[发明专利]用于供热设备组件的故障预测方法、系统及设备

说明书

本发明公开了一种用于供热设备组件的故障预测方法、系统及设备，所述故障预测方法包括以下步骤：采集供热设备组件历史的运行维护数据和故障特性数据；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；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；本发明期望通过人工智能技术，从设备使用的历史数据中找到规律，预测设备的故障情况和故障时间，达到提前预警的目的。

技术领域

本发明涉及供暖领域，具体涉及一种用于供热设备组件的故障预测方法、系统及设备。

背景技术

供热系统中需要检修和更换的设备组件有换热器、水泵等，换热器和水泵需要定期检修，否则一旦发生故障，会严重影响供暖。

现有技术中采用人工定时检修方式对供热设备组件进行检修和更换，自动化程度低，不能及时发现设备故障或潜在故障，容易造成热能浪费，人力成本高，导致热力公司运营成本增加。

发明内容

为解决上述技术问题，本发明提供一种用于供热设备组件的故障预测方法、系统及设备。

为解决上述技术问题，本发明采用如下技术方案：

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。

具体地，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。

具体地，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。

具体地，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。

具体地，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。

具体地，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。

具体地，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。

具体地，所述人工智能模型为逻辑回归模型或神经网络模型。

一种用于供热设备组件的故障预测系统，包括：