阅读说明：本技术 一种基于效能分析的水泵运行状态异常判别的方法 (Water pump running state abnormity discrimination method based on efficiency analysis ) 是由 陶清宝 汤俊萱 肖雷 鲍劲松 于 2020-04-28 设计创作，主要内容包括：本发明公开了一种基于效能分析的水泵运行状态异常判别的方法,根据收集到的水泵运行状态中的电流和轴功率数据,分析了电流和轴功率相关关系,将电流和轴功率之间的关系转换为流量和效率之间的关系,从而根据水泵效能曲线来说明电流和效率这之间可能存在的关系,随后根据已收集到的数据进行多项式回归,并进行统计分析,最后通过残差正态分布3σ法则判断水泵运行是否存在异常,据此判断水泵是否存在潜在的故障。(The invention discloses a water pump running state abnormity discrimination method based on efficiency analysis, which analyzes the correlation between current and shaft power according to the collected current and shaft power data in the water pump running state, converts the relation between the current and the shaft power into the relation between flow and efficiency, thereby explaining the possible relation between the current and the efficiency according to a water pump efficiency curve, then carries out polynomial regression according to the collected data, carries out statistical analysis, and finally judges whether the water pump runs abnormally or not according to a residual normal distribution 3 sigma rule, thereby judging whether the water pump has potential faults or not.)

一种基于效能分析的水泵运行状态异常判别的方法

技术领域

本发明涉及基于效能分析的水泵运行状态异常判别技术，特别涉及一种基于效能分析的水泵运行状态异常判别的方法。

背景技术

水泵在工业生产中有广泛而重要的应用。水泵一旦出现故障，不但会导致设备本身停止运转，更会影响前后生产工序，使企业利润大幅缩减。现有企业通常采取事后纠正性修理或者定周期的预防性维护保养对设备进行维修，这可能会放纵故障的发生或是产生不必要的维修花费。如果能在水泵故障发生之前就根据水泵的状态信息判断分析水泵未来可能发生的故障，从而提前维护提前维修，那么就能够大幅降低停机时间，减少停工时间，从而保证整条生产线的正常生产，从而保证企业的利润。

发明内容

为了解决上述问题，本发明提供一种基于效能分析的水泵运行状态异常判别的方法，根据收集到的水泵运行状态中的电流和轴功率数据，分析了电流和轴功率相关关系，将电流和轴功率之间的关系转换为流量和效率之间的关系，从而根据水泵效能曲线来说明电流和效率之间可能存在的关系，随后根据已收集到的数据进行多项式回归，并进行统计分析，最后通过残差正态分布3σ法则判断水泵运行是否存在异常，据此判断水泵是否存在潜在的故障。

本发明中的一种基于效能分析的水泵运行状态异常判别的方法，包括如下步骤：

步骤S1：通过安装在水泵上的传感器获取水泵运行过程中的瞬时电流和对应时刻的水泵轴功率两个状态数据；

步骤S2：分析水泵的机理，得到性能曲线拟合类型；

步骤S3：将收集到的状态监测数据进行使用多项式拟合数据；

步骤S4：使用正态分布3σ准则进行运行状态异常点分析检测检验。

上述方案中，所述步骤S2包括如下步骤：

步骤S21：计算步骤S1中瞬时电流下的水泵电机的输出功率，其计算公式P为电机的输出功率，U为线电压，I代表当前流经电机的电流，是功率因子，由负载类型决定；

步骤S22：水泵的效率在其接近额定功率时达到最大值，而在低于额定功率和高于额定功率时其效率较低，在考虑了水泵自身效率后将步骤S21中公式改写为

P_a代表水泵的轴功率，U为线电压，I为当前流经电机的电流，

为功率因子，η代表水泵自身的效率；

步骤S23：将电机电流作为自变量，根据步骤S22中的式子左侧等式计算出水泵的总效率作为因变量，则可以得到各个时刻不同水泵电机的水泵效率η-电流I分布情况。

上述方案中，所述步骤S21中U在工业用电时为380V，

为0.8。

上述方案中，所述步骤S3包括：

步骤S31：使用Matlab工具箱对数据进行三次多项式拟合，拟合的准则为最小二乘拟合，最小二乘法的计算目标为N为样本的个数，f(x_i)为拟合的函数的回归值，y_i为实际的值，从而找到使残差平方和最小的三次曲线；

步骤S32：计算回归的统计指标决定系数R²和残差的样本标准差σ，计算公式为

R²代表了决定系数，y代表样本的实际值，代表回归函数值，

代表样本值的平均值，σ代表残差的样本标准差，n代表样本的个数。

上述方案中，所述步骤S4中多项式线性回归的随机误差满足N(0，σ²)分布，即均值为0，标准差为σ的正态分布，可以按照正态分布的3σ法则检验异常值，包括训练样本中的异常值和新输入数据中的异常值，在回归曲线建立后针对原先输入的数据进行检验，如果与拟合曲线差值超过3σ，则认为数据在随机误差的置信区间以外，属于异常点，随后需要去除异常点重新进行拟合直到训练数据中不存在异常点为止，此时回归模型已经建立完成。

上述方案中，所述步骤S4中回归模型建立完成后，如果有新的数据，输入模型进行检测，若与回归值的差值大于3σ则认为并非由随机误差造成，而是异常点。

本发明的优点和有益效果在于：

1、本发明从水泵效能分析的角度出发，分析了两种参数电流和功率之间存在的内在联系，找到了水泵的性能曲线作为拟合过程中间的桥梁，从而确定了拟合的方法以及拟合多项式的次数；

2、本发明能够从数据维度和数据数量均较少的样本数据中建立水泵的异常检测模型，同时也能够应对收集的样本中故障数据的量较少的问题；

3、本发明能够针对每个水泵建立与其一一对应的异常检测模型；

4、本发明能够快速便捷的建立水泵运行情况异常检测模型，工程实践能力强。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，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发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为

具体实施方式

中水泵性能曲线多项式拟合结果。

图2为本发明的流程图。

具体实施方式

下面结合附图和实施例，对本发明的具体实施方式作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。

如图1和图2所示，本发明是一种基于效能分析的水泵运行状态异常判别的方法，包括如下步骤：

步骤S1：通过安装在水泵电机上的传感器获取水泵运行过程中的瞬时电流和对应时刻的水泵轴功率两个状态数据；

具体本实施例采集了某能源站实际工作过程中的水泵的电机电流和水泵轴功率的数据，水泵应用类型包括一次泵，二次泵等，以某二次泵02号供冷泵为例进行采集其运行时刻的状态数据。

步骤S2：分析水泵的机理，得到性能曲线拟合类型；

计算步骤S1中瞬时电流下的水泵电机的输出功率，其计算公式为

其中，P为电机的输出功率，U为线电压，在工业用电时取380V，I代表当前流经电机的电流，

是功率因子，由负载类型决定，对于工程实践中所用的水泵电机来说一般可取经验值0.8。

理论上，水泵的轴功率应与电流成正比，但是水泵在不同工作情况的效率是不一样的。由水泵性能曲线可得，水泵的效率在其接近额定功率时达到最大值，而在低于额定功率和高于额定功率时其效率较低。

大部分水泵的性能曲线虽然不完全一样，但曲线的趋势确是一致的。因此，在考虑了水泵自身的效率后可以将公式(1)改写为

其中，P_a代表水泵的轴功率，U为线电压，I为当前流经电机的电流，为功率因子，η代表水泵自身的效率。

当电机电流较大时水泵功率较大，水泵能够将更多的液体泵出做功，因此流量与电机电流之间存在正相关关系。这时水泵的性能曲线之一，效率η-流量Q曲线的变化趋势同样可以认为是效率η-电流I的变化趋势。因此，如果将电机电流作为自变量，按照公式(2)左侧等式计算出水泵的总效率作为因变量，则可以得到各个时刻不同水泵电机的水泵效率η-电流I分布情况。

同时，在期刊“农田水利与小水电”中赵林明的文献“水泵性能曲线的解析表达方法”中，作者成功用三次多项式对两个型号的水泵的性能曲线进行了拟合，发现使用三次曲线对水泵的性能曲线，特别是对效率和流量之间的关系进行拟合能取得较好的效果。因此本发明根据性能曲线中的效率与流程成正相关这一特点，也采用三次多项式对数据点进行拟合。

步骤S3：将收集到的状态监测数据进行使用多项式拟合数据；

使用Matlab工具箱对数据进行三次多项式拟合，拟合的准则为最小二乘拟合，最小二乘法的计算目标如下：

式中，N为样本的个数，f(x_i)为拟合的函数的回归值，y_i为实际的值，从而找到使残差平方和最小的三次曲线；

然后计算回归的统计指标决定系数R²和残差的样本标准差σ，计算公式为

式中，R²代表了决定系数，y代表样本的实际值，代表回归函数值，代表样本值的平均值，σ代表残差的样本标准差，n代表样本的个数。

使用Matlab工具箱进行拟合，拟合的结果如图1所示，纵轴代表水泵各个环节效率相乘的整体效率，横轴代表电机的电流。按照3σ作为判断准则，将与拟合曲线差值超过3σ的点作为异常点删除循环重新训练。全部训练结束后(本发明中一共进行了两次回归拟合)即得到了模型拟合最终得到的多项式为：-5.013×10^-8x³+3.382×10^-5x²+0.0094x-0.6216，残差的样本标准差σ为0.0463，决定系数R²＝0.9707，这代表回归模型能代表97％的数据变化。

步骤S4：使用正态分布3σ准则进行运行状态异常点分析检测检验；

理论上，实际测得的数据通过公式(2)计算得到的水泵效率应落在水泵的效率回归曲线上。但在实际生产过程中，由于电压不稳，轴承损坏，转子动不平衡等水泵设备故障和测量不准确因素会使得计算得到的效率偏离了理想的回归曲线。由于水泵的效率是由电流和电压值计算得到的，因此效率的过大波动可以认为是当前的电流和功率的数值不匹配造成的，此时水泵设备一定是出现了异常运行情况或设备的某个部位出现了故障，因此需要通过计算来判别波动是否超过规定范围。

由数理统计知识可得，多项式线性回归的随机误差满足N(0，σ²)分布，即均值为0，标准差为σ的正态分布，同时这里的误差可以认为是由于随机的、无数的、独立的、多个因素造成的，因此可以按照正态分布的3σ法则检验异常值，包括训练样本中的异常值以及新输入数据中的异常值。在回归曲线建立后针对原先输入的数据进行检验，如果与拟合曲线差值超过3σ，那么认为数据在随机误差的置信区间以外，属于异常点。随后需要去除异常点重新进行拟合直到训练数据中不存在异常点为止。到此，回归模型已经建立，如果再有新的数据，就可以输入模型进行检测，如果与回归值的差值大于3σ就可以认为并非由随机误差造成，而是异常点。在本发明中，异常点可能代表了设备存在故障，也可能是由水泵电机启动时过大的启动电流等非故障原因造成。

当重新输入新的测试数据后，也按照3σ准则进行判断，如果数据被模型认为是异常点，则输出1，如果认为处于正常范围内则输出0。在本模型中，输入了7个新时刻的数据进行测试，得到的结果是6个数据均处于正常范围内，一个数据被回归模型认为是异常点，这可能是由于设备存在故障造成的。

本发明根据收集到的水泵运行状态中的电流和轴功率数据，分析了电流和轴功率相关关系，将电流和轴功率之间的关系转换为流量和效率之间的关系，从而根据水泵效能曲线来说明电流和效率这之间可能存在的关系。随后根据已收集到的数据进行多项式回归，并进行统计分析。最后通过残差正态分布3σ法则判断水泵运行是否存在异常，据此判断水泵是否存在潜在的故障。其优点在于：

1、本发明从水泵效能分析的角度出发，分析了两种参数电流和功率之间存在的内在联系，找到了水泵的性能曲线作为拟合过程中间的桥梁，从而确定了拟合的方法以及拟合多项式的次数；

2、本发明能够从数据维度和数据数量均较少的样本数据中建立水泵的异常检测模型，同时也能够应对收集的样本中故障数据的量较少的问题；

3、本发明能够针对每个水泵建立与其一一对应的异常检测模型；

4、本发明能够快速便捷的建立水泵运行情况异常检测模型，工程实践能力强。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。