[发明专利]设备健康状态评估方法、装置、终端设备和存储介质

说明书

本发明适用于能源设备维护技术领域，提供了设备健康状态评估方法、装置、终端设备和存储介质，所述方法包括：获取设备在未出现故障状态下的运行参数数据；根据多个不同的评估模型分别对所述运行参数数据进行评估计算，根据评估计算的结果得到多个设备健康状态的评估结果；基于联合学习架构，将各个所述评估结果作为参与方加入联合学习，根据所述联合学习得到融合各个所述评估结果的全局模型；根据所述全局模型确定对所述设备的健康状态的目标评估结果。本发明实现了自动评估出设备的健康状态等级的效果，进而可以利用该评估结果来决策对设备进行维护的方案，提高设备维护的效率。

技术领域

本发明属于能源设备维护技术领域，尤其涉及设备健康状态评估方法、装置、终端设备和存储介质。

背景技术

综合能源系统是由多种设备和管道链接而成，同时具备多种能源输入，转化，并能供给多种能源给不同的用户的一个系统。综合能源系统中设备包括：燃气内燃机，余热锅炉，蒸汽锅炉，溴冷机，光伏设备，地源热泵，风能设备，储能设备等。

目前针对以上综合能源设备的后期维护，主要采用视情维修。但是视情维修的前提是根据设备所表现出的健康状态而定，决定何时并且采用何种方式对设备进行维修保障。现有技术中对设备健康状态的评估主要根据现场巡视和人工经验，缺乏科学的手段。因此，如何评估设备的健康状态，确定设备健康状态的退化情况，对于整个综合能源系统具有重要意义。

发明内容

有鉴于此，本发明实施例提供了设备健康状态评估方法、装置、终端设备和存储介质，以解决如何评估设备的健康状态的问题。

本发明实施例的第一方面，提供了一种设备健康状态评估方法，其包括：获取设备在未出现故障状态下的运行参数数据；根据多个不同的评估模型分别对所述运行参数数据进行评估计算，根据评估计算的结果得到多个设备健康状态的评估结果；基于联合学习架构，将各个所述评估结果作为参与方加入联合学习，根据所述联合学习得到融合各个所述评估结果的全局模型；根据所述全局模型确定对所述设备的健康状态的目标评估结果。

在一些可选方案中，所述获取设备在未出现故障状态下的运行参数数据，包括：获取设备的运行参数数据；将所述运行参数与预设的设备故障阈值进行比较；根据比较的结果，获取设备在未出现故障状态下的运行参数数据。

在一些可选方案中，所述评估模型包括以下至少一种决策模型：D-S评估模型、Yager评估模型和Murphy评估模型。

在一些可选方案中，所述根据多个不同的评估模型分别对所述运行参数数据进行评估计算，根据评估计算的结果得到多个设备健康状态的评估结果，包括：设立设备的健康状态等级；根据运行参数的标准值和阈值，计算每一个所述运行参数数据的归一化值；根据设备的健康状态等级设定模糊集合，利用针对运行参数建立的隶属度函数在所述模糊集合中对每个运行参数数据的归一化值进行计算，得到每个运行参数数据在设备的健康状态等级下的隶属值；根据所述归一化值，计算每一个运行参数数据的权重；利用至少一种决策模型分别对所述归一化值、隶属值和权重进行计算，根据计算的结果对应得到至少一组包括参数修正后基本概率赋值的评估结果。

在一些可选方案中，所述隶属度函数包括：三角型隶属度函数、梯形隶属度函数或正态型隶属度函数中的任一种函数。

在一些可选方案中，所述根据运行参数的标准值和阈值，计算每一个所述运行参数数据的归一化值，包括：根据参数的标准值和阈值，判断所述运行参数数据中的每一个参数的大小；当参数大于或等于标准值，且小于或等于上阈值时，计算所述参数的归一化值为上最大误差与偏差值之差除以上最大误差；当参数小于标准值，且大于或等于下阈值时，计算所述参数的归一化值为下最大误差与偏差值之差除以下最大误差；其中，所述阈值包括上阈值和下阈值，所述上最大误差等于上阈值与标准值之差的绝对值，所述下最大误差等于下阈值与标准值之差的绝对值，所述偏差值等于参数与标准值之差的绝对值。、