CN106681293A - 燃气轮机状态维修决策系统 - Google Patents
燃气轮机状态维修决策系统 Download PDFInfo
- Publication number
- CN106681293A CN106681293A CN201710061624.8A CN201710061624A CN106681293A CN 106681293 A CN106681293 A CN 106681293A CN 201710061624 A CN201710061624 A CN 201710061624A CN 106681293 A CN106681293 A CN 106681293A
- Authority
- CN
- China
- Prior art keywords
- factor
- maintenance
- period
- layer
- maintenance decision
- 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
Links
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS], computer integrated manufacturing [CIM]
- G05B19/41845—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS], computer integrated manufacturing [CIM] characterised by system universality, reconfigurability, modularity
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/33—Director till display
- G05B2219/33273—DCS distributed, decentralised controlsystem, multiprocessor
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Abstract
本发明公开了一种燃气轮机状态维修决策系统,包括:基础数据层、后台应用层、综合数据层、应用层、用户交互层。所述的基础数据层用于收集燃气轮机的运行基础参数,并存储到实时数据库中;后台应用层通过实时数据库访问接口,读取燃气轮机的实时基础运行参数,调用部件寿命预测方法库,进行计算、分析;综合数据层,包括应用程序服务器和WEB程序服务器传来的两类数据。应用层通过安装在WEB程序服务器端的计算程序,控制系统模块之间的信息交流。燃气轮机维修时机决策是由WEB程序通过协调和调动人机交互系统和维修决策模型库来完成。本发明通过对运行参数或其他参数进行监测和分析实现燃气轮机按需维修的目的。
Description
技术领域
本发明涉及高能耗装备的部件维修决策,特别涉及燃气轮机关键部件的状态维修决策系统。
背景技术
燃气轮机根据用途可以分为重型燃气轮机、航空发动机、舰船燃气轮机、工业燃气轮机、小型燃气轮机和微型燃气轮机等。重型燃气轮机由于具有占地面积少、建设周期短、清洁环保、投资少、启停快速灵活、紧急备用和调峰效果好等优势,日益得到广泛的应用。据统计全球以天然气和燃油为燃料的重型燃气轮机发电量占总发电量的五分之一,是继煤电和核电之后的第三大发电方式,目前基于燃气轮机及联合循环电站的发电量约占全球发电总量的22%,且还在稳步增加。
电站燃气轮机的巨大需求带动了重型燃气轮机的快速发展,据估计在未来十年内发电用重型燃气轮机机组将新增12591台,制造成本超过1529亿美元。燃气轮机快速发展的同时,其维修成本也在不断增加。以一台西门子V94.3A燃气轮机为例来说,其初始购买费用286.7万欧元,但是其全生命周期维修费用是5134万欧元,是其购买费用的17.8倍。
随着发电机组的容量的不断增大,有的联合循环机组额定功率已达到390MW,从而对机组和设备的可靠性提出了越来越严格的要求,因为大容量机组因事故跳闸会对电网产生很大的冲击。而对机组和设备的维修正是保证机组可靠运行的一个重要手段。判断机组是否应该维修存在两种方法,一种是按时维修即“几年一小修,几年一大修”,将机组的维修时间固定起来,到了预定的时间,无论机组运行情况如何,机组是否应该维修都要进行维修,而对于未达到预订时间却真正应该维修的机组没有维修而继续运行,从而带来了安全隐患。正是因为这种按时维修存在这样的不可靠性,越来越多的电厂将按时维修改为了按需维修,按需维修即通过对运行参数或者其他参数进行监测和分析来评定机组是否需要维修。这样一种方式让机组在具备安全保证的情况下具有最大的可用率,从而使效益最大化。
状态维修(Condition based Maintenance,CBM)利用成熟的状态监测技术,实时监测设备运行状态,并据此来执行相应的维修决策。状态维修可减少维修过剩以及停电时间,保障设备运行的安全性和经济性。Volk等(Mechanical Systems and SignalProcessing, 2004, 18:833-847)利用比例强度模型对轴承剩余寿命作出估计,并评估了预防维修对系统产生的影响;David等(Ima Journal of Management Mathematics, 2005,7:1-15)提出了考虑同时具有比例协变量模型和比例强度模型效应的广义比例强度模型,应用于可修复性系统的可靠性和维修决策的建模; Devarajan等(Communi
cations in Statistics-Theory and Methods,2009,38(14):2333-2347)利用模糊技术,建立了在不同气候区下线路的故障率模型,并应用于输电系统的可靠性评估和维修决策之中;Marshall等(Bmc Medical Research Methodology, 2010,10(112))采用比例强度模型,探讨了预防性维修情况下维修间隔的优化求解问题;李方吉等(热力发电,2009,(09): 89-91)提出了以可靠性为中心的维修管理模式,适应大型燃气轮机检修维护的检修模式和检修策略。然而,这些学者的研究仅停留在理论研究的状态,还未将这些研究成果运用到实际操作中,形成维修决策系统,解决燃气轮机按需维修的需求。
目前燃气轮机维修所需的各项状态数据一般是采用人工统计计算的方法来得到,耗时费力且准确性不高,只能大致预测维修周期的,不能得到精确的预测结果,不相适用于高度自动化运行的电力系统。
发明内容
本发明克服了现有按时维修的不足,提供一种燃气轮机状态维修决策系统,能够通过对燃气轮机的部件运行参数或者其他参数进行监测和分析,而且可使电厂实现按需维修的状态维修决策。
本发明通过下述技术方案予以实现:
一种燃气轮机状态维修决策系统,所述系统包括:基础数据层、后台应用层、综合数据层、应用层、用户交互层,其中:
基础数据层用于收集燃气轮机的运行参数,存储到实时数据库中。
后台应用层通过实时数据库访问接口,读取燃气轮机的实时基础运行参数,调用部件寿命预测方法库,进行计算、分析。
综合数据层,包括应用程序服务器和WEB程序服务器传来的两类数据。
应用层通过安装在WEB程序服务器端的计算程序,控制系统模块之间的信息交流。燃气轮机维修时机决策是由WEB程序通过协调和调动人机交互系统和维修决策模型库来完成。
用户交互层为用户提供了一个对话的环境,按照用户要求输出图形、表格以及运算结果。
本发明的燃气轮机状态维修决策系统结构示意图如图1所示。
所述的基础数据层包括监控燃气轮机运行参数的分布式控制系统DCS、与分布式控制系统DCS相连的接口机、实时数据库、实时数据库管理系统。
所述的后台应用层的实时数据库访问接口,通过API、OLEDB或SDK中的其中一种来实现;后台计算程序通过自主开发的API、OLEDB或SDK中的其中一种实时数据库访问接口,读取燃气轮机的实时基础运行参数,调用相关的模型库和方法库,进行计算、分析。然后,将结果由自主开发的iBatis.NET数据库访问接口存入SQL数据库中。
所述的后台应用层的部件寿命预测方法库包括燃烧系统部件剩余寿命预测方法、热通道部件剩余寿命预测方法、转子系统部件剩余寿命预测方法。
所述的不同部件剩余寿命预测方法,由因素运行小时数和因素启动次数组成预测部件的剩余寿命。
所述的燃烧系统部件因素运行小时数计算方法:
式中i为第i种运行模式;K为水/蒸汽注入系数;Af为燃料系数;Ap为运行负荷系数;H第i种运行模式下的运行小时数。
所述的燃烧系统部件因素启动次数计算方法:
式中i为第i次启动;K为水/蒸汽注入系数;Af为燃料系数;Ap为运行负荷系数;At为跳闸系数;As为启动类型系数。
所述的综合数据层的应用程序服务器传来的数据是经过方法库计算后获得的数据,包括燃烧系统部件剩余寿命预测结果数据、热通道部件剩余寿命预测结果数据、转子系统部件剩余寿命预测结果数据。
所述的综合数据层的WEB程序服务器传来的数据有燃烧系统部件维修决策数据、热通道部件维修决策数据、转子系统部件维修决策数据;
所述的应用层的维修决策模型库,包括燃烧系统部件维修决策模型、热通道部件维修决策模型、转子系统部件维修决策模型。
根据所述的燃气轮机燃烧系统、热通道和转子部件的寿命预测方法,编制相应程序,预测燃气轮机关键部件的剩余寿命。由于待预测时间段的实际运行情况不同,具体的维修时机还无法给定,因此需要建立燃气轮机部件的具体维修时机决策模型。
所述的具体维修时机决策模型,基于服务系数和维修系数的乘积,本文提出燃气轮机状态维修的关键参数——因素服务系数FSF(Factored Service Factor),对燃气轮机的具体维修时机进行决策。即所述的燃烧系统部件维修决策模型、热通道部件维修决策模型、转子系统部件维修决策模型中的维修决策数据由燃气轮机状态维修的因素服务系数决定。由于待预测时段和已运行时段的实际运行情况的不同,会导致两个时段的因素服务系数也不相同,基于两个时段的服务系数和维修系数是否相等,可以建立4类状态维修决策模型。
所述的4类状态维修决策模型分别是:
(1)状态维修决策模型A:待预测时段的因素服务系数与已运行时段的因素服务系数相等,即待预测时段的燃气轮机运行情况与已运行时段的运行情况相同下的维修时刻。
(2)状态维修决策模型B:待预测时段的服务系数由企业根据实际运行计划的年运行小时数给定,然而维修系数取已运行时段的维修系数,预测待预测时段的因素服务系数与已运行时段的因素服务系数不相等情况下的维修时刻。
(3)状态维修决策模型C:待预测时段的维修系数由企业根据实际运行计划给定,然而服务系数取已运行时段的维修系数,预测待预测时段的因素服务系数与已运行时段的因素服务系数不相等情况下的维修时刻。
(4)状态维修决策模型D:待预测时段的维修系数和服务系数都由企业根据实际运行计划给定,预测待预测时段的因素服务系数与已运行时段的因素服务系数不相等情况下的维修时刻。
所述的用户交互层用户交互层采用基于AJAX无刷新页面的ASP.NET技术制作。在用户单击相关提交等操作时,借助于AJAX引擎,浏览器使用DHTML和JavaScript立即将用户界面更新,并把异步请求发给服务器,采用的是“按需取数据”的模式,仅向服务器发送并取回必需的数据,而大部分没有改变的HTML代码并没有在它们之间传输。当相关请求返回的时候,则使用CSS和JavaScript来把用户界面更新,整个页面无需刷新。这样,最大可能地减少了冗余请求和响影对服务器造成的负担,从而节省了带宽,也为人机交互节省了时间。
本发明的有益效果是:
(1)本发明克服了现有按时维修的不足,提供一种燃气轮机状态维修决策系统,能够通过对燃气轮机的部件运行参数或者其他参数进行监测和分析,而且可使电厂实现按需维修的状态维修决策。
(2)发电企业通过给定待预测时段的因素服务系数一个系数的值,就可以对燃气轮机相关部件的具体维修时机进行决策。其给出的因素服务系数可以是燃气轮机已运行时段的因素服务系数,也可以是结合发电企业在待预测时段给出实际运行计划的因素服务系数,对燃气轮机部件进行维修决策,得到具体的维修时间。
附图说明
图1为燃气轮机状态维修决策系统结构示意图。
图2为WEB服务器程序主页面分布图。
图3为 WEB服务器程序实现流程图。
具体实施方式
以下实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解,在阅读了本发明讲授的内容之后,本领域技术人员可以对本发明作各种改动或修改,这些等价形式同样落于本申请所附权利要求书所限定的范围。
实施例1
基础数据层中的实时数据库中存储了燃气轮机的实时状态运行参数,通过燃气轮机使用寿命实时在线预测程序计算和分析,可以对燃气轮机的运行状态进行描述。在线实时计算燃气轮机关键部件在实际运行条件下的使用寿命进行,并将结果换算成基准运行条件下的因素使用寿命,通过查询比较基准运行条件下的设计维修寿命,对剩余寿命进行预测,并在SQL数据库中存储预测结果。
基于B/S架构模式的状态维修决策系统,采用面向对象的方法进行各个模块化的设计,WEB端程序主要由系统信息安全性管理模块、燃气轮机维修备件管理模块以及维修决策模块3部分组成。系统信息安全性管理模块,负责发布网站的信息,对用户权限进行管理等工作;燃气轮机维修决策模块,从SQL数据库中读取燃气轮机计算好的相关部件的实时剩余寿命数据,选择4种不同的维修决策模型,对具体维修时机进行计算决策,并将剩余寿命预测结果和维修决策时机在网页上显示。维修备件信息管理模块,根据维修决策结果,制定燃气轮机相关部件的具体维修计划,同时做好备件更换记录工作。
图2所示的WEB服务器端程序的主页面由三个部分组成:最上面的机组选择导航菜单栏、左边的功能选择导航菜单栏以及根据所选择的不同机组功能在右边以用户控件形式显示的功能区域。其中,功能选择菜单采用了二级可收缩导航菜单,点选一级菜单时将会出现对应的第二级菜单,列出该选项对应的详细功能。WEB服务器端程序整个页面采用基于AJAX无刷新页面的ASP.NET技术制作,借助于AJAX引擎,采用“按需取数据”的模式,向服务器发送并取回必需的数据(大部分没有改变的HTML代码并没有在它们之间传输)。请求返回的时候,JavaScript和CSS被用来局部刷新网页,可最大可能减少冗余请求,从而节省了带宽,节省了人机交互时间。
WEB服务器程序最初动态加载首页用户控件,并在主页面的用户控件区域显示首页控件中各台机组的功率和热效率。之后用户可以点击主页面上的不同事件按钮,选择不同机组的不同功能模块在用户控件功能区域进行显示。在图2主页面中,有三种类型的事件按钮,其点击的一般顺序是:先点击机组选择导航菜单栏按钮,之后点击功能选择导航菜单栏按钮,所选择机组的功能内容,将在用户控件功能区域显示,最后是在功能显示区域,点击用户控件中的按钮,执行相关操作。
图3给出了用户点击上述三种不同事件按钮的具体实现流程:在点击机组选择导航菜单栏的按钮时,程序将再次动态加载上次点击的用户控件,接着把所选择的机组号保存下来,最后把所有的用户控件清空,在用户控件功能区域不显示任何内容;继而在点击功能选择导航菜单栏的按钮时,同样程序将再次动态加载上次点击的用户控件,接着把本次点击功能选择导航菜单栏的按钮所触发的用户控件局部刷新加载,最后把本次所点击用户控件中的Zedgraph/Flash图控件数据刷新,在用户控件功能区域显示本次所点击用户控件中的相关界面;最终在点击用户控件中的按钮时,同样程序将再次动态加载本次点击的用户控件,接着实现按钮事件函数中的功能,完成相关操作,最后把本次所点击用户控件中的Zedgraph/Flash图控件数据刷新,在用户控件功能区域显示本次所点击用户控件中的相关界面,并把点击用户控件中的按钮事件所执行完操作的结果显示出来。
Claims (10)
1.一种燃气轮机状态维修决策系统,其特征在于,所述系统包括:基础数据层、后台应用层、综合数据层、应用层、用户交互层,其中:
所述的基础数据层用于收集燃气轮机的运行参数,存储到实时数据库中;
所述的后台应用层通过实时数据库访问接口,读取燃气轮机的实时基础运行参数,调用部件寿命预测方法库,进行计算、分析;
所述的综合数据层包括应用程序服务器和WEB程序服务器传来的两类数据;
所述的应用层通过安装在WEB程序服务器端的计算程序,控制所述基础数据层、后台应用层、综合数据层、用户交互层之间的信息交流;燃气轮机维修时机决策是由WEB程序通过协调和调动人机交互系统和维修决策模型库来完成;
所述的用户交互层为用户提供了交互的环境,按照用户要求输出图形、表格以及运算结果。
2.如权利要求1所述的系统,其特征在于,所述的基础数据层包括监控燃气轮机运行参数的分布式控制系统、与分布式控制系统相连的接口机、实时数据库、实时数据库管理系统。
3.如权利要求1所述的系统,其特征在于,所述的后台应用层的实时数据库访问接口,通过API、OLEDB或SDK来实现。
4.如权利要求1所述的系统,其特征在于,所述的后台应用层的部件寿命预测方法库包括燃烧系统部件剩余寿命预测方法库、热通道部件剩余寿命预测方法库、转子系统部件剩余寿命预测方法库。
5.如权利要求4所述的系统,其特征在于,所述预测方法库的剩余寿命由因素运行小时数和因素启动次数决定。
6.如权利要求1所述的系统,其特征在于,所述的综合数据层的应用程序服务器传来的数据包括燃烧系统部件剩余寿命预测结果数据、热通道部件剩余寿命预测结果数据、转子系统部件剩余寿命预测结果数据。
7.如权利要求1所述的系统,其特征在于,所述的综合数据层的WEB程序服务器传来的数据包括燃烧系统部件维修决策数据、热通道部件维修决策数据、转子系统部件维修决策数据。
8.如权利要求1所述的系统,其特征在于,所述的应用层的维修决策模型库包括燃烧系统部件维修决策模型、热通道部件维修决策模型、转子系统部件维修决策模型。
9.如权利要求8所述的系统,其特征在于,所述的各维修决策模型中的维修决策由燃气轮机状态维修的关键参数,即因素服务系数,所述的因素服务系数为服务系数和维修系数的乘积,基于两个时段的服务系数和维修系数是否相等,建立4类状态维修决策模型,所述的4类状态维修决策模型分别是:
(1)状态维修决策模型A:待预测时段的因素服务系数与已运行时段的因素服务系数相等,即待预测时段的燃气轮机运行情况与已运行时段的运行情况相同下的维修时刻;
(2)状态维修决策模型B:待预测时段的服务系数由企业根据实际运行计划的年运行小时数给定,然而维修系数取已运行时段的维修系数,预测待预测时段的因素服务系数与已运行时段的因素服务系数不相等情况下的维修时刻;
(3)状态维修决策模型C:待预测时段的维修系数由企业根据实际运行计划给定,然而服务系数取已运行时段的维修系数,预测待预测时段的因素服务系数与已运行时段的因素服务系数不相等情况下的维修时刻;
(4)状态维修决策模型D:待预测时段的维修系数和服务系数都由企业根据实际运行计划给定,预测待预测时段的因素服务系数与已运行时段的因素服务系数不相等情况下的维修时刻。
10.如权利要求1-9任一项所述的系统,其特征在于,所述的用户交互层采用基于AJAX无刷新页面的ASP.NET技术制作。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610124727X | 2016-03-04 | ||
CN201610124727 | 2016-03-04 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106681293A true CN106681293A (zh) | 2017-05-17 |
Family
ID=58859574
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710061624.8A Pending CN106681293A (zh) | 2016-03-04 | 2017-01-26 | 燃气轮机状态维修决策系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106681293A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110879151A (zh) * | 2019-11-28 | 2020-03-13 | 上海发电设备成套设计研究院有限责任公司 | 基于运行大数据的燃气轮机远程监测和诊断系统及方法 |
CN110929937A (zh) * | 2019-11-25 | 2020-03-27 | 西安空天能源动力智能制造研究院有限公司 | 一种实现燃气轮机维修活动优化的方法 |
CN116483041A (zh) * | 2023-05-05 | 2023-07-25 | 广州特纳信息科技有限公司 | 基于物联网和大数据分析的智能控制系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1553989A (zh) * | 2001-06-18 | 2004-12-08 | ������������ʽ���� | 燃气轮机的状态诊断方法及诊断系统 |
CN101567816A (zh) * | 2009-05-27 | 2009-10-28 | 北京中企开源信息技术有限公司 | 一种监控服务器及监控方法 |
CN102155301A (zh) * | 2010-02-11 | 2011-08-17 | 通用电气公司 | 用于监视燃气轮机的系统和方法 |
KR20120033140A (ko) * | 2010-09-29 | 2012-04-06 | 한국전력공사 | 압축기 성능맵 예측 장치 및 방법 |
CN102788811A (zh) * | 2012-06-06 | 2012-11-21 | 北京华清燃气轮机与煤气化联合循环工程技术有限公司 | 燃气轮机透平叶片高温合金涂层服役温度的预测方法 |
CN104850904A (zh) * | 2015-05-12 | 2015-08-19 | 上海能策燃气轮机有限公司 | 一种优化燃气轮机维检修方案的分析方法 |
-
2017
- 2017-01-26 CN CN201710061624.8A patent/CN106681293A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1553989A (zh) * | 2001-06-18 | 2004-12-08 | ������������ʽ���� | 燃气轮机的状态诊断方法及诊断系统 |
CN101567816A (zh) * | 2009-05-27 | 2009-10-28 | 北京中企开源信息技术有限公司 | 一种监控服务器及监控方法 |
CN102155301A (zh) * | 2010-02-11 | 2011-08-17 | 通用电气公司 | 用于监视燃气轮机的系统和方法 |
KR20120033140A (ko) * | 2010-09-29 | 2012-04-06 | 한국전력공사 | 압축기 성능맵 예측 장치 및 방법 |
CN102788811A (zh) * | 2012-06-06 | 2012-11-21 | 北京华清燃气轮机与煤气化联合循环工程技术有限公司 | 燃气轮机透平叶片高温合金涂层服役温度的预测方法 |
CN104850904A (zh) * | 2015-05-12 | 2015-08-19 | 上海能策燃气轮机有限公司 | 一种优化燃气轮机维检修方案的分析方法 |
Non-Patent Citations (3)
Title |
---|
万安平 等: ""基于事实状态监测的燃气轮机视情维修CBM决策系统"", 《电力自动化设备》 * |
万安平 等: ""基于实时状态监测的燃气轮机视情维修CBM决策系统"", 《电力自动化设备》 * |
刘昱: ""联合循环机组辅助决策系统的设计与实现"", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110929937A (zh) * | 2019-11-25 | 2020-03-27 | 西安空天能源动力智能制造研究院有限公司 | 一种实现燃气轮机维修活动优化的方法 |
CN110879151A (zh) * | 2019-11-28 | 2020-03-13 | 上海发电设备成套设计研究院有限责任公司 | 基于运行大数据的燃气轮机远程监测和诊断系统及方法 |
CN110879151B (zh) * | 2019-11-28 | 2021-11-26 | 上海发电设备成套设计研究院有限责任公司 | 基于运行大数据的燃气轮机远程监测和诊断系统及方法 |
CN116483041A (zh) * | 2023-05-05 | 2023-07-25 | 广州特纳信息科技有限公司 | 基于物联网和大数据分析的智能控制系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101619850B (zh) | 基于热电系统负荷在线预测的调度方法与系统 | |
CN103809438B (zh) | 用于基于模型的控制和优化的安全模型 | |
KR102633236B1 (ko) | 시뮬레이션 방법 및 시스템 | |
Santos et al. | Impacts of operational variability and uncertainty on distributed generation investment planning: A comprehensive sensitivity analysis | |
US20130073062A1 (en) | Graphical language for optimization and use | |
CN101888087A (zh) | 一种在配网终端中实现分布式超短期区域负荷预测的方法 | |
CN110929927A (zh) | 一种应用配电网全域大数据的人工智能预测模型构方法 | |
CN102930344A (zh) | 一种基于负荷趋势变化的超短期母线负荷预测方法 | |
Wu et al. | Stratification-based wind power forecasting in a high-penetration wind power system using a hybrid model | |
CN106681293A (zh) | 燃气轮机状态维修决策系统 | |
CN110135064A (zh) | 一种发电机后轴承温度故障预测方法、系统及控制器 | |
WO2023236478A1 (zh) | 基于区块链的企业碳排能耗数据管理运营系统及方法 | |
Panchal et al. | Stochastic behaviour analysis of power generating unit in thermal power plant using fuzzy methodology | |
CN110880072A (zh) | 实时电网静态安全风险处置优化方法、装置及存储介质 | |
Zhang et al. | Research on AGC performance during wind power ramping based on deep reinforcement learning | |
CN114693122A (zh) | 一种基于数字孪生技术的电网规划方法 | |
Zhang et al. | Economical operation strategy of an integrated energy system with wind power and power to gas technology–a DRL‐based approach | |
Neame et al. | Offer stack optimization in electricity pool markets | |
CN113887809A (zh) | 双碳目标下配电网供需平衡方法、系统、介质及计算设备 | |
Dui et al. | Analysis of variable system cost and maintenance strategy in life cycle considering different failure modes | |
Khan et al. | Digital twin for advanced automation of future smart grid | |
CN112308411A (zh) | 基于动态碳交易模型的综合能源站随机规划方法及系统 | |
CN116796633A (zh) | 一种基于数字孪生技术的电网监测模型校正方法 | |
Ding et al. | A statistical upscaling approach of region wind power forecasting based on combination model | |
Yan | Construction of digital twin ecosystem for coal-fired generating units |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170517 |
|
RJ01 | Rejection of invention patent application after publication |