一种基于孪生模型的设备健康程度实时评估方法

摘要

工业设备的状态检修,需要依据设备健康状态的综合评估结果,提前预判设备故障的发生,合理安排检修时间.针对传统评估方法存在的需要故障样本量大且时效性差等缺点,论文提出了一种基于孪生模型的设备健康度实时评估方法,通过建立基于XGBoost算法的设备孪生模型,分析设备测点预测值和实测值之间的异常变化,建立综合加权模型对于设备的健康状态进行综合评估.基于某大型火电厂的真实数据集,通过实验充分验证了文章所提出方法的有效性.