CN116821107A - 一种用于智慧电厂的主数据智能化管理方法及系统 - Google Patents
一种用于智慧电厂的主数据智能化管理方法及系统 Download PDFInfo
- Publication number
- CN116821107A CN116821107A CN202310584313.5A CN202310584313A CN116821107A CN 116821107 A CN116821107 A CN 116821107A CN 202310584313 A CN202310584313 A CN 202310584313A CN 116821107 A CN116821107 A CN 116821107A
- Authority
- CN
- China
- Prior art keywords
- equipment
- data
- asset
- management
- state
- 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
- 238000007726 management method Methods 0.000 title claims abstract description 94
- 238000000034 method Methods 0.000 claims abstract description 48
- 238000004140 cleaning Methods 0.000 claims abstract description 40
- 238000011156 evaluation Methods 0.000 claims abstract description 33
- 238000012545 processing Methods 0.000 claims abstract description 21
- 238000007781 pre-processing Methods 0.000 claims abstract description 16
- 230000008569 process Effects 0.000 claims abstract description 13
- 238000012549 training Methods 0.000 claims abstract description 9
- 238000013507 mapping Methods 0.000 claims abstract description 7
- 238000012423 maintenance Methods 0.000 claims description 42
- 238000004519 manufacturing process Methods 0.000 claims description 15
- 230000004044 response Effects 0.000 claims description 13
- 238000012795 verification Methods 0.000 claims description 10
- 238000012544 monitoring process Methods 0.000 claims description 8
- 238000007405 data analysis Methods 0.000 claims description 7
- 230000008439 repair process Effects 0.000 claims description 7
- 238000003860 storage Methods 0.000 claims description 4
- 238000009825 accumulation Methods 0.000 claims description 3
- 230000032683 aging Effects 0.000 claims description 3
- 230000015572 biosynthetic process Effects 0.000 claims description 3
- 238000013499 data model Methods 0.000 claims description 3
- 238000013461 design Methods 0.000 claims description 3
- 238000005265 energy consumption Methods 0.000 claims description 3
- 238000009434 installation Methods 0.000 claims description 3
- 238000011900 installation process Methods 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 238000004590 computer program Methods 0.000 claims 4
- 238000004458 analytical method Methods 0.000 abstract description 5
- 238000013523 data management Methods 0.000 abstract description 3
- 230000008901 benefit Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 230000003449 preventive effect Effects 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000011867 re-evaluation Methods 0.000 description 1
- 238000010223 real-time analysis Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/21—Design, administration or maintenance of databases
- G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/22—Indexing; Data structures therefor; Storage structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/044—Recurrent networks, e.g. Hopfield networks
- G06N3/0442—Recurrent networks, e.g. Hopfield networks characterised by memory or gating, e.g. long short-term memory [LSTM] or gated recurrent units [GRU]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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
- 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
- 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
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- Strategic Management (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- General Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Molecular Biology (AREA)
- Mathematical Physics (AREA)
- Computing Systems (AREA)
- Evolutionary Computation (AREA)
- Computational Linguistics (AREA)
- Biophysics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Primary Health Care (AREA)
- Development Economics (AREA)
- Water Supply & Treatment (AREA)
- Game Theory and Decision Science (AREA)
- Public Health (AREA)
- Educational Administration (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种用于智慧电厂的主数据智能化管理方法及系统,涉及数据管理技术领域,包括:获取智慧电厂历史数据清单数据,开展数据清洗,根据预处理后的数据进行编码赋值,生成唯一编码,录入管理系统;输入唯一编码及初始信息按照一对一互相映射关系进行储存,形成设备台账;通过设备台账对产品信息进行查询,构建资产目录制定数据资产评价指标体系。本发明提供的主数据智能化管理方法利用数据清洗和预处理的方法自动化数据处理,将历史数据清单转化为可用于管理和分析的数据集,减少人工干预和数据处理时间,提高数据处理的准确性和效率;通过训练LSTM模型,对设备的运行数据进行实时分析和预测,实现对设备状态的实时评估和预警。
Description
技术领域
本发明涉及数据管理技术领域,具体为一种用于智慧电厂的主数据智能化管理方法及系统。
背景技术
在传统的智慧电厂设备管理中,通常采用人工进行数据采集、整理和分析的方式。工作人员需要手动收集设备的历史数据清单,并进行数据清洗和预处理。使用电子表格或数据库等工具将数据整理成设备台账,并根据需要手动查询和分析这些数据。这种方法需要大量的人力和时间,且容易出现数据错误和遗漏。
传统的智慧电厂设备管理方法存在一些缺点。首先,人工处理数据耗时且容易出现误差。由于数据量庞大且复杂,人工整理和处理的过程容易出现疏漏和错误,从而影响到设备状态的准确评估和管理决策的制定。其次,传统方法对设备状态的评估往往基于经验和主观判断,缺乏科学性和客观性。这导致了对设备潜在问题的辨识不准确,难以提前采取有效的维护和管理措施。此外,传统方法往往只关注设备的基本信息,缺乏对设备性能和寿命的全面评估,无法全面提升设备的可靠性和效率。
因此亟需种用于智慧电厂的主数据智能化管理方法,通过自动化的数据处理和预处理,减少了人工干预和处理时间,提高数据处理的准确性和效率。通过训练LSTM模型对设备状态进行实时预测,及时发现潜在问题,有助于提前采取措施,减少停机时间和维修成本。引入资产管理模块和评价指标体系,实现对设备的全面评估和管理,促进电厂设备的可靠性和效率的提升。因此,我方发明的方法和系统解决了传统方法中数据处理繁琐、设备状态管理不精确以及资产管理不全面等问题。
发明内容
本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊,而这种简化或省略不能用于限制本发明的范围。
鉴于上述存在的问题,提出了本发明。
因此,本发明解决的技术问题是:现有的主数据管理方法需要人工收集、整理和处理大量的历史数据,容易出现数据错误和遗漏,以及传统方法对设备状态的评估往往是基于经验和不完全的数据分析,存在主观性和不准确性的问题。
为解决上述技术问题,本发明提供如下技术方案:一种用于智慧电厂的主数据智能化管理方法,包括:
获取智慧电厂历史数据清单数据,开展数据清洗,根据预处理后的数据进行编码赋值,生成唯一编码,录入管理系统;
输入唯一编码及初始信息按照一对一互相映射关系进行储存,形成设备台账;
通过设备台账对产品信息进行查询,构建资产目录制定数据资产评价指标体系。
作为本发明所述的用于智慧电厂的主数据智能化管理方法的一种优选方案,其中,所述获取智慧电厂历史数据清单数据包括:
收集根据数据资产目录收集KKS编码、设备编码、设备台账、备品备件历史数据,根据预设标准对历史数据清单进行分析,进行数据预处理,在清洗过程,若对原数据进行修正,建立新旧编码数据对应关系,通过数据清洗,建立设备域数据资产清单,对清洗后数据进行数据标准化、归一化,为每条数据生成唯一编码,将编码录入管理系统;
所述数据预处理包括缺失值清洗、格式内容清洗、逻辑错误清洗、非需求数据清洗、关联性验证、设备域数据资产清单形成。
作为本发明所述的用于智慧电厂的主数据智能化管理方法的一种优选方案,其中,所述形成设备台账包括:
根据盘点任务进行评估,输入唯一编码及初始信息,按照一对一的映射关系进行储存,形成设备台账,设备台账数据包括基本信息数据、管理信息数据、技术参数信息数据,将针对每一分类的设备,设置其专有的数据模型;
所述基本信息数据包括设备编码、设备名称、规格型号、制造厂家、出厂编号、出厂日期;
所述管理信息数据包括设备类型、所属部门、责任人、所属专业、安装位置、投运日期;
所述技术参数数据应按照设备分类,根据设备自身属性,设置其具体的技术参数项。
作为本发明所述的用于智慧电厂的主数据智能化管理方法的一种优选方案,其中,根据设备台账进行设备生命周期管理,包括:
根据收集的历史数据,对数据进行预处理,使用收集的历史数据训练LSTM模型,每个输入序列为过去一段时间内设备的运行数据,输出设备的状态评分;
使用训练后的LSTM模型,输入收集的近期设备运行数据,预测设备在未来的状态评分S,输出设备状态并评估结果。
作为本发明所述的用于智慧电厂的主数据智能化管理方法的一种优选方案,其中,所述评估结果包括:
当S>0.85时设备状态正常,判断为S1,设备加入资产目录,继续收集和监测设备的运行数据,通过数据分析,进行设备状态的持续追踪;
当0.75<S≤0.85时设备需要维护,判断为S2,不会直接加入资产目录,进行设备维护,将设备状态根据修复结果进行调整;
当0.55<S≤0.75时设备状态不稳定,判断为S3,需要对数据进一步的校验;
当时0.45<S≤0.55设备需要更换,判断为S4,对原设备进行更换,在新设备安装前采取临时措施,暂时使用备用设备,调整生产计划,当调整为新设备后持续监控新设备的运行状况;
当S≤0.45时判断为S5,设备暂时不加入资产目录,对设备进行全面的技术评估。
作为本发明所述的用于智慧电厂的主数据智能化管理方法的一种优选方案,其中,所述评估结果还包括:
若设备状态为S2,设备需要进行维护,对设备进行检查,寻找并修复故障,在维护过程中,系统会暂时将设备从资产目录中移除,防止在维护期间对设备进行操作;
若设备状态为S3,设备状态不稳定,对数据进行进一步校验,重新收集和分析设备运行数据,以确保数据的准确性;
若设备状态为S4,设备需要更换,在设备更换期间采取临时措施,使用备用设备,调整生产计划;
若设备状态为S5,设备需要进行全面的技术评估,对设备的设计、生产过程、安装过程、使用环境进行研究,判断影响设备性能的因素,根据评估结果,对设备进行改造;
经过调整后对维护后的设备进行再次评估,若达到正常状态,加入到资产目录。
作为本发明所述的用于智慧电厂的主数据智能化管理方法的一种优选方案,其中,所述数据资产评价指标体系包括:
利用设备台账查询产品信息,构建资产目录,并制定数据资产评价指标体系,所述资产管理包括:一级指标包括、二级指标和三级指标;
所述一级指标是设备性能指标反映设备的综合运行状态,通过权重加权二级指标的内容得到一级指标;
所述二级指标包括设备的可靠性、效率和寿命,所述设备可靠性通过三级指标中设备的故障率、故障严重性和维护响应时间加权计算得出;
所述设备效率通过测量设备完成任务所需的时间、设备的能耗评估。
所述设备寿命通过监测设备的老化程度,以及设备在特定工况下的耐久性来评估;
所述三级指标包括统计设备在运行期间发生故障的次数,然后将这个数值除以设备的运行总时间得到故障率;将每次设备发生故障后,设备停机的时间累加,将累加得到的总时间除以设备的运行总时间得到故障严重性;计算发现设备出现故障到故障被修复所经历的时间,累加后得到总时间,将总时间除以设备发生故障的次数得到维护响应时间;
根据设备的一级指标,设定评分标准对设备的运行状况进行评估,根据预设阈值对设备的状况进行分类评价。
本发明的另外一个目的是提供一种用于智慧电厂的主数据智能化管理系统其能通过自动化数据处理和智能分析技术,解决了传统方法只关注设备的基本信息,缺乏对设备性能和寿命的全面评估的问题。
为解决上述技术问题,本发明提供如下技术方案:一种用于智慧电厂的主数据智能化管理系统,包括:
数据处理模块,设备台账模块,设备生命周期管理模块,资产管理模块;
作为本发明所述的主数据智能化管理系统的一种优选方案,其中,所述数据处理模块用于获取智慧电厂历史数据清单数据,开展数据清洗和预处理,包括缺失值清洗、格式内容清洗、逻辑错误清洗、非需求数据清洗、关联性验证;
作为本发明所述的主数据智能化管理系统的一种优选方案,其中,所述设备台账模块用于基于数据处理模块的数据经过处理后的数据生成唯一编码并录入管理系统,完成设备台账的建立,包括设备的基本信息数据、管理信息数据和技术参数信息数据,用于查询产品信息;
所述设备生命周期管理模块用于用收集的历史数据,训练LSTM模型,用于作为本发明所述的主数据智能化管理系统的一种优选方案,其中,预测设备状态,输入收集的近期设备运行数据,预测设备在未来的状态评分,并根据预设的阈值进行设备状态的分类;
作为本发明所述的主数据智能化管理系统的一种优选方案,其中,所述资产管理模块用于构建资产目录,通过资产查询和管理设备信息,对设备进行全面的资产管理。
本发明的有益效果:本发明提供的主数据智能化管理方法利用数据清洗和预处理的方法自动化数据处理,将历史数据清单转化为可用于管理和分析的数据集,减少人工干预和数据处理时间,提高数据处理的准确性和效率;通过训练LSTM模型,对设备的运行数据进行实时分析和预测,实现对设备状态的实时评估和预警,有助于提前发现潜在故障或问题,采取相应措施进行维护和管理;构建资产目录和数据资产评价指标体系,对设备进行分类管理和评估,帮助电厂实现对设备的全面监控、评价和优化,提升设备的可靠性、效率和寿命。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其它的附图。其中:
图1为本发明第一个实施例提供的一种用于智慧电厂的主数据智能化管理方法的整体流程图;
图2为本发明第二个实施例提供的一种用于智慧电厂的主数据智能化管理系统的整体结构图;
图3为本发明第四个实施例提供的一种用于智慧电厂的主数据智能化管理方法不同状态评分的数据对比图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合说明书附图对本发明的具体实施方式做详细的说明,显然所描述的实施例是本发明的一部分实施例,而不是全部实施例。基于本发明中的实施例,本领域普通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,都应当属于本发明的保护的范围。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是本发明还可以采用其他不同于在此描述的其它方式来实施,本领域技术人员可以在不违背本发明内涵的情况下做类似推广,因此本发明不受下面公开的具体实施例的限制。
其次,此处所称的“一个实施例”或“实施例”是指可包含于本发明至少一个实现方式中的特定特征、结构或特性。在本说明书中不同地方出现的“在一个实施例中”并非均指同一个实施例,也不是单独的或选择性的与其他实施例互相排斥的实施例。
本发明结合示意图进行详细描述,在详述本发明实施例时,为便于说明,表示器件结构的剖面图会不依一般比例作局部放大,而且所述示意图只是示例,其在此不应限制本发明保护的范围。此外,在实际制作中应包含长度、宽度及深度的三维空间尺寸。
同时在本发明的描述中,需要说明的是,术语中的“上、下、内和外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一、第二或第三”仅用于描述目的,而不能理解为指示或暗示相对重要性。
本发明中除非另有明确的规定和限定,术语“安装、相连、连接”应做广义理解,例如:可以是固定连接、可拆卸连接或一体式连接;同样可以是机械连接、电连接或直接连接,也可以通过中间媒介间接相连,也可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
实施例1
参照图1,为本发明的一个实施例,提供了一种用于智慧电厂的主数据智能化管理方法,包括:
获取智慧电厂历史数据清单数据,开展数据清洗,根据预处理后的数据进行编码赋值,生成唯一编码,录入管理系统;
输入唯一编码及初始信息按照一对一互相映射关系进行储存,形成设备台账;
通过设备台账对产品信息进行查询,构建资产目录制定数据资产评价指标体系。
获取智慧电厂历史数据清单数据包括:收集根据数据资产目录收集KKS编码、设备编码、设备台账、备品备件历史数据,根据预设标准对历史数据清单进行分析,进行数据预处理,在清洗过程,若对原数据进行修正,建立新旧编码数据对应关系,通过数据清洗,建立设备域数据资产清单,对清洗后数据进行数据标准化、归一化,为每条数据生成唯一编码,将编码录入管理系统;
数据预处理包括缺失值清洗、格式内容清洗、逻辑错误清洗、非需求数据清洗、关联性验证、设备域数据资产清单形成。
形成设备台账包括:根据盘点任务进行评估,输入唯一编码及初始信息,按照一对一的映射关系进行储存,形成设备台账,设备台账数据包括基本信息数据、管理信息数据、技术参数信息数据,将针对每一分类的设备,设置其专有的数据模型;
基本信息数据包括设备编码、设备名称、规格型号、制造厂家、出厂编号、出厂日期;
管理信息数据包括设备类型、所属部门、责任人、所属专业、安装位置、投运日期;
技术参数数据应按照设备分类,根据设备自身属性,设置其具体的技术参数项。
根据设备台账进行设备生命周期管理,包括:根据收集的历史数据,对数据进行预处理,使用收集的历史数据训练LSTM模型,每个输入序列为过去一段时间内设备的运行数据,输出设备的状态评分;
使用训练后的LSTM模型,输入收集的近期设备运行数据,预测设备在未来的状态评分S,输出设备状态并评估结果。
评估结果包括:当S>0.85时设备状态正常,判断为S1,设备加入资产目录,继续收集和监测设备的运行数据,通过数据分析,进行设备状态的持续追踪;
当0.75<S≤0.85时设备需要维护,判断为S2,不会直接加入资产目录,进行设备维护,将设备状态根据修复结果进行调整;
当0.55<S≤0.75时设备状态不稳定,判断为S3,需要对数据进一步的校验;
当时0.45<S≤0.55设备需要更换,判断为S4,对原设备进行更换,在新设备安装前采取临时措施,暂时使用备用设备,调整生产计划,当调整为新设备后持续监控新设备的运行状况;
当S≤0.45时判断为S5,设备暂时不加入资产目录,对设备进行全面的技术评估。
若设备状态为S2,设备需要进行维护,对设备进行检查,寻找并修复故障,在维护过程中,系统会暂时将设备从资产目录中移除,防止在维护期间对设备进行操作;
若设备状态为S3,设备状态不稳定,对数据进行进一步校验,重新收集和分析设备运行数据,以确保数据的准确性;
若设备状态为S4,设备需要更换,在设备更换期间采取临时措施,使用备用设备,调整生产计划;
若设备状态为S5,设备需要进行全面的技术评估,对设备的设计、生产过程、安装过程、使用环境进行研究,判断影响设备性能的因素,根据评估结果,对设备进行改造;
当判断为S2级别时,使用嵌入式系统的传感器收集设备的运行数据,包括振动数据、温度、压力、湿度等。
将收集的振动数据进行傅里叶变换,转换为频域信号,通过对频谱进行分析,识别出设备的主要振动频率以及其他可能的故障频率。
设定一个正常振动频率的阈值范围,若设备的主要振动频率超过阈值范围,或者在其他频率上出现异常的峰值,认定设备存在问题。
当判断为S3级别时,收集和分析更多数据,包括设备的历史运行数据,以及当前的设备状态数据,构建设备状态画像,使用机器学习技术进行预测:根据历史数据和当前状态数据预测设备的未来状态,以及可能出现的问题,使用监督学习模型来预测设备可能出现的故障,使用无监督学习模型来发现设备状态的异常模式,根据分析结果,进行设备状态调整,更新固件,调整设备的运行参数,使用优化算法进行设备的运行优化,改善设备的运行状态,减少可能出现的问题,在进行了深入的数据分析和设备状态调整后,再次评估设备的状态,若设备状态评分S提高,判断设备的状态已经改善;若设备状态评分S下降,更进一步的设备维护或更换。
对设备的振动信号进行进一步分析,计算信号的均值、标准差、峭度等统计量,若这些统计量超过了设定的阈值,表示设备存在故障,根据振动分析和设备健康状态评估的结果,进行故障诊断,根据故障的类型和严重程度,制定相应的维护计划,经过调整后对维护后的设备进行再次评估,若达到正常状态,加入到资产目录。
数据资产评价指标体系包括:利用设备台账查询产品信息,构建资产目录,并制定数据资产评价指标体系,所述资产管理包括:一级指标包括、二级指标和三级指标,
一级指标是设备性能指标反映设备的综合运行状态,通过权重加权二级指标的内容得到一级指标;
二级指标包括设备的可靠性、效率和寿命,所述设备可靠性通过三级指标中设备的故障率、故障严重性和维护响应时间加权计算得出;
设备效率通过测量设备完成任务所需的时间、设备的能耗评估。
设备寿命通过监测设备的老化程度,以及设备在特定工况下的耐久性来评估;
三级指标包括统计设备在运行期间发生故障的次数,然后将这个数值除以设备的运行总时间得到故障率;将每次设备发生故障后,设备停机的时间累加,将累加得到的总时间除以设备的运行总时间得到故障严重性;计算发现设备出现故障到故障被修复所经历的时间,累加后得到总时间,将总时间除以设备发生故障的次数得到维护响应时间;
根据设备的一级指标,设定评分标准对设备的运行状况进行评估,根据预设阈值对设备的状况进行分类评价。
一级指标分为:数据资产效益价值、数据资产风险价值和数据资产潜力价值;
数据资产效益价值一级指标包括:设备运行效率、设备故障处理能力、设备预防性维护贡献等二级指标,每项二级指标下又包括若干具体的三级指标,例如设备运行效率可细化为设备启动时间、设备运行速度等;
数据资产风险价值一级指标包括:数据完整性、数据准确性、数据安全性等二级指标,每项二级指标下又包括若干具体的三级指标,例如数据完整性可以细化为数据丢失率、数据损坏率等;
数据资产潜力价值一级指标包括:数据潜在信息价值、数据创新应用价值、数据协同价值等二级指标,每项二级指标下又包括若干具体的三级指标,例如数据潜在信息价值可以细化为数据分析深度、数据挖掘频率等。
以设备的故障率、故障严重性和维护响应时间作为三级指标,通过设备的运行数据计算得到:
故障率表示设备发生故障的次数除以设备运行的总时间;
故障严重性表示所有故障导致的设备停机时间总和除以设备运行的总时间;
维护响应时间(表示所有故障从发现到修复所需的时间总和除以故障次数。
二级指标计算通过将三级指标以特定权重组合,得到二级指标,表示为:
R=W1F+W2S+W3M
其中,W1,W2和W3是预设的权重,R表示设备的可靠性,F表示故障率,S表示故障严重性,M表示维护响应时间。
一级指标计算:通过将二级指标以特定权重组合,计算得到一级指标,表示为:
P=W4R+W5E+W6L
其中,W4,W5和W6是预设的权重,P表示设备的性能,E表示设备的效率,L表示设备的寿命。
根据设备的性能评分,对设备进行评估,当设备性能评分P≥0.85判断为优秀;当设备性能评分在0.7≤P<0.85之间判断为良好;当设备性能评分在0.55≤P<0.7之间判断为一般;当设备性能评分P<0.55时判断为较差。
若评分为优秀继续保持当前的运维策略,设备表现优秀说明目前的维护和使用策略是有效的,复制成功的维护策略到其他设备上,定期检查设备,确保其继续保持高性能,在设备生命周期管理计划中,优秀设备可能更晚一些进行更新或替换;若评分为良好查是否有改进设备性能的可能性,虽然设备已经表现良好,但可能还有一些优化的空间,定期进行预防性维护,以防止设备性能下降,在设备生命周期管理计划中,良好设备的更新或替换时间可以适当推迟;若评分为一般定期和更频繁地进行设备检查,找出可能影响设备性能的问题,调整维护策略,提高维护频率或改变维护方法,提高设备性能,在设备生命周期管理计划中,设备需要在不久的将来进行更新或替换;若评分为较差需要尽快进行设备检查和维护,找出并解决影响设备性能的问题,对设备使用和维护策略进行全面审查,大幅度调整维护策略,在设备生命周期管理计划中,较差设备应该优先考虑进行更新或替换。
实施例2
参照图2,为本发明的一个实施例,提供了一种用于智慧电厂的主数据智能化管理系统,包括:
数据处理模块,设备台账模块,设备生命周期管理模块,资产管理模块;
数据处理模块用于获取智慧电厂历史数据清单数据,开展数据清洗和预处理,包括缺失值清洗、格式内容清洗、逻辑错误清洗、非需求数据清洗、关联性验证;
设备台账模块用于基于数据处理模块的数据经过处理后的数据生成唯一编码并录入管理系统,完成设备台账的建立,包括设备的基本信息数据、管理信息数据和技术参数信息数据,用于查询产品信息;
设备生命周期管理模块用于用收集的历史数据,训练LSTM模型,用于预测设备状态,输入收集的近期设备运行数据,预测设备在未来的状态评分,并根据预设的阈值进行设备状态的分类;
资产管理模块用于构建资产目录,通过资产查询和管理设备信息,对设备进行全面的资产管理。
实施例3
本发明第二个实施例,其不同于前一个实施例的是:
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤,例如,可以被认为是用于实现逻辑功能的可执行指令的定序列表,可以具体实现在任何计算机可读介质中,以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用,或结合这些指令执行系统、装置或设备而使用。就本说明书而言,“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。
计算机可读介质的更具体的示例(非穷尽性列表)包括以下:具有一个或多个布线的电连接部(电子装置)、便携式计算机盘盒(磁装置)、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编辑只读存储器(EPROM或闪速存储器)、光纤装置以及便携式光盘只读存储器(CDROM)。另外,计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质,因为可以例如通过对纸或其他介质进行光学扫描,接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序,然后将其存储在计算机存储器中。
应当理解,本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如,如果用硬件来实现,和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
实施例4
参照图3,为本发明的一个实施例,提供了一种用于智慧电厂的主数据智能化管理方法,为了验证本发明的有益效果,通过经济效益计算和仿真实验进行科学论证。
使用MATLAB和CloudSim来评估算法。模拟已在具有Intel处理器和16GB RAM的环境中运行。使用的操作系统是64位Windows 11Ultimate。用MATLAB编程语言对点系统进行仿真,连接记录,构建数据分布,实验结果如表1所示。
表1实验结果对比表
如表1所示,实验涉及6组设备样本,其中三组使用传统的设备管理方法,另外三组使用本发明的设备管理方法,在设备运行期间,收集每个设备的故障率、故障严重性和维护响应时间数据,在此模拟实验中,"设备故障率"是指设备在运行期间发生故障的频率;"故障严重性"是指设备因故障而停机的时间比例;"维护响应时间"是指设备从发现故障到修复所需的平均时间。
在所有的设备样本中,使用本发明方法的设备在故障率、故障严重性和维护响应时间等性能指标上都明显优于使用传统方法的设备,本发明方法在提高设备的运行效率和可靠性方面有显著效果。
本发明方法通过对设备生命周期管理的优化,明显提高了设备的运行效率和可靠性,相比传统方法,本发明方法能够更有效地降低设备的故障率,减少因设备故障而导致的停机时间,缩短设备故障的响应和修复时间,从而提高设备的整体性能。
由图3可得,随着设备状态评分S的增加,采用你的阈值判断方法的准确率也在显著提升。特别是当S大于0.85时,准确率达到最高。
故最终选择阈值为:当S>0.85时设备状态正常,判断为S1,设备加入资产目录,继续收集和监测设备的运行数据,通过数据分析,进行设备状态的持续追踪;当0.75<S≤0.85时设备需要维护,判断为S2,不会直接加入资产目录,进行设备维护,将设备状态根据修复结果进行调整;当0.55<S≤0.75时设备状态不稳定,判断为S3,需要对数据进一步的校验;当时0.45<S≤0.55设备需要更换,判断为S4,对原设备进行更换,在新设备安装前采取临时措施,暂时使用备用设备,调整生产计划,当调整为新设备后持续监控新设备的运行状况;当S≤0.45时判断为S5,设备暂时不加入资产目录,对设备进行全面的技术评估。
通过设定明确的阈值,使得设备状态的判断变得直观易理解,大大降低了操作难度;在高阈值区间表现出了很高的准确性,能够帮助用户在设备运行状态良好时,做出准确的判断,这对于设备的日常管理和维护,特别是预防性的维护策略的制定具有重要意义,提高了设备管理的效率,也增强了设备管理的准确性。
应说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的精神和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (10)
1.一种用于智慧电厂的主数据智能化管理方法,其特征在于,包括:
获取智慧电厂历史数据清单数据,开展数据清洗,根据预处理后的数据进行编码赋值,生成唯一编码,录入管理系统;
输入唯一编码及初始信息按照一对一互相映射关系进行储存,形成设备台账;
通过设备台账对产品信息进行查询,构建资产目录制定数据资产评价指标体系。
2.如权利要求1所述的用于智慧电厂的主数据智能化管理方法,其特征在于,所述获取智慧电厂历史数据清单数据包括:
收集根据数据资产目录收集KKS编码、设备编码、设备台账、备品备件历史数据,根据预设标准对历史数据清单进行分析,进行数据预处理,在清洗过程,若对原数据进行修正,建立新旧编码数据对应关系,通过数据清洗,建立设备域数据资产清单,对清洗后数据进行数据标准化、归一化,为每条数据生成唯一编码,将编码录入管理系统;
所述数据预处理包括缺失值清洗、格式内容清洗、逻辑错误清洗、非需求数据清洗、关联性验证、设备域数据资产清单形成。
3.如权利要求1或2所述的用于智慧电厂的主数据智能化管理方法,其特征在于,所述形成设备台账包括:
根据盘点任务进行评估,输入唯一编码及初始信息,按照一对一的映射关系进行储存,形成设备台账,设备台账数据包括基本信息数据、管理信息数据、技术参数信息数据,将针对每一分类的设备,设置其专有的数据模型;
所述基本信息数据包括设备编码、设备名称、规格型号、制造厂家、出厂编号、出厂日期;
所述管理信息数据包括设备类型、所属部门、责任人、所属专业、安装位置、投运日期;
所述技术参数数据应按照设备分类,根据设备自身属性,设置其具体的技术参数项。
4.如权利要求3所述的用于智慧电厂的主数据智能化管理方法,其特征在于,根据设备台账进行设备生命周期管理,包括:
根据收集的历史数据,对数据进行预处理,使用收集的历史数据训练LSTM模型,每个输入序列为过去一段时间内设备的运行数据,输出设备的状态评分;
使用训练后的LSTM模型,输入收集的近期设备运行数据,预测设备在未来的状态评分S,输出设备状态并评估结果。
5.如权利要求4所述的用于智慧电厂的主数据智能化管理方法,其特征在于,所述评估结果包括:
当S>0.85时设备状态正常,判断为S1,设备加入资产目录,继续收集和监测设备的运行数据,通过数据分析,进行设备状态的持续追踪;
当0.75<S≤0.85时设备需要维护,判断为S2,不会直接加入资产目录,进行设备维护,将设备状态根据修复结果进行调整;
当0.55<S≤0.75时设备状态不稳定,判断为S3,需要对数据进一步的校验;
当时0.45<S≤0.55设备需要更换,判断为S4,对原设备进行更换,在新设备安装前采取临时措施,暂时使用备用设备,调整生产计划,当调整为新设备后持续监控新设备的运行状况;
当S≤0.45时判断为S5,设备暂时不加入资产目录,对设备进行全面的技术评估。
6.如权利要求5所述的用于智慧电厂的主数据智能化管理方法,其特征在于,所述评估结果还包括:
若设备状态为S2,设备需要进行维护,对设备进行检查,寻找并修复故障,在维护过程中,系统会暂时将设备从资产目录中移除,防止在维护期间对设备进行操作;
若设备状态为S3,设备状态不稳定,对数据进行进一步校验,重新收集和分析设备运行数据,以确保数据的准确性;
若设备状态为S4,设备需要更换,在设备更换期间采取临时措施,使用备用设备,调整生产计划;
若设备状态为S5,设备需要进行全面的技术评估,对设备的设计、生产过程、安装过程、使用环境进行研究,判断影响设备性能的因素,根据评估结果,对设备进行改造;
经过调整后对维护后的设备进行再次评估,若达到正常状态,加入到资产目录。
7.如权利要求6所述的用于智慧电厂的主数据智能化管理方法,其特征在于,所述数据资产评价指标体系包括:
利用设备台账查询产品信息,构建资产目录,并制定数据资产评价指标体系,所述资产管理包括:一级指标包括、二级指标和三级指标;
所述一级指标是设备性能指标反映设备的综合运行状态,通过权重加权二级指标的内容得到一级指标;
所述二级指标包括设备的可靠性、效率和寿命,所述设备可靠性通过三级指标中设备的故障率、故障严重性和维护响应时间加权计算得出;
所述设备效率通过测量设备完成任务所需的时间、设备的能耗评估;
所述设备寿命通过监测设备的老化程度,以及设备在特定工况下的耐久性来评估;
所述三级指标包括统计设备在运行期间发生故障的次数,然后将这个数值除以设备的运行总时间得到故障率;将每次设备发生故障后,设备停机的时间累加,将累加得到的总时间除以设备的运行总时间得到故障严重性;计算发现设备出现故障到故障被修复所经历的时间,累加后得到总时间,将总时间除以设备发生故障的次数得到维护响应时间;
根据设备的一级指标,设定评分标准对设备的运行状况进行评估,根据预设阈值对设备的状况进行分类评价。
8.一种用于智慧电厂的主数据智能化管理系统,其特征在于,包括:
数据处理模块,设备台账模块,设备生命周期管理模块,资产管理模块;
所述数据处理模块用于获取智慧电厂历史数据清单数据,开展数据清洗和预处理,包括缺失值清洗、格式内容清洗、逻辑错误清洗、非需求数据清洗、关联性验证;
所述设备台账模块用于基于数据处理模块的数据经过处理后的数据生成唯一编码并录入管理系统,完成设备台账的建立,包括设备的基本信息数据、管理信息数据和技术参数信息数据,用于查询产品信息;
所述设备生命周期管理模块用于用收集的历史数据,训练LSTM模型,用于预测设备状态,输入收集的近期设备运行数据,预测设备在未来的状态评分,并根据预设的阈值进行设备状态的分类;
所述资产管理模块用于构建资产目录,通过资产查询和管理设备信息,对设备进行全面的资产管理。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310584313.5A CN116821107A (zh) | 2023-05-23 | 2023-05-23 | 一种用于智慧电厂的主数据智能化管理方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310584313.5A CN116821107A (zh) | 2023-05-23 | 2023-05-23 | 一种用于智慧电厂的主数据智能化管理方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116821107A true CN116821107A (zh) | 2023-09-29 |
Family
ID=88115679
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310584313.5A Pending CN116821107A (zh) | 2023-05-23 | 2023-05-23 | 一种用于智慧电厂的主数据智能化管理方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116821107A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117216593A (zh) * | 2023-11-07 | 2023-12-12 | 青岛港国际股份有限公司 | 一种资产的自动盘点系统及盘点方法 |
CN117216592A (zh) * | 2023-11-07 | 2023-12-12 | 青岛港国际股份有限公司 | 一种资产的闲置分析系统和分析方法 |
-
2023
- 2023-05-23 CN CN202310584313.5A patent/CN116821107A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117216593A (zh) * | 2023-11-07 | 2023-12-12 | 青岛港国际股份有限公司 | 一种资产的自动盘点系统及盘点方法 |
CN117216592A (zh) * | 2023-11-07 | 2023-12-12 | 青岛港国际股份有限公司 | 一种资产的闲置分析系统和分析方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109524139B (zh) | 一种基于设备工况变化的实时设备性能监测方法 | |
CN116821107A (zh) | 一种用于智慧电厂的主数据智能化管理方法及系统 | |
CN112052979A (zh) | 基于故障预测与健康管理的设备备件需求预测系统 | |
JP2013538543A (ja) | 送電網用の機械学習 | |
CN114638476A (zh) | 一种水利一体化运维管理方法及系统 | |
Hahn et al. | Recommended practices for wind farm data collection and reliability assessment for O&M optimization | |
CN116596322B (zh) | 一种基于大数据可视化的物业设备管理方法及系统 | |
CN117035513A (zh) | 一种智慧工业园区能源运行智能监测管理系统及方法 | |
CN114862275B (zh) | 基于数字孪生模型的仓储物流系统可靠性评估方法及系统 | |
CN116292241A (zh) | 一种输油泵机组的故障诊断预警方法及系统 | |
CN112580858A (zh) | 设备参数预测分析方法及系统 | |
CN115719283A (zh) | 一种智能化会计管理系统 | |
CN110781206A (zh) | 一种学习拆回表故障特征规则预测在运电能表是否故障的方法 | |
CN109299201B (zh) | 基于两阶段聚类的电厂生产子系统异常监测方法及装置 | |
CN116910680B (zh) | 一种健身器材的远程故障检测方法及系统 | |
CN113723827A (zh) | 地铁机电设备运行风险诊断及运维管控方法与系统 | |
CN117331790A (zh) | 一种用于数据中心的机房故障检测方法及装置 | |
CN111460027A (zh) | 一种适用于能源互联网的智能动态监测方法及系统 | |
CN110738423B (zh) | 一种卷接设备综合效能评价方法 | |
CN111260150A (zh) | 一种通信设备运行风险预警方法及通信管理系统 | |
CN117273467B (zh) | 一种基于多因素耦合的工业安全风险管控方法及系统 | |
CN117145753B (zh) | 一种空压机的工作质量测试方法及装置 | |
CN116070176A (zh) | 设备状态分析方法、装置、电子设备及可读存储介质 | |
CN117391246A (zh) | 一种零碳演进区域能源互联网能源管控方法及系统 | |
CN117272844B (zh) | 配电盘工作寿命的预测方法及系统 |
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 |