[发明专利]一种基于数据挖掘的汽动给水泵状态监测系统在审

专利信息
申请号: 202111008950.5 申请日: 2021-08-31
公开(公告)号: CN113719446A 公开(公告)日: 2021-11-30
发明(设计)人: 陆春晖;施晨翔;艾杨林;程婷婷 申请(专利权)人: 华能国际电力股份有限公司上海石洞口第一电厂
主分类号: F04B51/00 分类号: F04B51/00;G06N3/04
代理公司: 上海科盛知识产权代理有限公司 31225 代理人: 翁惠瑜
地址: 200942 *** 国省代码: 上海;31
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 数据 挖掘 水泵 状态 监测 系统
【说明书】:

发明涉及一种基于数据挖掘的汽动给水泵状态监测系统,包括数据采集模块、性能监测模块、故障诊断模块和界面展示模块;数据采集模块包括数据采集单元、数据传输单元和数据存储单元,数据采集单元采集汽动给水泵数的运行数据集,并通过数据传输单元存储至数据存储单元;性能监测模块根据运行数据集计算性能数据集;故障诊断模块包括参数筛选单元和故障预测单元,参数筛选单元通过KPCA算法对运行数据集进行降维处理,获得降维数据集,故障预测单元将降维数据集输入训练好的故障预测模型,获得汽动给水泵的故障预测结果;界面展示模块用于显示性能数据集和故障预测结果。与现有技术相比,本发明满足汽动给水泵实时状态监测与故障诊断的需求。

技术领域

本发明涉及一种汽动给水泵状态监测技术,尤其是涉及一种基于数据挖掘的汽动给水泵状态监测系统。

背景技术

一方面,大型火力发电机组带来巨大效益的同时,由于设备之间的复杂性增加、关联性增多以及运行参数要求的提高,火力发电机组设备的故障率不断增加,火力发电厂年非计划停机次数也不断增加。这就导致了火力发电厂每年需要投入相当一部分成本用于发电厂设备的维修,直接影响了火力发电厂生产的安全性和经济性。对于汽动给水泵检修一般采用计划性检修,存在检修针对性不强、分不清主次、检修方式僵化等问题,不仅浪费了大量的人力、物力、财力,还降低了相关设备的利用率,严重影响到燃煤发电企业的整体经济效益。另一方面,随着智能化在线监测设备的快速发展,火力发电厂所监测的数据呈几何增长趋势,与汽动给水泵运行状态相关的状态监测数据呈现出井喷式增长,每时每刻都有新的数据生成,呈现出数据价值密度低、数据类型繁多以及数据量巨大等大数据的典型特征,形成了丰富的历史数据库和实时数据库。面对这些高参数、强相关、多维度的历史数据,采用人工分析的方法很难何从这些海量、丰富的数据中挖掘出有价值的信息。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于数据挖掘的汽动给水泵状态监测系统,满足汽动给水泵实时状态监测与故障诊断的需求。

本发明的目的可以通过以下技术方案来实现:

一种基于数据挖掘的汽动给水泵状态监测系统,包括数据采集模块、性能监测模块、故障诊断模块和界面展示模块;

所述的数据采集模块包括数据采集单元、数据传输单元和数据存储单元,所述的数据采集单元采集汽动给水泵数的运行数据集,并通过数据传输单元将运行数据集存储至数据存储单元;

所述的性能监测模块根据运行数据集计算汽动给水泵的性能数据集;

所述的故障诊断模块包括参数筛选单元和故障预测单元,所述的参数筛选单元通过KPCA算法对运行数据集进行降维处理,获得降维数据集,所述的故障预测单元将降维数据集输入训练好的故障预测模型,获得汽动给水泵的故障预测结果;

所述的界面展示模块用于显示汽动给水泵的性能数据集和故障预测结果;

所述的数据采集模块采集和存储运行数据集,所述的性能监测模块根据运行数据集获取性能数据集,参数筛选单元通过KPCA算法对运行数据集进行降维,获得降维数据集,极大降低了故障预测模型的工作量,解决了故障预测模型在长序列训练过程中存在的梯度爆炸和梯度消失的问题,弥补了汽动给水泵计划性检修存在的检修针对性不强、分不清主次、检修方式僵化等问题,满足汽动给水泵实时状态监测与故障诊断的需求,所述的界面展示模块能够实时显示汽动给水泵的性能数据集和故障预测结果,便于对汽动给水泵进行实时的性能监测与专业分析。

进一步地,所述的性能监测模块包括体积流量监测单元,所述的体积流量监测单元用于计算汽动给水泵的体积流量,计算公式为:

其中,Q为汽动给水泵的体积流量,i为抽点前级数,I为给水泵的总级数,Qin为汽动给水泵进口流量,Qout为汽动给水泵出口流量。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于华能国际电力股份有限公司上海石洞口第一电厂,未经华能国际电力股份有限公司上海石洞口第一电厂许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202111008950.5/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top