本公开涉及能源设备技术领域,提供了设备剩余寿命预测方法、装置、计算机设备及介质。该方法包括:基于预设的处理策略对获取到的原始时序集中的时序数据进行处理,生成目标时序集;基于预设的训练策略和目标时序集对原始处理模型进行训练,得到目标处理模型;基于获取的目标时序数据集和目标处理模型,生成目标预测数据。本公开实施例可以通过上述步骤提前预测设备的剩余寿命,提高了设备或系统的安全性、可靠性和故障排除率。可靠性和故障排除率。可靠性和故障排除率。
【技术实现步骤摘要】
设备剩余寿命预测方法、装置、计算机设备及介质
[0001]本公开涉及能源设备
,尤其涉及设备剩余寿命预测方法、装置、计算机设备及介质。
技术介绍
[0002]设备的健康管理是重要的科研领域,可广泛应用于综合能源及工业领域,其重点是计算设备或系统的退化状态并估算系统的剩余使用寿命。由于无法实时对每个设备或系统进行详细的实地分析,无法获得每个设备或系统的剩余使用寿命,导致设备或系统的安全性、可靠性和故障排除率较低。
技术实现思路
[0003]有鉴于此,本公开实施例提供了设备剩余寿命预测方法、装置、计算机设备及介质,以解决现有技术中由于无法获得设备或系统的剩余使用寿命,导致设备或系统的安全性、可靠性和故障排除率较低的问题。
[0004]本公开实施例的第一方面,提供了一种设备剩余寿命预测方法,包括:基于预设的处理策略对获取到的原始时序集中的时序数据进行处理,生成目标时序集;基于预设的训练策略和目标时序集对原始处理模型进行训练,得到目标处理模型;基于获取的目标时序数据集和目标处理模型,生成目标预测数据。
[0005]本公开实施例的第二方面,提供了一种设备剩余寿命预测装置,包括:时序集生成模块,被配置为基于预设的处理策略对获取到的原始时序集中的时序数据进行处理,生成目标时序集;训练模块,被配置为基于预设的训练策略和所述目标时序集对原始处理模型进行训练,得到目标处理模型;数据生成模块,被配置为基于获取的目标时序数据集和所述目标处理模型,生成目标预测数据。
[0006]本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。
[0007]本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。
[0008]本公开实施例与现有技术相比存在的有益效果至少包括:通过基于预设的处理策略对获取到的原始时序集中的时序数据进行处理,生成目标时序集;基于预设的训练策略和目标时序集对原始处理模型进行训练,得到目标处理模型;基于获取的目标时序数据集和目标处理模型,生成目标预测数据。可以提前预测设备的剩余寿命,提高了设备或系统的安全性、可靠性和故障排除率。
附图说明
[0009]为了更清楚地说明本公开实施例中的技术方案,下面将对实施例或现有技术描述
中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本公开的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它的附图。
[0010]图1是本公开实施例的场景示意图;
[0011]图2是本公开实施例提供的一种设备剩余寿命预测方法的流程图一;
[0012]图3是本公开实施例提供的另一种设备剩余寿命预测方法的流程图二;
[0013]图4是本公开实施例提供的一种设备剩余寿命预测装置的框图;
[0014]图5是本公开实施例提供的计算机设备的示意图;
[0015]图6是本公开实施例提供的SVR模型的示意图。
具体实施方式
[0016]以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本公开实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本公开。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本公开的描述。
[0017]下面将参考附图并结合实施例来详细说明本公开。
[0018]图1是本公开实施例的应用场景的场景示意图。该应用场景可以包括终端设备1、2和3、服务器4以及网络5。
[0019]终端设备1、2和3可以是硬件,也可以是软件。当终端设备1、2和3为硬件时,其可以是具有显示屏且支持与服务器4通信的各种电子设备,包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等;当终端设备1、2和3为软件时,其可以安装在上述的电子设备中。终端设备1、2和3可以实现为多个软件或软件模块,也可以实现为单个软件或软件模块,本公开实施例对此不作限制。进一步地,终端设备1、2和3上可以安装有各种应用,例如数据处理应用、即时通信工具、社交平台软件、搜索类应用、购物类应用等。
[0020]服务器4可以是提供各种服务的服务器,例如,对与其建立通信连接的终端设备发送的请求进行接收的后台服务器,该后台服务器可以对终端设备发送的请求进行接收和分析等处理,并生成处理结果。服务器4可以是一台服务器,也可以是由若干台服务器组成的服务器集群,或者还可以是一个云计算服务中心,本公开实施例对此不作限制。
[0021]需要说明的是,服务器4可以是硬件,也可以是软件。当服务器4为硬件时,其可以是为终端设备1、2和3提供各种服务的各种电子设备。当服务器4为软件时,其可以实现为终端设备1、2和3提供各种服务的多个软件或软件模块,也可以实现为终端设备1、2和3提供各种服务的单个软件或软件模块,本公开实施例对此不作限制。
[0022]网络5可以是采用同轴电缆、双绞线和光纤连接的有线网络,也可以是无需布线就能实现各种通信设备互联的无线网络,例如,蓝牙(Bluetooth)、近场通信(Near Field Communication,NFC)、红外(Infrared)等,本公开实施例对此不作限制。
[0023]用户可以通过终端设备1、2和3经由网络5与服务器4建立通信连接,以接收或发送信息等。具体地,首先,服务器4可以基于预设的处理策略对获取到的原始时序集中的时序数据进行处理,生成目标时序集。其次,服务器4可以基于预设的训练策略和目标时序集对原始处理模型进行训练,得到目标处理模型。最后,服务器4可以基于获取的目标时序数据
集和目标处理模型,生成目标预测数据。
[0024]需要说明的是,终端设备1、2和3、服务器4以及网络5的具体类型、数量和组合可以根据应用场景的实际需求进行调整,本公开实施例对此不作限制。
[0025]图2是本公开实施例提供的一种设备剩余寿命预测方法的流程图。图2的设备剩余寿命预测方法可以由图1的终端设备或服务器4执行。如图2所示,该设备剩余寿命预测方法包括:
[0026]S201,基于预设的处理策略对获取到的原始时序集中的时序数据进行处理,生成目标时序集。
[0027]原始时序集可以指由时序数据组成的数据集合。该原始时序集包括至少一个时序数据。时序数据又称时间序列数据,时间序列数据是根据同一统一指标按时间顺序记录的数据列。在同一数据列中的各个数据必须是同口径的,并要求具有可比性。时序数据可以包括时间戳和核心数据。时间戳可以指该数据形成的时间,例如“08(时):49(分):05(秒)”、“2021(年)
‑
06(月)
‑
09(日)”或“2021(年)
本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种设备剩余寿命预测方法,其特征在于,包括:基于预设的处理策略对获取到的原始时序集中的时序数据进行处理,生成目标时序集;基于预设的训练策略和所述目标时序集对原始处理模型进行训练,得到目标处理模型;基于获取的目标时序数据集和所述目标处理模型,生成目标预测数据。2.根据权利要求1所述的方法,其特征在于,所述基于预设的处理策略对获取到的原始时序集中的时序数据进行处理,生成目标时序集之前,还包括:获取原始测试集;对所述原始测试集中的时序数据进行异常处理,得到目标测试集;基于预设的测试策略对所述目标测试集进行测试,生成测试结果;响应于确定所述测试结果为异常,发送异常信息至目标显示设备;响应于确定所述测试结果为正常,获取所述目标设备的原始时序集。3.根据权利要求1所述的方法,其特征在于,所述基于预设的处理策略对获取到的原始时序集中的时序数据进行处理,生成目标时序集,包括:基于预设的离群处理策略对所述原始时序集中的时序数据进行离群处理,生成离群处理后的时序数据,得到离群处理后的原始时序集;对所述离群处理后的原始时序集中的时序数据进行降噪处理,生成降噪处理后的时序数据,得到降噪处理后的原始时序集;对所述降噪后的原始时序集进行平滑处理,生成平滑处理后的时序数据,得到平滑处理后的原始时序集;将所述平滑处理后的原始时序集确定为所述目标时序集。4.根据权利要求3所述的方法,其特征在于,所述基于预设的离群处理策略对所述原始时序集中的时序数据进行离群处理,生成离群处理后的时序数据,得到离群处理后的原始时序集,包括:获取离群阈值和切割指标;基于所述切割指标将所述原始时序集切割为至少一个原始时序子集;基于预设的离群处理数学式对所述至少一个原始时序子集中每个原始时序子集进行处...
【专利技术属性】
技术研发人员:张燧,徐少龙,
申请(专利权)人:新智数字科技有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。