[发明专利]一种电厂设备健康评估的方法及装置

权利要求书

1.一种电厂设备健康评估的方法，其特征在于，包括：

获取待评估的目标设备参数的实时运行数据，并利用所述目标设备参数的实时运行数据，分别计算各个参数的残差值、各个参数的同类横向对比指标以及工况运行等级数值；

利用所述各个参数的残差值，分别计算各个参数的变权重、偏差分数、偏差严重等级以及偏差紧迫性指标；

根据所述各个参数的变权重、所述偏差分数、所述偏差严重等级、所述偏差紧迫性指标以及所述同类横向对比指标，计算所述参数的偏离程度分值；

利用所述工况运行等级数值和所述参数的偏离程度分值，得到所述目标设备的健康评估值；

其中，所述同类横向对比指标表示通过参数数值跟同类设备同类参数的均值对比的偏离程度；

所述变权重是根据实时运行数据的参数残差大小按照变权公式调整参数权重所获取参数的变权重；

所述偏差分数是先查询参数残差数值临近的两组残差数值偏差分数，再通过线性插值公式计算参数的偏差分数；

所述偏差严重等级表示反映当前参数偏离正常数值范围的程度；

所述偏差紧迫性指标表示反映当前参数残差的发展速度；

所述偏离程度分值表示各个参数的偏差分值乘以对应的参数权重作累加值。

2.根据权利要求1所述的方法，其特征在于，所述利用所述目标设备参数的实时运行数据，分别计算各个参数的残差值、各个参数的同类横向对比指标以及工况运行等级数值包括：

利用预置的BP神经网络回归模型和所述目标设备参数的实时运行数据，计算各个参数的残差值；

根据预先计算的每类工况下同类设备同类参数的参数均值和所述目标设备参数的实时运行数据，计算各个参数的同类横向对比指标；

通过对所述目标设备参数的实时运行数据进行工况类型识别处理，得到工况运行等级数值。

3.根据权利要求2所述的方法，其特征在于，所述利用预置的BP神经网络回归模型和所述目标设备参数的实时运行数据，计算各个参数的残差值包括：

将所述目标设备参数的实时运行数据进行数据归一化处理，得到归一化后的实时运行数据；

根据预置的BP神经网络回归模型和所述归一化后的实时运行数据，得到各个参数的评估数据；

根据所述目标设备参数的实时运行数据和所述各个参数的评估数据，计算各个参数的残差值。

4.根据权利要求2所述的方法，其特征在于，所述预先计算的每类工况下同类设备同类参数的参数均值包括：

根据用户配置的用于反映电厂目标设备运行状态的多个相关参数，获取每个相关参数的历史数据；

通过对所述每个相关参数的历史数据进行工况划分，得到多个工况分类，并根据用户配置的目标参数，计算每类工况下同类设备同类参数的参数均值。

5.根据权利要求4所述的方法，其特征在于，所述根据预先计算的每类工况下同类设备同类参数的参数均值和所述目标设备参数的实时运行数据，计算各个参数的同类横向对比指标包括：

根据所述目标设备参数的实时运行数据的工况参数，确定与所述工况参数对应的工况类型；

根据所确定的工况类型和预先计算的每类工况下同类设备同类参数的参数均值，确定在所述工况类型下同类设备同类参数的参数均值；

利用所述在所述工况类型下同类设备同类参数的参数均值，计算各个参数的同类横向对比指标。