[發明專利]設備狀態趨勢預測方法、裝置、計算機設備和存儲介質

在審

• 申請號: 202010955271.8
• 申請日: 2020-09-11
• 公開（公告）號: CN112100575A
• 公開（公告）日: 2020-12-18
• 發明（設計）人: 周忠亮;李濤;孫延吉;賈倩倩;李鑫;韓永波;劉萬貴
• 申請（專利權）人: 石化盈科信息技術有限責任公司
• 主分類號: G06F17/18
• 分類號: G06F17/18;G06K9/62
• 代理公司: 北京聿宏知識產權代理有限公司 11372
• 代理人: 吳大建;陳敏

本發明提供一種設備狀態趨勢預測方法、裝置、計算機設備和存儲介質，該方法包括獲取至少兩種指標參數；對各種所述指標參數進行相關性分析，獲得獨立指標參數；采用馬爾科夫鏈模型計算得到趨勢變化量；基于所述獨立指標參數和趨勢變化量，計算得到指標參數預測值。本申請采用馬爾科夫鏈模型從指標參數的當前狀態預測其變化趨勢，通過此方法，可以準確預測設備的運行狀態趨勢，相比傳統的閾值報警有明顯優勢，有利于提前發現設備早期故障隱患，實現預測預警。

技術領域

本發明涉及設備狀態趨勢預測技術領域，特別涉及一種設備狀態趨勢預測方法、裝置、計算機設備和存儲介質。

背景技術

為了保證轉動設備的長周期可靠運轉，開展轉動設備的運行狀態趨勢預測技術研究，在設備故障未曾顯現之前對其進行預測預警，實現預知維護是十分必要的。對于設備運行狀態變化趨勢的預測預警，傳統的做法大都是通過設置閾值報警或者利用技術人員的經驗進行人工判斷的方式。但是，對轉動設備運行狀態進行評估，既要考慮當前時刻的運行數據，又要考慮指標參數的變化趨勢。

近年來，隨著信號分析和處理技術、計算機技術、人工智能技術以及網絡技術的發展，趨勢預測技術主要向智能化、非線性化、網絡化等方向發展。智能化的基本要求能夠準確、迅速、自主地完成預測任務，更高一步的要求是預測系統能夠在運行過程中，半自主甚至是全自主地學習吸收新的知識，從而自我完善。非線性化是指隨著轉動設備的功能越來越強、結構越來越復雜，非線性的因素也越來越明顯。網絡化是趨勢預測技術的重要發展方向，由于轉動設備結構復雜，故障機理及其表現形式也復雜多樣，為提高預測的及時性和準確性，充分利用資源、降低成本，發展和應用基于互聯網的預測技術十分必要。

開展設備狀態趨勢預測之前，首先要對數據進行處理和分析，保留設備狀態核心信息，縮減數據維度，降低模型運算量。常見的數據降維方法有主成分分析方法(PCA，principal components analysis)、Pearson相關系數、最小二乘回歸誤差、最大信息系數(MIC，Maximal Information Coefficient)等。主成分分析方法(PCA)會破壞數據原有的結構，不建議采用，而Pearson系數、最小二乘回歸誤差等方法只適合用于度量線性關系，無法對非線性關系進行計算。最大信息系數(MIC)在互信息理論的基礎上發展起來，具有普適性，并不僅僅局限于線性關系，對于非線性關系的計算同樣適用，甚至對于不能使用單個函數表示的非函數依賴關系也十分有效。設備狀態趨勢預測的方法也有多種，目前常見的預測方法主要有灰色預測模型、支持向量機(SVM，Support Vector Machine)、人工神經網絡(ANN，Artificial Neural Network)等?；疑A測模型存在預測周期短、不適合長期預測的問題，支持向量機(SVM)存在參數選擇困難、訓練速度慢等問題，人工神經網絡(ANN)存在運算復雜、難以保證實時性的問題。

發明內容

基于此，有必要針對上述技術問題，提供一種設備狀態趨勢預測方法、裝置、計算機設備和存儲介質。

一種設備狀態趨勢預測方法，包括：

獲取至少兩種指標參數；

對各種所述指標參數進行相關性分析，獲得獨立指標參數；

采用馬爾科夫鏈模型計算得到趨勢變化量；

基于所述獨立指標參數和趨勢變化量，計算得到指標參數預測值。

在其中一個實施例中，所述方法還包括：

對獨立指標參數采用動態劣化度分析方法進行歸一化處理，得到設備狀態趨勢的評價。

在其中一個實施例中，所述對獨立指標參數采用動態劣化度分析方法進行歸一化處理，得到設備狀態趨勢的評價的步驟包括：

以所述指標參數預測值作為劣化度分析的數值，對獨立指標參數采用動態劣化度分析方法進行歸一化處理，得到設備狀態趨勢的評價。