[发明专利]基于数字孪生的冷水机组预测性维护方法、装置及终端

说明书

本发明公开了基于数字孪生的冷水机组预测性维护方法、装置及终端，方法包括：基于数据驱动获取冷水机组在各个预设时刻的剩余寿命观测数据；根据所述冷水机组的数字孪生模型的仿真结果和剩余寿命观测数据进行粒子采样，通过粒子滤波实现数据驱动和数字孪生结果的融合，获取所述冷水机组的剩余寿命预测数据；根据所述冷水机组的剩余寿命预测数据对所述冷水机组的数字孪生模型的参数进行更新，并进行所述冷水机组的性能退化可视化处理；根据预设的S型效用曲线和所述冷水机组的剩余寿命预测数据确定对应的维护策略。本发明可以提升机组预测性维护的准确性和效率。

技术领域

本发明涉及冷水机组预测性维护技术领域，特别涉及一种基于数字孪生的机组预测性维护方法、装置及终端。

背景技术

冷水机组是公共建筑的核心供冷和主要能耗设备，冷水机组的无故障、稳定运行，对于实现公共建筑节能具有重要的意义。预测性维护通过实时在线分析冷水机组的性能退化趋势，预测其即将发生的故障，并及时采取维护措施，从而避免机组能耗的大幅提升。预测性维护是保证冷水机组稳定、高效运行以及公共建筑节能的重要手段。

目前冷水机组预测性维护方法主要分为基于解析模型、基于经验知识和基于数据驱动的方法。基于解析模型的方法是根据设备的内部工作机理，建立反应设备性能退化物理规律的数学模型，并进行求解和仿真，来预测设备退化的发展趋势。基于经验知识的方法需要进行可靠性试验或做大量长期的可靠性统计，然后构建相应的概率统计函数进行预测。基于数据驱动的方法需要从运行设备中收集状态监测数据，建立设备故障演化或寿命退化的算法模型进行预测。以上单一预测性维护方法及多方法的简单结合，未能从深层次实现机组信息与物理的有效融合，以致现有方法分析片面、预测不精准。且由于未考虑运行过程中预测模型随冷水机组的动态更新，现有预测性维护系统与机组虚实同步性差，造成预测精度不断下降。现有冷水机组的预测性维护方法虽然取得了一定程度的效果，但在信息物理融合和虚实同步方面仍有较大缺陷。

因此，现有技术还有待改进和提高。

发明内容

针对现有技术的上述缺陷，本发明提供一种基于数字孪生的机组预测性维护方法、装置及终端，旨在解决现有技术中对冷水机组的故障预测不精准的问题。

为了解决上述技术问题，本发明所采用的技术方案如下：

本发明的第一方面，提供一种基于数字孪生的机组预测性维护方法，所述方法包括：

基于数据驱动获取冷水机组在各个预设时刻的剩余寿命观测数据；

根据所述冷水机组的数字孪生模型的仿真结果和剩余寿命观测数据进行粒子采样，通过粒子滤波实现数据驱动和数字孪生结果的融合，获取所述冷水机组的剩余寿命预测数据；

根据所述冷水机组的剩余寿命预测数据对所述冷水机组的数字孪生模型的参数进行更新，并进行所述冷水机组的性能退化可视化处理；

根据预设的S型效用曲线和所述冷水机组的剩余寿命预测数据确定对应的维护策略，其中，所述S型效用曲线是基于预设数据集构建的，所述预设数据集中包括多种维护策略以及每种维护策略对应的收益。

所述的基于数字孪生的机组预测性维护方法，其中，所述根据所述冷水机组的数字孪生模型的仿真结果和剩余寿命观测数据进行粒子采样，通过粒子滤波实现数据驱动和数字孪生结果的融合，获取所述冷水机组的剩余寿命预测数据，包括：

根据由所述冷水机组的数字孪生模型仿真获取的先验概率和所述各个预设时刻的剩余寿命观测数据进行粒子采样，生成每个所述预设时刻对应的剩余寿命预测数据粒子集；

根据剩余寿命预测数据粒子集确定所述冷水机组在各个预设时刻对应的剩余寿命预测数据。