技术新讯 > 计算推算,计数设备的制造及其应用技术 > 基于五维一体的生产运营管理方法及系统与流程  >  正文

基于五维一体的生产运营管理方法及系统与流程

  • 国知局
  • 2024-07-31 23:11:47

本发明涉及生产管理,尤其涉及一种基于五维一体的生产运营管理方法及系统。

背景技术:

1、在现代发电场的运营管理中,实现高效、稳定、可持续的生产是至关重要的,为了达到这一目标,对发电场的生产运营数据进行准确地采集、分析和处理变得尤为重要。这些数据包括发电量、设备运行状态、燃料消耗量、环境监测指标以及设备故障信息等,它们对于评估发电场的运行效率、环境影响和设备健康状况具有重要意义。然而,由于种种原因,如设备故障、监测系统的不稳定或人为错误等,生产运营数据往往存在缺失或不准确的情况,这对数据的质量和后续处理造成了影响,传统的生产运营管理方法往往侧重于对单一维度数据的分析和处理,例如单独关注发电量的优化或仅对设备故障进行响应。这种方法忽略了生产运营管理的复杂性和数据之间的相互关联性,导致管理决策的不全面和响应措施的滞后。此外,对于数据缺失的处理通常采取简单的删除或人工填补方式,这不仅增加了工作量,而且可能引入额外的误差,影响数据分析的准确性和可靠性。

2、中国专利申请公开号:cn116955339a公开了一种生产运营数据资产管理系统,包括数据库与资源规划:包括信息资源的采集、处理、存储、传输、使用、转换和评价,以实现系统各个层级的集成;数据中台:包含数据采集平台、数据治理平台和数据共享交换平台。

3、由此可见,现有技术存在以下问题:无法有效识别处理低质量数据,影响预测模型预测的准确性,从而导致对生产运营中的故障预测的准确性差。

技术实现思路

1、为此,本发明提供一种基于五维一体的生产运营管理方法及系统,用以克服现有技术中无法有效识别处理低质量数据,影响预测模型预测的准确性,从而导致对生产运营中的故障预测的准确性差的问题。

2、为实现上述目的,一方面,本发明提供一种基于五维一体的生产运营管理方法,包括:

3、以预设频率采集发电场的生产运营数据,所述生产运营数据包括发电量数据、设备运行数据、燃料消耗数据、环境监测数据以及故障数据;

4、根据生产运营数据的缺失率确定生产运营数据的合格性;

5、确定生产运营数据的缺失率评估系数,根据所述缺失率评估系数确定对生产运营数据进行预处理的预处理方式,以根据不同类型数据中相邻缺失数据的时间戳之间的平均时间差确定对不同类型数据中的缺失数据的最邻近插值,或根据第一时序预测模型对缺失数据进行预测;

6、或,根据生产运营数据对第二时序预测模型进行训练,以训练完成的第二时序预测模型对未来时长进行预测,根据未来时长内预测到故障数据的数量与未来时长内的预测数据的数量的比值确定是否进行故障预警。

7、进一步地,所述确定生产运营数据的合格性包括在生产运营数据的缺失率大于预设缺失率的条件下确定生产运营数据不合格。

8、进一步地,所述缺失率评估系数根据以下公式计算,设定

9、

10、其中,f表示缺失率评估系数,a1表示发电量数据的缺失率,a2表示设备运行数据的缺失率,a3表示燃料消耗数据的缺失率,a4表示环境监测数据的缺失率,a5表示故障数据的缺失率,a0表示生产运营数据中不同类型数据的平均缺失率。

11、进一步地,所述确定对生产运营数据进行预处理的预处理方式包括在所述缺失率评估系数小于等于预设缺失率评估系数的条件下提取生产运营数据中不同类型数据的缺失数据的时间戳。

12、进一步地,所述确定对生产运营数据进行预处理的预处理方式包括在所述缺失率评估系数小于等于预设缺失率评估系数的条件下将生产运营数据中不同类型数据的缺失率从大到小排列,提取前k个类型数据中缺失数据的时间戳。

13、进一步地,所述提取前k个类型数据中缺失数据的时间戳包括在从大到小排列的不同类型数据的缺失率中,确定当前类型数据的缺失率与后一类型数据的缺失率的缺失率差值,以取得最大缺失率差值的当前类型数据的缺失率作为节点,并以所述节点在从大到小排列的不同类型数据的缺失率中的序号作为k的取值。

14、进一步地,所述确定对不同类型数据中的缺失数据的最邻近插值包括在所述平均时间差大于预设平均时间差的条件下对所述缺失数据进行最邻近插值。

15、进一步地,所述根据第一时序预测模型对缺失数据进行预测包括提取生产运营数据中符合预设条件的一段数据对第一时序预测模型进行训练,将缺失数据的时间戳以及与缺失数据处于相同时间戳下的其他类型数据中的非缺失数据输入训练完成的第一时序预测模型,以对缺失数据进行预测。

16、进一步地,所述确定是否进行故障预警包括在所述比值大于预设比值的条件下确定进行故障预警。

17、另一方面,本发明还提供一种应用基于五维一体的生产运营管理方法的系统,包括:

18、数据采集单元,其用以采集发电场的生产运营数据;

19、数据质检单元,其与所述数据采集单元相连,用以根据生产运营数据的缺失率确定生产运营数据的合格性;

20、数据预处理单元,其与所述数据质检单元相连,用以确定生产运营数据的缺失率评估系数,根据所述缺失率评估系数确定对生产运营数据进行预处理的预处理方式,以根据不同类型数据中相邻缺失数据的时间戳之间的平均时间差确定对不同类型数据中的缺失数据的最邻近插值,或根据第一时序预测模型对缺失数据进行预测;

21、故障预警单元,其分别与所述数据质检单元以及数据预处理单元相连,用以根据生产运营数据对第二时序预测模型进行训练,以训练完成的第二时序预测模型对未来时长进行预测,根据未来时长内预测到故障数据的数量与未来时长内的预测数据的数量的比值确定是否进行故障预警。

22、与现有技术相比,本发明的有益效果在于,本发明根据生产运营数据的缺失率与预设缺失率的比对结果确定生产运营数据是否合格以确保用于进一步分析和决策的数据更完整,有助于提高数据分析的准确性和可靠性,从而提高预警的质量。

23、进一步地,本发明根据公式计算生产运营数据的缺失率评估系数以根据生产运营数据的缺失率评估系数确定对生产运营数据进行预处理的预处理方式,以更加针对性地解决不同情况的数据缺失问题,采取不同的策略,从而提高数据预处理的有效性和效率。

24、进一步地,本发明通过识别缺失率差异最显著的转折点,能够更准确地定位到数据缺失问题的严重程度变化最大的区域,针对性处理有助于集中资源注意力解决最关键的数据缺失问题,从而提高数据预处理的效率和有效性。

25、进一步地,本发明根据不同类型数据中相邻缺失数据的时间戳之间的平均时间差与预设平均时间差的比对结果确定是否对不同类型数据中的缺失数据进行最邻近插值以显著提高数据的完整性,为后续的数据分析和决策提供更连续、完整的数据支持。

26、进一步地,本发明通过时序预测模型补全缺失数据,以显著提高数据集的完整性,为后续的数据分析、决策支持等提供更连续、完整的数据基础,时序预测模型能够有效利用数据的时间序列特性,通过分析数据的自相关性和趋势,对缺失数据进行准确预测。

27、进一步地,本发明根据所述比值与预设比值的比对结果确定是否进行故障预警以实时监测生产运营数据的异常变化,及时发现可能导致故障的迹象,从而实现故障的早期预警,有助于采取预防措施避免或减轻故障造成的损失。

28、进一步地,本发明数据采集单元能够实时采集发电场的生产运营数据,确保数据的及时性和完整性,数据质检单元能够根据生产运营数据的缺失率确定数据的合格性,提高数据的可靠性和准确性,数据预处理单元能够根据缺失率评估系数确定对生产运营数据的预处理方式,保证数据的完整性和一致性,故障预警单元能够通过训练第二时序预测模型对未来时长进行故障预测,提前发现潜在故障,降低故障对发电场生产运营的影响,提高发电场的运营效率和可靠性。

本文地址:https://www.jishuxx.com/zhuanli/20240730/196337.html

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至 YYfuon@163.com 举报,一经查实,本站将立刻删除。