采集風(fēng)機(jī)、機(jī)泵、壓縮機(jī)等設(shè)備運(yùn)行歷史數(shù)據(jù)，采用大數(shù)據(jù)分析、機(jī)器學(xué)習(xí)和人工智能的算法模型，實(shí)現(xiàn)對(duì)軸承溫度、振動(dòng)、流量、壓力、電流參數(shù)實(shí)時(shí)預(yù)測(cè)，當(dāng)預(yù)測(cè)值與實(shí)際值偏差大于閾值時(shí)，即可實(shí)現(xiàn)設(shè)備故障早期預(yù)警。

設(shè)備運(yùn)行中采用DCS系統(tǒng)高、低限值報(bào)警，在機(jī)組變工況運(yùn)行狀態(tài)時(shí)，不能及時(shí)發(fā)現(xiàn)設(shè)備參數(shù)異常和早期預(yù)警，具有較大的局限性。比如：電機(jī)線圈溫度隨電機(jī)工況變化在一定范圍內(nèi)波動(dòng)，該參數(shù)在DCS高報(bào)警前，已經(jīng)明顯偏離了正常范圍，但此時(shí)DCS系統(tǒng)不能進(jìn)行報(bào)警。智能預(yù)警即根據(jù)參數(shù)歷史正常運(yùn)行數(shù)據(jù)建立模型，對(duì)每個(gè)參數(shù)生成預(yù)測(cè)值，當(dāng)實(shí)測(cè)值偏離預(yù)測(cè)值一定范圍時(shí)（或設(shè)備健康相似度偏離正常值時(shí)），觸發(fā)預(yù)警。該預(yù)警方式能提前發(fā)現(xiàn)設(shè)備運(yùn)行參數(shù)異常，實(shí)現(xiàn)對(duì)設(shè)備故障早期智能預(yù)警。