[发明专利]一种设备工况评估方法以及相关设备

权利要求书

1.一种设备工况评估方法，其特征在于，包括：

获取拟评估设备当前时间段的第一测点实时值；

获取所述拟评估设备当前时间段的关联设备的第二测点实时值；

根据所述第一测点实时值和所述第二测点实时值通过性能判定方法分别确定第一测点实时值加权系数和第二测点实时值加权系数；

根据所述第一测点实时值加权系数、所述第二测点实时值加权系数、所述第一测点实时值和所述第二测点实时值计算所述拟评估设备的测点评估值；

将所述测点评估值输入所述拟评估设备的标准工况分类模型，得到所述标准工况分类模型输出的每种所述工况的发生概率，所述标准工况分类模型是根据所述拟评估设备在历史一段时间内的测点历史值利用机器学习算法得到，所述标准工况分类模型用于确定所述拟评估设备可能发生的工况以及每种工况的发生概率；

计算所述测点评估值与每种所述工况的拟合度；

根据每种所述工况的发生概率以及所述测点评估值与每种所述工况的拟合度，确定所述拟评估设备的目标工况。

2.根据权利要求1所述的设备工况评估方法，其特征在于，在所述将所述测点评估值输入所述拟评估设备的标准工况分类模型，得到所述标准工况分类模型输出的每种所述工况的发生概率之前，所述方法还包括：

获取所述拟评估设备的第一测点历史值；

获取所述拟评估设备的关联设备的第二测点历史值；

根据所述第一测点历史值通过所述机器学习算法得到拟评估设备的第一工况分类模型，并根据所述第二测点历史值通过所述机器学习算法得到关联设备的第二工况分类模型；

根据性能判定方法加权修正所述第一工况分类模型和第二工况分类模型得到所述拟评估设备的标准工况分类模型。

3.根据权利要求2所述的设备工况评估方法，其特征在于，在所述根据所述第一测点历史值通过所述机器学习算法得到拟评估设备的第一工况分类模型，并根据所述第二测点历史值通过所述机器学习算法得到关联设备的第二工况分类模型之前，所述方法还包括：

清洗所述第一测点历史值和所述第二测点历史值，和/或通过主成成分分析或降采样的方式分别对所述第一测点历史值和第二测点历史值进行降维处理。

4.根据权利要求1所述的设备工况评估方法，其特征在于，在所述获取所述拟评估设备当前时间段的关联设备的第二测点实时值之前，所述方法还包括：

根据所述拟评估设备多个历史时段的第一测点实时值通过机器学习算法确定所述拟评估设备在所述当前时间段的关联设备。

5.根据权利要求1所述的设备工况评估方法，其特征在于，所述根据所述第一测点实时值和所述第二测点实时值通过性能判定方法分别确定第一测点实时值加权系数和第二测点实时值加权系数包括：

根据所述第一测点实时值和所述第二测点实时值通过性能判定方法和机器学习算法分别确定第一测点实时值加权系数和第二测点实时值加权系数。

6.根据权利要求1所述的设备工况评估方法，其特征在于，所述机器学习算法是贝叶斯分类算法、k近邻分类算法或支持向量机分类算法。