CN106144819B - 电梯的预诊断方法及装置 - Google Patents
电梯的预诊断方法及装置 Download PDFInfo
- Publication number
- CN106144819B CN106144819B CN201610574558.XA CN201610574558A CN106144819B CN 106144819 B CN106144819 B CN 106144819B CN 201610574558 A CN201610574558 A CN 201610574558A CN 106144819 B CN106144819 B CN 106144819B
- Authority
- CN
- China
- Prior art keywords
- elevator
- data
- weighted average
- failure
- operation data
- 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
Links
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B66—HOISTING; LIFTING; HAULING
- B66B—ELEVATORS; ESCALATORS OR MOVING WALKWAYS
- B66B3/00—Applications of devices for indicating or signalling operating conditions of elevators
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B66—HOISTING; LIFTING; HAULING
- B66B—ELEVATORS; ESCALATORS OR MOVING WALKWAYS
- B66B5/00—Applications of checking, fault-correcting, or safety devices in elevators
Landscapes
- Indicating And Signalling Devices For Elevators (AREA)
- Maintenance And Inspection Apparatuses For Elevators (AREA)
Abstract
本发明实施例公开了一种电梯的预诊断方法及装置。所述方法包括:存储电梯上传的电梯运行状态数据;关联所述电梯运行状态数据中与电梯部件运行相关的故障辨别数据;对所述故障辨别数据进行统计分析,以对所述电梯部件是否将会出现故障进行预诊断。本发明实施例提供的电梯的预诊断方法及装置通过在云端的对电梯运行状态数据的大数据分析,有效的降低了电梯的维护保养成本。
Description
技术领域
本发明实施例涉及电梯技术领域,尤其涉及一种电梯的预诊断方法及装置。
背景技术
目前对电梯的部件,都是等电梯部件异常,导致故障报出后,维护保养人员才去现场处理。这样往往导致了停梯、甚至困人等问题,极大影响客户的使用。同时,为了减少电梯部件异常,维保人员通常要频繁的对电梯所有主要部件进行定期检查。这样降低了维保人员的工作效率,减少维保人员维护保养电梯的数量,增加了电梯的维护保养的成本。
发明内容
针对上述技术问题,本发明实施例提供了一种电梯的预诊断方法及装置,以降低电梯的维护保养成本。
一方面,本发明实施例提供了一种电梯的预诊断方法,所述方法包括:
存储电梯上传的电梯运行状态数据;
关联所述电梯运行状态数据中与电梯部件运行相关的故障辨别数据;
对所述故障辨别数据进行统计分析,以对所述电梯部件是否将会出现故障进行预诊断。
另一方面,本发明实施例还提供了一种电梯的预诊断装置,所述装置包括:
数据存储模块,用于存储电梯上传的电梯运行状态数据;
数据关联模块,用于关联所述电梯运行状态数据中与电梯部件运行相关的故障辨别数据;
故障预诊断模块,用于对所述故障辨别数据进行统计分析,以对所述电梯部件是否将会出现故障进行预诊断。
本发明实施例提供的电梯的预诊断方法及装置,通过部署在云端的大数据分析系统存储电梯上传的电梯运行状态数据,关联所述电梯运行状态数据中与电梯部件运行相关的故障辨别数据,以及利用大数据分析系统对所述故障辨别数据进行统计分析,以对所述电梯部件是否将会出现故障进行预诊断,从而使得维护保养人员对电梯部件是否将会出现故障有提前的准确预判,使用大数据分析系统有效的降低了电梯的维护保养成本。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本发明的其它特征、目的和优点将会变得更明显:
图1是本发明第一实施例提供的电梯的预诊断方法的流程图;
图2是本发明第二实施例提供的电梯的预诊断方法中诊断操作的流程图;
图3是本发明第三实施例提供的电梯的预诊断方法的流程图;
图4是本发明第四实施例提供的电梯的预诊断方法的流程图;
图5是本发明第五实施例提供的电梯的预诊断装置的结构图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
第一实施例
本实施例提供了电梯的预诊断方法的一种技术方案。在该技术方案中,所述电梯的预诊断方法由电梯的预诊断装置执行。并且,所述电梯的预诊断装置集成在部署于云端的例如Hadoop、Storm、Spark Streaming,或者Samza等大数据分析系统之中。
参见图1,所述电梯的预诊断方法包括:
S11,存储电梯上传的电梯运行状态数据。
所述电梯运行状态数据是指在电梯本地采集的,并且有电梯本地的通信设备上传至云端的指示电梯的各个部件的运行状态的数据。所述电梯运行状态数据包括:电梯的载重、电梯的运行方向、运行速度、用户的召梯信息、电机输出功率、各个部件的通断电情况等。
部署于云端的电梯的预诊断装置在接收到所述电梯运行状态数据之后,将上述电梯运行状态数据存储。优选的,将上述电梯运行状态数据存储于分布式数据库中。进一步优选的,所述分布式数据可以是Hbase数据库。
S12,关联所述电梯运行状态数据中与电梯部件运行相关的故障辨别数据。
可以理解的是,并不是所有的所述电梯运行状态数据中的数据项都是与具体的电梯部件运行相关的故障辨别数据。例如,对于电梯部件抱闸来说,用户的召梯信息就与它是否处于故障状态在逻辑上没有任何关联。
正因为所述电梯运行状态数据中包含与具体的电梯部件是否处于故障状态完全无关的数据,在存储了所述电梯运行状态数据之后,需要从所述电梯运行状态数据中识别出与电梯部件运行相关的故障辨别数据,以便将所述故障辨别数据进一步的用于对电梯部件的故障诊断。
具体的一项电梯运行状态数据是否属于与电梯部件运行相关的故障辨别数据,在初始化阶段是由维护保养人员根据自身的维护保养经验指定的。例如,与电梯内的照明灯的运行相关的故障辨别数据应该包括:电源开关的动作次数,以及亮灯的总时间。而在初始化过程完成之后,一项电梯运行状态数据是否属于故障辨别数据则可以根据对电梯运行状态数据的机器学习过程进行调优,如在所述故障辨别数据中添加温度、湿度两项数据。
S13,对所述故障辨别数据进行统计分析,以对所述电梯部件是否出现故障进行诊断。
优选的,对所述故障辨别数据进行的统计分析是根据预定的统计分析模型进行的。优选的,可以根据预先给定的故障辨别数据的加权平均模型对所述故障辨别数据进行统计分析,也可以根据预先给定的人工神经网络模型对所述故障辨别数据进行统计分析。
对所述故障辨别数据进行统计分析的结果是电梯部件当前是否处于故障状态的判断。进一步优选的,如果电梯部件已经处于故障状态,对所述故障辨别数据的统计分析结果还可以包括该故障需要维护的紧急程度。有了上述的紧急程度的判断,就可以进一步指示维护保护人员是否需要立即赶赴维护现场。
本实施例通过在部署于云端的大数据分析系统中存储电梯上传的电梯运行状态数据,关联所述电梯运行状态数据中与电梯部件运行相关的故障辨别数据,以及对所述故障辨别数据进行统计分析,自动的给出了对电梯部件是否处于故障状态的判断,降低了电梯的维护保养成本。
第二实施例
本实施例以本发明上述实施例为基础,进一步的提供了电梯的预诊断方法中诊断操作的一种技术方案。在该技术方案中,对所述故障辨别数据进行统计分析,以对所述电梯部件是否出现故障进行诊断包括:获取预置的,用于对所述故障辨别数据进行统计分析的加权平均模型;根据所述加权平均模型,对所述电梯部件是否出现故障进行诊断。
参见图2,对所述故障辨别数据进行统计分析,以对所述电梯部件是否出现故障进行诊断包括:
S21,获取预置的、用于对所述故障辨别数据进行统计分析的加权平均模型。
示例性的,所述加权平均模型由如下公式给出:
s=w1·v1+Λ+wi·vi+ΛwN·vN
其中,vi是第i个故障辨别数据项,wi是第i个故障辨别数据项所对应的加权系数,s是对各项故障辨别数据进行加权平均的结果。
获取所述加权平均模型是,需要确定所述加权平均模型中包含哪些故障辨别数据项,以及每个故障辨别数据项所对应的加权系数的取值。
S22,根据所述加权平均模型,对所述电梯部件是否出现故障进行诊断。
具体的,将上述加权平均模型的加权平均结果s,与预置的诊断阈值进行比较。如果所述加权平均结果s在由所述诊断阈值确定的取值范围内,则可以判断所述电梯部件并没有出现故障;如果所述加权平均结果s不在由所述诊断阈值确定的取值范围内,则可以判断所述电梯部件出现了故障。
进一步的,如果确定所述电梯部件出现了故障,还可以进一步的将所述加权平均结果s与预置的紧急程度阈值进行比较,以确定当前故障的紧急程度。确定上述紧急程度的优势在于,可以根据确定的故障的紧急程度,进一步确定是否需要通知维护保养人员立即赶赴维护现场。
本实施例通过获取预置的,用于对所述故障辨别数据进行统计分析的加权平均模型,以及根据所述加权平均模型,对所述电梯部件是否出现故障进行诊断,实现了对电梯部件是否出现故障的准确判断。
第三实施例
本实施例以本发明上述实施例为基础,进一步的提供了电梯的预诊断方法的另一种技术方案。在该技术方案中,所述电梯的预诊断方法还包括:根据机器学习算法,对所述加权平均模型的模型参数进行调整。
参见图3,所述电梯的预诊断方法包括:
S31,存储电梯上传的电梯运行状态数据。
S32,关联所述电梯运行状态数据中与电梯部件运行相关的故障辨别数据。
S33,获取预置的、用于对所述故障辨别数据进行统计分析的加权平均模型。
S34,根据所述加权平均模型,对所述电梯部件是否出现故障进行诊断。
S35,根据机器学习算法,对所述加权平均模型的模型参数进行调整。
在本实施例中,所述加权平均模型的模型参数包括:所述加权平均模型的加权系数,以及所述加权平均模型的诊断阈值。
例如,如果通过机器学习算法,发现所述加权平均模型中的一项故障辨别数据对于最终的诊断结果的影响已经相对降低,则可以相应的下调该故障辨别数据项所对应的加权系数的取值。如果通过机器学习算法,发现所述加权平均模型中某一项故障辨别数据对于最终的诊断结果的影响已经相对增强,则可以相应的增大该故障辨别数据项所对应的加权系数的取值。
示例性的,所述机器学习算法可以是决策树算法。
进一步优选的,在上述调整过程中,还可以在所述加权平均模型中增加或者删除故障辨别数据项。例如,通过机器学习过程,发现一项故障辨别数据对于最终的故障判断已经没有意义,则可以从所述加权平均模型中将上述故障辨别数据项删除。
本实施例通过根据机器学习算法,对所述加权平均模型的模型参数进行调整,使得进行故障诊断的加权平均模型能够根据数据的实时变化进行调整,使得对于电梯部件的故障状态的诊断更为准确。
第四实施例
本实施例以本发明上述实施例为基础,进一步的提供了电梯的预诊断方法的再一种技术方案。在该技术方案中,所述电梯的预诊断方法还包括:根据所述电梯运行状态数据,以及诊断结果,生成用于显示电梯运行状态的运行状态报告;将所述运行状态报告显示给用户。
参见图4,所述电梯的预诊断方法包括:
S41,存储电梯上传的电梯运行状态数据。
S42,关联所述电梯运行状态数据中与电梯部件运行相关的故障辨别数据。
S43,对所述故障辨别数据进行统计分析,以对所述电梯部件是否出现故障进行诊断。
S44,根据所述电梯运行状态数据,以及诊断结果,生成用于显示电梯运行状态的运行状态报告。
生成的运行状态包括不仅包含必要的电梯运行状态数据,还包括根据所述加权平均模型给出的电梯部件当前是否处于故障状态的判断。
所述运行状态包括而不限于运行次数、运行时间、部件动作次数、部件动作时间、预诊断结果、建议更换器件提示。
优选的,对于运行状态报告的生成可以是根据系统设置的生成,也可以是根据用户实时指令的生成。
S45,将所述运行状态报告显示给用户。
可以在云端本地直接显示所述运行状态报告,也可以将生成的运行状态报告发送给远端的客户端,再由客户端将所述运行状态报告显示给用户。
本实施例通过生成运行状态报告,并将生成的运行状态报告显示给用户,使得电梯的维护保养人员能够实时了解电梯的各个部件的当前的运行状态及是否处于故障状态,提高了云端系统的可用性。
第五实施例
本实施例提供了电梯的预诊断装置的一种技术方案。在该技术方案中,所述电梯的预诊断装置包括:数据存储模块51、数据关联模块52,以及故障预诊断模块53。
所述数据存储模块51用于存储电梯上传的电梯运行状态数据。
所述数据关联模块52用于关联所述电梯运行状态数据中与电梯部件运行相关的故障辨别数据。
所述故障预诊断模块53用于对所述故障辨别数据进行统计分析,以对所述电梯部件是否将会出现故障进行预诊断。
优选的,所述故障预诊断模块53包括:模型获取单元以及诊断单元。
所述模型获取单元用于获取预置的、用于对所述故障辨别数据进行统计分析的加权平均模型。
所述诊断单元用于根据所述加权平均模型,对所述电梯部件是否出现故障进行诊断。
优选的,所述电梯的预诊断装置还包括:模型调整模块54。
所述模型调整模块54用于根据机器学习算法,对所述加权平均模型的模型参数进行调整。
优选的,所述加权平均模型的模型参数包括:加权系数,以及诊断阈值。
优选的,所述电梯的预诊断装置还包括:报告生成模块55以及报告显示模块56。
所述报告生成模块55用于根据所述电梯运行状态数据,以及诊断结果,生成用于显示电梯运行状态的运行状态报告,运行状态报告内容包括运行次数、运行时间、部件动作次数、部件动作时间、预诊断结果、建议更换器件提示。
所述报告显示模块56用于将所述运行状态报告显示给用户。
优选的,所述电梯的预诊断装置集成在Hadoop、Storm、Spark Streaming,或者Samza系统中。
以上所述仅为本发明的优选实施例,并不用于限制本发明,对于本领域技术人员而言,本发明可以有各种改动和变化。凡在本发明的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (6)
1.一种电梯的预诊断方法,其特征在于,包括:
存储电梯上传的电梯运行状态数据;
关联所述电梯运行状态数据中与电梯部件运行相关的故障辨别数据,其中,一项电梯运行状态数据是否属于故障辨别数据是根据对电梯运行状态数据的机器学习过程进行调优;
对所述故障辨别数据进行统计分析,以对所述电梯部件是否将会出现故障进行预诊断;
对所述故障辨别数据进行统计分析,以对所述电梯部件是否将会出现故障进行预诊断包括:
获取预置的、用于对所述故障辨别数据进行统计分析的加权平均模型;
根据所述加权平均模型,对所述电梯部件是否出现故障进行诊断;
还包括:
根据机器学习算法,对所述加权平均模型的模型参数进行调整。
2.根据权利要求1所述的方法,其特征在于,所述加权平均模型的模型参数包括:加权系数,以及诊断阈值。
3.根据权利要求1所述的方法,其特征在于,还包括:
根据所述电梯运行状态数据,以及诊断结果,生成用于显示电梯运行状态的运行状态报告,运行状态报告内容包括运行次数、运行时间、部件动作次数、部件动作时间、预诊断结果、建议更换器件提示;
将所述运行状态报告显示给用户。
4.根据权利要求1所述的方法,其特征在于,所述方法由Hadoop、Storm、SparkStreaming,或者Samza系统实现。
5.一种电梯的预诊断装置,其特征在于,包括:
数据存储模块,用于存储电梯上传的电梯运行状态数据;
数据关联模块,用于关联所述电梯运行状态数据中与电梯部件运行相关的故障辨别数据,其中,一项电梯运行状态数据是否属于故障辨别数据是根据对电梯运行状态数据的机器学习过程进行调优;
故障预诊断模块,用于对所述故障辨别数据进行统计分析,以对所述电梯部件是否将会出现故障进行预诊断;
所述故障预诊断模块包括:
模型获取单元,用于获取预置的、用于对所述故障辨别数据进行统计分析的加权平均模型;
诊断单元,用于根据所述加权平均模型,对所述电梯部件是否出现故障进行诊断;
还包括:
模型调整模块,用于根据机器学习算法,对所述加权平均模型的模型参数进行调整。
6.根据权利要求5所述的装置,其特征在于,还包括:
报告生成模块,用于根据所述电梯运行状态数据,以及诊断结果,生成用于显示电梯运行状态的运行状态报告,运行状态包括运行次数、运行时间、部件动作次数、部件动作时间、预诊断结果、建议更换器件提示;
报告显示模块,用于将所述运行状态报告显示给用户。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610574558.XA CN106144819B (zh) | 2016-07-19 | 2016-07-19 | 电梯的预诊断方法及装置 |
PCT/CN2016/111282 WO2018014502A1 (zh) | 2016-07-19 | 2016-12-21 | 电梯的预诊断方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610574558.XA CN106144819B (zh) | 2016-07-19 | 2016-07-19 | 电梯的预诊断方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106144819A CN106144819A (zh) | 2016-11-23 |
CN106144819B true CN106144819B (zh) | 2018-09-07 |
Family
ID=58060604
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610574558.XA Active CN106144819B (zh) | 2016-07-19 | 2016-07-19 | 电梯的预诊断方法及装置 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN106144819B (zh) |
WO (1) | WO2018014502A1 (zh) |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106144819B (zh) * | 2016-07-19 | 2018-09-07 | 日立楼宇技术(广州)有限公司 | 电梯的预诊断方法及装置 |
CN107786375A (zh) * | 2017-10-20 | 2018-03-09 | 朱健雄 | 一种通讯装置失效预警系统 |
CN108083044B (zh) * | 2017-11-21 | 2019-12-24 | 浙江新再灵科技股份有限公司 | 一种基于大数据分析的电梯按需维保系统及方法 |
CN109896379A (zh) * | 2017-12-11 | 2019-06-18 | 日立楼宇技术(广州)有限公司 | 一种电梯故障预诊断方法、装置、设备以及存储介质 |
US11472663B2 (en) | 2018-10-01 | 2022-10-18 | Otis Elevator Company | Automatic software upgrade assistant for remote elevator monitoring experts using machine learning |
CN111240946B (zh) * | 2018-11-29 | 2021-12-07 | 珠海格力电器股份有限公司 | 一种设备故障诊断数据的处理方法、处理系统 |
US12049383B2 (en) | 2019-04-29 | 2024-07-30 | Otis Elevator Company | Elevator shaft distributed health level |
US11993480B2 (en) | 2019-04-30 | 2024-05-28 | Otis Elevator Company | Elevator shaft distributed health level with mechanic feed back condition based monitoring |
CN110472563B (zh) * | 2019-08-13 | 2022-04-26 | 浙江大学 | 基于小波包分解和神经网络的直梯振动过大故障诊断方法 |
CN111563229B (zh) * | 2020-05-13 | 2022-03-22 | 浙江大学 | 基于高斯混合模型的直梯超速自动复位故障诊断方法 |
CN113135480B (zh) * | 2021-05-13 | 2022-08-16 | 上海梯之星信息科技有限公司 | 基于局部和整体特征的电梯故障预警方法 |
CN113682911B (zh) * | 2021-08-24 | 2023-04-25 | 日立楼宇技术(广州)有限公司 | 一种采样方式的设置、电梯的故障检测方法及相关装置 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101269769A (zh) * | 2007-03-20 | 2008-09-24 | 东芝电梯株式会社 | 电梯的诊断系统 |
CN102718100A (zh) * | 2012-06-13 | 2012-10-10 | 中山市卓梅尼控制技术有限公司 | 电梯故障预警系统及其预警方法 |
CN103231962A (zh) * | 2013-05-15 | 2013-08-07 | 北京晶科华盛科技有限公司 | 电梯故障诊断和预警系统 |
CN204689281U (zh) * | 2015-05-12 | 2015-10-07 | 广州广日电梯工业有限公司 | 用于电梯故障预诊断的电梯管理系统 |
CN204702347U (zh) * | 2015-06-08 | 2015-10-14 | 成都纺织高等专科学校 | 一种电梯安全检测系统 |
CN105035902A (zh) * | 2015-08-10 | 2015-11-11 | 广州特种机电设备检测研究院 | 一种电梯安全状况评估方法 |
CN105731209A (zh) * | 2016-03-17 | 2016-07-06 | 天津大学 | 基于物联网的电梯故障智能预测与诊断及维护方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH09208147A (ja) * | 1996-02-02 | 1997-08-12 | Hitachi Building Syst Co Ltd | 油圧エレベータの異常診断装置 |
JP2008230742A (ja) * | 2007-03-19 | 2008-10-02 | Toshiba Elevator Co Ltd | エレベータの保守管理システム |
JP2009040585A (ja) * | 2007-08-10 | 2009-02-26 | Toshiba Elevator Co Ltd | エレベータの異常診断システム |
JP2013023325A (ja) * | 2011-07-20 | 2013-02-04 | Mitsubishi Electric Corp | エレベータの故障予測装置 |
CN106144819B (zh) * | 2016-07-19 | 2018-09-07 | 日立楼宇技术(广州)有限公司 | 电梯的预诊断方法及装置 |
-
2016
- 2016-07-19 CN CN201610574558.XA patent/CN106144819B/zh active Active
- 2016-12-21 WO PCT/CN2016/111282 patent/WO2018014502A1/zh active Application Filing
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101269769A (zh) * | 2007-03-20 | 2008-09-24 | 东芝电梯株式会社 | 电梯的诊断系统 |
CN102718100A (zh) * | 2012-06-13 | 2012-10-10 | 中山市卓梅尼控制技术有限公司 | 电梯故障预警系统及其预警方法 |
CN103231962A (zh) * | 2013-05-15 | 2013-08-07 | 北京晶科华盛科技有限公司 | 电梯故障诊断和预警系统 |
CN204689281U (zh) * | 2015-05-12 | 2015-10-07 | 广州广日电梯工业有限公司 | 用于电梯故障预诊断的电梯管理系统 |
CN204702347U (zh) * | 2015-06-08 | 2015-10-14 | 成都纺织高等专科学校 | 一种电梯安全检测系统 |
CN105035902A (zh) * | 2015-08-10 | 2015-11-11 | 广州特种机电设备检测研究院 | 一种电梯安全状况评估方法 |
CN105731209A (zh) * | 2016-03-17 | 2016-07-06 | 天津大学 | 基于物联网的电梯故障智能预测与诊断及维护方法 |
Also Published As
Publication number | Publication date |
---|---|
CN106144819A (zh) | 2016-11-23 |
WO2018014502A1 (zh) | 2018-01-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106144819B (zh) | 电梯的预诊断方法及装置 | |
CN111983383B (zh) | 一种电力系统故障抢修方法及系统 | |
CN109146093B (zh) | 一种基于学习的电力设备现场勘查方法 | |
CN111734885B (zh) | 一种换流阀在线监测与评估的方法及系统 | |
CN104866632B (zh) | 家电设备的故障数据获取方法、装置及终端 | |
CN109034424B (zh) | 一种变电站设备维护管理方法、装置及终端设备 | |
CN111629043B (zh) | 一种基于云端模式的跨平台健康管理系统 | |
KR101094195B1 (ko) | 2차원 코드 및 관리서버를 이용한 전력설비 관리방법과 그 시스템 | |
CN106204330A (zh) | 一种配电网智能诊断系统 | |
CN104753178A (zh) | 一种电网故障处理系统 | |
CN104618694A (zh) | 一种机房三维动态监测的方法及系统 | |
CN108780528A (zh) | 设备管理装置、设备管理系统、程序以及设备管理方法 | |
CN107679576A (zh) | 车辆的故障监测方法及装置 | |
KR102648377B1 (ko) | 네트워크 케이블 품질 모니터링이 가능한 ai 통합배선반 및 이를 이용한 방법 | |
CN107491021A (zh) | 家用电器及其故障诊断系统、方法和服务器 | |
US20210182749A1 (en) | Method of predicting component failure in drive train assembly of wind turbines | |
CN113095523B (zh) | 电缆故障大数据预警系统 | |
CN115642706A (zh) | 一种电网内配电负荷监控系统 | |
CN117289085A (zh) | 一种多线路故障分析诊断方法及系统 | |
CN110543658A (zh) | 基于大数据的电厂设备诊断方法 | |
CN110879151A (zh) | 基于运行大数据的燃气轮机远程监测和诊断系统及方法 | |
CN115760073A (zh) | 一种基于bim模型的变电站设备维护系统和方法 | |
CN112578232B (zh) | 风力发电机组的雷电预警方法和雷电预警设备 | |
CN109740797B (zh) | 一种基于条件概率的电力设备缺陷事件预警方法 | |
CN108122036B (zh) | 一种变电站带电运检辅助分析方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: Nanxiang three road, Science City high tech Industrial Development Zone, Guangzhou city of Guangdong Province, No. 2 510660 Applicant after: Hitachi building technologies (Guangzhou) Co. Ltd. Address before: Nanxiang three road, Science City high tech Industrial Development Zone, Guangzhou city of Guangdong Province, No. 2 510660 Applicant before: Guangzhou Ropente Science and Technology Development Co., Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |