CN103245912A - 一种风电机组运行状态分析诊断方法和系统 - Google Patents
一种风电机组运行状态分析诊断方法和系统 Download PDFInfo
- Publication number
- CN103245912A CN103245912A CN2013100953883A CN201310095388A CN103245912A CN 103245912 A CN103245912 A CN 103245912A CN 2013100953883 A CN2013100953883 A CN 2013100953883A CN 201310095388 A CN201310095388 A CN 201310095388A CN 103245912 A CN103245912 A CN 103245912A
- Authority
- CN
- China
- Prior art keywords
- electricity generation
- wind
- powered electricity
- data
- generation unit
- 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.)
- Granted
Links
Images
Abstract
本发明提供一种风电机组运行状态分析诊断方法,其方法以,包括:数据发送步骤、基于模型的状态评估步骤、状态监控步骤、数据存储步骤。本发明实施例的方法和系统采用基于互联网的远程预警诊断中心这种模式,一方面可以通过远程预警诊断中心集中对大规模风电机组设备的数据进行分析诊断,另一方面可充分利用有限的专家人力资源集中多种专业分析工具对风电机组运行中易发和典型的故障进行深度挖掘分析。通过本系统架构的实现,可有效的在风电设备生产厂家、风电运营商和风电设备故障诊断专家之间建立起实时有效的沟通桥梁,帮助风电设备制造商改进设备生产质量,风电运营商更加高效的运营和维护风场设备提供有效的技术支持平台。
Description
技术领域
本发明涉及通信技术领域,特别涉及一种风电机组运行状态分析诊断方法和系统。
背景技术
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。
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、分布在野外等缺陷,因此如何对风电设备的数据进行收集是自动化管理、数据监控的基础。目前国内外的很多风电设备厂家和研究机构对风电机组故障诊断都采用了传统的设备振动监测分析技术(TSI、TDM系统技术),这些技术只能提供风电机组测点参数的实时数据显示、分析和故障事后报警,无法对风电机组的整体运行状态进行定量评估,也无法在风电机组出现事故征兆的早期提供早期预警诊断。同时这些系统大多采用单场站的模式运行,无法发挥风电机组大规模数据集中分析和诊断的优势,一方面大量的人力资源被浪费,另一方面,现有的诊断分析成果很难被充分利用。
发明内容
本发明要解决的技术问题是提出一种更为可靠的风电机组运行状态分析诊断方法和系统。
为了解决上述技术问题,本发明的实施例提供一种风电机组运行状态分析诊断方法,包括如下步骤:
数据发送步骤,判断与远程预警诊断中心的通讯是否正常;如果否则在本地预设的存储模块中划分出缓存区域,并将本地风电机组设备的实时运行数据缓存到所述缓存区域中;当与远程预警诊断中心的通讯恢复后将所述缓存区域内缓存的实时运行数据发送到远程预警诊断中心;
基于模型的状态评估步骤,所述远程预警诊断中心根据存储的历时运行数据,分别生成正常状态模型、故障状态模型;并根据接收到的所述实时运行数据,实时更新当前状态模型;对比所述当前状态模型与所述正常状态模型、故障状态模型的相似度,以评估所述风电机组的运行状态,并对所述风电机组的故障进行预警;
状态监控步骤,所述远程预警诊断中心根据所述正常状态模型生成所述风电机组的安全基准线;将所述风电机组的实时运行数据与所述安全基准线进行对比,以在超过所述安全基准线时进行报警;
数据存储步骤,所述远程预警诊断中心接收到所述实时运行数据后,判断当前风电机组运行是否正常,如果否则按照预设频率获取风电机组当前的实时运行数据,并将所有数据进行存储;如果是将每一数据分别与预存储的正常状态的运行数据进行比较,将与所述正常状态的运行数据的差值超过预设阈值的实时运行数据进行存储,并将未超过预设阈值的实时运行数据丢弃。
作为上述技术方案的优选,所述数据发送步骤具体包括:
步骤11、判断与远程预警诊断中心的通讯是否正常;如果否,则跳转到步骤12;
步骤12、在本地预设的存储模块中划分出缓存区域;
步骤13、将本地风电机组设备的实时运行数据缓存到所述缓存区域中;
步骤14、判断与远程预警诊断中心的通讯是否恢复正常,如果是则将所述缓存区域内的实时运行数据发送到所述远程预警诊断中心;如果否则返回步骤13。
作为上述技术方案的优选,所述步骤12具体包括:
步骤12a、在连接所述本地风电机组设备的本地接口机中划分出一缓存区域,所述缓存区域的大小X=(TagA+TagB)×12×1024;其中所述TagA为本地风电机组运行测点数量,TagB为本地风机机组振动监测测点数量。
作为上述技术方案的优选,所述方法还包括:
步骤A、读取所述缓存区域的可用存储空间,当所述可用存储空间小于预设阈值时动态调整所述缓存区域的大小。
作为上述技术方案的优选,所述步骤14之后还包括:
步骤15、当所述缓存区域内的所有数据都发送到所述远程预警诊断中心后,删除所述缓存区域。
作为上述技术方案的优选,所述基于模型的状态评估步骤具体包括:
步骤21、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;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,并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22、获取所述风电机组的历史运行数据中故障状态下每个预设监测点在相同特定时间点的状态参数,并将一个特定时间点的所有状态参数组成一个状态参数集合以作为所述风电机组的故障状态模型;
步骤23、获取所述风电机组的每个预设监测点在相同特定时间点的实时运行数据并生成当前状态模型;
步骤24、将所述当前状态模型与所述正常状态模型和故障状态模型进行对比,以根据相似度评估所述风电机组的运行状态并对所述风电机组的故障进行预警。
作为上述技术方案的优选,所述步骤22中,针对每一预设监测点的不同故障类型,都分别生成一个或多个故障状态模型。
作为上述技术方案的优选,所述步骤22中,针对每一预设监测点的不同故障类型,在故障发生前的多段时间内分别生成至少一个故障状态模型。
作为上述技术方案的优选,所述状态监控步骤具体包括:
步骤31、根据正常状态模型确定每一预设监测点的安全基准线;
步骤32、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。
作为上述技术方案的优选,所述数据存储步骤具体包括:
步骤41、判断当前风电机组运行是否正常,如果是则跳转到步骤42;如果否则跳转到步骤43;
步骤42、将每一数据分别与预存储的正常状态的运行数据进行比较,如果与所述正常状态的运行数据的差值超过预设阈值,则将该数据进行存储,步骤结束;
步骤43、按照预设频率获取风电机组当前的实时运行数据,并将所有数据进行存储。
作为上述技术方案的优选,所述步骤42具体包括:
步骤421、根据正常状态模型确定每一预设监测点的安全基准线;
步骤422、将所述风电机组的实时运行数据与所述安全基准线进行对比,如果与所述安全基准线的差值超过预设阈值,则将该数据进行存储;如果与所述安全基准线的差值未超过预设阈值,则忽略该数据。
为了解决上述问题,本发明实施例还提出了一种风电机组运行状态分析诊断系统,包括:
数据发送模块,用于判断与远程预警诊断中心的通讯是否正常;如果否则在本地预设的存储模块中划分出缓存区域,并将本地风电机组设备的实时运行数据缓存到所述缓存区域中;当与远程预警诊断中心的通讯恢复后将所述缓存区域内缓存的实时运行数据发送到远程预警诊断中心;
基于模型的状态评估模块,用于根据存储的历时运行数据,分别生成正常状态模型、故障状态模型;并根据接收到的所述实时运行数据,实时更新当前状态模型;对比所述当前状态模型与所述正常状态模型、故障状态模型的相似度,以评估所述风电机组的运行状态,并对所述风电机组的故障进行预警;
状态监控模块,用于根据所述正常状态模型生成所述风电机组的安全基准线;将所述风电机组的实时运行数据与所述安全基准线进行对比,以在超过所述安全基准线时进行报警;
数据存储模块,用于接收到所述实时运行数据后,判断当前风电机组运行是否正常,如果否则按照预设频率获取风电机组当前的实时运行数据,并将所有数据进行存储;如果是将每一数据分别与预存储的正常状态的运行数据进行比较,并将与所述正常状态的运行数据的差值超过预设阈值的实时运行数据进行存储,并将未超过预设阈值的实时运行数据丢弃。
作为上述技术方案的优选,所述数据发送模块具体包括:
判断单元,用于判断与远程预警诊断中心的通讯是否正常;如果否在本地预设的存储模块中划分出缓存区域,并将本地风电机组设备的实时运行数据缓存到所述缓存区域中;
发送单元,用于判断与远程预警诊断中心的通讯是否恢复正常,如果是则将所述缓存区域内的实时运行数据发送到所述远程预警诊断中心;如果否继续将本地风电机组设备的实时运行数据缓存到所述缓存区域中。
作为上述技术方案的优选,所述判断单元具体用于判断与远程预警诊断中心的通讯是否正常;如果否在连接所述本地风电机组设备的本地接口机中划分出一缓存区域,且所述缓存区域的大小X=(TagA+TagB)×12×1024;其中所述TagA为本地风电机组运行测点数量,TagB为本地风机机组振动监测测点数量。
作为上述技术方案的优选,所述数据发送模块还包括:
调整单元,用于读取所述缓存区域的可用存储空间,当所述可用存储空间小于预设阈值时动态调整所述缓存区域的大小。
作为上述技术方案的优选,所述数据发送模块还包括:
删除单元,用于当所述缓存区域内的所有数据都发送到所述远程预警诊断中心后,删除所述缓存区域。
作为上述技术方案的优选,所述基于模型的状态评估模块具体包括:
正常状态模型建模单元,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;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,并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;
故障状态模型建模单元,用于获取所述风电机组的历史运行数据中故障状态下每个预设监测点在相同特定时间点的状态参数,并将一个特定时间点的所有状态参数组成一个状态参数集合以作为所述风电机组的故障状态模型;
当前状态模型建模单元,用于获取所述风电机组的每个预设监测点在相同特定时间点的实时运行数据并生成当前状态模型;
评估预警单元,用于将所述当前状态模型与所述正常状态模型和故障状态模型进行对比,以根据相似度评估所述风电机组的运行状态并对所述风电机组的故障进行预警。
作为上述技术方案的优选,所述故障状态模型建模单元针对每一预设监测点的不同故障类型,都分别生成一个或多个故障状态模型。
作为上述技术方案的优选,所述故障状态模型建模单元针对每一预设监测点的不同故障类型,在故障发生前的多段时间内分别生成至少一个故障状态模型。
作为上述技术方案的优选,所述状态监控模块具体包括:
安全基准线生成单元,用于根据正常状态模型确定每一预设监测点的安全基准线;
对比单元,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。
作为上述技术方案的优选,所述数据存储模块具体包括:
判断单元,用于判断当前风电机组运行是否正常,如果是将数据发送到正常状态存储单元,如果否则将数据发送到故障状态存储单元;
正常状态存储单元,用于将每一数据分别与预存储的正常状态的运行数据进行比较,如果与所述正常状态的运行数据的差值超过预设阈值,则将该数据进行存储;
故障状态存储单元,用于按照预设频率获取风电机组当前的实时运行数据,并将所有数据进行存储。
作为上述技术方案的优选,所述正常状态存储单元具体包括:
安全基准线生成子单元,用于根据正常状态模型确定每一预设监测点的安全基准线;
存储子单元,用于将所述风电机组的实时运行数据与所述安全基准线进行对比,如果与所述安全基准线的差值超过预设阈值,则将该数据进行存储;如果与所述安全基准线的差值未超过预设阈值,则忽略该数据。
本发明的上述技术方案的有益效果如下:
本发明实施例的方法和系统采用基于互联网的远程预警诊断中心这种模式,一方面可以通过远程预警诊断中心集中对大规模风电机组设备的数据进行分析诊断,另一方面可充分利用有限的专家人力资源集中多种专业分析工具对风电机组运行中易发和典型的故障进行深度挖掘分析。通过本系统架构的实现,可有效的在风电设备生产厂家、风电运营商和风电设备故障诊断专家之间建立起实时有效的沟通桥梁,帮助风电设备制造商改进设备生产质量,风电运营商更加高效的运营和维护风场设备提供有效的技术支持平台。
附图说明
图1为用于实现本发明实施例的网络结构框图;
图2为本发明实施例中多个传感器时提取出相同的预设时间点的示意图;
图3为本发明实施例的风电机组运行状态分析诊断方法的流程示意图;
图4为本发明实施例的风电机组运行状态分析诊断系统的结构示意图。
具体实施方式
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。
本发明的实施例提供一种风电机组运行状态分析诊断方法和系统。用于实现本发明的网络架构如图1所示的,包括设置在风场内的多个风电机组,这些风电机组之间通过光纤环网进行连接。同时,风场中控室设有以太网,且该以太网连接该光纤环网。该中控室内设有现场预警服务器以及多个监测终端。风电设备制造中心、风电集团管理中心、远程预警诊断中心分别通过互联网连入所述风场中控室的以太网。其中远程预警诊断中心设有中心预警服务器。
利用前述的网络结构,本发明的实施例提供一种风电机组运行状态分析诊断方法,其流程如图3所示的,包括:
数据发送步骤,判断与远程预警诊断中心的通讯是否正常;如果否则在本地预设的存储模块中划分出缓存区域,并将本地风电机组设备的实时运行数据缓存到所述缓存区域中;当与远程预警诊断中心的通讯恢复后将所述缓存区域内缓存的实时运行数据发送到远程预警诊断中心;
基于模型的状态评估步骤,所述远程预警诊断中心根据存储的历时运行数据,分别生成正常状态模型、故障状态模型;并根据接收到的所述实时运行数据,实时更新当前状态模型;对比所述当前状态模型与所述正常状态模型、故障状态模型的相似度,以评估所述风电机组的运行状态,并对所述风电机组的故障进行预警;
状态监控步骤,所述远程预警诊断中心根据所述正常状态模型生成所述风电机组的安全基准线;将所述风电机组的实时运行数据与所述安全基准线进行对比,以在超过所述安全基准线时进行报警;
数据存储步骤,所述远程预警诊断中心接收到所述实时运行数据后,判断当前风电机组运行是否正常,如果否则按照预设频率获取风电机组当前的实时运行数据,并将所有数据进行存储;如果是将每一数据分别与预存储的正常状态的运行数据进行比较,将与所述正常状态的运行数据的差值超过预设阈值的实时运行数据进行存储,并将未超过预设阈值的实时运行数据丢弃。
其中,所述数据发送步骤具体包括:
步骤11、判断与远程预警诊断中心的通讯是否正常;如果否,则跳转到步骤12;
步骤12、在本地预设的存储模块中划分出缓存区域;
步骤13、将本地风电机组设备的实时运行数据缓存到所述缓存区域中;
步骤14、判断与远程预警诊断中心的通讯是否恢复正常,如果是则将所述缓存区域内的实时运行数据发送到所述远程预警诊断中心;如果否则返回步骤13。
本发明实施例的方法和系统采用了动态内存数据存储技术,将来自风电机组的实时运行数据和设备振动状态监测系统的数据通过缓存接口传送到远程数据中心,提高了系统的可靠性,防止数据丢失。
在本发明的上述实施例中,如何确定通讯是否正常是至关重要的。因此所述步骤11具体包括:
步骤111、同时判断TCP/IP或UDP通讯端口工作是否正常、所述远程预警诊断中心的服务器接口软件后台服务工作是否正常、当前网络通讯带宽大小是否正常;如果都是则跳转到步骤112;如果有一项不正常则跳转到步骤12;
步骤112、将所述本地风电机组设备的实时运行数据发送到远程预警诊断中心。
为防止由于通讯故障导致的数据丢失,本发明实施例中只有在步骤111同时满足三个条件时才认为与远程预警诊断中心的通讯是正常的,并将实时运行数据发送到远程预警诊断中心。在本发明实施例中,如果无法确定通讯是否通畅时,也将该实时运行数据存储在本地预设的存储模块的缓存区域中。
在本发明实施例中,在通讯恢复正常后需要将所述缓存区域内的实时运行数据发送到所述远程预警诊断中心,以便于所述远程预警诊断中心对实时运行数据进行存储并对风电机组的故障进行预警。为了保证远程预警诊断中心的数据的完整性,数据恢复传送的步骤14具体为:
步骤14’、将当前的实时运行数据通讯的稳定传输,并在传输间隙将缓存区域中缓存的实时运行数据按照时间顺序发送到所述远程预警诊断中心。即,优先发送新的数据,而将时间比较久的数据最后发送。
其中,该存储模块可以为单独的一个存储服务器、存储设备,也可以采用现有的连接本地风电机组设备的本地接口机。本发明实施例以本地接口机为例进行举例说明。
在建立该缓存区域时,由于无法确定何时才能恢复通讯,因此可以预设一个合理大小的缓存区域,以存储本地风电机组设备的实时运行数据。因此在本发明的一个实施例中,可以根据本地风电机组运行测点数量和本地风机机组振动监测测点数量来确定该缓存区域的初始大小。即所述步骤2具体包括:
步骤12’、在连接所述本地风电机组设备的本地接口机中划分出一缓存区域,所述缓存区域的大小X=(TagA+TagB)×12×1024字节;其中所述TagA为本地风电机组运行测点数量,TagB为本地风机机组振动监测测点数量。
同样的,由于无法确定何时才能恢复通讯,因此需要根据该缓存区域的可用存储空间来动态调整该缓存区域,以防止由于存储空间不足导致的数据丢失。即所述方法还包括:
步骤1A、读取所述缓存区域的可用存储空间,当所述可用存储空间小于预设阈值时动态调整所述缓存区域的大小。
在通讯恢复后,本发明实施例的方法会将所有缓存的数据都发送到远程预警诊断中心,并删除该缓存区域。即所述步骤14之后还包括:
步骤15、当所述缓存区域内的所有实时运行数据都发送到所述远程预警诊断中心后,删除所述缓存区域。
其中,所述基于模型的状态评估步骤具体包括:
步骤21、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;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,并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22、获取所述风电机组的历史运行数据中故障状态下每个预设监测点在相同特定时间点的状态参数,并将一个特定时间点的所有状态参数组成一个状态参数集合以作为所述风电机组的故障状态模型;
步骤23、获取所述风电机组的每个预设监测点在相同特定时间点的实时运行数据并生成当前状态模型;
步骤24、将所述当前状态模型与所述正常状态模型和故障状态模型进行对比,以根据相似度评估所述风电机组的运行状态并对所述风电机组的故障进行预警。
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sensor1~5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。因此在前述的步骤21、22、23中,都需要获得多个传感器在相同的预设时间点的状态参数来建立正常状态模型、异常状态模型、当前状态模型。
在前述的步骤22中需要生成故障状态模型。由于风电机组的部件都可以发生故障,因此需要针对每一预设监测点的不同故障类型,都分别生成一个或多个故障状态模型,这样才能准确对风电机组的故障进行预估。
同时,为了对风电机组故障进行预估,需要针对每一预设监测点的不同故障类型,在故障发生前的多段时间内分别生成至少一个故障状态模型。例如,可以采用获取故障发生前的一周、两周、一个月内的历史运行数据分别生成三个异常状态模型。这样可以形成一套故障发生前的演进模型,以在出现故障隐患或部件开始出现小故障时就提前进行预估,防止故障恶化。
其中,所述状态监控步骤具体包括:
步骤31、根据正常状态模型确定每一预设监测点的安全基准线;
步骤32、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。
通过正常状态模型,可以获取每一预设监测点的大量正常状态下的数据,从而生成一个安全基准线。这样可以讲实时运行数据分别于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。
其中,所述数据存储步骤具体包括:
步骤41、判断当前风电机组运行是否正常,如果是则跳转到步骤42;如果否则跳转到步骤43;
步骤42、将每一预设监测点的实时状态数据分别与预存储的正常状态的运行数据进行比较,如果与所述正常状态的运行数据的差值超过预设阈值,则将该数据进行存储,步骤结束;
步骤43、按照预设频率获取风电机组当前的实时运行数据,并将所有数据进行存储。
上述步骤是采用根据风电机组状态进行数据存储的方式来节省存储开销,提高系统的效率,降低无用数据的存储以节省成本。在正常状态下无需对所有数据都进行存储,而只存储异常数据。而在故障状态下则需要采用一定频率获取实时运行数据,并将所述实时运行数据都进行存储,以便于进行后数据进行分析。
其中,如何判断风电机组的状态对于如何存储数据具有非常重要的作用。在本发明的一个实施例中可以采用基于模型的状态评估步骤来确定是否发生了故障。即:如果当前状态模型与故障状态模型的相似度很高而与正常状态模型的形似度很低,则可以确定该风电机组处于故障状态。如果当前状态模型与正常状态模型的相似度很高而与故障状态模型的形似度很低,则可以确定该风电机组处于正常状态。
在确定了当前状态后,还需要确定每一预设监测点的数据是否也都正常。这是由于前述步骤中是基于模型的相似性来确定运行状态,因此即使风电运行状态是正常的也不能代表每一预设监测点的实时运行数据都是正常的。因此所述步骤42具体包括:
步骤421、根据正常状态模型确定每一预设监测点的安全基准线;
步骤422、将所述风电机组的实时运行数据与所述安全基准线进行对比,如果与所述安全基准线的差值超过预设阈值,则将该数据进行存储;如果与所述安全基准线的差值未超过预设阈值,则忽略该数据。
其中步骤421中可以采用前述状态监控步骤中的方法生成安全基准线,依次来确定实时运行数据中的每一个数据是否正常。
相应的,本发明实施例还提出了一种风电机组运行状态分析诊断系统,其结构如图4所示,包括:
数据发送模块,用于判断与远程预警诊断中心的通讯是否正常;如果否则在本地预设的存储模块中划分出缓存区域,并将本地风电机组设备的实时运行数据缓存到所述缓存区域中;当与远程预警诊断中心的通讯恢复后将所述缓存区域内缓存的实时运行数据发送到远程预警诊断中心;
基于模型的状态评估模块,用于根据存储的历时运行数据,分别生成正常状态模型、故障状态模型;并根据接收到的所述实时运行数据,实时更新当前状态模型;对比所述当前状态模型与所述正常状态模型、故障状态模型的相似度,以评估所述风电机组的运行状态,并对所述风电机组的故障进行预警;
状态监控模块,用于根据所述正常状态模型生成所述风电机组的安全基准线;将所述风电机组的实时运行数据与所述安全基准线进行对比,以在超过所述安全基准线时进行报警;
数据存储模块,用于接收到所述实时运行数据后,判断当前风电机组运行是否正常,如果否则按照预设频率获取风电机组当前的实时运行数据,并将所有数据进行存储;如果是将每一数据分别与预存储的正常状态的运行数据进行比较,并将与所述正常状态的运行数据的差值超过预设阈值的实时运行数据进行存储,并将未超过预设阈值的实时运行数据丢弃。
其中,所述数据发送模块具体包括:
判断单元,用于判断与远程预警诊断中心的通讯是否正常;如果否在本地预设的存储模块中划分出缓存区域,并将本地风电机组设备的实时运行数据缓存到所述缓存区域中;
发送单元,用于判断与远程预警诊断中心的通讯是否恢复正常,如果是则将所述缓存区域内的实时运行数据发送到所述远程预警诊断中心;如果否继续将本地风电机组设备的实时运行数据缓存到所述缓存区域中。
其中,所述判断单元具体用于判断与远程预警诊断中心的通讯是否正常;如果否在连接所述本地风电机组设备的本地接口机中划分出一缓存区域,且所述缓存区域的大小X=(TagA+TagB)×12×1024;其中所述TagA为本地风电机组运行测点数量,TagB为本地风机机组振动监测测点数量。
其中,所述数据发送模块还包括:
调整单元,用于读取所述缓存区域的可用存储空间,当所述可用存储空间小于预设阈值时动态调整所述缓存区域的大小。
其中,所述数据发送模块还包括:
删除单元,用于当所述缓存区域内的所有数据都发送到所述远程预警诊断中心后,删除所述缓存区域。
其中,所述基于模型的状态评估模块具体包括:
正常状态模型建模单元,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;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,并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;
故障状态模型建模单元,用于获取所述风电机组的历史运行数据中故障状态下每个预设监测点在相同特定时间点的状态参数,并将一个特定时间点的所有状态参数组成一个状态参数集合以作为所述风电机组的故障状态模型;
当前状态模型建模单元,用于获取所述风电机组的每个预设监测点在相同特定时间点的实时运行数据并生成当前状态模型;
评估预警单元,用于将所述当前状态模型与所述正常状态模型和故障状态模型进行对比,以根据相似度评估所述风电机组的运行状态并对所述风电机组的故障进行预警。
其中,所述故障状态模型建模单元针对每一预设监测点的不同故障类型,都分别生成一个或多个故障状态模型。
其中,所述故障状态模型建模单元针对每一预设监测点的不同故障类型,在故障发生前的多段时间内分别生成至少一个故障状态模型。
其中,所述状态监控模块具体包括:
安全基准线生成单元,用于根据正常状态模型确定每一预设监测点的安全基准线;
对比单元,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。
其中,所述数据存储模块具体包括:
判断单元,用于判断当前风电机组运行是否正常,如果是将数据发送到正常状态存储单元,如果否则将数据发送到故障状态存储单元;
正常状态存储单元,用于将每一数据分别与预存储的正常状态的运行数据进行比较,如果与所述正常状态的运行数据的差值超过预设阈值,则将该数据进行存储;
故障状态存储单元,用于按照预设频率获取风电机组当前的实时运行数据,并将所有数据进行存储。
其中,所述正常状态存储单元具体包括:
安全基准线生成子单元,用于根据正常状态模型确定每一预设监测点的安全基准线;
存储子单元,用于将所述风电机组的实时运行数据与所述安全基准线进行对比,如果与所述安全基准线的差值超过预设阈值,则将该数据进行存储;如果与所述安全基准线的差值未超过预设阈值,则忽略该数据。
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,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (10)
1.一种风电机组运行状态分析诊断方法,其特征在于,包括如下步骤:
数据发送步骤,判断与远程预警诊断中心的通讯是否正常;如果否则在本地预设的存储模块中划分出缓存区域,并将本地风电机组设备的实时运行数据缓存到所述缓存区域中;当与远程预警诊断中心的通讯恢复后将所述缓存区域内缓存的实时运行数据发送到远程预警诊断中心;
基于模型的状态评估步骤,所述远程预警诊断中心根据存储的历时运行数据,分别生成正常状态模型、故障状态模型;并根据接收到的所述实时运行数据,实时更新当前状态模型;对比所述当前状态模型与所述正常状态模型、故障状态模型的相似度,以评估所述风电机组的运行状态,并对所述风电机组的故障进行预警;
状态监控步骤,所述远程预警诊断中心根据所述正常状态模型生成所述风电机组的安全基准线;将所述风电机组的实时运行数据与所述安全基准线进行对比,以在超过所述安全基准线时进行报警;
数据存储步骤,所述远程预警诊断中心接收到所述实时运行数据后,判断当前风电机组运行是否正常,如果否则按照预设频率获取风电机组当前的实时运行数据,并将所有数据进行存储;如果是将每一数据分别与预存储的正常状态的运行数据进行比较,将与所述正常状态的运行数据的差值超过预设阈值的实时运行数据进行存储,并将未超过预设阈值的实时运行数据丢弃。
2.根据权利要求1所述的风电机组运行状态分析诊断方法,其特征在于,所述数据发送步骤具体包括:
步骤11、判断与远程预警诊断中心的通讯是否正常;如果否,则跳转到步骤12;
步骤12、在本地预设的存储模块中划分出缓存区域;
步骤13、将本地风电机组设备的实时运行数据缓存到所述缓存区域中;
步骤14、判断与远程预警诊断中心的通讯是否恢复正常,如果是则将所述缓存区域内的实时运行数据发送到所述远程预警诊断中心;如果否则返回步骤13。
3.根据权利要求1所述的风电机组运行状态分析诊断方法,其特征在于,所述基于模型的状态评估步骤具体包括:
步骤21、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;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,并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22、获取所述风电机组的历史运行数据中故障状态下每个预设监测点在相同特定时间点的状态参数,并将一个特定时间点的所有状态参数组成一个状态参数集合以作为所述风电机组的故障状态模型;
步骤23、获取所述风电机组的每个预设监测点在相同特定时间点的实时运行数据并生成当前状态模型;
步骤24、将所述当前状态模型与所述正常状态模型和故障状态模型进行对比,以根据相似度评估所述风电机组的运行状态并对所述风电机组的故障进行预警。
4.根据权利要求1所述的风电机组运行状态分析诊断方法,其特征在于,所述状态监控步骤具体包括:
步骤31、根据正常状态模型确定每一预设监测点的安全基准线;
步骤32、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。
5.根据权利要求1所述的风电机组运行状态分析诊断方法,其特征在于,所述数据存储步骤具体包括:
步骤41、判断当前风电机组运行是否正常,如果是则跳转到步骤42;如果否则跳转到步骤43;
步骤42、将每一数据分别与预存储的正常状态的运行数据进行比较,如果与所述正常状态的运行数据的差值超过预设阈值,则将该数据进行存储,步骤结束;
步骤43、按照预设频率获取风电机组当前的实时运行数据,并将所有数据进行存储。
6.一种风电机组运行状态分析诊断系统,其特征在于,包括:
数据发送模块,用于判断与远程预警诊断中心的通讯是否正常;如果否则在本地预设的存储模块中划分出缓存区域,并将本地风电机组设备的实时运行数据缓存到所述缓存区域中;当与远程预警诊断中心的通讯恢复后将所述缓存区域内缓存的实时运行数据发送到远程预警诊断中心;
基于模型的状态评估模块,用于根据存储的历时运行数据,分别生成正常状态模型、故障状态模型;并根据接收到的所述实时运行数据,实时更新当前状态模型;对比所述当前状态模型与所述正常状态模型、故障状态模型的相似度,以评估所述风电机组的运行状态,并对所述风电机组的故障进行预警;
状态监控模块,用于根据所述正常状态模型生成所述风电机组的安全基准线;将所述风电机组的实时运行数据与所述安全基准线进行对比,以在超过所述安全基准线时进行报警;
数据存储模块,用于接收到所述实时运行数据后,判断当前风电机组运行是否正常,如果否则按照预设频率获取风电机组当前的实时运行数据,并将所有数据进行存储;如果是将每一数据分别与预存储的正常状态的运行数据进行比较,并将与所述正常状态的运行数据的差值超过预设阈值的实时运行数据进行存储,并将未超过预设阈值的实时运行数据丢弃。
7.根据权利要求6所述的风电机组运行状态分析诊断系统,其特征在于,所述数据发送模块具体包括:
判断单元,用于判断与远程预警诊断中心的通讯是否正常;如果否在本地预设的存储模块中划分出缓存区域,并将本地风电机组设备的实时运行数据缓存到所述缓存区域中;
发送单元,用于判断与远程预警诊断中心的通讯是否恢复正常,如果是则将所述缓存区域内的实时运行数据发送到所述远程预警诊断中心;如果否继续将本地风电机组设备的实时运行数据缓存到所述缓存区域中。
8.根据权利要求6所述的风电机组运行状态分析诊断系统,其特征在于,所述基于模型的状态评估模块具体包括:
正常状态模型建模单元,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;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,并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;
故障状态模型建模单元,用于获取所述风电机组的历史运行数据中故障状态下每个预设监测点在相同特定时间点的状态参数,并将一个特定时间点的所有状态参数组成一个状态参数集合以作为所述风电机组的故障状态模型;
当前状态模型建模单元,用于获取所述风电机组的每个预设监测点在相同特定时间点的实时运行数据并生成当前状态模型;
评估预警单元,用于将所述当前状态模型与所述正常状态模型和故障状态模型进行对比,以根据相似度评估所述风电机组的运行状态并对所述风电机组的故障进行预警。
9.根据权利要求6所述的风电机组运行状态分析诊断系统,其特征在于,所述状态监控模块具体包括:
安全基准线生成单元,用于根据正常状态模型确定每一预设监测点的安全基准线;
对比单元,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。
10.根据权利要求6所述的风电机组运行状态分析诊断系统,其特征在于,所述数据存储模块具体包括:
判断单元,用于判断当前风电机组运行是否正常,如果是将数据发送到正常状态存储单元,如果否则将数据发送到故障状态存储单元;
正常状态存储单元,用于将每一数据分别与预存储的正常状态的运行数据进行比较,如果与所述正常状态的运行数据的差值超过预设阈值,则将该数据进行存储;
故障状态存储单元,用于按照预设频率获取风电机组当前的实时运行数据,并将所有数据进行存储。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310095388.3A CN103245912B (zh) | 2013-03-23 | 2013-03-23 | 一种风电机组运行状态分析诊断方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310095388.3A CN103245912B (zh) | 2013-03-23 | 2013-03-23 | 一种风电机组运行状态分析诊断方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103245912A true CN103245912A (zh) | 2013-08-14 |
CN103245912B CN103245912B (zh) | 2016-09-14 |
Family
ID=48925554
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310095388.3A Expired - Fee Related CN103245912B (zh) | 2013-03-23 | 2013-03-23 | 一种风电机组运行状态分析诊断方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103245912B (zh) |
Cited By (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103529386A (zh) * | 2013-10-12 | 2014-01-22 | 山西大学工程学院 | 风电机组远程实时状态监测与智能故障诊断系统及方法 |
CN103606107A (zh) * | 2013-08-21 | 2014-02-26 | 国家电网公司 | 一种风光储联合发电系统设备状态评估信息系统 |
CN104486404A (zh) * | 2014-12-11 | 2015-04-01 | 北京太宗科技有限公司 | 风电场功率波动检测方法和检测装置 |
CN105403811A (zh) * | 2015-12-14 | 2016-03-16 | 北京天诚同创电气有限公司 | 风电场电网故障诊断方法和装置 |
CN106154070A (zh) * | 2015-03-30 | 2016-11-23 | 南京南瑞继保电气有限公司 | 基于电气量特征的抽水蓄能机组运行工况校验方法及装置 |
CN106200602A (zh) * | 2016-09-07 | 2016-12-07 | 东北大学 | 一种基于物联网和工业云的选矿设备移动监测系统及方法 |
CN106368816A (zh) * | 2016-10-27 | 2017-02-01 | 中国船舶工业系统工程研究院 | 一种基于基线偏差的船舶低速柴油机在线异常检测方法 |
CN106959652A (zh) * | 2017-05-08 | 2017-07-18 | 北京百度网讯科技有限公司 | 智能监控方法和装置 |
CN107607321A (zh) * | 2017-09-06 | 2018-01-19 | 成都大汇物联科技有限公司 | 一种设备故障精确定位方法 |
CN107633306A (zh) * | 2017-07-31 | 2018-01-26 | 南京求精机械厂 | 一种风电运行维护系统及维护方法 |
CN108664696A (zh) * | 2018-04-02 | 2018-10-16 | 国家计算机网络与信息安全管理中心 | 一种冷水机组运行状态的测评方法及装置 |
CN108919734A (zh) * | 2018-07-02 | 2018-11-30 | 国网山东省电力公司金乡县供电公司 | 一种电力信息同步处理储存应用系统 |
CN109186748A (zh) * | 2018-07-25 | 2019-01-11 | 大唐东北电力试验研究院有限公司 | 一种基于大数据挖掘技术的辅机振动预警方法及系统 |
CN109669351A (zh) * | 2017-10-17 | 2019-04-23 | 中车株洲电力机车研究所有限公司 | 风电机组多模自适应控制方法、装置及计算机存储介质 |
CN109885019A (zh) * | 2019-01-25 | 2019-06-14 | 湖南大唐先一科技有限公司 | 一种风机状态自动判断方法 |
CN110427689A (zh) * | 2019-07-29 | 2019-11-08 | 大唐国际发电股份有限公司北京高井热电厂 | 基于信息新技术的燃机机组机群监测诊断方法 |
WO2020057402A1 (zh) * | 2018-09-20 | 2020-03-26 | 西门子(中国)有限公司 | 系统状态监视方法、装置和存储介质 |
CN111060323A (zh) * | 2019-12-05 | 2020-04-24 | 山东超越数控电子股份有限公司 | 一种基于rbf神经网络的航空发动机过振的自动识别方法 |
CN111280071A (zh) * | 2020-03-31 | 2020-06-16 | 浙江江宇电机有限公司 | 养殖房及用于养殖房的监测方法 |
CN111374058A (zh) * | 2020-03-31 | 2020-07-07 | 浙江江宇电机有限公司 | 用于养殖房的送风装置、养殖房及用于养殖房的监测方法 |
CN111379664A (zh) * | 2020-02-14 | 2020-07-07 | 深圳奇迹智慧网络有限公司 | 风力发电设备监控方法、装置、计算机设备和存储介质 |
CN116381490A (zh) * | 2023-06-05 | 2023-07-04 | 江苏铭星智能家居有限公司 | 一种基于数据分析的推杆电机性能检测系统及方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1694449A (zh) * | 2005-05-30 | 2005-11-09 | 艾默生网络能源有限公司 | 数据采集方法及数据采集系统 |
US20100138182A1 (en) * | 2009-08-28 | 2010-06-03 | General Electric Company | System and method for managing wind turbines and enhanced diagnostics |
CN101872165A (zh) * | 2010-06-13 | 2010-10-27 | 西安交通大学 | 一种基于遗传神经网络的风电机组故障诊断方法 |
CN102231072A (zh) * | 2011-05-19 | 2011-11-02 | 北京能源投资(集团)有限公司 | 一种风能电场通信控制器、系统及集控方法 |
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 |
CN102542773A (zh) * | 2011-12-31 | 2012-07-04 | 北京佳讯飞鸿电气股份有限公司 | 一种利用远程气象监测实现防灾的系统及其方法 |
CN102938024A (zh) * | 2012-11-20 | 2013-02-20 | 河海大学 | 一种风电机组状态监测系统性能评估方法 |
-
2013
- 2013-03-23 CN CN201310095388.3A patent/CN103245912B/zh not_active Expired - Fee Related
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1694449A (zh) * | 2005-05-30 | 2005-11-09 | 艾默生网络能源有限公司 | 数据采集方法及数据采集系统 |
US20100138182A1 (en) * | 2009-08-28 | 2010-06-03 | General Electric Company | System and method for managing wind turbines and enhanced diagnostics |
CN101872165A (zh) * | 2010-06-13 | 2010-10-27 | 西安交通大学 | 一种基于遗传神经网络的风电机组故障诊断方法 |
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 |
CN102231072A (zh) * | 2011-05-19 | 2011-11-02 | 北京能源投资(集团)有限公司 | 一种风能电场通信控制器、系统及集控方法 |
CN102542773A (zh) * | 2011-12-31 | 2012-07-04 | 北京佳讯飞鸿电气股份有限公司 | 一种利用远程气象监测实现防灾的系统及其方法 |
CN102938024A (zh) * | 2012-11-20 | 2013-02-20 | 河海大学 | 一种风电机组状态监测系统性能评估方法 |
Cited By (34)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103606107A (zh) * | 2013-08-21 | 2014-02-26 | 国家电网公司 | 一种风光储联合发电系统设备状态评估信息系统 |
CN103529386A (zh) * | 2013-10-12 | 2014-01-22 | 山西大学工程学院 | 风电机组远程实时状态监测与智能故障诊断系统及方法 |
CN103529386B (zh) * | 2013-10-12 | 2015-10-21 | 山西大学工程学院 | 风电机组远程实时状态监测与智能故障诊断系统及方法 |
CN104486404A (zh) * | 2014-12-11 | 2015-04-01 | 北京太宗科技有限公司 | 风电场功率波动检测方法和检测装置 |
CN106154070B (zh) * | 2015-03-30 | 2019-09-27 | 南京南瑞继保电气有限公司 | 基于电气量特征的抽水蓄能机组运行工况校验方法及装置 |
CN106154070A (zh) * | 2015-03-30 | 2016-11-23 | 南京南瑞继保电气有限公司 | 基于电气量特征的抽水蓄能机组运行工况校验方法及装置 |
CN105403811B (zh) * | 2015-12-14 | 2018-09-11 | 北京天诚同创电气有限公司 | 风电场电网故障诊断方法和装置 |
CN105403811A (zh) * | 2015-12-14 | 2016-03-16 | 北京天诚同创电气有限公司 | 风电场电网故障诊断方法和装置 |
CN106200602B (zh) * | 2016-09-07 | 2018-08-28 | 东北大学 | 一种基于物联网和工业云的选矿设备移动监测系统及方法 |
CN106200602A (zh) * | 2016-09-07 | 2016-12-07 | 东北大学 | 一种基于物联网和工业云的选矿设备移动监测系统及方法 |
CN106368816A (zh) * | 2016-10-27 | 2017-02-01 | 中国船舶工业系统工程研究院 | 一种基于基线偏差的船舶低速柴油机在线异常检测方法 |
CN106959652A (zh) * | 2017-05-08 | 2017-07-18 | 北京百度网讯科技有限公司 | 智能监控方法和装置 |
CN106959652B (zh) * | 2017-05-08 | 2019-08-16 | 北京百度网讯科技有限公司 | 智能监控方法、装置和可读计算机存储介质 |
CN107633306A (zh) * | 2017-07-31 | 2018-01-26 | 南京求精机械厂 | 一种风电运行维护系统及维护方法 |
CN107607321A (zh) * | 2017-09-06 | 2018-01-19 | 成都大汇物联科技有限公司 | 一种设备故障精确定位方法 |
CN107607321B (zh) * | 2017-09-06 | 2019-11-05 | 成都大汇物联科技有限公司 | 一种设备故障精确定位方法 |
CN109669351A (zh) * | 2017-10-17 | 2019-04-23 | 中车株洲电力机车研究所有限公司 | 风电机组多模自适应控制方法、装置及计算机存储介质 |
CN108664696A (zh) * | 2018-04-02 | 2018-10-16 | 国家计算机网络与信息安全管理中心 | 一种冷水机组运行状态的测评方法及装置 |
CN108919734A (zh) * | 2018-07-02 | 2018-11-30 | 国网山东省电力公司金乡县供电公司 | 一种电力信息同步处理储存应用系统 |
CN108919734B (zh) * | 2018-07-02 | 2020-10-16 | 国网山东省电力公司金乡县供电公司 | 一种电力信息同步处理储存应用系统 |
CN109186748A (zh) * | 2018-07-25 | 2019-01-11 | 大唐东北电力试验研究院有限公司 | 一种基于大数据挖掘技术的辅机振动预警方法及系统 |
US11847619B2 (en) | 2018-09-20 | 2023-12-19 | Siemens Ltd., China | System-state monitoring method and device and storage medium |
WO2020057402A1 (zh) * | 2018-09-20 | 2020-03-26 | 西门子(中国)有限公司 | 系统状态监视方法、装置和存储介质 |
CN109885019A (zh) * | 2019-01-25 | 2019-06-14 | 湖南大唐先一科技有限公司 | 一种风机状态自动判断方法 |
CN110427689A (zh) * | 2019-07-29 | 2019-11-08 | 大唐国际发电股份有限公司北京高井热电厂 | 基于信息新技术的燃机机组机群监测诊断方法 |
CN110427689B (zh) * | 2019-07-29 | 2024-01-26 | 大唐国际发电股份有限公司北京高井热电厂 | 基于信息新技术的燃机机组机群监测诊断方法 |
CN111060323A (zh) * | 2019-12-05 | 2020-04-24 | 山东超越数控电子股份有限公司 | 一种基于rbf神经网络的航空发动机过振的自动识别方法 |
CN111379664A (zh) * | 2020-02-14 | 2020-07-07 | 深圳奇迹智慧网络有限公司 | 风力发电设备监控方法、装置、计算机设备和存储介质 |
CN111374058A (zh) * | 2020-03-31 | 2020-07-07 | 浙江江宇电机有限公司 | 用于养殖房的送风装置、养殖房及用于养殖房的监测方法 |
CN111280071B (zh) * | 2020-03-31 | 2022-01-04 | 浙江江宇电机有限公司 | 养殖房及用于养殖房的监测方法 |
CN111374058B (zh) * | 2020-03-31 | 2022-01-04 | 浙江江宇电机有限公司 | 用于养殖房的送风装置、养殖房及用于养殖房的监测方法 |
CN111280071A (zh) * | 2020-03-31 | 2020-06-16 | 浙江江宇电机有限公司 | 养殖房及用于养殖房的监测方法 |
CN116381490A (zh) * | 2023-06-05 | 2023-07-04 | 江苏铭星智能家居有限公司 | 一种基于数据分析的推杆电机性能检测系统及方法 |
CN116381490B (zh) * | 2023-06-05 | 2023-08-11 | 江苏铭星智能家居有限公司 | 一种基于数据分析的推杆电机性能检测系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103245912B (zh) | 2016-09-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103245912A (zh) | 一种风电机组运行状态分析诊断方法和系统 | |
CN108803552B (zh) | 一种设备故障的监测系统及监测方法 | |
CN100463822C (zh) | 一种计算机联锁系统 | |
CN101197621B (zh) | 一种对网管系统故障进行远程诊断定位的方法及其系统 | |
CN103163842B (zh) | 自动化设备远程监控系统及方法 | |
CN110728443A (zh) | 一种电机全生命周期管控系统 | |
CN105093109A (zh) | 一种电机状态无线远程监测与互联系统及其方法 | |
CN103699063B (zh) | 一种制造执行系统mes中离线数据的采集装置和方法 | |
CN104834303A (zh) | 车辆的故障诊断方法、系统及车辆 | |
CN112396292B (zh) | 一种基于物联网及边缘计算的变电站设备风险管控系统 | |
CN104168148A (zh) | 一种多接口数据采集装置及采集方法 | |
CN103354562B (zh) | 能耗采集器、能耗采集系统及能耗采集方法 | |
CN105785203A (zh) | 输电线路监测设备远程智能诊断装置 | |
CN103217286A (zh) | 基于故障数据的风电机组传动系统故障识别方法和系统 | |
CN104502753A (zh) | 电力故障录波装置联网在线实时分析系统及其应用 | |
CN109600729B (zh) | 一种基于物联网的景区设施管理系统及其管理方法 | |
CN111472943A (zh) | 一种风电机组高同步精度的分布式测量系统及方法 | |
CN110803064A (zh) | 一种电动汽车充电桩bms数据监控装置 | |
CN103631245A (zh) | 一种配电终端缺陷诊断系统及方法 | |
CN108879956A (zh) | 基于设备运行状态对系统故障进行主动判断并修复的方法 | |
CN112770285A (zh) | 基于5g网络的数字孪生工厂建模方法及装置 | |
CN205594104U (zh) | 输电线路监测设备远程智能诊断装置 | |
CN107918273A (zh) | 一种移动物联网技术在交叉带分拣机上的应用系统 | |
CN105072056B (zh) | 一种交换机自动巡检系统的巡检方法 | |
CN104793270A (zh) | 一种综合气象观测网中设备运行状态的综合判定方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20160914 Termination date: 20210323 |