基于大数据的设备状态监测管理理论与方法研究

2020-09-02赵德甫

微型电脑应用 2020年8期

摘要：

传统的机电设备状态监测与管理体系通常均采用独立配置的方式，布局零散且设备之间关联性较差，容易出现监测内容不全面及监测信息记录不完整的问题。研究基于大数据技术，对机电设备状态监测方法进行了创新，重点对机电设备状态监测系统中的大数据远程传输、存储等核心问题进行了分析，开发出一套运用大数据技术进行机电设备状态监测和管理的系统。该系统运行效果良好，对其他企业设备状态监测管理工作有较强的借鉴意义。

关键词：

大数据; 状态监测; 管理理论

中图分类号： TP 311

文献标志码： A

Research on Theory and Method of Equipment Condition

Monitoring Management Based on Big Data

ZHAO Defu

（College of Management and Economics， Tianjin University， Tianjin 300072， China）

Abstract：

Traditional mechanical and electrical equipment condition monitoring and management systems usually adopt independent configuration. The layout is scattered and the correlation between the devices is poor. It is easy to cause the problems of incomplete monitoring content and incomplete monitoring information record. Based on the large data technology， the state monitoring method of electromechanical equipment is innovated. The core problems of the state monitoring system of electromechanical equipment， such as the longdistance transmission and storage of large data， are analyzed. A state monitoring and management system of electromechanical equipment using large data technology is developed. The system runs well and has a strong reference value for the equipment condition monitoring and management of other enterprises.

Key words：

big data; condition monitoring; management theory

0引言

以传统方式配置的机电设备状态监测管理系统，通常会因为独立且分散的布局出现两方面的问题：①单独的检测系统不能全面对设备进行检测，在反映设备整体工作状态上存在缺陷;②独立配置的设备状态监测系统会将检测数据就地储存于该设备主机内，受主机存储空间影响，会对数据存储时间有所限制，造成某些具有长期保留价值的数据被删除[13]。在数字化与智能化的要求下，机电设备状态监测管理系统需要将监测管理体系中的数据进行融合并进行统一管理，确保改进后的系统能够在设备整个生命周期内完成对设备的全面监测和数据分析，为技术人员及管理人员提供全面、可靠的技术支撑。

研究以我国某大型企业为例，利用大数据技术对企业机电设备监测管理系统进行了改造[4]。改造后的系统能够实现“集团级”状态监测和数据存储与管理，在此基础上开发一套完善的机电设备状态监测系统，实现了对企业机电设备的全方位、全生命周期的监测、分析、评估和诊断。

1系统建设目标

1.1完成多源数据介入

改造后系统要能够接入企业下属各个部门的机电设备状态监测系统，能够同时完成不同设备数据的调用和存储，并将监测数据完整传输至总部数据中心进行保存。

1.2构建全景数据中心

利用大数据及云计算技术，完善以往单一的实体数据存储体系，构建全景数据中心对监测数据进行统一管理。

1.3构建轻量化应用中心

利用大数据技术，采用轻量化、插件化的数据挖掘与分析思路，实现对机电设备状态的远程監测、分析、评价和故障诊断。

2系统总体架构

本次搭建监测系统总共分为三层，总体架构见图1所示。

①数据接入层，通过数据接口软件搭建数据接入平台，与各部门机电设备监测子系统进行连接，获取全部设备的检测数据[5];②数据中心层，在企业总部搭建云平台进行数据存储，并按照功能搭建子数据库，对企业所有设备信息进行统一管理，并向各子数据库提供数据支持[6];③应用中心层，采用轻量化、插件化思路部署应用运行管控平台，针对企业设备运行状态开发监测应用软件，实现对机电设备状态的智能管理[7]。

3系统网络结构

本次设计系统的网络结构，如图2所示。

3.1数据采集层

该层设备主要包括：①数据采集前置服务器，通过在各不同部门的全面部署，实现对接入设备的实施状态监测，并将监测数据通过专用网络传送至总部数据库储存;②纵向加密装置，对传输过程中数据进行加密，保证数据安全性[810];③数据通信服务器，位于企业总部，接收到企业各部门采集到的数据后存储至数据中心数据库。此外，由于企业各部门设备监控系统数据均已传输至总部集控中心，因此主要通过Ⅲ区接口服务器完成监控系统数据接入。

3.2数据中心层

该层设备主要包括：①实时数据库服务器，主要负责设备状态监测的特征数据及原始数据的存储工作;②关系数据库服务器，主要负责设备状态监测过程中的测点信息、设备档案、评估及诊断结论等信息的存储工作;③数据预处理服务器，主要负责对状态监测过程中产生的各种数据进行加工，方便软件对数据进行快速反应[11]。

3.3应用中心层

该层设备主要包括：①应用服务器，主要负责简化系统应用软件;②应用管控服务器，主要负责对各环节应用软件进行管控和部署。

4数据采集层

4.1数据采集

为满足该企业现场数据接口种类繁多的需求，研究将该企业设备使用频率较高的通信协议做成独立模块，可根据具体需求安装到对应的数据采集前置服务器上。该系统支持常用的IEC61850、IEC104、Modbus等通信协议，支持通过以太网口及串口接入各类型数据。对于该企业中某些非标准协议通信系统，采用特定通信协议进行通信。

4.2数据远距离传输

机电设备状态监测系统中，数据产生的频率通常为s级甚至ms级[12]。如何保证检测数据远距离传输过程中的完整性和实时性成为系统搭建中的难点。研究采用基于消息队列的数据传输机制来进行数据远程传输，如图3所示。

1.系统在采集到状态监测数据后可首先将数据写入消息队列，首先保证数据得到一定时长的缓存。缓存时间具体数值可以更具不同部门以及不同设备自行设置。

2.消息队列中的新数据可以通过通信程序定期传输至总部数据中心。根据网络带宽情况，若网络传输速率小于数据产生速率，则尚未传输的数据可继续保留，网络空闲时自动进行传输。保证了数据传输的完整性，又不影响数据传输的稳定性。

3.数据采集前置服务器可进行3d时间的数据缓存，一旦各部门设备状态监测系统与数据中心之间出现网络中断现象，可在网络恢复后继续进行数据传输。

对于数据量大、产生频率高的振摆系统，系统通过时频转换，将其原始波形转化为相应的频谱，避免其直接传输影响通信网络的实时性和稳定性。

5数据中心层

数据中心层存储及管理架构，如图4所示。

本次开发的系统数据存储策略能够根据数据不同的特点（非结构、半结构、结构数据），灵活采用不同的方式对数据进行有效管理和存储，既保证了数据的完整和准确，又保证了软件能够快速高效地进行数据调取和查询。

5.1分布式实时数据库

实时数据库具有存写快、可在线压缩等优势。通过对计算机集群上部署分布式实时数据库，能够对包括全部特征量和原始数据在内的系统实施状态数据进行存储。同时，该机制能够有效节约存储空间，并充分发挥多机并行的工作优势。缺点是在该机制下数据库本身不能将不同测点数据之间的逻辑关系储存下来，同时也无法根据逻辑条件查询相应数据。

5.2关系数据库

布置关系数据库一定程度上可以弥补分布式实时数据库的不足[13]。除单纯存储数据外，关系数据库还能够存储如存储设备参数、数据挖掘及计算结果等数据之间的逻辑关系，便于系统根据各数据之间的逻辑关系进行数据调取和查询。

5.3内存数据库

在内存数据库中对监测数据进行操作，具有存取极快、反应极敏捷的优势。当系统中需要进行某些复杂计算时，将部分常用监测数据缓存到内存数据库中可以显著提高系统的反应速度。

5.4文件数据库

主要用于存储非结构化以及半结构化数据，如图片、音频、视频以及各类型报表等。针对振摆波形数据、故障案例数据等同样可以采用文件形式存储进文件数据库[1415]。

系统的数据存储空间以及存储时间均可通过扩展计算机集群节点的方式实现，根据该企业需求，将数据存储时间年限暂定为15年。在数据中心部署数据服务层，能够在为各个应用程序提供数据服务的同时，分离应用层和数据存储层，有效提高了系统应用的可靠性和可扩展性。

6应用中心层

6.1轻量化应用策略

轻量化的应用策略表现为：该系统中的所有应用之间均保持相对独立，其应用功能专为解决某一特定问题或关注某个特定设备狀态而设计。在该策略的支持下，能够有效降低系统内部的复杂性，同时能够保证系统的更新迭代速度，使企业以尽量低的成本和代价来应对某些业务逻辑发生的变化。

6.2应用开发框架和管理平台

该系统中的应用开发框架以及管理平台实行统一规范进行部署，系统中的各个应用软件以插件的形式在该开发框架和管理平台中统一进行统计、分析以及组态。有利于保证不同应用软件的一致性。

6.3应用集市

应用集市，即将系统中各种轻量化应用软件统一部署到某一模块中的策略。通过系统部署的应用集市功能，能够保证不同用户根据自身需求和权限灵活选择应用软件进行操作。

6.4应用软件功能

该系统应用软件功能主要包括：①全景数据展示，即通过二维、三维或动画等数据可视化手段，将机组状态监测系统、调速器监测系统、监控系统等数据进行多维度展示，使管理人员能够从全方位、多维度实现对机电设备状态的监测;②预警报警，主要包括动态阀值报警、趋势预警、故障预警等;③专业分析，针对不同部门、不同的监测设备，开发具有针对性的专业分析工具，对监测数据进行深入分析，该公司所用到的分析工具主要有波形图、频谱图、瀑布图、大卫三角法、立体图示法等;④大数据分析，利用大数据回归、聚类分析等算法，对监测系统采集数据进行深度挖掘，通过对数据变化特征和规律进行分析，得到设备的运行规律以及其他特征;⑤状态评价，主要针对监测设备的工作状态、专项故障以及某些实验数据进行评价或评估;⑥故障诊断，通过系统大数据分析结果，针对设备常见故障建立故障诊断数据库，并将人工智能技术、机器学习技术等与该系统故障树推理机技术相融合，实现了系统针对常见设备故障的自诊断功能，同时系统故障诊断知识库采用开源形式，技术人员或管理人员能够更具设备运营实施情况，有针对性地进行功能的增删改查，实现了人工与机器自学习的结合。

7总结

本次研发的基于大数据的设备状态监测管理系统已经正式投入使用。共接入该企业下属所有分公司、各类型设备等40多个子系统，超过14万个测点数据，初步实现了系统设定中的“完成多源数据介入”“构建全景数据中心”“构建轻量化应用中心”等各項功能。系统的建成和成功运行，实现了原有系统不具备的设备状态远程监测功能，有效降低了人工先现场分析后诊断维护的成本;实现了专家“远程会诊”的可能，极大地提高了系统监测和故障诊断效率。该系统部署的设备状态监测数据中心能够实现设备全寿命周期的数据统一管理和存储，能够为设备后续多年的监测、维护以及系统升级提供数据服务和技术支持。然而，利用大数据进行设备状态监测管理的形式还比较新，系统中尚存在一些问题，如大数据分析准确度问题以及开源的系统故障诊断知识库安全问题等，需要在今后的工作和研究中逐一解决。

参考文献

[1]吴秋莉，郭丽娟，吕泽承，等.基于大数据的井喷式状态监测数据实时处理研究[J].电力信息与通信技术，2017（3）：5459.

[2]高帆，王玉军，杨露霞.基于物联网和运行大数据的设备状态监测诊断[J].自动化仪表，2018，39（6）：58.

[3]李子龙.基于大数据的设备状态在线监测与预警诊断系统研究[D].Beijing：华北电力大学，2016.

[4]宋亚奇，周国亮，朱永利，等.云平台下输变电设备状态监测大数据存储优化与并行处理[J].中国电机工程学报，2015，35（2）：255267.

[5]王德文，周青.一种电力设备状态监测大数据的分布式联机分析处理方法[D].中国电机工程学报，2016，36（19）：5111

5121.

[6]巩宇，曾广移，李德华，等.基于大数据的设备状态监测系统设计及应用[J].水电与抽水蓄能，2019，5（2）：102108.

[7]王晓，陈杰，李济顺.大型设备远程状态监测及信息采集技术研究[J].自动化仪表，2018，39（1）：6669.

[8]李红卫，杨东升，孙一兰.智能故障诊断技术研究综述与展望[J].计算机工程与设计，2013，34（2）：632637.

[9]裴洪，胡昌华，司小胜，等.基于机器学习的设备剩余寿命预测方法综述[J].机械工程学报，2019，55（8）：113.

[10]周福娜，高育林，王佳瑜.基于深度学习的缓变故障早期诊断及寿命预测[J].山东大学学报，2017，47（5）：3037.