一种热网设备健康度评估方法和系统与流程

摘要: 本申请涉及热网设备,特别是涉及一种热网设备健康度评估方法和系统。背景技术:1、热网设备健康度评估是保障供热系统安全高效运行的核心环节。当前主流技术多采用静态阈值...
一种热网设备健康度评估方法和系统与流程

本申请涉及热网设备,特别是涉及一种热网设备健康度评估方法和系统。

背景技术:

1、热网设备健康度评估是保障供热系统安全高效运行的核心环节。当前主流技术多采用静态阈值判断、专家经验规则或单一工况下的权重模型进行设备状态评价,例如通过设定温度、压力等参数的固定阈值触发预警,或基于专家打分构建固定权重指标体系评估设备健康状态。部分研究引入机器学习算法实现故障预测,但多聚焦于单一设备或特定工况,对多设备协同、动态工况适应性及系统级健康度的综合评估尚处于探索阶段。

2、现有技术存在三大显著缺陷:其一,静态评估模型难以适应热网运行工况的动态变化,如启停过渡、负荷波动等工况下设备健康度权重需实时调整,而传统方法无法实现动态权重自适应;其二,设备间健康度影响关联性被忽视,仅关注个体设备健康度而忽略设备网络拓扑中关键节点(如阀门、泵机)对系统整体健康度的传递影响;其三,系统级健康度评估缺失,缺乏从设备级到系统级的健康度传导机制,难以支撑热网全系统的综合健康度评估与趋势预测需求。

技术实现思路

1、本申请旨在解决现有热网设备健康度评估技术中动态适应性差、设备关联性考虑不足及系统级评估缺失的问题,特别创新地提出了一种热网设备健康度评估方法和系统。

2、为了实现本申请的上述目的,本申请提供了一种热网设备健康度评估方法,所述方法包括:

3、s1:采集设备本体运行参数、环境工况数据、维护记录和关联设备状态数据,构建多源异构数据集并进行预处理;

4、s2:基于预处理后的所述多源异构数据集,采用lstm网络识别当前运行工况类型;根据所述当前运行工况类型,结合熵权法与ahp组合赋权,生成动态权重系数,所述动态权重系数随工况变化自动调整;

5、s3:基于所述动态权重系数,运用topsis法计算设备级健康度得分;

6、s4:基于所述设备级健康度得分,结合设备网络拓扑结构与pagerank算法,计算设备间健康度影响系数;依据所述设备间健康度影响系数,叠加设备的位置权重,生成系统级健康度得分;

7、s5:基于所述设备级健康度得分和系统级健康度得分,结合预训练完成的数字孪生预测模型,生成未来t小时内设备健康度变化趋势,最终形成热网设备综合健康度评估结果。

8、在另一方面,本申请还提供一种热网设备健康度评估系统,所述系统包括:

9、处理器;

10、用于存储处理器可执行指令的存储器;

11、其中,所述处理器被配置为执行所述可执行指令时实现所述的热网设备健康度评估方法。

12、本申请的有益效果:本申请通过lstm网络对多源异构数据进行时序特征提取与模式识别,可精准区分稳定运行、启停过渡、负荷波动及异常工况四类运行状态。结合熵权法与ahp的组合赋权策略,既保留了数据驱动的客观权重计算优势,又融入了领域专家经验的主观判断,再通过自适应阈值机制实现权重随工况的实时调整。例如,在启停过渡工况下,系统会自动增强对压力波动、温度梯度等关键指标的权重,使健康度评估结果更贴合设备实际运行状态,显著提升评估精准度与动态适应性。

13、本申请基于设备级健康度得分构建工况关联的有向图拓扑矩阵,叠加设备位置权重矩阵,通过pagerank算法迭代计算设备间健康度影响系数,最终生成系统级健康度修正系数。该机制可有效量化关键设备(如阀门、泵机)对系统整体健康度的传递影响。以热网管道分支节点为例,通过设备间影响系数能准确反映上游设备故障对下游设备健康度的连锁衰减效应,实现从“个体设备评估”到“系统网络评估”的跨越,提升系统级健康度评估的全面性与可靠性。

14、本申请基于设备级与系统级健康度得分构建时空融合特征向量,依托数字孪生预测模型的物理引擎层、数据融合层与预测核心层三层架构,实现从“当前健康度评估”到“未来趋势预测”的全链路管理。其中,预测核心层采用的transformer-lstm混合网络,结合隐状态记忆可捕捉设备长期健康度演变规律,通过工况敏感度系数动态修正预测趋势。例如,在负荷波动工况下,系统会通过工况敏感度系数调整预测模型的权重分配,确保趋势预测的准确性。最终通过三维加权平均生成的综合健康度评估结果,既包含当前健康状态,又融合系统影响与未来趋势,形成完整的热网设备健康度评估闭环,为运维决策提供更全面的支持,提升运维工作的主动性与针对性。

15、本申请的附加方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本申请的实践了解到。

1.一种热网设备健康度评估方法,其特征在于,所述方法包括:

2.如权利要求1所述的热网设备健康度评估方法,其特征在于,步骤s2中“基于预处理后的所述多源异构数据利用lstm网络识别当前运行工况类型,基于所述当前运行工况类型结合熵权法与ahp组合赋权生成动态权重系数”,具体包括:

3.如权利要求1所述的热网设备健康度评估方法,其特征在于,步骤s3中“基于所述动态权重系数利用topsis法计算设备级健康度得分”,具体包括:

4.如权利要求3所述的热网设备健康度评估方法,其特征在于,计算设备级健康度得分的表达式为:

5.如权利要求1所述的热网设备健康度评估方法,其特征在于,在步骤s4中“生成系统级健康度得分”,具体包括:

6.如权利要求5所述的热网设备健康度评估方法,其特征在于,计算系统级健康度得分的表达式为:

7.如权利要求1所述的热网设备健康度评估方法,其特征在于,步骤s5中“形成热网设备综合健康度评估结果”,具体包括:

8.如权利要求7所述的热网设备健康度评估方法,其特征在于,步骤s501中“通过所述设备级健康度得分和系统级健康度得分构建时空融合特征向量”,具体步骤为:

9.如权利要求7所述的热网设备健康度评估方法,其特征在于,所述数字孪生预测模型包括物理引擎层、数据融合层和预测核心层;

10.一种热网设备健康度评估系统,其特征在于,所述系统包括: