；

步骤422：获取目标设备的设备实时健康状况、机组负荷情况及实时天气状况的对应变量对第一初始预设范围及第二初始预设范围进行第一调整，得到第一调整范围与第二调整范围；

其中，第一调整范围即为第一预设范围；

步骤423：获取目标设备的历史运行参数，并与设备数据库中的标准设备参数进行比较，基于比较结果匹配相应的报警阈值；

步骤424：基于所述报警阈值对第二调整范围进行再次调整，得到第二预设范围。

该实施例中，历史运行参数是指目标设备在历史工作状态下时对应的设备运行参数。

该实施例中，第一初始预设范围是指基于历史运行参数对应的第一预设范围进行综合调整后得到的目标设备在当前环境与状态下的预设范围；第二初始预设范围是指基于历史运行参数对应的第二预设范围进行综合调整后得到的目标设备在当前环境与状态下的预设范围。

该实施例中，设备实时健康状况、机组负荷情况及实时天气状况均为会对当前涉笔的正常工作产生影响的影响变量。

该实施例中，第一调整是指基于实时变量对目标设备的第一初始预设范围及第二初始预设范围进行调整。

该实施例中，报警阈值是指将目标设备的历史运行参数与设备数据库中的标准设备参数进行比较后，得到历史运行参数与标准设备参数之间的参数差异值，并通过参数差异值确定的。

该实施例中，第一调整范围即为第一预设范围，基于报警阈值对第二调整范围进行再次调整后得到第二预设范围。

上述技术方案的有益效果是：通过对数据分析结果进行比较，并对比较范围进行动态调整，从而对对应设备与机组进行调整，可以使得对电厂机组和设备的巡检更加有效、准确，从而增加设备的使用寿命、提高使用效率。

实施例8：

本发明实施例提供了一种用于电厂的多维度巡检系统，如图3所示，包括：

数据获取模块：获取电厂巡检系统的状态数据、对电厂设备进行在线监测的监测数据以及人工精密点检设备的离线数据；

数据梳理模块：对所述状态数据、监测数据以及离线数据进行数据梳理，得到电厂中不同目标设备基于不同状态巡检下的基本数据；

数据分析模块：基于不同状态巡检下的基本数据对同个目标设备进行预分析，确定对应目标设备的运行参数，并基于所述运行参数进行设备调整或预警。

上述技术方案的有益效果是：通过获取的电厂的状态数据、监测数据以及离线数据这三个维度的数据，来进行处理、分析，并基于分析结果对对应设备与机组进行调整，可以使得对电厂机组和设备的巡检更加有效、准确，从而增加设备的使用寿命、提高使用效率。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (7)

1.一种用于电厂的多维度巡检方法，其特征在于，包括：

步骤1：获取电厂巡检系统的状态数据、对电厂设备进行在线监测的监测数据以及人工精密点检设备的离线数据；

步骤2：对所述状态数据、监测数据以及离线数据进行数据梳理，得到电厂中不同目标设备基于不同状态巡检下的基本数据；

步骤3：基于不同状态巡检下的基本数据对同个目标设备进行预分析，确定对应目标设备的运行参数，并基于所述运行参数进行设备调整或预警；

其中，对所述状态数据、监测数据以及离线数据进行数据梳理，得到电厂中不同目标设备基于不同状态巡检下的基本数据，包括：

步骤21：基于预设方案对所述状态数据、监测数据、离线数据中的有效数据进行数据抓取；

步骤22：基于状态检修规则对抓取后的数据进行筛选分类，得到第一数据集，其中，第一数据集包括：若干不同电厂设备在正常状态下的第一数据以及在非正常状态下的第二数据；

步骤23：根据巡检状态对第一数据集中的每一设备对应的所有非正常状态下的第二数据进行数据梳理；

获取每一梳理数据的可能影响因素；

；

；

；

；其中，/>为对相应梳理数据匹配的目标设备的飞灰腐蚀影响指数；/>为对相应梳理数据匹配的目标设备的过热影响指数；/>为对相应梳理数据匹配的目标设备的氧化皮影响指数；/>为对相应梳理数据匹配的目标设备的环境腐蚀指数；/>为与相应梳理数据匹配的目标设备受到飞灰腐蚀的腐蚀系数；/>为与相应梳理数据匹配的目标设备的材料抗腐蚀系数；/>为与相应梳理数据匹配的目标设备指定位置处的飞灰浓度；/>为与相应梳理数据匹配的目标设备指定位置处的飞灰浓度的不均匀系数；/>为与相应梳理数据匹配的目标设备指定位置处的直径；/>为与相应梳理数据匹配的目标设备指定位置处；/>为与相应梳理数据匹配的目标设备指定位置处的氧化皮生长速度；/>为与相应梳理数据匹配的目标设备指定位置处的氧化皮预计生长时间；/>为与相应梳理数据匹配的目标设备指定位置处内表面腐蚀失重；/>为与相应梳理数据匹配的目标设备指定位置处外表面腐蚀失重；m为与相应梳理数据匹配的目标设备的单位质量；/>为与相应梳理数据匹配的目标设备的当前腐蚀时间与上一工作周期的腐蚀时间的时间差；为与相应梳理数据匹配的目标设备的材料常数；/>为与相应梳理数据匹配的目标设备指定位置处的温度；/>为与相应梳理数据匹配的目标设备指定位置处的蒸汽压力；/>为与相应梳理数据匹配的目标设备指定位置处的断裂时间；

基于同个目标设备的每一可能影响因素的影响指数与匹配的预设影响指数进行比较，若存在可能影响因素的影响指数高于匹配的预设影响指数，则基于同个目标设备涉及到的所有高于匹配的预设影响指数的可能影响因素，对第一数据集中的相应第二数据进行误差消除，并进行数据更新，构建第二数据集；

步骤24：对第二数据集中的数据按照设备类型进行分类，得到第三数据集，并根据智能终端的数据输出形式对所述第三数据集中的数据形式进行调整，得到第四数据集，其中，所述第四数据集即为目标电厂的基本数据。

2.如权利要求1所述的一种用于电厂的多维度巡检方法，其特征在于，获取电厂巡检系统的状态数据，包括：

步骤11：获取电厂巡检系统中机组的当下状态，当所述当下状态为工作状态时，确定所述机组中每个电厂设备的健康状态；

步骤12：对同个机组中的所有电厂设备的健康状态进行分析，确定需要进行自动巡检的项目顺序；

步骤13：基于所述项目顺序获取电力巡检系统对应项目的状态数据。

3.如权利要求2所述的一种用于电厂的多维度巡检方法，其特征在于，获取人工精密点检设备的离线数据，包括：

步骤01：基于所述状态数据进行初始集成自动分析，并基于初始集成自动分析结果得到初始巡检结果，并判断需要进行人工精密点检的设备对应的设备编号；

将与设备编号一致的初始巡检结果与预设正常工作结果进行比较，若初始巡检结果小于预设正常工作结果的工作数据范围，则判定对应编号的设备需要进行人工精密点检；

步骤02：基于所述设备编号确定设备位置，并将所述设备位置传输至智能终端，并基于预设点检设备对相应设备进行人工精密点检，获取精密点检数据；

步骤03：将获取到的精密点检数据，转化为一维点检数据，得到离线数据。

4.如权利要求1所述的一种用于电厂的多维度巡检方法，其特征在于，基于不同状态巡检下的基本数据对同个目标设备进行预分析，确定对应目标设备的运行参数，包括：

步骤31：获取第四数据集中每一目标设备对应的设备参数，确定设备类型，并基于目标设备的设备数据来源对第四数据集中对应基本数据进行分类，得到分类数据；

步骤32：基于所述设备类型，结合对应设备特点及对应部件级三维模型将当前目标设备的基本数据可视化，并对可视化结果进行第一分析；

基于所述分类数据对对应分类的结果进行第二分析；

其中，分类类别不同，第二分析对应的分析工具也不同；

步骤33：将第一分析及第二分析的结果进行结合，得到综合分析报告，从而确定对应目标设备的运行参数。

5.如权利要求4所述的一种用于电厂的多维度巡检方法，其特征在于，基于所述运行参数进行设备调整或预警，包括：

步骤41：基于所述设备运行参数与状态检修标准参数进行比较，并基于比较结果确定设备运行参数的参数范围；

步骤42：基于所述运行参数范围判断目标设备是否需要调整、预警；

若所述运行参数大于第一预设范围，则判断目标设备需要进行设备调整；

若所述运行参数大于第二预设范围，则判断目标设备需要进行设备预警；

反之，设备完好，则不需要进行设备调整或预警；

其中，第一预设范围大于第二预设范围，且根据设备参数需要对第一预设范围、第二预设范围进行动态调整；

步骤43：基于判断结果对目标设备进行调整或预警。

6.如权利要求5所述的一种用于电厂的多维度巡检方法，其特征在于，根据设备参数需要对第一预设范围、第二预设范围进行动态调整，包括：

步骤421： 获取设备的历史运行参数，并基于历史运行参数及对应运行日志，确定设备的第一初始预设范围与第二初始预设范围；

步骤422：获取目标设备的设备实时健康状况、机组负荷情况及实时天气状况的对应变量对第一初始预设范围及第二初始预设范围进行第一调整，得到第一调整范围与第二调整范围；

其中，第一调整范围即为第一预设范围；

步骤423：获取目标设备的历史运行参数，并与设备数据库中的标准设备参数进行比较，基于比较结果匹配相应的报警阈值；

步骤424：基于所述报警阈值对第二调整范围进行再次调整，得到第二预设范围。

7.一种用于电厂的多维度巡检系统，其特征在于，包括：

数据获取模块：获取电厂巡检系统的状态数据、对电厂设备进行在线监测的监测数据以及人工精密点检设备的离线数据；

数据梳理模块：对所述状态数据、监测数据以及离线数据进行数据梳理，得到电厂中不同目标设备基于不同状态巡检下的基本数据；

数据分析模块：基于不同状态巡检下的基本数据对同个目标设备进行预分析，确定对应目标设备的运行参数，并基于所述运行参数进行设备调整或预警；

其中，数据梳理模块，用于：

步骤21：基于预设方案对所述状态数据、监测数据、离线数据中的有效数据进行数据抓取；

步骤22：基于状态检修规则对抓取后的数据进行筛选分类，得到第一数据集，其中，第一数据集包括：若干不同电厂设备在正常状态下的第一数据以及在非正常状态下的第二数据；

步骤23：根据巡检状态对第一数据集中的每一设备对应的所有非正常状态下的第二数据进行数据梳理；

获取每一梳理数据的可能影响因素；

；

；

；

；其中，/>为对相应梳理数据匹配的目标设备的飞灰腐蚀影响指数；/>为对相应梳理数据匹配的目标设备的过热影响指数；/>为对相应梳理数据匹配的目标设备的氧化皮影响指数；/>为对相应梳理数据匹配的目标设备的环境腐蚀指数；/>为与相应梳理数据匹配的目标设备受到飞灰腐蚀的腐蚀系数；/>为与相应梳理数据匹配的目标设备的材料抗腐蚀系数；/>为与相应梳理数据匹配的目标设备指定位置处的飞灰浓度；/>为与相应梳理数据匹配的目标设备指定位置处的飞灰浓度的不均匀系数；/>为与相应梳理数据匹配的目标设备指定位置处的直径；/>为与相应梳理数据匹配的目标设备指定位置处；/>为与相应梳理数据匹配的目标设备指定位置处的氧化皮生长速度；/>为与相应梳理数据匹配的目标设备指定位置处的氧化皮预计生长时间；/>为与相应梳理数据匹配的目标设备指定位置处内表面腐蚀失重；/>为与相应梳理数据匹配的目标设备指定位置处外表面腐蚀失重；m为与相应梳理数据匹配的目标设备的单位质量；/>为与相应梳理数据匹配的目标设备的当前腐蚀时间与上一工作周期的腐蚀时间的时间差；为与相应梳理数据匹配的目标设备的材料常数；/>为与相应梳理数据匹配的目标设备指定位置处的温度；/>为与相应梳理数据匹配的目标设备指定位置处的蒸汽压力；/>为与相应梳理数据匹配的目标设备指定位置处的断裂时间；

基于同个目标设备的每一可能影响因素的影响指数与匹配的预设影响指数进行比较，若存在可能影响因素的影响指数高于匹配的预设影响指数，则基于同个目标设备涉及到的所有高于匹配的预设影响指数的可能影响因素，对第一数据集中的相应第二数据进行误差消除，并进行数据更新，构建第二数据集；

步骤24：对第二数据集中的数据按照设备类型进行分类，得到第三数据集，并根据智能终端的数据输出形式对所述第三数据集中的数据形式进行调整，得到第四数据集，其中，所述第四数据集即为目标电厂的基本数据。