CN103226651A - 基于相似度统计的风电机组状态评估预警方法和系统 - Google Patents

基于相似度统计的风电机组状态评估预警方法和系统 Download PDF

Info

Publication number
CN103226651A
CN103226651A CN201310098308XA CN201310098308A CN103226651A CN 103226651 A CN103226651 A CN 103226651A CN 201310098308X A CN201310098308X A CN 201310098308XA CN 201310098308 A CN201310098308 A CN 201310098308A CN 103226651 A CN103226651 A CN 103226651A
Authority
CN
China
Prior art keywords
wind
electricity generation
powered electricity
generation unit
real
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201310098308XA
Other languages
English (en)
Inventor
吕庭彦
韩绪望
李亚冬
蒋维
杨浩
吕东
蒋峰
贾英韬
陈荣敏
江涛
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
CHINA REAL-TIME TECHNOLOGY Co Ltd
China National Water Resources & Electric Power Materials & Equipment Co Ltdco Ltd
Original Assignee
CHINA REAL-TIME TECHNOLOGY Co Ltd
China National Water Resources & Electric Power Materials & Equipment Co Ltdco Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by CHINA REAL-TIME TECHNOLOGY Co Ltd, China National Water Resources & Electric Power Materials & Equipment Co Ltdco Ltd filed Critical CHINA REAL-TIME TECHNOLOGY Co Ltd
Priority to CN201310098308XA priority Critical patent/CN103226651A/zh
Publication of CN103226651A publication Critical patent/CN103226651A/zh
Pending legal-status Critical Current

Links

Abstract

本发明提供一种基于相似度统计的风电机组状态评估预警方法和系统,所述方法包括:步骤1、根据风电机组历史运行数据生成风电机组的多个正常状态模型和所述风电机组的安全基准线;步骤2、获取所述风电机组的实时运行数据,将所述风电机组的实时运行数据与所述正常状态模型进行对比以确定所述实时运行数据与所述正常状态模型的相似度;将所述风电机组的实时运行数据与所述风电机组的安全基准线进行对比以在所述实时运行数据异常时报警;步骤3、对所述实时运行数据进行分析以对所述风电机组故障进行预估。本发明实施例能够通过风电机组的历史运行数据建立正常状态模型以对所述风电机组的状态进行报警和评估。

Description

基于相似度统计的风电机组状态评估预警方法和系统
技术领域
[0001] 本发明涉及数据处理技术领域,特别涉及一种基于相似度统计的风电机组状态评估预警方法和系统。
背景技术
[0002] 随着能源的日益枯竭以及污染的日益加剧,可再生能源和清洁能源越来越受到重视。风能发电或称风力发电是一种清洁的可再生能源,且风力机组的运行成本低,因此风电技术装备是风电产业的重要组成部分,也是风电产业发展的基础和保障。
[0003] 风电虽然具有清洁、可再生、成本低等优点,但是同样具有对地理要求高、设备需要布置在野外等缺陷。随着风电机组单机容量的不断增加,加上风电机组安装位置一般都处于相对偏远的地区,及时了解风电机组的运行状态并实时评估其安全状况并在风电机组的故障早期实现预警及相关诊断,对预防风电机组的非计划停机事故、提高风电机组的运行和检修维护水平具有非常现实的重大意义。而现有技术中只能监测风电机组的运行状态,并在发生故障后进行维护,导致风电机组运行不稳定。
发明内容
[0004] 本发明要解决的技术问题是本发明提出一种更为可靠以提高风电机组稳定性的基于相似度统计的风电机组状态评估 预警方法和系统。
[0005] 为了解决上述技术问题,本发明的实施例提供一种基于相似度统计的风电机组状态评估预警方法,包括:
[0006] 步骤1、根据风电机组历史运行数据生成风电机组的多个正常状态模型和所述风电机组的安全基准线;
[0007] 步骤2、获取所述风电机组的实时运行数据,将所述风电机组的实时运行数据与所述正常状态模型进行对比以确定所述实时运行数据与所述正常状态模型的相似度;将所述风电机组的实时运行数据与所述风电机组的安全基准线进行对比以在所述实时运行数据异常时报警;
[0008] 步骤3、对所述实时运行数据进行分析以对所述风电机组故障进行预估。
[0009] 作为上述技术方案的优选,所述步骤I具体包括:
[0010] 步骤11、获取所述风电机组每个预设监测点在至少两个相同特定时间点的状态参数;
[0011] 步骤12、针对每一预设监测点,生成所述特定时间点的状态参数形成的状态参数
集合;
[0012] 步骤13、将所有预设监测点的状态参数集合作为所述风电机组的正常状态模型;
[0013] 步骤14、根据所述的多个正常状态模型中同一预设监测点的状态参数,确定该预设监测点的安全基准线。
[0014] 作为上述技术方案的优选,所述步骤2具体包括:[0015] 步骤21、获取所述风电机组每个预设监测点的实时运行数据;
[0016] 步骤22、根据所述风电机组的实时运行数据生成当前状态模型,并将所述当前状态模型与所述正常状态模型进行对比以确定与所述正常状态模型的相似度;
[0017] 步骤23、将所述风电机组每个预设监测点的实时运行数据其对应的安全基准线进行对比,如果超出所述安全基准线则发出报警信号。
[0018] 作为上述技术方案的优选,所述步骤3具体包括:
[0019] 结合所述风电机组每个预设监测点的实时运行数据一起进行分析以对所述风电机组故障进行预估。
[0020] 为了解决上述技术问题,本发明的实施例还提供一种基于相似度统计的风电机组状态评估预警系统,包括:
[0021] 建模模块,用于根据风电机组历史运行数据生成风电机组的多个正常状态模型和所述风电机组的安全基准线;
[0022] 对比模块,用于获 取所述风电机组的实时运行数据,将所述风电机组的实时运行数据与所述正常状态模型进行对比以确定所述实时运行数据与所述正常状态模型的相似度;将所述风电机组的实时运行数据与所述风电机组的安全基准线进行对比以在所述实时运行数据异常时报警;
[0023] 预估模块,用于对所述实时运行数据进行分析以对所述风电机组故障进行预估。
[0024] 作为上述技术方案的优选,所述建模模块具体包括:
[0025] 获取单元,用于获取所述风电机组每个预设监测点在至少两个相同特定时间点的状态参数;
[0026] 状态参数集合生成单元,用于针对每一预设监测点,生成所述特定时间点的状态参数形成的状态参数集合;
[0027] 模型生成单元,用于将所有预设监测点的状态参数集合作为所述风电机组的正常状态模型;
[0028] 安全基准线确定单元,用于根据所述的多个正常状态模型中同一预设监测点的状态参数,确定该预设监测点的安全基准线。
[0029] 作为上述技术方案的优选,所述对比模块包括:
[0030] 实时运行数据获取单元,用于获取所述风电机组每个预设监测点的实时运行数据;
[0031] 相似度匹配单元,用于根据所述风电机组的实时运行数据生成当前状态模型,并将所述当前状态模型与所述正常状态模型进行对比以确定与所述正常状态模型的相似度;
[0032] 报警单元,用于将所述风电机组每个预设监测点的实时运行数据其对应的安全基准线进行对比,如果超出所述安全基准线则发出报警信号。
[0033] 作为上述技术方案的优选,所述预估模块用于结合所述风电机组每个预设监测点的实时运行数据一起进行分析以对所述风电机组故障进行预估。
[0034] 本发明的上述技术方案的有益效果如下:
[0035] 本发明实施例能够通过风电机组的历史运行数据建立正常状态模型,并通过实时的运行数据与所述正常状态模型进行对比以对所述风电机组的状态进行评估。与基于规则的诊断系统不同,本方法系统在采用海量实时历史数据相似度挖掘技术的基础上,通过综合风电机组各监测系统的参数,在线对风电机组当前状态和历史同工况状态进行相似挖掘分析,定量计算出风电机组当前状态与历史安全状态的相似程度,并通过对每台风电机组的安全基准线设置,同时综合实现风电机组实时运行状态的安全定量评估。此外,系统对风电机组安全状态的异动进行在线分析,对风电机组典型故障的早期征兆进行预警诊断。
附图说明
[0036] 图1为本发明实施例的基于相似度统计的风电机组状态评估预警方法的流程示意图;
[0037] 图2为本发明实施例的基于相似度统计的风电机组状态评估预警方法中多个传感器的数据示意图;
[0038] 图3为本发明实施例的基于相似度统计的风电机组状态评估预警系统的结构示意图。
具体实施方式
[0039] 为使本发明要解决的 技术问题、技术方案和优点更加清楚,下面将结合附图及具体实施例进行详细描述。
[0040] 本发明的实施例提供一种基于相似度统计的风电机组状态评估预警方法,其流程如图1所示的,包括:
[0041] 步骤1、根据风电机组历史运行数据生成风电机组的多个正常状态模型和所述风电机组的安全基准线;
[0042] 步骤2、获取所述风电机组的实时运行数据,将所述风电机组的实时运行数据与所述正常状态模型进行对比以确定所述实时运行数据与所述正常状态模型的相似度;将所述风电机组的实时运行数据与所述风电机组的安全基准线进行对比以在所述实时运行数据异常时报警;
[0043] 步骤3、对所述实时运行数据进行分析以对所述风电机组故障进行预估。
[0044] 其中,在上述中需要获取风电机组的历史运行数据,该历史运行数据应当涵盖了一段可以反映风电机组在各个工况下的运行时间,且每组数据都可以表达风电机组的一个正常状态或故障状态,并需要同时需要满足每一组采样值中各个变量参数的同时性(即必须是同一历史时刻各个参数的采样值)。这是由于风电机组会包括很多部件,且需要通过传感器检测多个部件才能准确的反应风电机组的运行状态。如图2所示的是采用了sensorl〜5这五个传感器。其中每个传感器都能够获取很多状态参数,因此上述方法中必须要提取出相同的预设时间点的状态参数才能准确的反映出该时刻风电机组的运行状态。即如图2所示的5个竖条框为相同时间点。因此所述步骤I具体包括:
[0045] 步骤11、获取所述风电机组每个预设监测点在至少两个相同特定时间点的状态参数;
[0046] 步骤12、针对每一预设监测点,生成所述特定时间点的状态参数形成的状态参数
集合;
[0047] 步骤13、将所有预设监测点的状态参数集合作为所述风电机组的正常状态模型;[0048] 步骤14、根据所述的多个正常状态模型中同一预设监测点的状态参数,确定该预设监测点的安全基准线。
[0049] 在上述的步骤I中,风电机组状态定量安全评估通过机组实时状态与正常状态模型的相似挖掘计算实现,而报警功能则采用实时运行数据与安全基准线进行对比实现。即:通过风电机组实时状态与模型中状态的相似计算,找出机组当前状态与模型中最接近的状态之间的距离(可以通过O〜100%的数值进行定量表述)。这样可以很方便的获得与当前运行状态最接近的正常状态模型。
[0050] 在生成风电机组的正常状态模型后,还可以通过正常状态模型生成安全基准线。如前所述,由于正常状态模型中同时会包括多个预设监测点在同一相同的预设时间点的状态参数,因此可以将多个正常状态模型采用统计学的方法计算出同一预设监测点在不同模型中的状态参数,并以此状态参数形成的曲线作为该预设监测点的安全基准线。如果实时运行数据在安全基准线的范围内则为正常状态;反之则自动判断为风电机组的异动状态,系统对风电机组的异动状态进行自动的异动预警提示。
[0051] 因此所述步骤2具体包括:
[0052] 步骤21、获取所述风电机组每个预设监测点的实时运行数据;
[0053] 步骤22、根据所述风电机组的实时运行数据生成当前状态模型,并将所述当前状态模型与所述正常状态模型进行对比以确定与所述正常状态模型的相似度; [0054] 步骤23、将所述风电机组每个预设监测点的实时运行数据其对应的安全基准线进行对比,如果超出所述安全基准线则发出报警信号。
[0055] 本发明实施例除了能够对状态异动进行监测的同时,还可以在风电机组状态异动时通过对风电机组典型故障特征数据进行分析,对风电机组潜在故障进行预警诊断,并根据诊断结果发布潜在故障的早期预警。
[0056] 即所述步骤3具体包括:其中,所述预估模块用于结合所述风电机组每个预设监测点的实时运行数据一起进行分析以对所述风电机组故障进行预估。
[0057] 具体的,以风电机组传动轴系统齿轮箱润滑油密封典型故障为例对上述的步骤3进行说明。当系统提示风电机组状态异动时,自动提示润滑油压力偏离历史同工况下的正常值范围,呈逐步下降趋势,同时伴随有润滑油温逐步缓慢上升,齿轮箱振动位移缓慢爬升的趋势。则可判断为齿轮箱润滑油轴封存在缓慢泄漏故障,系统发布油封泄漏预警,提醒运行检修维护人员及时处理,避免故障的扩大和事故的发生。
[0058] 为了解决上述技术问题,本发明的实施例还提供一种基于相似度统计的风电机组状态评估预警系统,其结构如图3所示的,包括:
[0059] 建模模块,用于根据风电机组历史运行数据生成风电机组的多个正常状态模型和所述风电机组的安全基准线;
[0060] 对比模块,用于获取所述风电机组的实时运行数据,将所述风电机组的实时运行数据与所述正常状态模型进行对比以确定所述实时运行数据与所述正常状态模型的相似度;将所述风电机组的实时运行数据与所述风电机组的安全基准线进行对比以在所述实时运行数据异常时报警;
[0061] 预估模块,用于对所述实时运行数据进行分析以对所述风电机组故障进行预估。
[0062] 其中,所述建模模块具体包括:[0063] 获取单元,用于获取所述风电机组每个预设监测点在至少两个相同特定时间点的状态参数;
[0064] 状态参数集合生成单元,用于针对每一预设监测点,生成所述特定时间点的状态参数形成的状态参数集合;
[0065] 模型生成单元,用于将所有预设监测点的状态参数集合作为所述风电机组的正常状态模型;
[0066] 安全基准线确定单元,用于根据所述的多个正常状态模型中同一预设监测点的状态参数,确定该预设监测点的安全基准线。
[0067] 其中,所述对比模块包括:
[0068] 实时运行数据获取单元, 用于获取所述风电机组每个预设监测点的实时运行数据;
[0069] 相似度匹配单元,用于根据所述风电机组的实时运行数据生成当前状态模型,并将所述当前状态模型与所述正常状态模型进行对比以确定与所述正常状态模型的相似度;
[0070] 报警单元,用于将所述风电机组每个预设监测点的实时运行数据其对应的安全基准线进行对比,如果超出所述安全基准线则发出报警信号。
[0071] 其中,所述预估模块用于结合所述风电机组每个预设监测点的实时运行数据一起进行分析以对所述风电机组故障进行预估。
[0072] 本发明实施例能够通过风电机组的历史运行数据建立正常状态模型,并通过实时的运行数据与所述正常状态模型进行对比以对所述风电机组的状态进行评估。与基于规则的诊断系统不同,本方法系统在采用海量实时历史数据相似度挖掘技术的基础上,通过综合风电机组各监测系统的参数,在线对风电机组当前状态和历史同工况状态进行相似挖掘分析,定量计算出风电机组当前状态与历史安全状态的相似程度,并通过对每台风电机组的安全基准线设置,同时综合实现风电机组实时运行状态的安全定量评估。此外,系统对风电机组安全状态的异动进行在线分析,对风电机组典型故障的早期征兆进行预警诊断。
[0073] 以上所述是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明所述原理的前提下,还可以作出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。

Claims (8)

1.基于相似度统计的风电机组状态评估预警方法,其特征在于,包括: 步骤1、根据风电机组历史运行数据生成风电机组的多个正常状态模型和所述风电机组的安全基准线; 步骤2、获取所述风电机组的实时运行数据,将所述风电机组的实时运行数据与所述正常状态模型进行对比以确定所述实时运行数据与所述正常状态模型的相似度;将所述风电机组的实时运行数据与所述风电机组的安全基准线进行对比以在所述实时运行数据异常时报警; 步骤3、对所述实时运行数据进行分析以对所述风电机组故障进行预估。
2.根据权利要求1所述的基于相似度统计的风电机组状态评估预警方法,其特征在于,所述步骤I具体包括: 步骤11、获取所述风电机组每个预设监测点在至少两个相同特定时间点的状态参数; 步骤12、针对每一预设监测点,生成所述特定时间点的状态参数形成的状态参数集合; 步骤13、将所有预设监测点的状态参数集合作为所述风电机组的正常状态模型; 步骤14、根据所述的多个正常状态模型中同一预设监测点的状态参数,确定该预设监测点的安全基准线。
3.根据权利要求2所述的基于相似度统计的风电机组状态评估预警方法,其特征在于,所述步骤2具体包括: 步骤21、获取所述风电机组每个预设监测点的实时运行数据; 步骤22、根据所述风电机组的实时运行数据生成当前状态模型,并将所述当前状态模型与所述正常状态模型进行对比以确定与所述正常状态模型的相似度; 步骤23、将所述风电机组每个预设监测点的实时运行数据其对应的安全基准线进行对t匕,如果超出所述安全基准线则发出报警信号。
4.根据权利要求1或2或3所述的基于相似度统计的风电机组状态评估预警方法,其特征在于,所述步骤3具体包括: 结合所述风电机组每个预设监测点的实时运行数据一起进行分析以对所述风电机组故障进行预估。
5.一种基于相似度统计的风电机组状态评估预警系统,其特征在于,包括: 建模模块,用于根据风电机组历史运行数据生成风电机组的多个正常状态模型和所述风电机组的安全基准线; 对比模块,用于获取所述风电机组的实时运行数据,将所述风电机组的实时运行数据与所述正常状态模型进行对比以确定所述实时运行数据与所述正常状态模型的相似度;将所述风电机组的实时运行数据与所述风电机组的安全基准线进行对比以在所述实时运行数据异常时报警; 预估模块,用于对所述实时运行数据进行分析以对所述风电机组故障进行预估。
6.根据权利要求5所述的基于相似度统计的风电机组状态评估预警系统,其特征在于,所述建模模块具体包括: 获取单元,用于获取所述风电机组每个预设监测点在至少两个相同特定时间点的状态参数;状态参数集合生成单元,用于针对每一预设监测点,生成所述特定时间点的状态参数形成的状态参数集合; 模型生成单元,用于将所有预设监测点的状态参数集合作为所述风电机组的正常状态模型; 安全基准线确定单元,用于根据所述的多个正常状态模型中同一预设监测点的状态参数,确定该预设监测点的安全基准线。
7.根据权利要求6所述的基于相似度统计的风电机组状态评估预警系统,其特征在于,所述对比模块包括: 实时运行数据获取单元,用于获取所述风电机组每个预设监测点的实时运行数据; 相似度匹配单元,用于根据所述风电机组的实时运行数据生成当前状态模型,并将所述当前状态模型与所述正常状态模型进行对比以确定与所述正常状态模型的相似度; 报警单元,用于将所述风电机组每个预设监测点的实时运行数据其对应的安全基准线进行对比,如果超出所述安全基准线则发出报警信号。
8.根据权利要求5或6或7所述的基于相似度统计的风电机组状态评估预警系统,其特征在于,所述预估模块用于结合所述风电机组每个预设监测点的实时运行数据一起进行分析以对所述风电 机组故障进行预估。
CN201310098308XA 2013-03-23 2013-03-23 基于相似度统计的风电机组状态评估预警方法和系统 Pending CN103226651A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201310098308XA CN103226651A (zh) 2013-03-23 2013-03-23 基于相似度统计的风电机组状态评估预警方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201310098308XA CN103226651A (zh) 2013-03-23 2013-03-23 基于相似度统计的风电机组状态评估预警方法和系统

Publications (1)

Publication Number Publication Date
CN103226651A true CN103226651A (zh) 2013-07-31

Family

ID=48837096

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201310098308XA Pending CN103226651A (zh) 2013-03-23 2013-03-23 基于相似度统计的风电机组状态评估预警方法和系统

Country Status (1)

Country Link
CN (1) CN103226651A (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103674234A (zh) * 2013-12-23 2014-03-26 北京天源科创风电技术有限责任公司 一种风力发电机组振动异常的状态预警方法及系统
CN105651520A (zh) * 2016-03-01 2016-06-08 西安航空动力股份有限公司 一种航空发动机外部附件振动故障的定位方法
CN106251070A (zh) * 2016-08-01 2016-12-21 陈包容 一种自动获取预警对象的方法及装置
CN106779200A (zh) * 2016-12-07 2017-05-31 东北大学 基于在历史数据中进行相似搜索的风电机组状态预测方法
CN104807644B (zh) * 2015-04-14 2019-04-05 北京中恒博瑞数字电力科技有限公司 一种风电机组变桨系统的故障预警方法及系统
US10288043B2 (en) 2014-11-18 2019-05-14 Abb Schweiz Ag Wind turbine condition monitoring method and system
CN109782680A (zh) * 2019-01-30 2019-05-21 王军 一种发电机组的状态预警方法及系统
CN110005580A (zh) * 2019-05-06 2019-07-12 保定绿动风电设备科技有限公司 一种风电机组运行状态监测方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040002799A1 (en) * 2002-06-28 2004-01-01 Dabbish Ezzat A. Method and system for maintaining a configuration history of a vehicle
JP2008128742A (ja) * 2006-11-17 2008-06-05 Toyota Central R&D Labs Inc 回転構造体の振動解析装置および振動解析方法
CN101595786A (zh) * 2009-06-23 2009-12-09 江苏大学 联合收割机脱粒滚筒堵塞故障预警及报警方法
CN101957889A (zh) * 2010-09-01 2011-01-26 燕山大学 一种基于选择性磨损的设备最优维修时间预测方法
CN102270271A (zh) * 2011-05-03 2011-12-07 北京中瑞泰科技有限公司 基于相似度曲线的设备故障早期预警及优化的方法和系统
CN102768115A (zh) * 2012-06-27 2012-11-07 华北电力大学 一种风电机组齿轮箱健康状态实时动态监控方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040002799A1 (en) * 2002-06-28 2004-01-01 Dabbish Ezzat A. Method and system for maintaining a configuration history of a vehicle
JP2008128742A (ja) * 2006-11-17 2008-06-05 Toyota Central R&D Labs Inc 回転構造体の振動解析装置および振動解析方法
CN101595786A (zh) * 2009-06-23 2009-12-09 江苏大学 联合收割机脱粒滚筒堵塞故障预警及报警方法
CN101957889A (zh) * 2010-09-01 2011-01-26 燕山大学 一种基于选择性磨损的设备最优维修时间预测方法
CN102270271A (zh) * 2011-05-03 2011-12-07 北京中瑞泰科技有限公司 基于相似度曲线的设备故障早期预警及优化的方法和系统
CN102768115A (zh) * 2012-06-27 2012-11-07 华北电力大学 一种风电机组齿轮箱健康状态实时动态监控方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
安学利等: "基于支持向量机和多源信息的直驱风力发电机组故障诊断", 《电网技术》 *
彭华东等: "风电机组故障智能诊断技术及系统研究", 《电网与清洁能源》 *

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103674234A (zh) * 2013-12-23 2014-03-26 北京天源科创风电技术有限责任公司 一种风力发电机组振动异常的状态预警方法及系统
US10288043B2 (en) 2014-11-18 2019-05-14 Abb Schweiz Ag Wind turbine condition monitoring method and system
CN104807644B (zh) * 2015-04-14 2019-04-05 北京中恒博瑞数字电力科技有限公司 一种风电机组变桨系统的故障预警方法及系统
CN105651520A (zh) * 2016-03-01 2016-06-08 西安航空动力股份有限公司 一种航空发动机外部附件振动故障的定位方法
CN106251070A (zh) * 2016-08-01 2016-12-21 陈包容 一种自动获取预警对象的方法及装置
CN106779200A (zh) * 2016-12-07 2017-05-31 东北大学 基于在历史数据中进行相似搜索的风电机组状态预测方法
CN109782680A (zh) * 2019-01-30 2019-05-21 王军 一种发电机组的状态预警方法及系统
CN110005580A (zh) * 2019-05-06 2019-07-12 保定绿动风电设备科技有限公司 一种风电机组运行状态监测方法

Similar Documents

Publication Publication Date Title
CN103226651A (zh) 基于相似度统计的风电机组状态评估预警方法和系统
CN102721924B (zh) 风力发电机组的故障预警方法
Leahy et al. Diagnosing wind turbine faults using machine learning techniques applied to operational data
KR100954090B1 (ko) 풍력발전설비 상태감시시스템
CN105809255A (zh) 一种基于物联网的火电厂旋转机械健康管理方法及系统
KR20160017681A (ko) 풍력플랜트 관리 시스템 및 그 방법
CN103758696A (zh) 基于scada温度参数的风电机组安全状况评价方法
CN104019000A (zh) 风力发电机组的载荷谱测定与前瞻性维护系统
CN103343728A (zh) 风力发电机组远程在线多模式健康状态监测与故障诊断系统
CN101995290A (zh) 风力发电机振动监测的方法和系统
CN102226428A (zh) 燃气轮机健康状态预测方法
EP2553537A1 (de) Überwachungs- und diagnosesystem für ein fluidenergiemaschinensystem sowie fluidenergiemaschinensystem
KR20160073945A (ko) 풍력플랜트 관리 시스템 및 그 방법
CN103294891A (zh) 一种基于历史故障数据的风电机组状态评估方法和系统
CN103711645A (zh) 基于建模参数特征分析的风力发电机组状态评估方法
CN103439091A (zh) 水轮机转轮叶片裂纹故障早期预警和诊断方法及系统
CN103487250B (zh) 基于二维投射的煤矿设备预知维护方法
CN105332862B (zh) 用于检测风力发电机组工作状态的方法、装置和系统
CN102943790A (zh) 智能液压缸系统
CN202453182U (zh) 一种风电机组齿轮箱故障诊断装置
CN103885406A (zh) 基于多数据融合的工业制气设备故障智能诊断和监控系统
CN102507244A (zh) 液压启闭机故障自诊断专家系统
CN109405889B (zh) 用于掘进机工作臂减速器故障预测的系统与方法
CN204719531U (zh) 一种风电机组设备的故障监控预警系统
CN103364723A (zh) 基于电压电流平衡性的风力发电机运行状态分析方法

Legal Events

Date Code Title Description
PB01 Publication
C06 Publication
SE01 Entry into force of request for substantive examination
C10 Entry into substantive examination
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20130731

C02 Deemed withdrawal of patent application after publication (patent law 2001)