CN116307563A - 用于确定压缩机最佳维修周期的方法、装置及处理器 - Google Patents
用于确定压缩机最佳维修周期的方法、装置及处理器 Download PDFInfo
- Publication number
- CN116307563A CN116307563A CN202310225083.3A CN202310225083A CN116307563A CN 116307563 A CN116307563 A CN 116307563A CN 202310225083 A CN202310225083 A CN 202310225083A CN 116307563 A CN116307563 A CN 116307563A
- Authority
- CN
- China
- Prior art keywords
- compressor
- reliability
- determining
- station
- parameter
- 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
- 238000012423 maintenance Methods 0.000 title claims abstract description 72
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000009826 distribution Methods 0.000 claims abstract description 88
- 238000007781 pre-processing Methods 0.000 claims abstract description 14
- 238000003860 storage Methods 0.000 claims description 16
- 238000007476 Maximum Likelihood Methods 0.000 claims description 11
- 230000006835 compression Effects 0.000 abstract description 17
- 238000007906 compression Methods 0.000 abstract description 17
- 239000007789 gas Substances 0.000 description 19
- 238000010586 diagram Methods 0.000 description 14
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 12
- 238000004590 computer program Methods 0.000 description 11
- 230000006870 function Effects 0.000 description 8
- 239000003345 natural gas Substances 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 230000007812 deficiency Effects 0.000 description 4
- 230000000737 periodic effect Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000008439 repair process Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000006731 degradation reaction Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000015556 catabolic process Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
- G06Q10/063114—Status monitoring or status determination for a person or group
-
- 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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- 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)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Health & Medical Sciences (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Control Of Positive-Displacement Pumps (AREA)
Abstract
本申请实施例提供一种用于确定压缩机最佳维修周期的方法、装置及处理器。方法包括:获取压气站内的多台压缩机在每个历史年份的历史故障数据;对多个历史年份的历史故障数据中符合预设需求的历史故障数据进行预处理,以确定出压气站内的每台压缩机的目标寿命分布参数,其中,目标寿命分布参数包括形状参数和尺度参数;根据每台压缩机的目标寿命分布参数确定压气站的总可靠度;在总可靠度小于目标可靠度的情况下,根据总可靠度确定每台压缩机的最佳维修周期。通过上述技术方案,能够提前对压气站内每台压缩机的最佳维修周期进行预测,大幅度提高压气站的运行效率。
Description
技术领域
本申请涉及设备维护领域,具体地涉及一种用于确定压缩机最佳维修周期的方法、装置、存储介质及处理器。
背景技术
以离心压缩机为例,离心压缩机组作为油气管网的核心关键设备,是驱动天然气输运的“心脏”,其安全高效运行对于保障我国能源安全至关重要。
目前,对离心压缩机进行维修主要采用计划性维检修的方式。但采用该方式对离心压缩机进行维修,可能出现离心压缩机未到维修周期就突发失效的情况,也可能到达维修周期时离心压缩机状态完好,极易出现维修不当的情况发生,难以确保离心压缩机的正常运行,降低离心压缩机所在压气站的运行效率。同时,若难以在最佳维修时间内对离心压缩机进行维修,则可能增大离心压缩机所在压气站的下游用户缺气风险,同时也会降低压气站输出天然气的稳定性。
发明内容
本申请实施例的目的是提供一种用于确定压缩机最佳维修周期的方法、装置、存储介质及处理器。
为了实现上述目的,本申请第一方面提供一种用于确定压缩机最佳维修周期的方法,包括:
获取压气站内的多台压缩机在每个历史年份的历史故障数据;
对多个历史年份的历史故障数据中符合预设需求的历史故障数据进行预处理,以确定出压气站内的每台压缩机的目标寿命分布参数,其中,目标寿命分布参数包括形状参数和尺度参数;
根据每台压缩机的目标寿命分布参数确定压气站的总可靠度;
在总可靠度小于目标可靠度的情况下,根据总可靠度确定每台压缩机的最佳维修周期。
在本申请实施例中,对多个历史年份的历史故障数据中符合预设需求的历史故障数据进行预处理,以确定出压气站内的每台压缩机的目标寿命分布参数包括:分别通过极大似然估计、最小二乘法以及多项式拟合对符合预设需求的历史故障数据进行预处理,以得到每台压缩机的第一寿命分布参数、第二寿命分布参数以及第三寿命分布参数;针对每台压缩机,分别确定与压缩机的第一寿命分布参数、第二寿命分布参数以及第三寿命分布参数对应的第一相关系数、第二相关系数以及第三相关系数;针对每台压缩机,将压缩机的第一相关系数、第二相关系数以及第三相关系数中的最大值所对应的寿命分布参数作为压缩机的目标寿命分布参数。
在本申请实施例中,根据每台压缩机的目标寿命分布参数确定压气站的总可靠度包括:获取每台压缩机首次发生故障时所对应的位置参数;根据每台压缩机的目标寿命分布参数和位置参数确定每台压缩机当前的失效密度;根据失效密度确定每台压缩机的可靠度;根据每台压缩机的可靠度确定总可靠度。
在本申请实施例中,每台压缩机的可靠度通过公式(1)确定:
其中,Rm(t)是指形状参数为m的压缩机在当前时间t的可靠度,f(t)是指失效密度,m是指形状参数,m>0,η是指尺度参数,η>0,t是指当前时间,a是指位置参数。
在本申请实施例中,压气站内至少包括三个压缩机,根据每台压缩机的可靠度确定总可靠度包括:确定在当前时间压气站内处于工作状态的压缩机的第一总台数,以及处于待机状态的压缩机的第二总台数;根据第一总台数、第二总台数以及每台压缩机的可靠度确定总可靠度。
在本申请实施例中,总可靠度通过公式(2)确定:
其中,Rs(t)是指压气站在当前时间t时的总可靠度,n是指在当前时间t时压气站内处于工作状态的压缩机的第一总台数,k是指在当前时间t时压气站内处于待机状态的压缩机的第二总台数,l为常数,l的取值范围为0~n-k,t是指当前时间,a是指位置参数,η是指尺度参数,η>0,m是指形状参数,m>0。
在本申请实施例中,最佳维修周期通过公式(3)确定:
T*=f(Rs,m,η) (3)
其中,T*是指最佳维修周期,Rs是指压气站的总可靠度,m是指形状参数,m>0,η是指尺度参数,η>0,f(Rs,m,η)是指与压气站的总可靠度、形状参数以及尺度参数相关的函数。
本申请第二方面提供一种机器可读存储介质,该机器可读存储介质上存储有指令,该指令在被处理器执行时使得处理器被配置成执行上述的用于确定压缩机最佳维修周期的方法。
本申请第三方面提供一种处理器,被配置成执行上述的用于确定压缩机最佳维修周期的方法。
本申请第四方面提供一种用于确定压缩机最佳维修周期的装置,包括上述的处理器。
通过上述技术方案,能够提前对压气站内每台压缩机的最佳维修周期进行预测,从而提前在最佳维修周期内对压缩机进行维修,确保压气站内每台压缩机的正常运行,也极大地避免维修不当的情况发生,大幅度提高压气站的运行效率,确保压气站输出天然气的稳定性,降低下游用户缺气风险。
本申请实施例的其它特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
附图是用来提供对本申请实施例的进一步理解,并且构成说明书的一部分,与下面的具体实施方式一起用于解释本申请实施例,但并不构成对本申请实施例的限制。在附图中:
图1示意性示出了根据本申请实施例的用于确定压缩机最佳维修周期的方法的流程示意图;
图2示意性示出了根据本申请实施例的压气站内压缩机的示意图;
图3示意性示出了根据本申请实施例的输气管道系统的示意图;
图4示意性示出了根据本申请实施例的压缩机故障数据的示例图;
图5示意性示出了根据本申请实施例的对该压缩机的寿命分布参数进行求解后的示例图;
图6示意性示出了根据本申请实施例的计算机设备的内部结构图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,应当理解的是,此处所描述的具体实施方式仅用于说明和解释本申请实施例,并不用于限制本申请实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动的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。
图1示意性示出了根据本申请实施例的用于确定压缩机最佳维修周期的方法的流程示意图。如图1所示,在本申请一实施例中,提供了一种用于确定压缩机最佳维修周期的方法,包括以下步骤:
步骤101,获取压气站内的多台压缩机在每个历史年份的历史故障数据。
步骤102,对多个历史年份的历史故障数据中符合预设需求的历史故障数据进行预处理,以确定出压气站内的每台压缩机的目标寿命分布参数,其中,目标寿命分布参数包括形状参数和尺度参数。
步骤103,根据每台压缩机的目标寿命分布参数确定压气站的总可靠度。
步骤104,在总可靠度小于目标可靠度的情况下,根据总可靠度确定每台压缩机的最佳维修周期。
天然气长输管线包括有多个压气站。每个压气站包括有一个并联结构的冷备系统,即压缩机组。压缩机组包括有三个压缩机。其中,压缩机可以是指离心压缩机,每台压缩机的型号相同。压缩机组的运行模式可以为两用一备,即,将一台压缩机作为备用机,两台压缩机正常投入使用。压气站内压缩机的运行状态可以反映压气站的整体运行状态。
例如,如图2所示,提供了一种压气站内压缩机的示意图。其中,该压气站包括压缩机1(从上往下数第一台压缩机)、压缩机2(从上往下数第二台压缩机)以及备用压缩机3(从上往下数第三台压缩机)。若该压气站内压缩机1和压缩机2正常运行,备用压缩机3待机时,压气站正常运行。在压缩机1和压缩机2中任意一台压缩机失效,例如,压缩机1失效,即压缩机1出现故障,则备用压缩机3可立刻投入使用。此时压气站内的压缩机2和备用压缩机3正常运行,压气站正常运行。进一步地,若压缩机2也同时失效,即压缩机1和压缩机2均出现故障,压气站内只有备用压缩机3正常运行,此时,压气站难以正常运行,需要对压气站内的压缩机进行维修。
为了确保压气站的正常运行,可以提前对压气站内每台压缩机的最佳维修周期进行预测,从而提前在最佳维修周期内对压缩机进行维修。在确定压缩机最佳维修周期时,处理器可以获取压气站内的多台压缩机在每个历史年份的历史故障数据。其中,历史故障数据可以是包括多台压缩机在每个历史年份出现的故障次数。例如,压缩机A、B以及C在2016年出现的历史故障次数。之后,处理器可以从多个历史年份的历史故障数据中选取符合预设需求的历史故障数据。例如,由于每台压缩机在投入初期时出现故障的次数较多,而在投入使用一段时间之后出现故障的次数有所下降,并逐步维持在较为稳定的水平。由此,可以选取维持在稳定水平时所对应的故障次数。
之后,处理器可以对符合预设需求的历史故障数据进行预处理,以确定出目标寿命分布参数。其中,目标寿命分布参数包括形状参数和尺度参数。形状参数是指瞬时失效率随时间变化的变化率。尺度参数能够影响失效率增长速度。接着,处理器可以根据每台压缩机的目标寿命分布参数确定压气站的总可靠度,并可以将总可靠度与目标可靠度进行对比。其中,目标可靠度可以根据实际情况进行自定义。若总可靠度小于目标可靠度,则压气站可能无法正常运行,需要对压气站内每台压缩机进行维修。此时,处理器可以根据总可靠度确定每台待维修压缩机的最佳维修周期。
通过上述技术方案,能够提前对压气站内每台压缩机的最佳维修周期进行预测,从而提前在最佳维修周期内对压缩机进行维修,确保压气站内每台压缩机的正常运行,也极大地避免维修不当的情况发生,大幅度提高压气站的运行效率,确保压气站输出天然气的稳定性,降低下游用户缺气风险。
在一个实施例中,对多个历史年份的历史故障数据中符合预设需求的历史故障数据进行预处理,以确定出压气站内的每台压缩机的目标寿命分布参数包括:分别通过极大似然估计、最小二乘法以及多项式拟合对符合预设需求的历史故障数据进行预处理,以得到每台压缩机的第一寿命分布参数、第二寿命分布参数以及第三寿命分布参数;针对每台压缩机,分别确定与压缩机的第一寿命分布参数、第二寿命分布参数以及第三寿命分布参数对应的第一相关系数、第二相关系数以及第三相关系数;针对每台压缩机,将压缩机的第一相关系数、第二相关系数以及第三相关系数中的最大值所对应的寿命分布参数作为压缩机的目标寿命分布参数。
处理器可以分别通过极大似然估计、最小二乘法以及多项式拟合对符合预设需求的历史故障数据进行预处理,以得到第一寿命分布参数、第二寿命分布参数以及第三寿命分布参数。之后,处理器可以分别确定与每台压缩机的第一寿命分布参数、第二寿命分布参数以及第三寿命分布参数对应的第一相关系数、第二相关系数以及第三相关系数。其中,相关系数可以是指预处理后的符合预设需求的历史故障数据与预处理之前的符合预设需求的历史故障数据之间的相关度。接着,处理器可以确定第一相关系数、第二相关系数以及第三相关系数中的最大值,并可以将最大值所对应的寿命分布参数作为目标寿命分布参数。
在一个实施例中,根据每台压缩机的目标寿命分布参数确定压气站的总可靠度包括:获取每台压缩机首次发生故障时所对应的位置参数;根据每台压缩机的目标寿命分布参数和位置参数确定每台压缩机当前的失效密度;根据失效密度确定每台压缩机的可靠度;根据每台压缩机的可靠度确定总可靠度。
处理器可以获取每台压缩机首次发生故障时所对应的位置参数。位置参数是指压缩机从初次使用到首次发生故障之间的时间段。之后,处理器可以根据每台压缩机的目标寿命分布参数和位置参数确定每台压缩机当前的失效密度。其中,每台压缩机的目标寿命分布参数包括形状参数和尺度参数。接着,处理器可以根据每台压缩机当前的失效密度确定每台压缩机的可靠度,并可以根据每台压缩机的可靠度确定压气站的总可靠度。
在一个实施例中,每台压缩机的可靠度通过公式(1)确定:
其中,Rm(t)是指形状参数为m的压缩机在当前时间t的可靠度,f(t)是指失效密度,m是指形状参数,m>0,η是指尺度参数,η>0,t是指当前时间,a是指位置参数。
在一个实施例中,压气站内至少包括三个压缩机,根据每台压缩机的可靠度确定总可靠度包括:确定在当前时间压气站内处于工作状态的压缩机的第一总台数,以及处于待机状态的压缩机的第二总台数;根据第一总台数、第二总台数以及每台压缩机的可靠度确定总可靠度。
其中,压气站内至少包括三个压缩机。压缩机的状态可以包括工作状态、待机状态以及失效状态。处理器可以确定在当前时间压气站内处于工作状态的压缩机的第一总台数,以及处于待机状态的压缩机的第二总台数。之后,处理器可以根据第一总台数、第二总台数以及每台压缩机的可靠度确定压气站的总可靠度。总可靠度也可以是指压气站的当前可靠度。
在一个实施例中,总可靠度通过公式(2)确定:
其中,Rs(t)是指压气站在当前时间t时的总可靠度,n是指在当前时间t时压气站内处于工作状态的压缩机的第一总台数,k是指在当前时间t时压气站内处于待机状态的压缩机的第二总台数,l为常数,l的取值范围为0~n-k,t是指当前时间,a是指位置参数,η是指尺度参数,η>0,m是指形状参数,m>0。
在一个实施例中,最佳维修周期通过公式(3)确定:
T*=f(Rs,m,η) (3)
其中,T*是指最佳维修周期,Rs是指压气站的总可靠度,m是指形状参数,m>0,η是指尺度参数,η>0,f(Rs,m,η)是指与压气站的总可靠度、形状参数以及尺度参数相关的函数。
如图3所示,图3示意性示出了一种输气管道系统的示意图。该管道系统包括1个气源、4座压气站以及6个下游用户。以压气站1为例,该压气站内包括有3个型号为A的压缩机。在确定压气站1内每台压缩机的维修周期时,可以先获取型号为A的压缩机在2006年-2022年的483组故障数据。例如,如图4所示,示出了一种压缩机故障数据的示例图。可见,该压缩机失效分布符合浴盆曲线规律。即,在该压缩机投入使用初期,故障发生次数较多。在该压缩机投入使用一段时间之后,故障发生次数明显下降,并在2017年-2022年趋于平稳运行阶段。故,可以选取2017年-2022年的故障数据来确定该压缩机的寿命分布参数。
基于2017年-2022年的故障数据,可以采用极大似然估计、最小二乘法以及多项式拟合对该压缩机的寿命分布参数进行求解,求解的结果如图5所示。其中,采用极大似然估计确定的该压缩机的形状参数m为15129.7,尺度参数η为3.0。之后,可以确定极大似然估计、最小二乘法以及多项式拟合的相关系数分别为0.967、0.961以及0.941。可见,极大似然估计的相关系数最大,即其拟合精度最高,能够准确预测该压缩机的失效趋势。由此,可以选用通过极大似然估计对故障数据进行处理后得到的寿命分布参数作为该压缩机的寿命分布参数。
之后,可以采用威布尔分布来描述压缩机的寿命分布。具体地,可以通过威布尔分布的概率密度函数确定该压缩机当前的失效密度f(t)。其中,m是指形状参数,η是指尺度参数,t是指当前时间,a是指位置参数。进一步地,可以根据确定该压缩机在当前时间t的可靠度。接着,可以采用可靠性框图分析整个压气站内各单元的逻辑结构关系。若压气站内的压缩机组为并联结构的冷备系统,则压缩机台数可以为两用一备的模式。此时,可以确定在当前时间t该压气站内处于工作状态的压缩机的数量以及处于待机状态的压缩机的数量。之后,可以根据确定该压气站的当前可靠度。其中,n是指在当前时间t时压气站内处于工作状态的压缩机的数量,k是指在当前时间t时处于待机状态的压缩机的数量。
在确定压气站的当前可靠度之后,可以将当前可靠度与目标可靠度进行对比。其中,针对压气站1的目标可靠度RT为0.988。在当前可靠度小于目标可靠度RT的情况下,可以根据T*=f(Rm,m,η)确定压气站内每台压缩机的定期维修周期。可见,压气站内每台压缩机的定期维修周期取决于压缩机的退化速率以及压缩机所在压气站的目标可靠度。即,在该压气站的当前可靠度低于0.988时,可以按照确定的每台压缩机的定期维修周期对该压气站内每台压缩机进行维修。图3中压气站1、压气站2、压气站3以及压气站4内每台压缩机的定期维修周期分别为3214h、3471h、3466h以及3378h。
本方案首先利用威布尔分布模型,描述压缩机退化过程。之后,结合压气站可靠性框图确定压气站的当前可靠度。接着,在当前可靠度低于目标可靠度时,确定压缩机的最优维修时间,实现压缩机维修时间节点优化。
在一个实施例中,压气站的数量有多个,在确定每个压气站内每台待维修压缩机的最佳维修周期之后,可以将每台待维修压缩机的最佳维修周期从短到长排序,之后,可按照排列的先后顺序对每台待维修压缩机进行维修,以尽可能确保每个压气站的正常运行。
在一个实施例中,在压气站的总可靠度大于或等于目标可靠度的情况下,处理器可以确定无需对该压气站内的压缩机进行维修,直到压气站的总可靠度小于目标可靠度。
在一个实施例中,处理器可以获取压气站内的多台压缩机在每个历史年份的历史故障数据。其中,历史故障数据可以包括多台压缩机在每个历史年份的故障次数。之后,处理器可以从多个历史年份的历史故障数据中选取符合预设需求的历史故障数据。其中,符合预设需求的历史故障数据可以是指故障次数维持在稳定水平时的历史年份所对应的数据。接着,处理器可以分别通过极大似然估计、最小二乘法以及多项式拟合对符合预设需求的历史故障数据进行预处理,以得到每台压缩机的第一寿命分布参数、第二寿命分布参数以及第三寿命分布参数。进一步地,针对每台压缩机,处理器可以分别确定与压缩机的第一寿命分布参数、第二寿命分布参数以及第三寿命分布参数对应的第一相关系数、第二相关系数以及第三相关系数。接着,处理器可以将每台压缩机的第一相关系数、第二相关系数以及第三相关系数中的最大值所对应的寿命分布参数作为每台压缩机的目标寿命分布参数。
在确定每台压缩机的目标寿命分布参数之后,处理器可以获取每台压缩机首次发生故障时所对应的位置参数。其中,位置参数是指压缩机从初次使用到首次发生故障之间的时间段。处理器可以根据每台压缩机的目标寿命分布参数以及该位置参数确定每台压缩机当前的失效密度。进一步地,处理器可以根据每台压缩机当前的失效密度确定每台压缩机的可靠度,并可以根据每台压缩机的可靠度确定压气站的总可靠度。在确定压气站的总可靠度之后,处理器可以将总可靠度与该压气站的目标可靠度进行比较。其中,目标可靠度可以根据实际情况进行自定义。若压气站的总可靠度小于目标可靠度,则此时压气站可能无法正常运行,需要对压气站内的每台压缩机进行维修。由此,处理器可以进一步地根据总可靠度确定每台压缩机的最佳维修周期。
通过上述技术方案,能够提前对压气站内每台压缩机的最佳维修周期进行预测,从而提前在最佳维修周期内对压缩机进行维修,确保压气站内每台压缩机的正常运行,也极大地避免维修不当的情况发生,大幅度提高压气站的运行效率,确保压气站输出天然气的稳定性,降低下游用户缺气风险。
图1为一个实施例中用于确定压缩机最佳维修周期的方法的流程示意图。应该理解的是,虽然图1的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图1中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,提供了一种存储介质,其上存储有程序,该程序被处理器执行时实现上述用于确定压缩机最佳维修周期的方法。
在一个实施例中,提供了一种处理器,处理器用于运行程序,其中,程序运行时执行上述用于确定压缩机最佳维修周期的方法。
在一个实施例中,提供了一种用于确定压缩机最佳维修周期的装置,包括上述的处理器。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图6所示。该计算机设备包括通过系统总线连接的处理器A01、网络接口A02、存储器(图中未示出)和数据库(图中未示出)。其中,该计算机设备的处理器A01用于提供计算和控制能力。该计算机设备的存储器包括内存储器A03和非易失性存储介质A04。该非易失性存储介质A04存储有操作系统B01、计算机程序B02和数据库(图中未示出)。该内存储器A03为非易失性存储介质A04中的操作系统B01和计算机程序B02的运行提供环境。该计算机设备的数据库用于存储每台待维修压缩机的最佳维修周期等数据。该计算机设备的网络接口A02用于与外部的终端通过网络连接通信。该计算机程序B02被处理器A01执行时以实现一种用于确定压缩机最佳维修周期的方法。
本领域技术人员可以理解,图6中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
本申请实施例提供了一种设备,设备包括处理器、存储器及存储在存储器上并可在处理器上运行的程序,处理器执行程序时实现以下步骤:获取压气站内的多台压缩机在每个历史年份的历史故障数据;对多个历史年份的历史故障数据中符合预设需求的历史故障数据进行预处理,以确定出压气站内的每台压缩机的目标寿命分布参数,其中,目标寿命分布参数包括形状参数和尺度参数;根据每台压缩机的目标寿命分布参数确定压气站的总可靠度;在总可靠度小于目标可靠度的情况下,根据总可靠度确定每台压缩机的最佳维修周期。
在一个实施例中,对多个历史年份的历史故障数据中符合预设需求的历史故障数据进行预处理,以确定出压气站内的每台压缩机的目标寿命分布参数包括:分别通过极大似然估计、最小二乘法以及多项式拟合对符合预设需求的历史故障数据进行预处理,以得到每台压缩机的第一寿命分布参数、第二寿命分布参数以及第三寿命分布参数;针对每台压缩机,分别确定与压缩机的第一寿命分布参数、第二寿命分布参数以及第三寿命分布参数对应的第一相关系数、第二相关系数以及第三相关系数;针对每台压缩机,将压缩机的第一相关系数、第二相关系数以及第三相关系数中的最大值所对应的寿命分布参数作为压缩机的目标寿命分布参数。
在一个实施例中,根据每台压缩机的目标寿命分布参数确定压气站的总可靠度包括:获取每台压缩机首次发生故障时所对应的位置参数;根据每台压缩机的目标寿命分布参数和位置参数确定每台压缩机当前的失效密度;根据失效密度确定每台压缩机的可靠度;根据每台压缩机的可靠度确定总可靠度。
在一个实施例中,每台压缩机的可靠度通过公式(1)确定:
其中,Rm(t)是指形状参数为m的压缩机在当前时间t的可靠度,f(t)是指失效密度,m是指形状参数,m>0,η是指尺度参数,η>0,t是指当前时间,a是指位置参数。
在一个实施例中,压气站内至少包括三个压缩机,根据每台压缩机的可靠度确定总可靠度包括:确定在当前时间压气站内处于工作状态的压缩机的第一总台数,以及处于待机状态的压缩机的第二总台数;根据第一总台数、第二总台数以及每台压缩机的可靠度确定总可靠度。
在一个实施例中,总可靠度通过公式(2)确定:
其中,Rs(t)是指压气站在当前时间t时的总可靠度,n是指在当前时间t时压气站内处于工作状态的压缩机的第一总台数,k是指在当前时间t时压气站内处于待机状态的压缩机的第二总台数,l为常数,l的取值范围为0~n-k,t是指当前时间,a是指位置参数,η是指尺度参数,η>0,m是指形状参数,m>0。
在一个实施例中,最佳维修周期通过公式(3)确定:
T*=f(Rs,m,η) (3)
其中,T*是指最佳维修周期,Rs是指压气站的总可靠度,m是指形状参数,m>0,η是指尺度参数,η>0,f(Rs,m,η)是指与压气站的总可靠度、形状参数以及尺度参数相关的函数。
本申请还提供了一种计算机程序产品,当在数据处理设备上执行时,适于执行初始化有用于确定压缩机最佳维修周期的方法步骤的程序。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请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,本申请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。
本申请是参照根据本申请实施例的方法、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。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
存储器可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。存储器是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
以上仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (10)
1.一种用于确定压缩机最佳维修周期的方法,其特征在于,所述方法包括:
获取压气站内的多台压缩机在每个历史年份的历史故障数据;
对多个历史年份的历史故障数据中符合预设需求的历史故障数据进行预处理,以确定出所述压气站内的每台压缩机的目标寿命分布参数,其中,所述目标寿命分布参数包括形状参数和尺度参数;
根据每台压缩机的目标寿命分布参数确定所述压气站的总可靠度;
在所述总可靠度小于目标可靠度的情况下,根据所述总可靠度确定每台压缩机的最佳维修周期。
2.根据权利要求1所述的用于确定压缩机最佳维修周期的方法,其特征在于,所述对多个历史年份的历史故障数据中符合预设需求的历史故障数据进行预处理,以确定出所述压气站内的每台压缩机的目标寿命分布参数包括:
分别通过极大似然估计、最小二乘法以及多项式拟合对符合预设需求的历史故障数据进行预处理,以得到每台压缩机的第一寿命分布参数、第二寿命分布参数以及第三寿命分布参数;
针对每台压缩机,分别确定与所述压缩机的第一寿命分布参数、第二寿命分布参数以及第三寿命分布参数对应的第一相关系数、第二相关系数以及第三相关系数;
针对每台压缩机,将所述压缩机的第一相关系数、第二相关系数以及第三相关系数中的最大值所对应的寿命分布参数作为所述压缩机的目标寿命分布参数。
3.根据权利要求1所述的用于确定压缩机最佳维修周期的方法,其特征在于,所述根据每台压缩机的目标寿命分布参数确定所述压气站的总可靠度包括:
获取每台压缩机首次发生故障时所对应的位置参数;
根据每台压缩机的目标寿命分布参数和位置参数确定每台压缩机当前的失效密度;
根据所述失效密度确定每台压缩机的可靠度;
根据每台压缩机的可靠度确定所述总可靠度。
5.根据权利要求3所述的用于确定压缩机最佳维修周期的方法,其特征在于,所述压气站内至少包括三个压缩机,所述根据每台压缩机的可靠度确定所述总可靠度包括:
确定在当前时间所述压气站内处于工作状态的压缩机的第一总台数,以及处于待机状态的压缩机的第二总台数;
根据所述第一总台数、所述第二总台数以及每台压缩机的可靠度确定所述总可靠度。
7.根据权利要求1所述的用于确定压缩机最佳维修周期的方法,其特征在于,所述最佳维修周期通过公式(3)确定:
T*=f(RS,m,η) (3)
其中,T*是指最佳维修周期,Rs是指压气站的总可靠度,m是指形状参数,m>0,η是指尺度参数,η>0,f(Rs,m,η)是指与压气站的总可靠度、形状参数以及尺度参数相关的函数。
8.一种机器可读存储介质,该机器可读存储介质上存储有指令,其特征在于,该指令在被处理器执行时使得所述处理器被配置成执行根据权利要求1至7中任一项所述的用于确定压缩机最佳维修周期的方法。
9.一种处理器,其特征在于,被配置成执行根据权利要求1至7中任意一项所述的用于确定压缩机最佳维修周期的方法。
10.一种用于确定压缩机最佳维修周期的装置,其特征在于,所述装置包括根据权利要求9所述的处理器。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310225083.3A CN116307563A (zh) | 2023-03-01 | 2023-03-01 | 用于确定压缩机最佳维修周期的方法、装置及处理器 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310225083.3A CN116307563A (zh) | 2023-03-01 | 2023-03-01 | 用于确定压缩机最佳维修周期的方法、装置及处理器 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116307563A true CN116307563A (zh) | 2023-06-23 |
Family
ID=86821815
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310225083.3A Pending CN116307563A (zh) | 2023-03-01 | 2023-03-01 | 用于确定压缩机最佳维修周期的方法、装置及处理器 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116307563A (zh) |
-
2023
- 2023-03-01 CN CN202310225083.3A patent/CN116307563A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112212553B (zh) | 能量管理系统和能量管理方法 | |
US7698233B1 (en) | System and method for determining expected unserved energy to quantify generation reliability risks | |
CN110425694B (zh) | 基于phm的高铁智能车站暖通空调能效控制管理方法 | |
CN108334997B (zh) | 基于支撑故障事件约束机组组合的备用优化方法和装置 | |
US11243523B2 (en) | Building system with adaptive fault detection | |
CN110866646B (zh) | 一种电力系统安全校核方法及安全校核装置 | |
CN111680879B (zh) | 一种考虑敏感负荷失效的配电网运行韧性评估方法及装置 | |
KR100846396B1 (ko) | 발전기 운전실적 분석시스템 | |
CN116307563A (zh) | 用于确定压缩机最佳维修周期的方法、装置及处理器 | |
US11719451B2 (en) | Building system with early fault detection | |
CN116307553A (zh) | 用于天然气管网系统的气体分配方法、存储介质及处理器 | |
CN111026624B (zh) | 电网信息系统的故障预测方法、装置 | |
CN109672170B (zh) | 一种区域电网有功备用评估方法和系统 | |
CN107122254A (zh) | 一种计算机修复控制方法及系统、修复方法及系统 | |
US20110295559A1 (en) | Maintenance of intelligent assets | |
CN112653196B (zh) | 电力系统发电侧备用资源调度方法、系统、装置及介质 | |
US20140336787A1 (en) | Index generation and embedded fusion for controller performance monitoring | |
CN114444886A (zh) | 基于解析法的台风灾害下配电网受损概率评估方法 | |
CN110176761B (zh) | 一种电网分区旋转备用容量优化配置方法及系统 | |
CN117592594A (zh) | 基于可靠性的更换压缩机中部件的方法及处理器 | |
CN114153646A (zh) | 一种运维故障处置方法、装置及存储介质、处理器 | |
CN115095994B (zh) | 一种热泵机组的运行控制方法、热泵机组及存储介质 | |
US20200183377A1 (en) | Methods and systems for automated condition-based maintenance of mechanical systems | |
Wangdee et al. | Applying probabilistic method in determining the number of spare transformers and their timing requirements | |
CN114995205B (zh) | 设备启停控制方法、装置、计算机设备和存储介质 |
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 |