一种基于云计算的节能离心泵的性能评估方法及系统与流程

本技术涉及离心泵性能评估，尤其涉及一种基于云计算的节能离心泵的性能评估方法及系统。

背景技术：

1、在工业生产和流体输送中，离心泵扮演着关键角色，但其高能耗和运行效率波动问题普遍存在。传统的性能评估方式，往往依赖现场零星传感器收集数据，受限于计算能力，难以全面获取多维度信息，导致无法实时、准确地洞察泵体真实运行状况，更难以挖掘能耗优化潜力。尤其是在大型工业设施中，当基于云计算的离心泵性能评估系统被扩展到监测多台相互作用的泵组时，面临严格的工艺约束、动态的环境影响以及老化传感器导致的微妙且间歇性的数据不准确问题。

2、具体来说，现有系统在面对泵组间的复杂相互作用时，其核心判断逻辑基于单泵独立优化构建，常常会将为了整体优化而进行的“次优”单泵运行错误地解读为泵本身的性能下降，导致频繁发出误报。例如，为了平衡流量而被轻微节流的泵，系统可能会频繁提示“效率偏低”，增加了不必要的排查工作量。此外，系统难以准确区分是泵的机械状态真的发生了变化，还是仅仅是由于为了满足工艺要求而进行的必要调整，或者是环境温度变化引起的流体物性波动。系统会持续发出“性能异常”的提示，而这些提示在很大程度上是由于系统未能充分理解和融入这些外部工艺约束和环境因素。

3、再者，随着时间的推移，现场传感器可能出现漂移或间歇性故障，其输出的“劣质但非完全错误”的数据被云端系统接收并用于计算，导致评估结果高度不可靠。例如，一个轻微漂移的压力传感器可能导致系统计算出泵的扬程持续下降，从而错误地判断为叶轮磨损或内部泄漏。这种不可靠的数据输入使得云端系统生成的性能评估结果变得高度不可靠，导致维护人员频繁地进行不必要的现场检查，而真正的设备问题却可能被这些虚假提示所掩盖。

4、最后，上述所有问题的累积效应，即系统对泵组互动、工艺约束和环境因素的误判，以及来自老化传感器的不可靠数据，导致系统发出的提示和建议的准确性大幅下降。维护人员在多次响应虚假提示后，对系统的信任度急剧降低。更严重的是，当前系统缺乏一个有效的、自动化的反馈机制。当维护人员在现场确认某个提示是误报，或者某个维护措施并未带来预期的能效提升时，这些“地面真实”的信息并没有被系统有效地吸收和利用，以调整优化其内部的评估判断依据和决策逻辑。这种缺乏学习和自我修正能力的状况，使得系统在面对不断变化的工业现场时，其评估的准确性和指导价值持续衰退。

技术实现思路

1、本技术提供一种基于云计算的节能离心泵的性能评估方法及系统，旨在解决现有技术中离心泵性能评估系统在面对泵组间的复杂相互作用、工艺约束、环境因素以及老化传感器数据不准确等问题时，评估结果不可靠、误报率高、缺乏有效反馈机制，导致系统信任度降低且无法自我修正的缺陷。

2、本技术的技术方案如下：

3、第一方面，本技术公开了一种基于云计算的节能离心泵的性能评估方法，应用于云计算设备，包括：获取离心泵上设置的多个传感器中每个传感器的传感数据；根据多个传感器的传感数据生成异常提示信息；异常提示信息用于指示离心泵的多个传感器中存在异常传感器；接收操作人员针对该异常提示信息提供的反馈信息；反馈信息包括反馈类型，反馈类型包括离心泵无异常或操作人员主动调整离心泵；根据反馈信息确定离心泵的性能评估策略；性能评估策略用于对异常传感器的判断依据进行调整。

4、通过该技术方案，本技术能够通过获取传感器数据、生成异常提示、接收操作人员反馈并据此调整性能评估策略，实现了对离心泵运行状态的实时监控和异常识别，并引入了人工反馈机制，使得系统能够根据实际情况调整判断依据，有效解决了传统评估系统误报率高、缺乏自我修正能力的问题，提高了评估的准确性和可靠性。

5、进一步地，在根据多个传感器的传感数据生成异常提示信息时，该方法包括：针对多个传感器中的每个传感器，获取传感器当前的运行场景类型；获取传感器当前的运行场景类型对应的第一正常数据范围和传感器的当前数据置信度；根据传感器的数据置信对传感器的第一正常数据范围进行调整，得到传感器的第二正常数据范围；根据传感器的传感数据和第二正常数据范围，确定传感器是否为异常传感器，在传感器为异常传感器时，生成指示离心泵运行状态异常的异常提示信息。

6、通过该技术方案，本技术能够根据传感器的运行场景类型和数据置信度动态调整正常数据范围，从而更精准地判断传感器是否异常，有效避免了因固定阈值导致的误判，提升了异常检测的灵敏度和准确性。

7、更加具体的，在一些实施方案中，根据传感器的传感数据和第二正常数据范围，确定传感器是否为异常传感器，在传感器为异常传感器时，生成指示离心泵运行状态异常的异常提示信息，包括：获取操作人员对离心泵的多个控制信息；根据多个控制信息对第二正常数据范围进行调整，得到目标正常数据范围；判断传感器的传感数据是否超出目标正常数据范围，若是，确定传感器为异常传感器，并生成指示离心泵运行状态异常的异常提示信息。

8、通过该技术方案，本技术能够将操作人员的控制信息纳入异常判断的考量，进一步细化了正常数据范围的调整，使得系统能够区分因操作调整引起的正常波动与真正的设备异常，减少了不必要的误报。

9、优选地，在根据多个控制信息对第二正常数据范围进行调整，得到目标正常数据范围时，该方法包括：获取多个控制意图中每个控制意图的预设控制信息；针对多个控制意图中的每个控制意图，确定控制意图的预设控制信息与多个控制信息之间的相似度；将相似度最大的控制意图作为目标控制意图；获取目标控制意图对应的意图调整系数；根据目标控制意图对应的意图调整系数对第二正常数据范围进行调整，得到目标正常数据范围。

10、通过该技术方案，本技术能够通过识别操作人员的控制意图并应用相应的调整系数，实现了对正常数据范围的智能化、精细化调整，使得系统能够更好地适应复杂多变的实际操作环境。

11、在上述基础上，本技术进一步提出了，根据传感器的数据置信对传感器的第一正常数据范围进行调整，得到传感器的第二正常数据范围，包括：获取传感器的重要指数和第一对应关系；第一对应关系包括多个重要指数范围和多个第一调整系数之间的一一对应关系；将第一对应关系中传感器的重要指数所处的重要指数范围对应的第一调整系数作为目标第一调整系数；将第一正常数据范围的上限值与第一值的乘积作为初始上限调整值；第一值为1与数据置信度的差值；将初始上限调整值与目标第一调整系数的乘积作为目标上限调整值；将第一正常数据范围的下限值与第一值的乘积作为初始下限调整值；第一值为1与数据的置信度的差值；将初始下限调整值与目标第一调整系数的乘积作为目标下限调整值；将第一正常数据范围的上限值与目标上限调整值的和作为第二正常数据范围的上限值；将第一正常数据范围的下限值与目标下限调整值的差作为第二正常数据范围的下限值。

12、通过该技术方案，本技术能够综合考虑传感器的数据置信度和重要指数，通过精细化的计算方法对正常数据范围进行动态调整，使得异常判断更加科学合理，有效应对了传感器数据质量不一的问题。

13、在一种实施方式中，根据反馈信息确定离心泵的性能评估策略，包括：在反馈信息中的反馈类型为离心泵无异常时，获取异常传感器的当前数据置信度，并确定离心泵的性能评估策略为根据异常传感器的传感数据对当前数据置信度进行调整，得到异常传感器更新后的当前数据置信度；在反馈信息中的反馈类型为操作人员主动调整离心泵时，确定离心泵的性能评估策略为根据多个传感器中每个传感器的传感数据对离心泵的运行场景信息进行调整；运行场景信息包括多个运行场景类型和多个第一信息之间的一一对应关系，第一信息包括多个传感器中每个传感器的第一正常数据范围。

14、通过该技术方案，本技术能够根据操作人员的反馈类型，灵活地调整性能评估策略，实现了系统的自适应学习和优化，无论是数据置信度的修正还是运行场景信息的调整，都使得系统能够更好地适应实际工况，提升了评估的准确性和实用性。

15、作为可选方案，在反馈信息中的反馈类型为离心泵无异常时，确定离心泵的性能评估策略为根据异常传感器的传感数据对当前数据置信度进行调整，得到异常传感器更新后的当前数据置信度，包括：确定异常传感器的传输数据超出第二正常数据范围的超出量；将当前数据置信度与超出量对应的预设置信度调整值的差值作为更新后的当前数据置信度。

16、通过该技术方案，本技术能够根据传感器数据超出正常范围的程度，量化地调整数据置信度，使得系统能够根据实际数据表现对传感器的可靠性进行动态评估和修正，提高了数据置信度更新的精确性。

17、在上述基础上，在得到更新后的当前数据置信度之后，该方法还包括：获取异常传感器的预设数据置信度阈值；判断更新后的当前数据置信度是否小于预设数据置信度阈值；在更新后的当前数据置信度小于预设数据置信度阈值时，生成用于指示维修人员对异常传感器进行维修的告警信息。

18、通过该技术方案，本技术能够根据更新后的数据置信度判断传感器是否需要维修，实现了对传感器健康状态的智能预警，避免了因传感器故障导致的评估偏差，保障了系统的长期稳定运行。

19、在另一种实施方式中，在反馈信息中的反馈类型为操作人员主动调整离心泵时，确定离心泵的性能评估策略为根据多个传感器中每个传感器的传感数据对离心泵的运行场景信息进行调整，包括：获取运行场景信息中当前运行场景对应的第一信息；针对多个传感器中的每个传感器，将第一正常数据范围和传感器的传感数据输入预设贝叶斯更新模型，得到当前运行场景对应的调整后的第一正常数据范围；预设贝叶斯更新模型用于根据第一正常数据范围和传感器的传感数据对第一正常数据范围进行调整。

20、通过该技术方案，本技术能够利用贝叶斯更新模型，根据实际传感数据对运行场景信息中的正常数据范围进行持续学习和调整，使得系统能够更好地适应离心泵在不同运行场景下的真实表现，提高了场景识别和评估的准确性。

21、第二方面，本技术还公开了一种基于云计算的节能离心泵的性能评估系统，部署于云计算设备，包括：获取装置和处理装置；获取装置，用于获取离心泵上设置的多个传感器中每个传感器的传感数据；处理装置，用于根据多个传感器的传感数据生成异常提示信息；异常提示信息用于指示离心泵的多个传感器中存在异常传感器；处理装置，用于接收操作人员针对该异常提示信息提供的反馈信息；反馈信息包括反馈类型，反馈类型包括离心泵无异常或操作人员主动调整离心泵；处理装置，用于根据反馈信息确定离心泵的性能评估策略；性能评估策略用于对异常传感器的判断依据进行调整。

22、有益效果

23、本技术公开了一种基于云计算的节能离心泵的性能评估方法，通过获取离心泵上多个传感器的传感数据，并根据这些数据生成异常提示信息，能够实时监测离心泵的运行状态，及时发现潜在异常。更重要的是，本技术引入了操作人员的反馈机制，根据反馈信息（包括离心泵无异常或操作人员主动调整离心泵）来确定并调整离心泵的性能评估策略，特别是对异常传感器的判断依据进行调整。

24、该技术方案有效解决了现有技术中离心泵性能评估系统存在的诸多问题。首先，通过接收操作人员的反馈，系统能够区分因工艺约束、环境影响或操作调整导致的“次优”运行与真正的设备性能下降，从而显著降低了误报率，避免了不必要的排查工作量。例如，当系统提示“效率偏低”而操作人员反馈“离心泵无异常”时，系统会调整判断依据，避免再次误报。其次，通过反馈机制对异常传感器的判断依据进行调整，系统能够有效应对老化传感器导致的微妙且间歇性的数据不准确问题，提高了评估结果的可靠性。当传感器数据出现轻微漂移但操作人员确认无异常时，系统可以根据反馈调整该传感器的正常数据范围或数据置信度，避免错误地判断为设备故障。最后，这种引入人工反馈并进行策略调整的机制，使得系统具备了学习和自我修正能力，能够将“地面真实”的信息有效地吸收和利用，从而持续优化其内部的评估判断依据和决策逻辑，克服了现有系统缺乏有效反馈机制的缺陷，提升了系统在面对不断变化的工业现场时的准确性和指导价值，增强了维护人员对系统的信任度。