[发明专利]一种设备参数最优值的预估方法及预估装置

说明书

本发明公开了一种设备参数最优值的预估方法及预估装置，其中，所述设备参数最优值的预估方法包括：获取并存储设备参数的历史数据；将所述历史数据经数据清洗后获得模型训练数据；以所述模型训练数据建立训练模型；获取所述设备参数的实时数据，并根据所述训练模型预估所述设备参数的最优值。本发明通过采用上述方法对设备参数的最优值进行预估，无需预知设备机理即可进行建模，获得的最优值更合理，准确性更高。

技术领域

本发明涉及工业自动化控制领域，具体而言，涉及一种设备参数最优值的预估方法及预估装置。

背景技术

工控领域，在对设备的安全性、经济性、稳定性进行研究时，往往需要将某一具体的运行工况下设备的各项参数的最优值，作为深入分析的基础数据。例如，在进行设备故障诊断时，通过对比实际值和预估的最优值之间的差异，可以及时发现设备异常情况，避免造成更大的损失。而一旦预估值不准确，就会出现漏报或者误报，影响整个系统的可靠性，造成巨大损失或人力成本的增加。

现有技术中，通常通过传感器采集设备的各项参数，如温度、压力、电压、电流、转速、振动等,参数集合为{p₁,p₂,...,p_n}记为P。根据设备机理，选择跟工况相关性最大的几个主要参数{i₁,i₂,...,i_n}记为I(I∈P)，作为工况指标。根据机理模型确定每个工况指标的取值范围，将每个指标i_n的取值范围分为k_n段。每个工况指标均取任一取值范围小区间段，作为一种工况，那么所有可能的工况数量为k₁*k₂*...*k_n种。相同工况下，性能最优时，将此时各项参数的数据记录为当前工况的最优值。

现有技术的不足之处在于：1、工况指标选取和最优判定条件都与设备的机理模型息息相关，有时甚至很难选出最合适的工况指标，很难决定最优判定条件；2、此方法是将工况指标分段用穷举法生成的工况库，大量的工况实际并不会发生，做了很多不必要的计算；3、由于将特定参数做为工况指标了，那么对这些参数本身无法寻优。

针对上述问题，亟需提供一种精确性、普适性、操作性、独立性更强的、更优化的设备参数最优值的预估方法及预估装置。

发明内容

本发明实施例提供了一种设备参数最优值的预估方法及预估装置，以至少解决现有技术很难决定最优判定条件、无用计算量大等技术问题。

根据本发明实施例的一个方面，提供了一种设备参数最优值的预估方法，包括：获取并存储设备参数的历史数据；将所述历史数据经数据清洗后获得模型训练数据；以所述模型训练数据建立训练模型；获取所述设备参数的实时数据，并根据所述训练模型预估所述设备参数的最优值。其中，所述设备参数包括同一设备的不同参数、不同型号设备的相同或不同参数、不同设备的不同参数，可根据实际应用进行选择设定。

可选地，所述数据清洗包括：按照预设时间段及取值间距对所述历史数据进行筛选。即选择某一个或多个时间段的历史数据作为源数据，按照设定的取值间距进行取值，获得模型训练数据。所述取值间距可以是时间间距，即按照预设时间间距对预设时间段的历史数据进行筛选。

可选地，所述数据清洗还包括：根据预设过滤器对筛选获得的数据进行过滤，所述过滤器包括恒定数据过滤器、超时数据过滤器、参数限值过滤器中的一个或多个。由于数据采集设备异常或者网络中断等原因，可能会造成数据不更新或者更新超时，或者由于设备自身运行异常导致参数数据严重偏离正常值，为了过滤这类无效数据，可以应用“恒定数据过滤器”、“超时数据过滤器”、“参数限值过滤器”等过滤器中的一个或多个对按照预设时间段及取值间距筛选后的数据进行过滤，获得模型训练数据。

可选地，所述数据清洗还包括：根据过滤指令对异常数据进行过滤。所述过滤指令可以由操作员手动选择或输入。