工业故障检测

根据传感器或信号数据,预测设备未来一段时间内出现故障的可能性,提前预警供业务人员决策,实现设备的健康管理与智能运维。

某新能源发电中心—风力发电机故障预警

背景与挑战

某新能源发电中心有多个风力发电场,每个风电场有多台风力发电机,由于风电场所处环境的特殊性及风电机组负荷的不确定性,风电机的运行状态监测、故障诊断、故障预警对于风电场的安全运行至关重要。该新能源发电中心希望能将人工智能技术应用于风电机组的故障诊断与预警,实现风机的智能运维管理。

业务目标

针对风机的多种主要设备故障建立机器学习预警模型,提前一个小时预警出现故障的可能性,并自动给出预警原因,辅助业务人员进行故障判断。

难点与关键成功因素

风机的设备故障中,越严重的故障出现的次数一般越少,这给有监督学习应用于该场景带来了较大的挑战,同时无监督算法由于难以找到恰当的距离定义,导致直接应用时准确率很低。此外,风机的型号多样,如果对每种型号的风机故障单独建模,也不便于模型的应用与维护。因此,如何解决无监督算法准确率不高、有监督算法缺失足够的标注数据以及不同风机的统一建模的问题,成为能否解决该场景问题的重要因素。

展望未来

目前,第四范式工业故障检测方案将致力于利用范式行业领先的自研算法、迁移学习技术,深入能源行业与制造行业,提供更精准、可靠的故障预测与健康管理解决方案,助力企业实现智能化的设备管理与运维。