[发明专利]用于供热设备组件的故障预测方法、系统及设备

权利要求书

1.一种用于供热设备组件的故障预测方法，包括以下步骤：

步骤一：采集供热设备组件历史的运行维护数据和故障特性数据；

步骤二：将供热设备组件历史的运行维护数据和故障特性数据输入到人工智能模型内，训练生成预测模型；

步骤三：将供热设备组件实时的运行维护数据、故障特性数据输入到预测模型内，获取故障预测结果；

步骤二中，所述预测模型包括扫描层模型和检测层模型，将供热设备组件历史的运行维护数据输入到人工智能模型内，训练生成所述的扫描层模型；将供热设备组件实时的运行维护数据输入到扫描层模型内，初步判断各供热设备组件的故障情况，如某个供热设备组件存在发生故障的可能性，则该供热设备组件实时的故障特性数据输入到检测层模型内，对其发生故障的可能性再次确认，并获取该供热设备组件的预测故障时间；

所述供热设备组件包括循环泵和换热板，所述检测层模型包括循环泵检测模型和换热板检测模型；将循环泵历史的故障特性数据输入到人工智能模型内，训练生成所述循环泵检测模型，扫描层如果判断某个循环泵存在发生故障的可能性，则将该循环泵实时的故障特性数据输入到循环泵检测模型内，对该循环泵发生故障的可能性再次确认，并获取该循环泵的预测故障时间；将换热板历史的故障特性数据输入到人工智能模型内，训练生成所述换热板检测模型，扫描层如果判断某个换热板存在发生故障的可能性，则将该换热板实时的故障特性数据输入到换热板检测模型内，对该换热板发生故障的可能性再次确认，并获取该换热板的预测故障时间；

所述循环泵的故障特性数据包括循环泵运行流量、循环泵运行频率、循环泵故障情况、循环泵故障次数、循环泵正常运行时间以及每次循环泵发生故障的时间；

所述换热板的故障特性数据包括水中离子浓度、每次检测水中离子浓度的时间、换热板故障情况、换热板故障次数、换热板正常运行时间以及每次换热板发生故障的时间；

所述运行维护数据包括设备名称、设备运行时长、维修次数、每次维修开始的时间、维修类型、设备停用时间、影响供热系统次数、引起重大事故次数。

2.根据权利要求1所述的用于供热设备组件的故障预测方法，其特征在于：步骤二中，在供热设备组件历史的运行维护数据和故障特性数据输入到人工智能模型之前，需要将历史的运行维护数据中的无效数据剔除，并按时间维度进行对齐处理；将历史的故障特性数据中的无效数据剔除，并按时间维度进行对齐处理。

3.根据权利要求1所述的用于供热设备组件的故障预测方法，其特征在于：所述人工智能模型为逻辑回归模型或神经网络模型。