[发明专利]一种故障预警方法、装置、设备及存储介质

说明书

本发明公开了一种故障预警方法、装置、设备及存储介质。该方法包括：获取离线数据和在线数据，其中，所述在线数据包括：生产实时数据和振动数据；根据所述离线数据、所述振动数据和所述生产实时数据确定测点数据，其中，所述测点数据包括：添加相同时间标签的离线数据、振动数据和生产实时数据；将所述测点数据输入训练好的故障预警模型，得到预估健康数据；若所述测点数据和预估健康数据的差值大于设定阈值，则进行故障预警，通过本发明的技术方案，以实现对设备故障的预警诊断，提前预估设备的劣化状态，实现预知检修，避免了故障发生，减少维护时间，降低故障率。

技术领域

本发明实施例涉及电站设备状态监测技术领域，尤其涉及一种故障预警方法、装置、设备及存储介质。

背景技术

在电站中，设备运行的好坏具有十分重要的意义，当关键设备发生故障时，很可能会对整个系统及其他相关设备产生重大影响。随着人工智能技术和大数据挖掘算法的在工业领域的普遍应用，设备故障预警诊断在电站设备状态监测领域得到了较大发展和较多应用。目前设备预警诊断方法主要针对生产实时数据的建模，对设备状态的监测手段具有一定的局限性。因此，针对预警模型的多种数据结构的基础数据利用和分析受到了广泛的关注。

随着现代大生产的发展和科学技术的进步，电站设备状态的监测手段越来越完善，监测数据的类型越来越复杂，对设备的全方位监控越来越细致，但数据孤岛现象严重，不同类型数据存储于不同系统中，相互独立、互相割裂，对设备数据的整体分析困难。

现有电站设备故障预警诊断系统，主要是针对生产历史数据建立设备预警诊断模型，无法有效结合离线数据和振动数据，数据基础不完整，进而影响了预警诊断结果的准确性。

现有电站设备生产运行产生的时序数据、定期试验和定期工作产生离线数据、振动传感器监测产生的高频振动数据的数据类型各不相同，分别需要时序数据库、关系型数据库和高频数据库来单独存储，这使得数据的多元融合十分困难。

近年来，电站设备诊断专家们依据日益发展的新进科技手段，例如人工智能和大数据挖掘等算法作了针对设备状态的大量研究，并将其引入电站设备监测领域，主要是针对设备状态的异常有了一定判断，取得了一定成果。但在实际使用过程中，由于所利用的数据源是单一生产实时数据的局限性，无法利用现场实际测得的离线数据及时反馈和修正计算模型，使得模型的自学习能力不强。

发明内容

本发明实施例提供一种故障预警方法、装置、设备及存储介质，通过数据融合标准与数据类型转换，使离线数据和振动数据以测点方式转换为时序数据，通过数据类型的转换，使生产时序数据、离线数据和振动数据统一数据标准，为故障预警建模提供数据支撑，进而实现对设备故障的预警诊断，提前预估设备的劣化状态，实现预知检修，避免了故障发生，减少维护时间，降低故障率。

第一方面，本发明实施例提供了一种故障预警方法，包括：

获取离线数据和在线数据，其中，所述在线数据包括：生产实时数据和振动数据；

根据所述离线数据、所述振动数据和所述生产实时数据确定测点数据，其中，所述测点数据包括：添加相同时间标签的离线数据、振动数据和生产实时数据；

将所述测点数据输入训练好的故障预警模型，得到预估健康数据；

若所述测点数据和预估健康数据的差值大于设定阈值，则进行故障预警。

第二方面，本发明实施例还提供了一种故障预警装置，该装置包括：

获取模块，用于获取离线数据和在线数据，其中，所述在线数据包括：生产实时数据和振动数据；

确定模块，用于根据所述离线数据、所述振动数据和所述生产实时数据确定测点数据，其中，所述测点数据包括：添加相同时间标签的离线数据、振动数据和生产实时数据；