[发明专利]故障预测方法、装置以及存储介质

说明书

本申请公开了一种故障预测方法、装置以及存储介质。其中，一种故障预测方法，包括：根据预先设定的时间间隔，获取用于预测凝结水泵是否出现故障的测点数据；通过预设的故障预测模型根据测点数据，预测凝结水泵的凝结水流量值，其中凝结水流量值用于指示凝结水泵的设备情况；以及在凝结水流量值超过预设的预警阈值的情况下，发送预警信息。

技术领域

本申请涉及人工智能技术领域，特别是涉及一种故障预测方法、装置以及存储介质。

背景技术

火力发电厂中，凝结水泵被用来在火电热力系统中输送凝汽器内的凝结水，由于某些原因，介质在泵的入口处压力下降，而介质温度不变，就会发生汽化。汽化时泵体振动增大，出口压力和电流急剧下降，无法正常工作，即发生凝结水泵汽化故障。关于相关故障的预警还停留在固定阈值检测，或是频次较高的连续不间断的人工巡检中，对于故障的早期预警并没有太多的方法。随着计算机硬件的不断发展以及大数据时代的来临，神经网络在海量数据的分析中展现出强大的能力，它通过渐进和逐层的方式替换了原本复杂以及特定的特征工程。发电厂本身就积累了大量的设备监控数据，相比较于其他工作场所，设备长期处于高强度、高温和高压的生产环境中，故障的发生率和危害性较大。

现有的电厂预警系统大多采用对设备正常运行区间建模的方法。其中方法1是对电厂引风机运行数据进行主成分分析(principal component analysis，PCA)降维，再利用多元状态估计进行建模和故障预警。方法2是以热力学机理和数据挖掘为基础，确定了磨煤机正常运行的特征参数阈值及预警规则，拥有较高的置信区间。方法3采用向量量化(learning vector quantization LVQ)神经网络对磨煤机设备状态进行预测。方法4先采用基于密度的有噪声聚类(density-based spatial clustering of applications withnoise，DBSCAN)方法进行状态聚类，再采用随机森林分类法进行建模，同时实现了故障分类和磨煤机寿命的估算。但是上述方法对凝结水泵的建模工作很少，并且关于相关设备的故障预警还停留在固定阈值检测，或是频次较高的连续不间断的人工巡检中，出现误报的频率较高，以及故障异常出现的时候系统没法做到故障预测和故障设备的定位。

针对上述的现有技术中存在的在设备出现故障时，故障误报率高以及无法进行故障预测的技术问题，目前尚未提出有效的解决方案。

发明内容

本申请的实施例提供了一种故障预测方法、装置以及存储介质，以至少解决现有技术中存在的在设备出现故障时，故障误报率高以及无法进行故障预测的技术问题。

根据本申请实施例的一个方面，提供了一种故障预测方法，包括：根据预先设定的时间间隔，获取用于预测凝结水泵是否出现故障的测点数据；通过预设的故障预测模型根据测点数据，预测凝结水泵的凝结水流量值，其中凝结水流量值用于指示凝结水泵的设备情况；以及在凝结水流量值超过预设的预警阈值的情况下，发送预警信息。

根据本申请实施例的另一个方面，还提供了一种存储介质，存储介质包括存储的程序，其中，在程序运行时由处理器执行以上任意一项所述的方法。

根据本申请实施例的另一个方面，还提供了一种故障预测装置，包括：数据获取模块，用于根据预先设定的时间间隔，获取用于预测凝结水泵是否出现故障的测点数据；数据预测模块，用于通过预设的故障预测模型根据测点数据，预测凝结水泵的凝结水流量值，其中凝结水流量值用于指示凝结水泵的设备情况；以及信息发送模块，用于在凝结水流量值超过预设的预警阈值的情况下，发送预警信息。

根据本申请实施例的另一个方面，还提供了一种故障预测装置，包括：处理器；以及存储器，与处理器连接，用于为处理器提供处理以下处理步骤的指令：根据预先设定的时间间隔，获取用于预测凝结水泵是否出现故障的测点数据；通过预设的故障预测模型根据测点数据，预测凝结水泵的凝结水流量值，其中凝结水流量值用于指示凝结水泵的设备情况；以及在凝结水流量值超过预设的预警阈值的情况下，发送预警信息。