[發(fā)明專利]一種熱力設(shè)備智能運(yùn)維系統(tǒng)及方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202011385257.5
• 申請(qǐng)日: 2020-12-01
• 公開(kāi)（公告）號(hào): CN112329959B
• 公開(kāi)（公告）日: 2023-06-23
• 發(fā)明（設(shè)計(jì)）人: 王順森;程上方;喬加飛;王凱;張磊;董琨;張俊杰
• 申請(qǐng)（專利權(quán)）人: 西安交通大學(xué)
• 主分類號(hào): G06Q10/20
• 分類號(hào): G06Q10/20;G06Q10/04;G06Q10/063;G06F30/27;G06N20/00;G06F119/08
• 代理公司: 西安合創(chuàng)非凡知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 61248
• 代理人: 高志永

1.一種熱力設(shè)備智能運(yùn)維系統(tǒng)，其特征在于，包括：

熱力系統(tǒng)組態(tài)建模模塊，用于熱力系統(tǒng)組態(tài)建模；利用熱力仿真基本理論，將復(fù)雜熱力系統(tǒng)分解為若干個(gè)具有數(shù)學(xué)獨(dú)立性的計(jì)算模塊，不同模塊之間各參數(shù)的關(guān)聯(lián)性由熱力系統(tǒng)質(zhì)熱平衡方程確定，通過(guò)模塊化組圖方式構(gòu)建各種復(fù)雜熱力系統(tǒng)；

模塊化伴隨仿真模塊，用于模塊化伴隨仿真；以設(shè)備模塊的熱力仿真

模型為初始骨架，借助實(shí)時(shí)和歷史運(yùn)行數(shù)據(jù)的機(jī)器學(xué)習(xí)不斷迭代更新模型，形成逐步逼近實(shí)際運(yùn)行設(shè)備性能的伴隨仿真模型；所述機(jī)器學(xué)習(xí)是以分解后的獨(dú)立模塊為對(duì)象，模塊內(nèi)主要參數(shù)的關(guān)聯(lián)性由高精度仿真模型確定，模塊內(nèi)無(wú)法通過(guò)仿真模型解決的參數(shù)關(guān)系由回歸分析、人工神經(jīng)網(wǎng)絡(luò)這些機(jī)器學(xué)習(xí)完成；

熱力系統(tǒng)運(yùn)行優(yōu)化模塊，用于熱力系統(tǒng)運(yùn)行優(yōu)化；基于設(shè)備模塊伴隨仿真模型和系統(tǒng)質(zhì)熱平衡方程，采用梯度下降法以及粒子群算法、遺傳算法這些非線性規(guī)劃方法，以系統(tǒng)總體熱耗率、煤耗率、電耗率或其它特征參數(shù)為優(yōu)化目標(biāo)，確定任意運(yùn)行工況下各設(shè)備參數(shù)的最佳實(shí)時(shí)組合匹配方案；

熱力設(shè)備性能劣化分析模塊，用于熱力設(shè)備性能劣化分析；基于設(shè)備

模塊伴隨仿真模型，通過(guò)特征參數(shù)評(píng)估、數(shù)據(jù)挖掘這些方法獲得不同運(yùn)行工況和工作條件下設(shè)備性能參數(shù)隨時(shí)間的變化規(guī)律，確定設(shè)備性能劣化狀態(tài)和劣化趨勢(shì)；

熱力設(shè)備狀態(tài)異常評(píng)估模塊，用于熱力設(shè)備狀態(tài)異常評(píng)估；利用同型號(hào)設(shè)備對(duì)標(biāo)和大數(shù)據(jù)分析這些方法，根據(jù)設(shè)備性能劣化狀態(tài)和劣化趨勢(shì)，評(píng)估設(shè)備性能是否異常，并根據(jù)評(píng)估結(jié)果和FTA分析這些方法實(shí)現(xiàn)設(shè)備故障預(yù)警與視情檢修。

2.一種熱力設(shè)備智能運(yùn)維方法，其特征在于，包括：

熱力系統(tǒng)組態(tài)建模方法：

利用熱力仿真基本理論，將復(fù)雜熱力系統(tǒng)分解為若干個(gè)具有數(shù)學(xué)獨(dú)立性的計(jì)算模塊，不同模塊之間各參數(shù)的關(guān)聯(lián)性由熱力系統(tǒng)質(zhì)熱平衡方程確定，通過(guò)模塊化組圖方式構(gòu)建各種復(fù)雜熱力系統(tǒng)；

模塊化伴隨仿真方法：

以設(shè)備模塊的熱力仿真模型為初始骨架，借助實(shí)時(shí)和歷史運(yùn)行數(shù)據(jù)的機(jī)器學(xué)習(xí)不斷迭代更新模型，形成逐步逼近實(shí)際運(yùn)行設(shè)備性能的伴隨仿真模型；

所述機(jī)器學(xué)習(xí)是以分解后的獨(dú)立模塊為對(duì)象，模塊內(nèi)主要參數(shù)的關(guān)聯(lián)

性由高精度仿真模型確定，模塊內(nèi)無(wú)法通過(guò)仿真模型解決的參數(shù)關(guān)系由回歸分析、人工神經(jīng)網(wǎng)絡(luò)這些機(jī)器學(xué)習(xí)完成；

熱力系統(tǒng)運(yùn)行優(yōu)化方法：

基于設(shè)備模塊伴隨仿真模型和系統(tǒng)質(zhì)熱平衡方程，采用梯度下降法以及粒子群算法、遺傳算法這些非線性規(guī)劃方法，以系統(tǒng)總體熱耗率、煤耗率、電耗率或其它特征參數(shù)為優(yōu)化目標(biāo)，確定任意運(yùn)行工況下各設(shè)備參數(shù)的最佳實(shí)時(shí)組合匹配方案；

熱力設(shè)備性能劣化分析方法：

基于設(shè)備模塊伴隨仿真模型，通過(guò)特征參數(shù)評(píng)估、數(shù)據(jù)挖掘這些方法

獲得不同運(yùn)行工況和工作條件下設(shè)備性能參數(shù)隨時(shí)間的變化規(guī)律，確定設(shè)備性能劣化狀態(tài)和劣化趨勢(shì)；

熱力設(shè)備狀態(tài)異常評(píng)估方法：

利用同型號(hào)設(shè)備對(duì)標(biāo)和大數(shù)據(jù)分析這些方法，根據(jù)設(shè)備性能劣化狀態(tài)和劣化趨勢(shì)，評(píng)估設(shè)備性能是否異常，并根據(jù)評(píng)估結(jié)果和FTA分析這些方法實(shí)現(xiàn)設(shè)備故障預(yù)警與視情檢修。