[发明专利]一种设备健康状态预测方法和装置

说明书

本发明公开涉及设备健康管理技术领域，提供了一种设备健康状态预测方法和装置。该方法包括：根据设备使用特点，在预定时间内收集相应的实时数据，基于收集的实时数据，获得标注数据，并建立隐马尔可夫模型；基于标注数据，获得状态迁移期望数；基于状态迁移期望数，获得新的状态迁移期望数；基于新的状态迁移期望数，进行预测模型训练，获得目标预测模型，并基于目标预测模型计算设备的剩余使用时间。本发明公开实施例通过采用隐马尔可夫模型与蒙特卡洛计算出设备的剩余使用时间，能够降低维护成本，保证正常运作，避免因一台设备出现故障导致整个综合能源系统出现瘫痪的危机。

技术领域

本发明公开涉及设备健康管理技术领域，尤其涉及一种设备健康状态预测方法和装置。

背景技术

在综合能源系统中，大量的设备由于长期工作，环境变化，频繁起停等原因，往往会损伤设备的健康度，在未到定期维护时间时，设备出现故障，不但增加维护成本，影响正常运作，甚至会导致整个综合能源系统出现瘫痪，造成严重损失。

因此，对于设备的健康度的评估是极其必要的。

发明内容

有鉴于此，本发明公开实施例提供了一种设备健康状态预测方法和装置，以解决现有技术中综合能源系统中设备的剩余使用时间无法预估的问题。

本发明公开实施例的第一方面，提供了一种设备健康状态预测方法，包括：

根据设备使用特点，在预定时间内收集相应的实时数据，所述实时数据至少包括设备运行年限、历史维修保养数据、当前运行数据、能耗数据中的一种；

基于收集的所述实时数据，获得标注数据，并建立隐马尔可夫模型；

基于所述标注数据，获得状态迁移期望数；

基于所述状态迁移期望数，获得新的状态迁移期望数；

基于所述新的状态迁移期望数，进行预测模型训练，获得目标预测模型，并基于所述目标预测模型计算所述设备的剩余使用时间。

本发明公开实施例的第二方面，提供了一种设备健康状态预测装置，包括：

收集模块，被配置为根据设备使用特点，在预定时间内收集相应的实时数据，所述实时数据至少包括设备运行年限、历史维修保养数据、当前运行数据、能耗数据中的一种；

标注模块，被配置为基于收集的所述实时数据，获得标注数据，并建立隐马尔可夫模型；

迁移期望模块；被配置为基于所述标注数据，获得状态迁移期望数；

新迁移期望模块，被配置为基于所述状态迁移期望数，获得新的状态迁移期望数；

计算模块，被配置为基于所述新的状态迁移期望数，进行预测模型训练，获得目标预测模型，并基于所述目标预测模型计算所述设备的剩余使用时间。

本发明公开实施例的第三方面，提供了一种计算机设备，包括存储器、处理器以及存储在存储器中并且可以在处理器上运行的计算机程序，该处理器执行计算机程序时实现上述方法的步骤。

本发明公开实施例的第四方面，提供了一种计算机可读存储介质，该计算机可读存储介质存储有计算机程序，该计算机程序被处理器执行时实现上述方法的步骤。

本发明公开实施例与现有技术相比存在的有益效果是：本发明公开实施例根据设备使用特点，在预定时间内收集相应的实时数据；建立隐马尔可夫模型，获得标注数据、状态迁移期望数以及新的状态迁移期望数，再通过新的状态迁移期望数进行训练获得目标预测模型，最终采用目标预测模型计算设备的剩余使用时间。本发明公开实施例通过采用隐马尔可夫模型与蒙特卡洛仿真计算相结合的方式，计算出设备的剩余使用时间，能够降低维护成本，保证正常运作，避免因一台设备出现故障导致整个综合能源系统出现瘫痪的危机。

附图说明