数据挖掘技术在设备状态监测中的实施要点初论

本文对数据挖掘技术与设备状态监测技术的实际情况进行了综合分析，基于两者的密切关系，对数据挖掘技术的产生、发展进行了较为深入的研究。并对数据挖掘技术在采集资料特征、识别设备状态、辅助参考决断等工作中发挥的重要作用进行了全面解析。此外，本文还对该技术在设备状态监测中的实施要点进行了阐述，以供参考。

【关键词】数据挖掘技术 设备状态监测 实施要点

目前的设备监测系统的主要应用发展方向包括两个部分。一部分，是以设备运行的经济性为目的，对设备机组的构成以及性能进行全面计算，分析其耗能情况，另外还需要把握好设备机组间的负荷分配。另一部分，是按照安全稳定运行为基本原则，对目标机组设备进行全面监测，该部分系统包括设备故障分析诊断系统等多个组成部分。就目前电厂运营情况来看，设备状态监测系统作为生产管理的基础，其应用效果往往也决定着电厂是否能够保持可持续发展。

就目前各电厂的设备状态监测情况来看，需要监测的数据数量较为庞大，怎样妥善整合历史数据对于电厂的日常管理较为重要，而数据挖掘技术则正好符合了实际工作的需要。综合考虑设备状态监测现状，主要应当从监测平台的扩展性与实用性出发，在设备安全管理时挖掘历史数据，从而充分达到提前预警故障的目的。另外，运用数据挖掘技术，也可以逐渐完善设备性能管理工作，为后续维护检修奠定坚实基础。

1 数据挖掘技术简介

数据挖掘技术，通过深入分析数据库内既有的大量信息，从而获得其中具有参考价值、较为新颖、具有较强可用性且能够实际应用的数据，并将其运用于设备管理当中。

数据挖掘的一般性流程如下：首先将数据充分整合后，进行相应的整理与交换，全面构建起完善的数据模型；针对数据模型的各项数据进行全方位评测与报告，并运用故障预警系统及时发现其不足；将数据库内已有资料加以应用并集成，运用于数据库模型的管理当中。利用以上各项操作，在各环节工作中融合统计学相关方法，即可逐步完成数据挖掘工作，并构建完善的设备状态监测系统。

2 设备状态监测中数据挖掘技术实施要点

结合目前电厂实际情况来看，设备状态监测系统与数据挖掘技术是密切相关的，就目前数据挖掘技术应用角度来看，其实施步骤及实施要点主要可以按照以下流程进行。

2.1 以监测系统模型预测值实施监测

数据挖掘技术规范下所确定的非参数性模型，可以在监测设备现场运行时产生符合设备运行规范的相应预测值，设备状态实时化预测值的确定，不单纯由设备现场运行情况确定，同时也会按照设备同监测系统各监测点的相互关系以及设备过往运行情况进行调整。准确的说，设备状态实时化监测，应当充分考虑到大量历史信息数据，并全面把握各模型内部测点关系后，动态化确立的，

在实践当中，利用高精度的预测数值同设备实际运行数值进行分析比较，并采用统计学方法进行分析，可较为全面的把握现场设备的各项参数，并针对设备及系统的早期故障进行有效预警。比如，若单项参数的实际测量结果同预测值存在较大差异时，则应参考偏差规模大小及系统相关的预警机制，督促相关设备运营维护人员尽快处理故障，防止故障严重化或者出现规模扩大化。

此外，构建科学合理化的预警条件后，主设备管理与操作使用人员，应该按照工作实践，对新设备运行状态进行较为妥善的早期处理，进行全面操作，从而全面提升设备早期稳固性与可操作性。

2.2 构建监测系统模型

在采用数据挖掘技术构建设备状态监测系统时，应当优先结合各子机组系统，按照现场设备构建完善的系统模型。具体来讲，就是从既有的数据库中调用大量数据，按照模型构建需要进行整理，将其转化为设备状态监测系统可识别的格式，再按照模型构建规范进行后续操作。考虑到设备原有运行数据中存在涵盖设备运行规律以及设备具体运行参数等与设备密切相关的海量数据，故可以通过对过往数据库内信息进行充分分析处理后，构建较为完善的动态模型，并依此确定最符合设备现场运行规律与设备参数的设备状态监测内容。

考虑到数据挖掘技术主要是对历史数据进行全面分析整理后进行模型构建，故建模方式同样可以采用非参数形式，避免了一般性建模工作中静态参数的约束，使得设备运行现场反应更为精准，有效解决了常规建模法需要大批人力资源支撑的问题，另外，为了解决建模设备规模较大这一问题，采用数据挖掘法也能全面实现，既拥有良好效果，又具备较强的技术性。

2.3 以预期值及实测值分析设备故障

就目前设备情况来看，对比监测站点提供的设备实测值与预期值，可以大致分析获得设备在整个系统当中哪部分测点更易出现故障，并进一步确定设备运行风险较高的测点。以大型风机为例，大部分大型风机常拥有数几十个测点，而出现故障的测点缺一半仅有几个。在利用该设备状态监测法时，用户可以按照设备故障预防要求，选取最需要进行监测的几个点，并要求电厂调动设备管理相关部门确定完善的预警等级制度，并制定完善的故障排除和检修计划，利用数据挖掘技术整理的早期故障处理经验，逐渐构建起较为完善的在线式设备动态维护管理系统。可按照设备以往事故及预警的数据信息，对导致事故的潜在参数影响度进行分析，通过考察导致故障的现象在设备中所占据的百分比，从而基本排除导致设备事故的潜在可能，为其配备相应的设备运营维护管理计划。

此外，全部设备的早期预警处理方式及结果，都应记录于整个数据挖掘技术管理系统内，通过不断整合设备过往故障处理信息与现场处理经验，从而逐渐构成完善的设备现场维护管理系统，提高设备状态监测效率。

3 数据挖掘技术监测设备状态的优势

将运用数据挖掘技术后的设备状态监测系统与传统常规式监测系统对比，其主要优势如表1所示。

由表1可知，在实际应用过程中，利用数据挖掘技术，构建较为完善的设备状态动态化监测系统，可以较为有效的实现规范设备参数、在线监测设备运行以及设备故障快速化排除等工作。在提高设备可靠度的同时，也能够尽可能避免超出原计划停机等大型故障。本文中所提到的实施要点，具有一定参考价值。

4 结束语

作为一项实用性较强的新型数据整合技术，数据挖掘技术具有可有效整合历史数据，并总结出其中较为先进的改造方法及设备经验等诸多优点，尤其是对数据量较为庞大的设备状态系统进行监测时，该技术可以将以往历史数据整合为数据库，查阅较为方便。当然，该技术在实施时也要注意一些关键问题，如充分收集设备测点、制定完善的监测计划、制定符合设备情况的预期值等等，这需要结合实际情况进行相应的调整。

参考文献

[1]朱继涛.数据挖掘技术在设备状态监测系统中的应用[J].科技与生活，2010（17）.

[2]石峰.基于数据挖掘技术的变压器状态监测数据处理系统[D].2013（07）.

[3]蒋弦弋，孙启阔，殷丽娟等.设备状态监测与故障诊断技术的应用[J].机床与液压，2011，39（22）.

[4]王康.设备状态监测与诊断系统软件技术研究与开发[D].2013（06）.

[5]何定健，胡晓兵，杨洋.基于数据挖掘技术的企业设备管理系统[J].中国设备工程，2009（2）.

作者简介

许德成（1985-），山东省青岛市人。大学本科学历。现为深圳市康拓普信息技术有限公司工程师，从事电力设备状态监测项目管理工作。

作者单位

深圳市康拓普信息技术有限公司 广东省深圳市 518034