[发明专利]一种基于大数据算法的机泵选型及分析方法

说明书

本发明公开了一种基于大数据算法的机泵选型及分析方法，包括：建立数据库；对数据库进行数据统计和分析；对数据库进行挖掘并建立预测模型。其中，建立数据库的过程包括数据采集，数据导入和预处理，并把数据按照统一格式进行规范化储存。通过数据统计分析，获取泵选型的概率分布，进行故障分析和效率统计，并获得效率区间。通过大数据技术，对数据进行挖掘并建立泵型、效率、故障点和频率的预测模型。区别于依靠经验设计的传统思路的，本发明可实现对某项目的所有机泵，进行基于可量化指标的多维度综合评价体系的选型，包括泵型比选，设计寿命内的故障预测及分析，能耗分析，综合考虑并对选型给出指导意见。

技术领域

本发明涉及石油化工技术领域，特别是指一种基于大数据算法的机泵选型及分析方法。

背景技术

机泵等转动设备是各工业生产企业中普遍使用的一类通用设备，在各生产企业中均属于主要能耗设备，检修维护费用高，因此选择合理和高效的产品，对降低运行成本十分重要。机泵产品不断更新换代，新的制造工艺，材料和技术层出不穷，但目前各生产企业在选择机泵设备时，所选设备品牌和类型，主要依赖设计人员自身，以及本单位的工程经验，再加上机泵的生产厂家数量有限，因此选型时局限性较大。

发明内容

为进一步解决上述问题，本发明提供一种基于大数据算法的机泵选型及分析方法，属于石油化工技术领域。

本发明提供一种基于大数据算法的机泵选型及分析方法，包括：

S1、获取机泵数据，整合所述机泵数据并建立数据库；

S2、对所述数据库进行数据统计和分析；

S3、对所述数据库进行挖掘并建立预测模型，并根据所述预测模型进行选型评估。

本发明提供了一种整合各个厂家，设计单位和使用单位工程数据，基于大数据算法的选型分析技术及平台，解决选型过程中对设计人员能力水平的依赖，提供一条由设计人员直接从多家厂家产品库中直接选型的途径，综合上下游单位的使用经验和工程数据进行分析，使选型达到更加客观科学；可以在选型阶段，对工程项目的各类机泵设备在设计寿命时间内的成本进行综合评估，达到降低整体运行成本目的；对设计单位，可使本单位的工程经验和数据在平台上持续完善，更有利于操作人员的经验积累。

优选的，所述S1步骤，包括：

S11、采集并整合所述机泵数据；

S12、将所述机泵数据导入数据库，并进行所述机泵数据的预处理。

其中，需要采集并整合的数据包括：不同厂家的产品数据，本单位各实际工程的数据，其他单位各实际工程的数据，机泵使用单位的运行，维检修数据。

数据主要具有三类：

第一类是操作运行类数据，主要从设计单位/使用单位/厂家的实际工程项目获得，以及厂家产品数据获得；

第二类是泵的性能参数，主要从各个生产厂家产品数据库获取；

第三类是使用过程中故障和维检修数据，主要从使用单位和厂家产品数据获得。

整合数据库的机泵数据时，统一所述数据的格式和单位，并且对数据进行大小类型的存储，如设定一个大类为温度，则在大类中细分为工作温度，环境温度，报警温度等小类进行分开存储。

数据的预处理主要指机泵数据的审核、筛选和排序，通过算法筛选出缺漏数据并进行反馈和审核，审核包括机器审核和人工审核，其中机器审核会通过求均值或拟合等方式将一定范围内的缺漏进行自主补充并记录该行为，较大的或无法自动补充的缺漏会上报人工审核，由人工审核继续补充数据缺漏错误等问题。最后通过算法对无缺漏的数据进行排序整理。

优选的，所述S2步骤，包括：

S21、获取预设工况下的一种泵型的概率分布；