CN105114348B - 基于电站运行数据的引风机故障预警装置和方法 - Google Patents

基于电站运行数据的引风机故障预警装置和方法 Download PDF

Info

Publication number
CN105114348B
CN105114348B CN201510569792.9A CN201510569792A CN105114348B CN 105114348 B CN105114348 B CN 105114348B CN 201510569792 A CN201510569792 A CN 201510569792A CN 105114348 B CN105114348 B CN 105114348B
Authority
CN
China
Prior art keywords
air
machine
similarity
current
observation sample
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.)
Active
Application number
CN201510569792.9A
Other languages
English (en)
Other versions
CN105114348A (zh
Inventor
吕游
郭家彤
曲亚鑫
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.)
Changchun Hoken Xingye Energy Technology Co Ltd
Original Assignee
Changchun Hoken Xingye Energy Technology Co 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 Changchun Hoken Xingye Energy Technology Co Ltd filed Critical Changchun Hoken Xingye Energy Technology Co Ltd
Priority to CN201510569792.9A priority Critical patent/CN105114348B/zh
Publication of CN105114348A publication Critical patent/CN105114348A/zh
Application granted granted Critical
Publication of CN105114348B publication Critical patent/CN105114348B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Abstract

本发明涉及基于电站运行数据的引风机故障预警装置和方法,该装置包括依次连接的观测变量收集模块、当前观测样本估计计算处理模块和相似度计算处理模块,观测变量收集模块选择引风机运行参数作为观测变量;当前观测样本估计计算处理模块从历史运行数据中收集机组负荷变化大的若干段所述观测变量作为初始的训练样本并计算当前观测样本的估计值;相似度计算处理模块计算观测变量的当前观测样本与估计值的相似度,再根据相似度与报警阈值的比对判断设备状态,在相似度大于报警阈值时当前设备状态正常,在相似度小于等于报警阈值时当前设备状态异常进而进行故障预警。该装置预测精度高、成本低、计算速度快,有利于应用于工程实践之中。

Description

基于电站运行数据的引风机故障预警装置和方法
技术领域
[0001] 本发明涉及热工技术和人工智能交叉技术领域,特别是基于电站运行数据的引风机故障预警装置和方法。
背景技术
[0002] 提高电站设备运行的安全性、可靠性、可用率,降低设备的维护成本,延长检修的周期对提高发电企业的经济效益和社会效益具有重要的意义。随着对电站设备安全性要求的进一步提高,人们不仅希望在出现故障时提供故障的检测与隔离,还要求在设备发生故障前就能实现对其预警。这样,就有足够的时间采取措施来防止故障的发生,避免不必要的损失。
[0003] 引风机是大型火力发电厂主要的设备之一,其运行状态直接影响电力生产的经济性和安全性。由于设备本身结构十分复杂,故障类型繁多,而且在运行过程中会受到许多外界因素的影响,很难及时地发现故障和准确判断故障原因,这样不仅会给企业造成经济损失,甚至会影响到现场工作人员的人身安全。因此,在设备出现异常或故障之前进行准确的预警,提前将潜在的故障预警送达给相关人员,对企业的安全生产和效益的提高都具有重要的意义。
发明内容
[0004] 本发明针对现有技术无法在引风机出现异常或故障之前进行准确预警的问题,提供一种基于电站运行数据的引风机故障预警装置,选择引风机运行相关的参数作为观测变量,通过采集观测变量的当前观测样本再计算其估计值并进行相似度比较,准确判断当前设备的状态,实现引风机故障预警,该装置预测精度高、成本低、计算速度快,有利于应用于工程实践之中。本发明还涉及一种基于电站运行数据的引风机故障预警方法。
[0005] 本发明的技术方案如下:
[0006] —种基于电站运行数据的引风机故障预警装置,其特征在于,包括依次连接的观测变量收集模块、当前观测样本估计计算处理模块和相似度计算处理模块,
[0007] 所述观测变量收集模块,用于选择引风机电流、引风机前轴承温度、引风机后轴承温度、引风机腰侧水平振动、引风机腰侧垂直振动、引风机端侧水平振动和引风机端侧垂直振动这七个引风机运行参数作为观测变量;
[0008] 所述当前观测样本估计计算处理模块,是从历史运行数据中收集机组负荷变化大的若干段所述观测变量作为初始的训练样本,并构建记忆矩阵;然后采集观测变量的当前观测样本并结合所述记忆矩阵计算权值向量,再计算当前观测样本的估计值;
[0009] 所述相似度计算处理模块,用于计算观测变量的当前观测样本与所述估计值的相似度,再根据所述相似度与报警阈值的比对判断设备状态,在相似度大于报警阈值时当前设备状态正常,在相似度小于等于报警阈值时当前设备状态异常进而进行故障预警。
[0010] 所述观测变量收集模块还选择引风机入口烟气压力和引风机电动机绕组温度这 两个引风机运行参数与所述七个引风机运行参数共同作为观测变量。
[0011] 所述当前观测样本估计计算处理模块采集观测变量的当前观测样本结合所述记忆矩阵并基于非线性状态估计算法计算权值向量,再利用记忆矩阵和权值向量的乘积计算当前观测样本的估计值。
[0012] 所述相似度计算处理模块是基于历史运行数据中的训练样本的方差确定的非相似性测度参数来计算观测变量的当前观测样本与所述估计值的相似度。
[0013] —种基于电站运行数据的引风机故障预警方法,其特征在于,包括下述步骤:
[0014] A、选择引风机电流、引风机前轴承温度、引风机后轴承温度、引风机腰侧水平振动、引风机腰侧垂直振动、引风机端侧水平振动和引风机端侧垂直振动这七个引风机运行参数作为观测变量;
[0015] B、从历史运行数据中,收集机组负荷变化大的若干段所述观测变量作为初始的训练样本,并构建记忆矩阵;然后采集观测变量的当前观测样本并结合所述记忆矩阵计算权值向量,再计算当前观测样本的估计值;
[0016] C、计算观测变量的当前观测样本与所述估计值的相似度,再根据所述相似度与报警阈值的比对判断设备状态,在相似度大于报警阈值时当前设备状态正常,在相似度小于等于报警阈值时当前设备状态异常进而进行故障预警。
[0017] 在所述步骤A中还选择引风机入口烟气压力和引风机电动机绕组温度这两个引风机运行参数与所述七个引风机运行参数共同作为观测变量。
[0018] 所述步骤B是采集观测变量的当前观测样本结合所述记忆矩阵并基于非线性状态估计算法计算权值向量,再利用记忆矩阵和权值向量的乘积计算当前观测样本的估计值。
[0019] 所述步骤C是基于历史运行数据中的训练样本的方差确定的非相似性测度参数来计算观测变量的当前观测样本与所述估计值的相似度。
[0020] 本发明的技术效果如下:
[0021] 本发明涉及的基于电站运行数据的引风机故障预警装置,设置特定结构且依次连接的观测变量收集模块、当前观测样本估计计算处理模块和相似度计算处理模块,观测变量收集模块选择引风机运行相关的参数作为观测变量,当前观测样本估计计算处理模块从历史运行数据中收集机组负荷变化大的若干段所述观测变量作为初始的训练样本以及采集观测变量的当前观测样本并计算当前观测样本的估计值,通过相似度计算处理模块计算观测变量的当前观测样本与所述估计值的相似度,准确判断当前设备的状态,若两者相似度较小,则认为引风机运行工况异常,从而实现对引风机故障的提前预警,解决了现有技术无法在引风机出现异常或故障之前进行准确预警的问题,该装置基于实际机组运行数据实现大型电站引风机的故障预警,应用本发明装置,不增加任何硬件,而且易于工程现场应用,成本低,计算速度快,在引风机设备出现异常或故障之前进行准确的预警,提前将潜在的故障预警送达给相关人员,对企业的安全生产和效益的提高都具有重要的意义。
[0022] 本发明涉及的基于电站运行数据的引风机故障预警方法,选择与引风机运行有关的参数作为观测变量,选取历史运行数据作为初始训练样本,通过采集观测变量的当前观测样本再计算其估计值并进行相似度比较,准确判断当前设备的状态,实现引风机故障预警,预警结果精确可靠,该方法克服了现有技术的弊端,具有预测精度高、使用成本低、计算速度快的优点,有利于应用于工程实践之中。
附图说明
[0023] 图1为本发明基于电站运行数据的引风机故障预警装置的结构框图。
[0024] 图2为本发明基于电站运行数据的引风机故障预警装置的工作原理图。
[0025] 图3为本发明基于电站运行数据的引风机故障预警方法的流程图。
[0026] 图4为本发明基于电站运行数据的引风机故障预警装置或方法对某火电站引风机的故障预警效果图。
具体实施方式
[0027] 下面结合附图对本发明进行说明。
[0028] 本发明公开了一种基于电站运行数据的引风机故障预警装置,其结构如图1所示,包括依次连接的观测变量收集模块、当前观测样本估计计算处理模块和相似度计算处理模块,所述观测变量收集模块,用于选择引风机电流、引风机前轴承温度、引风机后轴承温度、引风机腰侧水平振动、引风机腰侧垂直振动、引风机端侧水平振动和引风机端侧垂直振动这七个引风机运行参数作为观测变量;所述当前观测样本估计计算处理模块,是从历史运行数据中收集机组负荷变化大的若干段所述观测变量作为初始的训练样本,并构建记忆矩阵;然后采集观测变量的当前观测样本并结合所述记忆矩阵计算权值向量,再计算当前观测样本的估计值;所述相似度计算处理模块,用于计算观测变量的当前观测样本与所述估计值的相似度,再根据所述相似度与报警阈值的比对判断设备状态,在相似度大于报警阈值时当前设备状态正常,在相似度小于等于报警阈值时当前设备状态异常进而进行故障预警。
[0029] 本发明基于电站运行数据的引风机故障预警装置通过对引风机观测变量的实测值和估计值进行相似度比较,若两者相似度较小,则认为引风机运行工况异常,从而实现对引风机故障的提前预警。其工作原理如图2所示,观测变量收集模块选择引风机运行相关参数作为观测变量,具体可选择引风机电流、引风机入口烟气压力、引风机电动机绕组温度、引风机前轴承温度、引风机后轴承温度、引风机腰侧水平振动、引风机腰侧垂直振动、引风机端侧水平振动和引风机端侧垂直振动这九个引风机运行参数作为观测变量,九个引风机运行参数即为九个变量的观测点。当前观测样本估计计算处理模块,从历史运行数据中收集机组负荷变化较大的若干段所述观测变量作为初始的训练样本,记tj时刻p个变量的观测点样本为:X(tj) = [XI (tj),X2 (tj),···,Xp (tj) ]τ,其中Xi (tj)表示观测点i在tj时刻的测量值(或者说是第i个变量的观测点样本);当前观测样本估计计算处理模块还利用收集的历史运行数据,构建记忆矩阵D
[0030]
Figure CN105114348BD00061
(1)
[0031] 其中 Dij = xi (t j)
[0032] 当前观测样本估计计算处理模块同时还采集观测变量的当前观测样本Xq,并结合所述记忆矩阵D基于非线性状态估计算法计算当前观测样本的权值向量w
[0033]
Figure CN105114348BD00071
(2) 其中®为非线性运算符,其运算规则是
Figure CN105114348BD00072
[0034] 当前观测样本估计计算处理模块再利用记忆矩阵D和权值向量w的乘积计算当前观测样本的估计值
Figure CN105114348BD00073
[0035]
Figure CN105114348BD00074
(3)
[0036] 相似度计算处理模块基于历史运行数据中的训练样本的方差确定的非相似性测度参数来计算观测变量的当前观测样本与所述估计值的相似度s
[0037]
Figure CN105114348BD00075
(4)
[0038] 其中
Figure CN105114348BD00076
,ε是非相似性测度参数,通过历史运行数据中的 训练样本的方差来确定;
[0039] 相似度计算处理模块再根据所述相似度s与报警阈值〇的比对判断设备状态,若s>σ,则当前设备状态正常;若则当前设备状态异常,有可能即将发生故障,进而进行故 障预警。
[0040] 本发明还涉及一种基于电站运行数据的引风机故障预警方法,该方法与本发明上述的基于电站运行数据的引风机故障预警装置相对应,可理解为是实现本发明基于电站运行数据的引风机故障预警装置的方法。该方法流程如图3所示,包括下述步骤:
[0041] A、选择引风机电流、引风机前轴承温度、引风机后轴承温度、引风机腰侧水平振动、引风机腰侧垂直振动、引风机端侧水平振动和引风机端侧垂直振动这七个引风机运行参数作为观测变量;优选还选择引风机入口烟气压力和引风机电动机绕组温度这两个引风机运行参数与所述七个引风机运行参数共同作为观测变量。
[0042] B、从历史运行数据中,收集机组负荷变化大的若干段所述观测变量作为初始的训练样本,并构建记忆矩阵D;然后采集观测变量的当前观测样本xq,结合记忆矩阵D并基于非线性状态估计算法计算权值向量w,再利用记忆矩阵D和权值向量w的乘积计算当前观测样 本的估计值%;
[0043] C、基于历史运行数据中的训练样本的方差确定的非相似性测度参数来计算观测变量的当前观测样本与所述估计值的相似度s,再根据相似度s与报警阈值σ的比对判断设备状态,在相似度s大于报警阈值σ时当前设备状态正常,在相似度s小于等于报警阈值〇时当前设备状态异常进而进行故障预警。
[0044] 通过实施例说明利用本发明基于电站运行数据的引风机故障预警方法对某330MW火力电站引风机的超温故障进行预警。该风机为由上海鼓风机厂有限公司用引进德国“TLT”公司技术设计制造的G158/265型静叶可调轴流式引风机。本发明基于电站运行数据的引风机故障预警方法的具体实施步骤为:
[0045] 步骤1:选择引风机电流、引风机入口烟气压力、引风机电动机绕组温度、引风机前轴承温度、引风机后轴承温度、引风机腰侧水平振动、引风机腰侧垂直振动、引风机端侧水平振动和引风机端侧垂直振动等变量作为观测变量;
[0046] 步骤2:从历史运行数据中,收集机组负荷变化较大的若干段观测变量数据样本作为初始的训练样本;
[0047] 步骤3:利用收集的历史运行数据,利用式⑴构建记忆矩阵D;
[0048] 步骤4:采集当前观测样本Xq,利用式⑵计算权值向量w;
[0049] 步骤5:利用式⑶计算当前观测样本的估计值
Figure CN105114348BD00081
[0050] 步骤6:利用式(4)计算当前观测样本与估计值的相似度s,并确定非相似性测度参数ε;
[0051] 步骤7:判断相似度,若s>〇,则当前设备状态正常;若则当前设备状态异常,有可能即将发生故障;这里,σ为报警阈值。
[0052] 上述步骤1即为步骤A,是从历史运行数据中选择样本;上述步骤2-5即为步骤B,是利用非线性状态估计算法来实现对观测变量的估计;上述步骤6-7即为步骤C,利用非相似性测度参数来判断当前引风机运行的状况。利用以上步骤对引风机监测的效果如图4所示,纵轴为相似度s,横轴为工况点(或者说是样品点),即每个时刻的每个工况点,可以看出在第94个工况点,引风机运行工况的非相似度低于报警阈值,此时运行状态出现异常,从而实现了故障的提前预警。
[0053] 图4也可以理解为是本发明基于电站运行数据的引风机故障预警装置对某火电站引风机的故障预警效果图。相似度计算处理模块根据所述相似度s与报警阈值σ的比对判断设备状态,在第94个工况点时s〈〇,设备状态异常,有可能即将发生故障,进行故障预警。
[0054] 应当指出,以上所述具体实施方式可以使本领域的技术人员更全面地理解本发明创造,但不以任何方式限制本发明创造。因此,尽管本说明书参照附图和实施例对本发明创造已进行了详细的说明,但是,本领域技术人员应当理解,仍然可以对本发明创造进行修改或者等同替换,总之,一切不脱离本发明创造的精神和范围的技术方案及其改进,其均应涵盖在本发明创造专利的保护范围当中。

Claims (6)

1. 一种基于电站运行数据的引风机故障预警装置,其特征在于,包括依次连接的观测 变量收集模块、当前观测样本估计计算处理模块和相似度计算处理模块, 所述观测变量收集模块,用于选择引风机电流、引风机前轴承温度、引风机后轴承温 度、引风机腰侧水平振动、引风机腰侧垂直振动、引风机端侧水平振动和引风机端侧垂直振 动这七个引风机运行参数作为观测变量; 所述当前观测样本估计计算处理模块,是从历史运行数据中收集机组负荷变化大的若 干段所述观测变量作为初始的训练样本,并构建记忆矩阵;然后采集观测变量的当前观测 样本并结合所述记忆矩阵计算权值向量,再计算当前观测样本的估计值;
Figure CN105114348BC00021
所述相似度计算处理模块,用于基于历史运行数据中的训练样本的方差确定的非相似 性测度参数来计算观测变量的当前观测样本与所述估计值的相似度 其中
Figure CN105114348BC00022
ε是非相似性测度参数,Xq为当前观测样本,A为估计值,P 为观测变量个数;再根据所述相似度与报警阈值的比对判断设备状态,在相似度大于报警 阈值时当前设备状态正常,在相似度小于等于报警阈值时当前设备状态异常进而进行故障 预警。
2. 根据权利要求1所述的引风机故障预警装置,其特征在于,所述观测变量收集模块还 选择引风机入口烟气压力和引风机电动机绕组温度这两个引风机运行参数与所述七个引 风机运行参数共同作为观测变量。
3. 根据权利要求1或2所述的引风机故障预警装置,其特征在于,所述当前观测样本估 计计算处理模块采集观测变量的当前观测样本结合所述记忆矩阵并基于非线性状态估计 算法计算权值向量,再利用记忆矩阵和权值向量的乘积计算当前观测样本的估计值。
4. 一种基于电站运行数据的引风机故障预警方法,其特征在于,包括下述步骤: A、 选择引风机电流、引风机前轴承温度、引风机后轴承温度、引风机腰侧水平振动、弓丨 风机腰侧垂直振动、引风机端侧水平振动和引风机端侧垂直振动这七个引风机运行参数作 为观测变量; B、 从历史运行数据中,收集机组负荷变化大的若干段所述观测变量作为初始的训练样 本,并构建记忆矩阵;然后采集观测变量的当前观测样本并结合所述记忆矩阵计算权值向 量,再计算当前观测样本的估计值;
Figure CN105114348BC00023
C、 基于历史运行数据中的训练样本的方差确定的非相似性测度参数来计算观测变暈 的当前观测样本与所述估计值的相似度 ε是非相似性测度参数,xq为当前观测样本,七为估计值,P为观测变量个数;再根据所述相 似度与报警阈值的比对判断设备状态,在相似度大于报警阈值时当前设备状态正常,在相 似度小于等于报警阈值时当前设备状态异常进而进行故障预警。
5. 根据权利要求4所述的引风机故障预警方法,其特征在于,在所述步骤A中还选择引 风机入口烟气压力和引风机电动机绕组温度这两个引风机运行参数与所述七个引风机运 行参数共同作为观测变量。
6. 根据权利要求4或5所述的引风机故障预警方法,其特征在于,所述步骤B是采集观测 变量的当前观测样本结合所述记忆矩阵并基于非线性状态估计算法计算权值向量,再利用 记忆矩阵和权值向量的乘积计算当前观测样本的估计值。
CN201510569792.9A 2015-09-09 2015-09-09 基于电站运行数据的引风机故障预警装置和方法 Active CN105114348B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510569792.9A CN105114348B (zh) 2015-09-09 2015-09-09 基于电站运行数据的引风机故障预警装置和方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510569792.9A CN105114348B (zh) 2015-09-09 2015-09-09 基于电站运行数据的引风机故障预警装置和方法

Publications (2)

Publication Number Publication Date
CN105114348A CN105114348A (zh) 2015-12-02
CN105114348B true CN105114348B (zh) 2017-10-31

Family

ID=54662422

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510569792.9A Active CN105114348B (zh) 2015-09-09 2015-09-09 基于电站运行数据的引风机故障预警装置和方法

Country Status (1)

Country Link
CN (1) CN105114348B (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105787561B (zh) * 2016-03-22 2019-04-30 新疆金风科技股份有限公司 循环神经网络模型构建方法、齿轮箱故障检测方法和装置
CN106323659A (zh) * 2016-08-24 2017-01-11 厦门元谷信息科技有限公司 一种判断风机、净化器运行状态的方法和油烟监测系统
CN108334674A (zh) * 2018-01-17 2018-07-27 浙江大学 一种基于参数关联性智能分析的汽轮机高压缸运行状态监测方法
CN108509645B (zh) * 2018-04-13 2020-03-24 华润电力风能(威海)有限公司 一种设备预警方法
CN108800954B (zh) * 2018-05-31 2019-12-31 中冶华天工程技术有限公司 基于音源特征的环冷机风量控制方法及系统
CN111260893A (zh) * 2020-01-10 2020-06-09 中国海洋石油集团有限公司 一种海洋平台推进器故障预警方法和装置

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5089537B2 (ja) * 2008-09-10 2012-12-05 三菱電機株式会社 電動送風機の故障診断装置及びそれを搭載した電気機器
CN103294891A (zh) * 2013-03-23 2013-09-11 中国水利电力物资有限公司 一种基于历史故障数据的风电机组状态评估方法和系统
CN204402954U (zh) * 2015-01-09 2015-06-17 北京锦源汇智科技有限公司 监测风机运行状态的装置
CN104809732B (zh) * 2015-05-07 2017-06-20 山东鲁能智能技术有限公司 一种基于图像比对的电力设备外观异常检测方法

Also Published As

Publication number Publication date
CN105114348A (zh) 2015-12-02

Similar Documents

Publication Publication Date Title
CN105114348B (zh) 基于电站运行数据的引风机故障预警装置和方法
CN102663412B (zh) 基于最小二乘支持向量机的电力设备载流故障趋势预测方法
US9177139B2 (en) Control system cyber security
CN102221651B (zh) 一种矿用隔爆型干式变压器故障在线诊断及预警方法
CN103019135B (zh) 风机部件的寿命预测方法及系统
CN103414189B (zh) 基于多种预测算法的电能质量稳态指标预警方法
CN103810328A (zh) 一种基于混合模型的变压器维修决策方法
CN102758655B (zh) 用于保护旋转机械的方法
CN108037378A (zh) 基于长短时记忆网络的变压器运行状态预测方法及系统
CN104200396A (zh) 一种风力发电机部件故障预警方法
CN103925155B (zh) 一种风电机组输出功率异常的自适应检测方法
CN104635121A (zh) 旋转电机的绝缘监视的温度补偿
CN102930408B (zh) 一种基于信息融合的750kV电网二次设备状态评估方法
CN105242155A (zh) 一种基于熵权法和灰色关联分析的变压器故障诊断方法
CN108536945A (zh) 一种用于大型调相机的故障诊断方法及系统
CN109613428A (zh) 一种能像系统及其在电机设备故障检测方法中的应用
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
CN108536128A (zh) 一种参数优化的机器学习故障诊断系统
CN101915675B (zh) 一种过滤器性能检测方法及装置
CN104182623A (zh) 一种基于当量变化率计算的热工过程数据检测方法
CN106018995B (zh) 一种变压器运行状态在线监控方法和装置
CN106126949A (zh) 一种汽轮发电机运行状态评估方法
CN104346627A (zh) 一种基于大数据分析的sf6气体泄漏在线预警平台
CN107505511A (zh) 直流支撑电容的生命周期预测方法、装置及系统
CN105628250A (zh) 基于灰色gm(1,1)模型的电力电缆故障监测方法

Legal Events

Date Code Title Description
PB01 Publication
C06 Publication
SE01 Entry into force of request for substantive examination
C10 Entry into substantive examination
GR01 Patent grant
GR01 Patent grant
PE01 Entry into force of the registration of the contract for pledge of patent right

Denomination of invention: Device and method for induced draft fan fault early warning based on power station operation data

Effective date of registration: 20200513

Granted publication date: 20171031

Pledgee: China Everbright Bank Limited by Share Ltd Changchun branch

Pledgor: CHANGCHUN HOKEN XINGYE ENERGY TECHNOLOGY Co.,Ltd.

Registration number: Y2020220000034

PE01 Entry into force of the registration of the contract for pledge of patent right