CN117808456A - 一种基于智慧运营管理的设备故障预警方法及装置 - Google Patents

Abstract

本发明公开了一种基于智慧运营管理的设备故障预警方法及装置，涉及设备故障预警技术领域。本发明通过监测各设备的关联特征信息、构建预警模型以及获取故障预警界定阈值，实现了全面的设备健康监测，使得系统能够利用机器学习和统计分析等方法，早期识别出与设备故障相关的模式和趋势，并通过综合分析各设备的关联特征信息和故障数据，评估了各设备的故障预警定义值，并通过与各设备的故障预警界定阈值进行对比，作出设备故障预警判断，能够实时判断设备状态，及时进行故障预警提示，有效预防潜在故障，减少了大量的人力投入，不仅降低了成本，提高设备可靠性，还实现更高效的生产运营管理。

Description

一种基于智慧运营管理的设备故障预警方法及装置

技术领域

本发明涉及设备故障预警技术领域，具体为一种基于智慧运营管理的设备故障预警方法及装置。

背景技术

随着科技的不断发展，基于智慧运营管理的设备故障预警正成为各行业关注的焦点。在传统的生产和运营模式中，设备故障通常是被动应对的，一旦故障发生，往往需要花费大量时间和资源进行修复，导致生产中断和额外成本。为了应对这一挑战，智慧运营管理应运而生，设备故障预警系统逐渐成为各个行业提高运营效率、降低风险的关键工具，通过整合先进的传感技术、大数据分析和人工智能算法，使企业能够更加智能地管理设备，提高生产效率的目标。

例如公开号为：CN109657982A的专利申请，提出一种故障预警方法及装置，涉及风力发电机技术领域。该故障预警方法用于对风力发电机进行故障预警，该故障预警方法包括：获取风力发电机的多种历史正常运行数据和多种历史故障运行数据；将多种历史正常运行数据和多种历史故障运行数据进行特征选取得到数据特征；将数据特征进行模型训练得到训练模型；将风力发电机的实时运行数据输入至训练模型得到预警信息。该故障预警方法通过风力发电机的多种数据实现风力发电机的故障预警功能，进而提高了预警准确率。

例如公开号为：CN111178423A的专利申请，提供一种故障预警方法及装置，涉及光伏发电技术领域，解决了现有的故障维修效率比较低的技术问题。该方法包括：获取电子设备在第一预设时间段内的数据；所述数据包括：功率、三相电流、所述三相电流中任意两相电流之间的差值、三相电压和所述三相电压中任意两相电压之间的差值；然后将数据输入到预先训练好的预测模型，以确定用于表示所述电子设备在所述第一预设时间段之后发生故障的概率的目标概率值；接着根据目标概率值，输出包括电子设备的目标故障类型的故障信息。

目前的设备故障预警方法中，首先在设备故障预警方法中，缺乏针对各个设备不同维度的数据进行深入全面的分析，同时对设备的运作信息分析不够全面，使得最终的识别分析结果可能出现误差，不仅会给相关工作人员带来不必要的干扰，且一定程度上会对整体的工作效率造成负面影响，从而影响预警系统的准确性。

其次，其设备故障主要依赖于人工监控设备，工作任务繁重，需要大量的人力投入，不仅增加了成本，并且分析过程容易受到人为错误的干扰，并且需要花费大量的时间来检查，导致可能会发生未能及时的采取措施来防止设备故障，从而影响生产效率和设备寿命。

发明内容

针对现有技术的不足，本发明提供了一种基于智慧运营管理的设备故障预警方法及装置，能够有效解决上述背景技术中涉及的问题。

为实现以上目的，本发明通过以下技术方案予以实现：一种基于智慧运营管理的设备故障预警方法，包括监测各设备的关联特征信息，构建各故障设备的预警模型，并获取各设备的故障预警界定阈值。

对各设备的关联特征信息以及故障信息进行分析，评估各设备的故障预警定义值。

根据各设备的故障预警定义值进行故障预警判断，并进行故障预警提示。

进一步地，所述构建各故障设备的预警模型，并获取各设备的故障预警界定阈值，具体过程为：提取各设备的关联特征信息并进行预处理，构建各故障设备的预警模型，评估各设备的隐患表征值，其中各设备的关联特征信息包括定义性质数据、故障数据。

将各设备的隐患表征值与设定的各设备在各隐患表征值区间对应的各设备的故障预警界定阈值进行匹配，得到各设备的故障预警界定阈值。

进一步地，所述评估各设备的隐患表征值，具体过程包括：根据各故障设备的预警模型：χ_i＝A_1i*a₁+A_2i*a₂,式中，χ_i为各设备的隐患表征值，a₁和a₂分别为设定的应用损耗因子以及故障数据对应的损耗特征值所属权重因子，式中，α_i表示各设备的应用损耗因子，β_i维表示各设备的故障数据对应的损耗特征值，/>和/>分别为设定的应用损耗因子以及故障数据对应的损耗特征值所属修正因子。

进一步地，所述评估各设备的故障预警定义值，具体计算公式为：式中，Z_i为各设备的故障预警定义值，η_1i表示各设备的电气预警特征值，η_2i表示各设备的运行预警特征值，a₄和a₅分别为设定的电气预警特征值以及运行预警特征值对应的权重因子。

进一步地，所述各设备的应用损耗因子，具体分析过程为：根据各设备的定义性质数据，其中定义性质数据包括应用年限和有效使用时长，并导入公式分析得到各设备的应用损耗因子α_i，其中N_i表示各设备的应用年限，N_i→有表示各设备的有效使用时长，N″_i为运营管理数据库中的各设备的额定应用年限，ε_i表示设定的各设备所属单位运行年限的减损因子，i表示各设备的编号，i＝1,2,3,...,n,n表示设备的数目，φ₁为设定的设备运作损耗修正因子，e为自然常数。

进一步地，所述各设备的故障数据对应的损耗特征值，具体分析过程为：根据各设备的故障数据，其中故障数据包括故障总次数C_i故、平均维护时长T_i维，计算各设备的故障数据对应的损耗特征值，其计算公式为：式中，β_i维为各设备的故障数据对应的损耗特征值，θ₁和θ₂分别表示预定义的平均维护单位时长以及单次维护对应的影响因子，τ₁和τ₂分别为设定的平均维护时长和维护次数对应的补偿比例值。

1.进一步地，所述各设备的电气预警特征值，具体分析过程为：设定监测周期，在监测周期中设置若干监测时间点，统计监测周期中各设备在各监测时间点的电压，并与设定的电压阈值进行匹配，得到监测周期中各设备在各监测时间点的电压超出电压阈值的累计次数，记为过压次数P_i压，计算监测周期中各设备的电压预警标定值，其计算公式为：

式中，K_i压为监测周期中各设备的电压预警标定值，V_ij压表示各设备在监测周期中各监测时间点的电压,j表示各检测时间点的编号，j＝1,2,3,...,m,m表示监测时间点的数目，θ₃表示设定的单次过压对应的影响因子，τ₃和τ₄分别为设定的过压次数和电压对应的补偿比例值。

监测并统计各监测时间点中各设备的电流，由此构建监测周期中在各设备的电流折线图，并与设定的各设备电流参照折线图进行重合比对，由此提取各设备的电流折线图的累计偏离折线长度，记为D_i，计算监测周期中各设备的电流预警标定值，其计算公式为：式中，K_i流为监测周期中各设备的电流预警标定值，D″_i表示预设的各设备的电流允许偏离折线长度，F_i ^max表示各设备在监测周期中的电流峰值，F_i表示设定的各设备的电流参照峰值，θ₄和θ₅分别表示设定的电流以及电流峰值对应的影响因子，τ₅和τ₆分别为设定的电流偏离程度以及电流峰值对应的补偿比例值。

计算各设备的电气预警特征值，其计算公式为：式中，η_1i为各设备的电气预警特征值，/>和/>分别为设定的电压预警标定值以及电流预警标定值对应的修正因子。

2.进一步地，所述各设备的运行预警特征值，具体分析过程为：在监测周期中监测并统计各监测时间点的各设备运行时的音量，计算监测周期中各设备的声音预警标定值，其计算公式为：式中，R_音i表示监测周期中各设备的声音预警标定值，B″_音i表示设定的各设备运行时的界定音量，B_音ij表示各监测时间点的各设备运行时的音量，μ₁表示设定的音量对应的修正因子，γ₁表示设定的单位音量对应的声音预警评估因子。

在监测周期中监测并统计各监测时间点的各设备运行时的温度，计算监测周期中各设备的温度预警标定值，其计算公式为：式中，U_温i表示监测周期中各设备的温度预警标定值，T″_i表示设定的各设备运行时的适宜温度，T_ij表示各监测时间点的各设备运行时的温度，μ₂表示设定的温度对应的修正因子，γ₂表示设定的设备运行单位温度对应的预警评估值。

在监测周期中监测并统计各设备运行时的网络连接状态，计算监测周期中各设备的网络连接预警标定值，其计算公式为：式中，ψ_网i表示监测周期中各设备的网络连接预警标定值，G″_连表示设定的网络断联次数界定值，G_连i表示监测周期中各设备的网络断联次数，μ₃表示设定的网络断联次数对应的修正因子，γ₃表示设定的单次网络断联所属网络连接预警评估因子。

计算各设备的运行预警特征值，其计算公式为：式中，η_2i为各设备的运行预警特征值，/>和分别为设定的声音预警标定值、温度预警标定值以及网络连接预警标定值对应的修正因子。

进一步地，所述进行故障预警提示，具体过程为：根据各设备的故障预警定义值进行故障预警判断，若某设备的故障预警定义值高于该设备的故障预警界定阈值时，则对该设备进行故障预警提示。

本发明第二方面提供了一种基于智慧运营管理的设备故障预警装置，包括：处理器，以及与处理器连接的内存和网络接口；所述网络接口与服务器中的非易失性存储器连接；所述处理器在运行时通过所述网络接口从所述非易失性存储器中调取计算机程序，并通过所述内存运行所述计算机程序，以执行上述任意一项所述的方法。

本发明具有以下有益效果：

(1)本发明通过监测各设备的关联特征信息、构建预警模型以及获取故障预警界定阈值，实现了全面的设备健康监测，使得系统能够利用机器学习和统计分析等方法，早期识别出与设备故障相关的模式和趋势，并通过综合各设备的关联特征信息和故障数据进行评估，能够实时判断设备状态，及时进行故障预警提示，有效预防潜在故障，减少了大量的人力投入，不仅降低了成本，提高设备可靠性，还实现更高效的生产运营管理。

(2)本发明通过设备的应用年限进行分析，评估设备的应用损耗，从而更好地了解设备的寿命和性能变化，还可以识别设备是否接近或超过了设计寿命，从而提前预测可能的性能下降和故障风险，有助于制定更有效的维护计划，及时更换老化设备，避免因设备老化导致的潜在故障，另一方面，通过分析设备的故障次数和维护时长，可以深入了解设备的故障模式和维护需求，基于这些数据，设备故障预警方法可以识别出频繁故障的设备，并提供更频繁的监测和更精准的预警，减少维护成本，提高了设备故障预警的准确性。

(3)本发明通过监测设备的电压稳定情况，当电压波动或不稳定的情况，可以在电压异常时提前发出警报，并结合了过压次数的分析，进一步提高了设备故障预警，另一方面，分析了设备的电流以及电流峰值的分析，使智慧运营管理的设备故障预警方法可以实现及时的故障检测和警示，提高了设备的可靠性和效率。

(4)本发明根据各设备的故障预警界定值比较设备的实际状态，并与设定的故障预警界定阈值对比，当故障发生时预警系统可以及时发出警报，使运维人员能够迅速介入，修复问题，有助于提高设备的可靠性，降低维护成本。

当然，实施本发明的任一产品并不一定需要同时达到以上所述的所有优点。

附图说明

图1为本发明的方法流程示意图。

图2为本发明所涉及的故障工单流程示意图。

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。

在本发明的描述中，需要理解的是，术语“开孔”、“上”、“下”、“厚度”、“顶”、“中”、“长度”、“内”、“四周”等指示方位或位置关系，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组件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。

请参阅图1所示，本发明实施例提供一种技术方案：一种基于智慧运营管理的设备故障预警方法，包括监测各设备的关联特征信息，构建各故障设备的预警模型，并获取各设备的故障预警界定阈值。

对各设备的关联特征信息以及故障信息进行分析，评估各设备的故障预警定义值。

根据各设备的故障预警定义值进行故障预警判断，并进行故障预警提示。

本实施方案中，所述各设备包括但不限于数据中心入口主变压器、服务器机房配电板、服务器机柜电源。

具体地，构建各故障设备的预警模型，并获取各设备的故障预警界定阈值，具体过程为：提取各设备的关联特征信息并进行预处理，构建各故障设备的预警模型，评估各设备的隐患表征值，其中各设备的关联特征信息包括定义性质数据、故障数据。

将各设备的隐患表征值与设定的各设备在各隐患表征值区间对应的各设备的故障预警界定阈值进行匹配，得到各设备的故障预警界定阈值。

本实施方案中，从各设备中提取关联特征信息，包括设备的定义性质和故障数据，对数据进行预处理，并将各设备的隐患表征值与设定的各设备的各隐患表征值区间对应的故障预警界定阈值进行匹配，最后，得到各设备的故障预警界定阈值。

本实施方案中，通过监测各设备的关联特征信息、构建预警模型以及获取故障预警界定阈值，实现了全面的设备健康监测，使得系统能够利用机器学习和统计分析等方法，早期识别出与设备故障相关的模式和趋势，并通过综合各设备的关联特征信息和故障数据进行评估，能够实时判断设备状态，及时进行故障预警提示，有效预防潜在故障，减少了大量的人力投入，不仅降低了成本，提高设备可靠性，还实现更高效的生产运营管理。

具体地，评估各设备的隐患表征值，具体过程包括：根据各故障设备的预警模型：χ_i＝A_1i*a₁+A_2i*a₂,式中，χ_i为各设备的隐患表征值，a₁和a₂分别为设定的应用损耗因子以及故障数据对应的损耗特征值所属权重因子，式中，α_i表示各设备的应用损耗因子，β_i维表示各设备的故障数据对应的损耗特征值，/>和/>分别为设定的应用损耗因子以及故障数据对应的损耗特征值所属修正因子。

本实施方案中，评估了各设备的隐患表征值，为后续匹配分析得到各设备的故障预警界定阈值提供了数据基础。

具体地，评估各设备的故障预警定义值，具体计算公式为：式中，Z_i为各设备的故障预警定义值，η_1i表示各设备的电气预警特征值，η_2i表示各设备的运行预警特征值，a₄和a₅分别为设定的电气预警特征值以及运行预警特征值对应的权重因子。

本实施方案中，评估各设备的故障预警界定值，使得各设备的故障预警界定值与各设备的故障预警界定阈值进行比对，从而判断各设备的故障情况。

具体地，各设备的应用损耗因子，具体分析过程为：根据各设备的定义性质数据，其中定义性质数据包括应用年限和有效使用时长，并导入公式分析得到各设备的应用损耗因子α_i，其中N_i表示各设备的应用年限，N_i→有表示各设备的有效使用时长，N″_i为运营管理数据库中的各设备的额定应用年限，εi表示设定的各设备所属单位运行年限的减损因子，i表示各设备的编号，i＝1,2,3,...,n,n表示设备的数目，φ₁为设定的设备运作损耗修正因子，e为自然常数。

本实施方案中，有效使用时长为设备工作的运行时长，应用年限为设备的生产年限至今的年限。

本实施方案中，随着设备使用年限的增加，可能会出现不同的故障模式，某些故障可能在设备刚投入使用时不容易察觉，而随着时间的推移逐渐显现，因此设备故障预警系统需要能够识别和适应这些变化，以提供准确的预警。

本实施方案中，长时间运行的设备可能面临数据质量下降的问题，例如传感器漂移或设备老化，因此设备预警需要考虑并处理这些数据质量问题，以确保预测的准确性。

本实施方案中，分析了各设备的应用损耗因子，为后续评估各设备的隐患表征值提供了数据支持，通过分析各设备的应用年限，提高了设备故障预警的准确性。

具体地，各设备的故障数据对应的损耗特征值，具体分析过程为：根据各设备的故障数据，其中故障数据包括故障总次数C_i故、平均维护时长T_i维，计算各设备的故障数据对应的损耗特征值，其计算公式为：式中，β_i维为各设备的故障数据对应的损耗特征值，θ₁和θ₂分别表示预定义的平均维护单位时长以及单次维护对应的影响因子，τ₁和τ₂分别为设定的平均维护时长和维护次数对应的补偿比例值。

本实施方案中，各设备的故障数据对应的损耗特征值为后续评估各设备的隐患表征值提供了数据支持，通过分析各设备的故障总次数、维护时长，进一步提高了设备故障预警的准确性。

本实施方案中，通过设备的应用年限进行分析，评估设备的应用损耗，从而更好地了解设备的寿命和性能变化，还可以识别设备是否接近或超过了设计寿命，从而提前预测可能的性能下降和故障风险，有助于制定更有效的维护计划，及时更换老化设备，避免因设备老化导致的潜在故障，另一方面，通过分析设备的故障次数和维护时长，可以深入了解设备的故障模式和维护需求，基于这些数据，设备故障预警方法可以识别出频繁故障的设备，并提供更频繁的监测和更精准的预警，减少维护成本，提高了设备故障预警的准确性。

具体地，各设备的电气预警特征值，具体分析过程为：设定监测周期，在监测周期中设置若干监测时间点，统计监测周期中各设备在各监测时间点的电压，并与设定的电压阈值进行匹配，得到监测周期中各设备在各监测时间点的电压超出电压阈值的累计次数，记为过压次数P_i压，计算监测周期中各设备的电压预警标定值，其计算公式为：

式中，K_i压为监测周期中各设备的电压预警标定值，V_ij压表示各设备在监测周期中各监测时间点的电压,j表示各检测时间点的编号，j＝1,2,3,...,m,m表示监测时间点的数目，θ₃表示设定的单次过压对应的影响因子，τ₃和τ₄分别为设定的过压次数和电压对应的补偿比例值。

监测并统计各监测时间点中各设备的电流，由此构建监测周期中在各设备的电流折线图，并与设定的各设备电流参照折线图进行重合比对，由此提取各设备的电流折线图的累计偏离折线长度，记为D_i，计算监测周期中各设备的电流预警标定值，其计算公式为：式中，K_i流为监测周期中各设备的电流预警标定值，D″_i表示预设的各设备的电流允许偏离折线长度，F_i ^max表示各设备在监测周期中的电流峰值，F_i表示设定的各设备的电流参照峰值，θ₄和θ₅分别表示设定的电流以及电流峰值对应的影响因子，τ₅和τ₆分别为设定的电流偏离程度以及电流峰值对应的补偿比例值。

计算各设备的电气预警特征值，其计算公式为：式中，η_1i为各设备的电气预警特征值，/>和/>分别为设定的电压预警标定值以及电流预警标定值对应的修正因子。

本实施方案中，使用电压和电流传感器检测设备的电压以及电流。

本实施方案中，分析了各设备的电气预警特征值为评估各设备的故障预警界定值提供了数据支持，通过分析各设备的电压、过压次数、电流以及电流峰值，提高了设备故障预警的可信度。

本实施方案中，电压水平直接影响设备的性能和稳定性，如果电压偏离设备的额定值，可能导致设备性能下降，甚至引起故障，因此设备故障预警通过监测电压的变化，可以提前发现电压异常，从而采取措施维护设备稳定运行。

本实施方案中，过高或过低的电压可能缩短设备的寿命，频繁的过压事件可能导致设备元件的损坏，影响设备的可靠性和耐久性，因此设备故障预警可以通过监测电压来评估设备的使用环境，帮助制定合适的维护计划，延长设备寿命。

本实施方案中，过压事件可能与特定的故障模式相关联，设备故障预警可以通过分析电压和过压次数的关联性，识别与过压有关的故障模式，有助于更准确地预测设备可能发生的故障。

本实施方案中，通过监测设备的电压稳定情况，当电压波动或不稳定的情况，可以在电压异常时提前发出警报，并结合了过压次数的分析，进一步提高了设备故障预警，另一方面，分析了设备的电流以及电流峰值的分析，使智慧运营管理的设备故障预警方法可以实现及时的故障检测和警示，提高了设备的可靠性和效率。

具体地，各设备的运行预警特征值，具体分析过程为：在监测周期中监测并统计各监测时间点的各设备运行时的音量，计算监测周期中各设备的声音预警标定值，其计算公式为：式中，R_音i表示监测周期中各设备的声音预警标定值，B″_音i表示设定的各设备运行时的界定音量，B_音ij表示各监测时间点的各设备运行时的音量，μ₁表示设定的音量对应的修正因子，γ₁表示设定的单位音量对应的声音预警评估因子。

在监测周期中监测并统计各监测时间点的各设备运行时的温度，计算监测周期中各设备的温度预警标定值，其计算公式为：式中，U_温i表示监测周期中各设备的温度预警标定值，T″_i表示设定的各设备运行时的适宜温度，T_ij表示各监测时间点的各设备运行时的温度，μ₂表示设定的温度对应的修正因子，γ₂表示设定的设备运行单位温度对应的预警评估值。

在监测周期中监测并统计各设备运行时的网络连接状态，计算监测周期中各设备的网络连接预警标定值，其计算公式为：式中，ψ_网i表示监测周期中各设备的网络连接预警标定值，G″_连表示设定的网络断联次数界定值，G_连i表示监测周期中各设备的网络断联次数，μ₃表示设定的网络断联次数对应的修正因子，γ₃表示设定的单次网络断联所属网络连接预警评估因子。

计算各设备的运行预警特征值，其计算公式为：式中，η_2i为各设备的运行预警特征值，和/>分别为设定的声音预警标定值、温度预警标定值以及网络连接预警标定值对应的修正因子。

本实施方案中，使用温度传感器监测设备的温度。

本实施方案中，设备的温度是一个关键的监测参数，过高的温度可以导致设备过热，从而降低性能并增加故障的风险，因此设备故障预警可以监测设备的温度，当温度升高到危险水平时，触发预警以采取措施，例如停机或冷却，以防止设备损坏。

本实施方案中，设备运行时的音量大小可以用于监测设备的正常运行情况，异常噪音或声音变化可能表明设备部件的故障或异常操作，因此设备的温度和运行时音量的大小对设备故障预警具有重要的影响，可以用于提前识别设备健康问题和故障风险，帮助分析设备预警的性能和可靠性。

本实施方案中，各设备的运行预警特征值为后续计算各设备的故障预警界定值提供了数据支持，通过具体分析了各设备运行时的温度，进一步提高了故障预警的准确率。

具体地，进行故障预警提示，具体过程为：根据各设备的故障预警定义值进行故障预警判断，若某设备的故障预警定义值高于该设备的故障预警界定阈值时，则对该设备进行故障预警提示。

本实施方案中，根据各设备的故障预警界定值比较设备的实际状态，并与设定的故障预警界定阈值对比，当故障发生时预警系统可以及时发出警报，使运维人员能够迅速介入，修复问题，有助于提高设备的可靠性，降低维护成本。

请参阅图2所示，本发明的故障工单流程示意图，首先管理人员将故障提交进行故障诊断排查，若确认为故障则进一步制定解决方案，随后依据解决方案进行故障修复，并进行测试验证，若故障未修复则继续进行故障修复，若故障已修复，则进入评估总结阶段，最后关闭故障，若故障诊断排查为非故障则直接关闭。

本发明第二方面提供了一种基于智慧运营管理的设备故障预警装置，包括：处理器，以及与处理器连接的内存和网络接口；所述网络接口与服务器中的非易失性存储器连接；所述处理器在运行时通过所述网络接口从所述非易失性存储器中调取计算机程序，并通过所述内存运行所述计算机程序，以执行上述任意一项所述的方法。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，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、物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、物品或者设备所固有的要素。

以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节，也不限制该发明仅为所述的具体实施方式。显然，根据本说明书的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本发明的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。

Claims (10)

1.一种基于智慧运营管理的设备故障预警方法，其特征在于包括：

监测各设备的关联特征信息，构建各故障设备的预警模型，并获取各设备的故障预警界定阈值；

对各设备的关联特征信息以及故障信息进行分析，评估各设备的故障预警定义值；

根据各设备的故障预警定义值进行故障预警判断，并进行故障预警提示。

2.根据权利要求1所述的一种基于智慧运营管理的设备故障预警方法，其特征在于：所述构建各故障设备的预警模型，并获取各设备的故障预警界定阈值，具体过程为：

提取各设备的关联特征信息并进行预处理，构建各故障设备的预警模型，评估各设备的隐患表征值，其中各设备的关联特征信息包括定义性质数据、故障数据；

将各设备的隐患表征值与设定的各设备在各隐患表征值区间对应的各设备的故障预警界定阈值进行匹配，得到各设备的故障预警界定阈值。

3.根据权利要求2所述的一种基于智慧运营管理的设备故障预警方法，其特征在于：所述评估各设备的隐患表征值，具体过程包括：

根据各故障设备的预警模型：

χ_i＝A_1i*a₁+A_2i*a₂,

式中，χ_i为各设备的隐患表征值，a₁和a₂分别为设定的应用损耗因子以及故障数据对应的损耗特征值所属权重因子，

式中，α_i表示各设备的应用损耗因子，β_i维表示各设备的故障数据对应的损耗特征值，和/>分别为设定的应用损耗因子以及故障数据对应的损耗特征值所属修正因子。

4.根据权利要求3所述的一种基于智慧运营管理的设备故障预警方法，其特征在于：所述评估各设备的故障预警定义值，具体计算公式为：

式中，Z_i为各设备的故障预警定义值，η_1i表示各设备的电气预警特征值，η_2i表示各设备的运行预警特征值，a₄和a₅分别为设定的电气预警特征值以及运行预警特征值对应的权重因子。

5.根据权利要求3所述的一种基于智慧运营管理的设备故障预警方法，其特征在于：所述各设备的应用损耗因子，具体分析过程为：

根据各设备的定义性质数据，其中定义性质数据包括应用年限和有效使用时长，并导入公式

分析得到各设备的应用损耗因子α_i，其中N_i表示各设备的应用年限，N_i→有表示各设备的有效使用时长，N_i″为运营管理数据库中的各设备的额定应用年限，ε_i表示设定的各设备所属单位运行年限的减损因子，i表示各设备的编号，i＝1,2,3,...,n,n表示设备的数目，φ₁为设定的设备运作损耗修正因子，e为自然常数。

6.根据权利要求3所述的一种基于智慧运营管理的设备故障预警方法，其特征在于：所述各设备的故障数据对应的损耗特征值，具体分析过程为：

根据各设备的故障数据，其中故障数据包括故障总次数C_i故、平均维护时长T_i维，计算各设备的故障数据对应的损耗特征值，其计算公式为：

式中，β_i维为各设备的故障数据对应的损耗特征值，θ₁和θ₂分别表示预定义的平均维护单位时长以及单次维护对应的影响因子，τ₁和τ₂分别为设定的平均维护时长和维护次数对应的补偿比例值。

7.根据权利要求4所述的一种基于智慧运营管理的设备故障预警方法，其特征在于：所述各设备的电气预警特征值，具体分析过程为：

设定监测周期，在监测周期中设置若干监测时间点，统计监测周期中各设备在各监测时间点的电压，并与设定的电压阈值进行匹配，得到监测周期中各设备在各监测时间点的电压超出电压阈值的累计次数，记为过压次数P_i压，计算监测周期中各设备的电压预警标定值，其计算公式为：

式中，K_i压为监测周期中各设备的电压预警标定值，V_ij压表示各设备在监测周期中各监测时间点的电压,j表示各检测时间点的编号，j＝1,2,3,...,m,m表示监测时间点的数目，θ₃表示设定的单次过压对应的影响因子，τ₃和τ₄分别为设定的过压次数和电压对应的补偿比例值；

监测并统计各监测时间点中各设备的电流，由此构建监测周期中在各设备的电流折线图，并与设定的各设备电流参照折线图进行重合比对，由此提取各设备的电流折线图的累计偏离折线长度，记为D_i，计算监测周期中各设备的电流预警标定值，其计算公式为：

式中，K_i流为监测周期中各设备的电流预警标定值，D″_i表示预设的各设备的电流允许偏离折线长度，F_i ^max表示各设备在监测周期中的电流峰值，F_i表示设定的各设备的电流参照峰值，θ₄和θ₅分别表示设定的电流以及电流峰值对应的影响因子，τ₅和τ₆分别为设定的电流偏离程度以及电流峰值对应的补偿比例值；

计算各设备的电气预警特征值，其计算公式为：

式中，η_1i为各设备的电气预警特征值，和/>分别为设定的电压预警标定值以及电流预警标定值对应的修正因子。

8.根据权利要求4所述的一种基于智慧运营管理的设备故障预警方法，其特征在于：所述各设备的运行预警特征值，具体分析过程为：

在监测周期中监测并统计各监测时间点的各设备运行时的音量，计算监测周期中各设备的声音预警标定值，其计算公式为：

式中，R_音i表示监测周期中各设备的声音预警标定值，B″_音i表示设定的各设备运行时的界定音量，B_音ij表示各监测时间点的各设备运行时的音量，μ₁表示设定的音量对应的修正因子，γ₁表示设定的单位音量对应的声音预警评估因子；

在监测周期中监测并统计各监测时间点的各设备运行时的温度，计算监测周期中各设备的温度预警标定值，其计算公式为：

式中，U_温i表示监测周期中各设备的温度预警标定值，T_i″表示设定的各设备运行时的适宜温度，T_ij表示各监测时间点的各设备运行时的温度，μ₂表示设定的温度对应的修正因子，γ₂表示设定的设备运行单位温度对应的预警评估值；

在监测周期中监测并统计各设备运行时的网络连接状态，计算监测周期中各设备的网络连接预警标定值，其计算公式为：

式中，ψ_网i表示监测周期中各设备的网络连接预警标定值，G″_连表示设定的网络断联次数界定值，G_连i表示监测周期中各设备的网络断联次数，μ₃表示设定的网络断联次数对应的修正因子，γ₃表示设定的单次网络断联所属网络连接预警评估因子；

计算各设备的运行预警特征值，其计算公式为：

式中，η_2i为各设备的运行预警特征值，和/>分别为设定的声音预警标定值、温度预警标定值以及网络连接预警标定值对应的修正因子。

9.根据权利要求1所述的一种基于智慧运营管理的设备故障预警方法，其特征在于：所述进行故障预警提示，具体过程为：

根据各设备的故障预警定义值进行故障预警判断，若某设备的故障预警定义值高于该设备的故障预警界定阈值时，则对该设备进行故障预警提示。

10.一种基于智慧运营管理的设备故障预警装置，其特征在于,包括：处理器，以及与处理器连接的内存和网络接口；所述网络接口与服务器中的非易失性存储器连接；所述处理器在运行时通过所述网络接口从所述非易失性存储器中调取计算机程序，并通过所述内存运行所述计算机程序，以执行上述权利要求1-9中任意一项所述的方法。