Data Driven Health Assessment and Prediction of Inverter

设备的健康状态评估与预测是设备故障预测与健康管理（PHM）技术的主要研究内容之一，是保障设备稳定、安全运行的主要技术手段。然而国内外的学者往往都在研究大型电力设备、航空航天等军用设备，鲜有人去研究变工业频器设备的健康问题。随着国家节能减排政策的出台，变频器作为工业用电节能的主要装置，市场潜力巨大，因此变频器生产商也越来越重视针对变频器设备的故障预测和健康管理方法，本文在这样的背景下，对变频器设备的健康状态评估与预测问题进行了研究。由于工业变频器设备长期稳定运行，设备数据量庞大，并且数据价值密度不高，为降低数据分析难度，提高数据价值密度，本文首先对其进行了压缩存储。然后在过去几十年设备健康、设备维护方面的研究基础上，利用大量的设备运行数据，通过密度峰值聚类的方法对变频器异常进行了识别。接着基于变频器健人工康评分数据与异常识别数据，利用回归拟合寻找出了日异常率与设备健康的关系。最后通过ARIMA模型对设备未来的健康走势进行了有效的预测。本文搭建了设备健康管理分析平台，平台已在变频器设备中进行了试运行，用户可以通过平台观察设备运行参数情况，也可以通过调用模型查看或预测设备的健康值，同时平台还提供了一些能耗、以及故障诊断方面的模型。目前平台运行稳定，能够为设备管理人员提供所需的帮助信息，提高设备健康管理水平，促进设备安全可靠运行，缩减设备维护成本，提高设备利用率