[发明专利]设施异常监测方法及其系统

说明书

本发明公开通过利用具有不同特征的多个预测模型对实时采集到的设施数据进行学习而生成精确度最高的预测值并借此对异常进行诊断，从而能够准确地监测出设施的异常并在早期发出警报的设施异常监测方法及其系统。所公开的设施异常监测系统能够包括：数据采集部，用于对上述设施数据进行采集；学习模型选择部，为了对上述设施数据值进行预测而选择多个模型；以及异常警报部，由配备有多个预测算法的预测算法部、基于从上述预测算法部输出的预测数据执行集成学习(Ensemble Learning)并输出最终预测数据的集成学习部、通过对上述最终预测数据与上述数据采集部所采集到的数据进行比较而对上述设施的异常与否进行判定的警报逻辑构成。

技术领域

本发明涉及一种设施异常监测方法及其系统，尤其涉及一种能够对设施数据进行实时采集并通过对所采集的数据进行学习而对正常状态的数据进行预测，接下来再通过将实时设施数据与所预测出的正常状态的数据进行比较而对异常进行诊断，其中，通过基于具有参数(Parametric)模型和非参数(Non Parametric)模型的不同特征的多个预测模型对预测值进行组合，能够生成精确度最高的预测值并借此对异常进行诊断，从而能够准确地在早期监测出设施的异常并提供相关信息的设施异常监测方法及其系统。

背景技术

通常，如发电或化工等大型设施需要通过多种不同类型的数百个机械以及电气设备的复杂连接而实现运转。如上所述的设施为了能够确保可靠性并借此实现稳定的电源供应，需要对可能成为事故诱因的异常症候进行实时监测。

为此，需要使用能够对构成设施的主要构成部件的破损与否进行实时监测并在从部件上发现异常症候时能够向运行人员发出警报的监测装置。

现有的监测装置只能够单纯地在从部件上监测到开裂(crack)现象的发生时向运行人员发出警报。虽然运行人员能够认知到在部件上发生开裂现象的事实，但是却无法了解到具体的损伤程度，因此只能够在对警报进行确认之后立即停止运行并决定是否需要对其进行维护。

因此，即使是在所发生的开裂现象的程度比较轻微的情况下，也需要在停止运行之后再进行评估以及维护作业，从而可能会导致运行效率的下降。

所以，需要开发出一种当设施中的特定设备相关的运行变量超出正常运行状态并接近危险状态时，能够在早期提前对相应的危险发出警报，以便于能够快速地采取适当措施的技术。

发明内容

为了解决如上所述的现有问题，本发明的目的在于提供一种能够对设施数据进行实时采集并通过对所采集的数据进行学习而对正常状态的数据进行预测，接下来再通过将实时设施数据与所预测出的正常状态的数据进行比较而对异常进行诊断，其中，通过基于具有参数(Parametric)模型和非参数(Non Parametric)模型的不同特征的多个预测模型对预测值进行组合，能够生成和学习精确度最高的预测值并借此对异常进行诊断，从而能够准确地在早期监测出设施的异常并提供相关信息的设施异常监测学习系统及其方法。