[发明专利]一种故障处理期限的预测方法及装置

说明书

本申请公开了一种故障处理期限的预测方法及装置，在接收到目标设备的故障预警信息后，先获取目标设备的当前设备参数，再根据当前设备参数，利用预设预测模型对该目标设备的故障处理期限进行预测，得到该目标设备的故障处理期限。其中，由于预设预测模型是根据历史设备参数以及历史设备参数对应的历史故障处理期限进行训练得到的，因而，在将当前设备参数输入到预设预测模型之后，预设预测模型能够准确地预测出目标设备的故障处理期限，无需维修人员参与，避免了因人为失误而导致确定出错误的故障处理期限的发生，提高了故障处理期限的准确性，使得设备能够及时地进行维修，从而提高设备安全性。

技术领域

本申请涉及大数据技术领域，尤其涉及一种故障处理期限的预测方法及装置。

背景技术

目前，因油田设备(例如，泵、压缩机和风机等动设备)的故障维修比较耗时，使得在多个油田设备需要进行故障维修时通常需要对该多个油田设备进行计划性维修。所谓计划性维修是指当多个设备发生故障预警时，需要合理地为每个故障设备安排故障处理期限，以便后续维修人员能够在上述故障处理期限内对故障设备进行维修。其中，故障处理期限是指设备故障预警的发生时间点和该设备因故障损坏而无法工作的发生时间点之间的时间间隔。例如，假设在2019年1月1日10:30目标设备发生故障预警，且在2019年1月8日10:30目标设备因故障损坏而无法工作，那么该目标设备的故障处理期限为2019年1月1日10:30至2019年1月8日10:30之间的7天时间。

然而，不同故障设备对应的故障处理期限不同；而且，在现有技术中，每个故障设备对应的故障处理期限通常需要由经验丰富的维修人员通过现场查看设备而确定，如此导致对确定故障处理期限的维修人员的要求较高。另外，由于故障处理期限是人为确定的，使得故障处理期限的确定过程的主观性较高，容易因人为失误(例如，因经验不足或考虑因素不全面等原因)而导致确定出错误的故障处理期限，从而因设备维修不及时而导致设备因故障损坏甚至爆炸。

发明内容

为了解决现有技术中存在的以上技术问题，本申请提供一种故障处理期限的预测方法及装置，能够准确地确定故障设备的故障处理期限，无需维修人员参与，避免了因人为失误而导致确定出错误的故障处理期限的发生，提高了故障处理期限的准确性，使得设备能够及时地进行维修，从而提高设备安全性。

为了实现上述目的，本申请实施例提供的技术方案如下：

本申请实施例提供一种故障处理期限的预测方法，包括：

在接收到目标设备的故障预警信息后，获取所述目标设备的当前设备参数；所述当前设备参数包括工况参数、故障告警参数和设备性能参数中的至少一个；

根据所述当前设备参数，利用预设预测模型对所述目标设备的故障处理期限进行预测，得到所述目标设备的故障处理期限；所述预设预测模型是根据历史设备参数以及所述历史设备参数对应的历史故障处理期限进行训练得到的。

可选的，所述预设预测模型包括卷积神经网络模型CNN、循环神经网络模型RNN、深度神经网络模型DNN、随机森林模型、以及支持向量机SVM中的至少一个。

可选的，所述工况参数包括频谱、电流、电压、流量和温度中的至少一个；

和/或，

所述故障告警参数包括故障类型、告警类型、故障报警数量总值、告警数量总值中的至少一个；

和/或，

所述设备性能参数包括设备已用年限和设备零部件老化程度参数中的至少一个。

可选的，所述预设预测模型的训练过程，具体包括：

获取历史设备参数以及所述历史设备参数对应的历史故障处理期限；所述历史设备参数包括：目标设备的历史设备参数和/或与目标设备类型相同的其他设备的历史设备参数；