CN106838872A - 一种余热锅炉汽水泄漏诊断的数据预处理方法 - Google Patents
一种余热锅炉汽水泄漏诊断的数据预处理方法 Download PDFInfo
- Publication number
- CN106838872A CN106838872A CN201710023868.7A CN201710023868A CN106838872A CN 106838872 A CN106838872 A CN 106838872A CN 201710023868 A CN201710023868 A CN 201710023868A CN 106838872 A CN106838872 A CN 106838872A
- Authority
- CN
- China
- Prior art keywords
- data
- stable state
- row
- matrix
- service 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.)
- Granted
Links
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F22—STEAM GENERATION
- F22B—METHODS OF STEAM GENERATION; STEAM BOILERS
- F22B37/00—Component parts or details of steam boilers
- F22B37/02—Component parts or details of steam boilers applicable to more than one kind or type of steam boiler
- F22B37/38—Determining or indicating operating conditions in steam boilers, e.g. monitoring direction or rate of water flow through water tubes
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Thermal Sciences (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Examining Or Testing Airtightness (AREA)
Abstract
本发明公开了一种余热锅炉汽水泄漏诊断的数据预处理方法，内容如下：(1)运行数据的采集与记录；(2)剔除运行数据中的异常值；(3)筛选稳定工况下的运行数据；(4)在异常值剔除和稳态筛选的基础上，对各稳态段进行均值聚合。本发明针对燃气‑蒸汽联合循环机组余热锅炉的运行数据特点而提出，具有较高的可靠性，能提高运行数据质量，改善故障诊断准确率。
Description
技术领域
本发明属于电站机组汽水泄漏诊断领域，更具体地，涉及一种余热锅炉汽水泄漏诊断的数据预处理方法。
技术背景
我国电源结构中比重较大的燃煤机组的调峰能力较差，相比之下，燃气-蒸汽联合循环机组具有启停快、运行灵活的特点，调峰能力好，适合电网负荷调峰。这种情况使得我国燃气-蒸汽联合循环机组长期参与电网深度调峰，机组运行过程中负荷变化速率大，运行工况难以长时间保持稳定。机组在这种模式下长期运行，容易产生余热锅炉炉管泄漏问题，对电厂生产的安全性、经济性造成严重的影响。在机组运行过程中，通过对相关运行参数进行故障诊断分析，能在炉管泄漏初期及时发现泄漏故障，控制故障恶化成不可控的爆管事故，提高电厂生产与运行的安全性，减少经济损失。
由于燃气-蒸汽联合循环机组在运行过程中长期参与电网深度调峰，造成其运行数据变化快，包含大量异常的、不稳定的、受干扰的数据。这些数据不能准确的反映机组当前的运行状态，当采用这些数据进行故障诊断时，无法保证故障诊断的准确率，会干扰运行人员对机组实际运行状态的判断。而目前已有的故障诊断方法，特别是针对燃气-蒸汽联合循环机组余热锅炉汽水泄漏故障诊断方法，缺少对运行数据预处理的关注，泄漏诊断准确率较低。
发明内容
针对现有技术存在的不足或改进需求，本发明提供了一种余热锅炉汽水泄漏诊断的数据预处理方法，能有效提高机组汽水泄漏诊断的准确率。
为了达到上述目的，按照本发明，提供了一种余热锅炉汽水泄漏诊断的数据预处理方法，其特征在于，该方法包含以下步骤：
(1)运行数据的采集与记录：获取机组各个时刻的运行数据，按时间序列以矩阵的形式记录为X＝{xij}，其中机组每一时刻的运行数据值作为该矩阵的一行，机组每一条运行属性的值作为该矩阵的一列，1≤i≤m，1≤j≤n，m和n分别矩阵X的行数和列数；
(2)剔除运行数据中的异常值：对矩阵X中的每一列数据沿时间方向分别进行异常值判断，得到每列数据中异常数据所对应的下标构成的集合Ej，遍历各列，然后对各列异常数据所对应的下标构成的集合进行并集计算，则得到数据矩阵X中全部异常数据所对应的下标的集合E，然后在矩阵X中剔除异常数据时间点集合E中每个下标所对应的那一行运行数据；
(3)筛选稳定工况下的运行数据：根据机组实际运行特点选择特征运行属性进行稳态判断，得到各个特征运行属性中稳态数据所对应的下标的集合Sj，对得到的所有的稳态数据下标集合Sj进行交集运算，则得到数据矩阵X中稳态数据所对应的下标的集合S；
(4)对运行数据进行噪声过滤和聚合：在矩阵X的稳态数据下标集合E中去掉属于矩阵X的异常数据下标集合S中的元素，即S'＝S-(S∩E)，得到用于故障诊断的有效数据所对应的下标集合S'，然后对有效数据下标集合S'进行稳态段判断，获得同一稳态段数据的均值其中，1≤k≤M，M为有效数据下标集合S'中稳态段的数量，{k1,k2,...,kH}为同一稳态段中连续的下标，H为该稳态段内样本的数量，以此方式，获得用于故障诊断分析的数据集
优选地，在所述步骤(1)中，针对余热锅炉汽水泄漏诊断问题，选择的运行属性为机组负荷、给水流量、蒸汽流量、联箱液位和联箱压强。
优选地，在所述步骤(2)中判断运行数据中的异常值可采用下述的方法(a)或方法(b),具体如下：
(a)根据数值的大小进行判断，即对于数据矩阵中第j列的第i行运行数据xij，当xij≤0时，则第i行的数值全部为异常数据，记为{i}∈Ej；
(b)根据数值的变化率进行判断，即对于数据矩阵中第j列的第i'-1行运行数据x(i'-1)j和第i'行运行数据xi'j，当|xi'j-x(i′-1)j|≤δj时，则第i'行和第i'-1行数据为异常数据，并记为{i'-1,i'}∈Ej，其中，i'＝2,3,...,m，j＝1,2,...,n，δj为第j个运行属性变化率的控制限。
优选地，负荷、给水流量、蒸汽流量按方法(a)判断异常值，联箱液位、联箱压强按方法(b)判断异常值。
优选地，在方法(b)中运行数据变化率控制限δj＝0.005max(xij)。
优选地，在所述步骤(3)中稳态数据筛选具体方法如下：对于特征运行属性Xj＝[x1j,x2j,...,xmj]T，当其第i”-1行数据x(i”-1)j和第i”行数据xi”j满足|xi”j-x(i”-1)j|≤△j时，则第i”-1行和第i”行数据为稳态数据，并且记为{i”-1,i”}∈Sj，其中，i”＝2,3,...,m，j＝1,2,...,n，△j为第j个特征运行属性稳态筛选的控制限。
优选地，选择机组负荷作为特征运行属性来判断稳态，稳态筛选的控制限为机组最大发电功率的3％-5％。
优选地，所述步骤(4)中稳态段判断的具体方法如下：将稳态数据下标集合S'中连续的下标看作同一稳态数据段，统计同一稳态段内元素个数，如果元素个数小于限制值，则将该稳态段数据判断为不可靠稳态段，从集合S'中删掉，并且元素个数限制值根据采样周期确定，其覆盖90分钟以上的运行历史。
总的来说，本发明细致地从异常数据、不稳定数据、噪声数据三方面对燃气-蒸汽联合循环机组历史运行数据进行了预处理，使获得的数据能很好地反映机组的运行状态。采用处理后的数据进行故障诊断分析，能提高故障诊断的准确率。
附图说明
图1是数据预处理的流程示意图；
图2是针对机组负荷数据的稳态数据筛选示例。
具体实施方式
为了使本发明的目的、技术方案及有点更加清楚明白，以下结合附图对本发明进行进一步详细说明。应当理解，此处所描述的具体实施方式仅用于解释本发明，并不用于限定本发明。本领域技术人员在本发明的精神和原理启发下，可作各种修改、等同替换或改进。但这些变更或修改均在申请待批的保护范围内。
参照图1，一种余热锅炉汽水泄漏诊断的数据预处理方法，其特征在于，该方法包含以下步骤：
(1)运行数据采集与记录：获取机组各个时刻的运行数据，按时间序列以矩阵的形式记录为X＝{xij}，其中机组每一时刻的运行数据值作为该矩阵的一行，机组每一条运行属性的值作为该矩阵的一列，1≤i≤m，1≤j≤n，m和n分别矩阵X的行数和列数；
(2)剔除运行数据中的异常值：对矩阵X中的每一列数据沿时间方向分别进行异常值判断，得到每列数据中异常数据所对应的下标构成的集合Ej，遍历各列，然后对各列异常数据所对应的下标构成的集合进行并集计算，则得到数据矩阵X中全部异常数据所对应的下标的集合E，然后在矩阵X中剔除异常数据时间点集合E中每个时间点所对应的那一行运行数据；
(3)筛选稳定工况下的运行数据：根据机组实际运行特点选择特征运行属性进行稳态判断，得到各个特征运行属性中稳态数据所对应的下标的集合Sj，对得到的所有的稳态数据下标集合Sj进行交集运算，则得到数据矩阵X中稳态数据所对应的下标的集合S；
(4)对运行数据进行噪声过滤和聚合：在矩阵X的稳态数据下标集合E中去掉属于矩阵X的异常数据下标集合S中的元素，即S'＝S-(S∩E)，得到用于故障诊断的有效数据所对应的下标集合S'，然后对有效数据下标集合S'进行稳态段判断，获得同一稳态段数据的均值其中，1≤k≤M，M为有效数据下标集合S'中稳态段的数量，{k1,k2,...,kH}为同一稳态段中连续的下标，H为该稳态段内样本的数量，以此方式，获得用于故障诊断分析的数据集
进一步，在所述步骤(1)中，针对余热锅炉汽水泄漏诊断问题，选择的运行属性为机组负荷、给水流量、蒸汽流量、联箱液位和联箱压强。
进一步，在所述步骤(2)中判断运行数据中的异常值可采用下述的方法(a)或方法(b),具体如下：
(a)根据数值的大小进行判断，即对于数据矩阵中第j列的第i行运行数据xij，当xij≤0时，则第i行的数值全部为异常数据，记为{i}∈Ej；
(b)根据数值的变化率进行判断，即对于数据矩阵中第j列的第i'-1行运行数据x(i'-1)j和第i'行运行数据xi'j，当|xi'j-x(i'-1)j|≤δj时，则第i'行和第i'-1行数据为异常数据，并记为{i'-1,i'}∈Ej，其中，i'＝2,3,...,m，j＝1,2,...,n，δj为第j个运行属性变化率的控制限。
进一步，负荷、给水流量、蒸汽流量按方法(a)判断异常值，联箱液位、联箱压强按方法(b)判断异常值。
进一步，在方法(b)中运行数据变化率控制限δj＝0.005max(xij)。
进一步，在所述步骤(3)中稳态数据筛选具体方法如下：对于特征运行属性Xj＝[x1j,x2j,...,xmj]T，当其第i”-1行数据x(i”-1)j和第i”行数据xi”j满足|xi”j-x(i”-1)j|≤△j时，则第i”-1行和第i”行数据为稳态数据，并且记为{i”-1,i”}∈Sj，其中，i”＝2,3,...,m，j＝1,2,...,n，△j为第j个特征运行属性稳态筛选的控制限。
进一步，选择机组负荷作为特征运行属性来判断稳态，稳态筛选的控制限为机组最大发电功率的3％-5％。
进一步，所述步骤(4)中稳态段判断的具体方法如下：将稳态数据下标集合S'中连续的下标看作同一稳态数据段，统计同一稳态段内元素个数，如果元素个数小于限制值，则将该稳态段数据判断为不可靠稳态段，从集合S'中删掉，并且元素个数限制值根据采样周期确定，其覆盖90分钟以上的运行历史。
以下结合具体数值来进一步进行说明。
针对余热锅炉汽水泄漏诊断的具体问题，选择机组负荷、给水流量、蒸汽流量、联箱液位、联箱压强作为进行分析的运行属性，按照时间序列构建数据矩阵X。数据矩阵X的采样周期为10分钟，覆盖了机组5个月的运行历史，即矩阵X大小为22032×6。
对数据矩阵的每一列以次进行异常值判断，机组负荷、给水流量、蒸汽流量采用根据数据值大小进行判断的方法，联箱液位、联箱压强采用根据数据值变化率进行判断的方法。对基于6个属性得到的异常数据下标集合进行并集计算，并集中的重复的元素只保留一次，得到矩阵X中异常数据的下标集合E。
根据机组运行的实际情况，选择机组负荷作为特征运行属性，进行稳态筛选，得到矩阵X中稳态数据下标集合S。
对于得到的异常数据下标集合E和稳态数据下标集合S，将稳定数据下标集合S中包含的异常数据下标集合E中的元素剔除，即S'＝S-(S∩E)。为了保证稳态数据判断的有效性，对稳态数据下标集合S'统计每一稳态段的元素数量，将元素数量少于9个的稳态段删掉。最终，含有1650个元素的稳态数据下标集合S'被划分为233个稳态数据段。
参照图2，为对运行数据进行异常值剔除和稳态筛选后得到的下标在机组负荷属性上的反映，其中“*”标识出了剔除异常值和稳态筛选后的数据。由图可见，有效数据是一段一段地出现的。
根据稳态数据下标集合S'划分稳态段，对同一稳态段的运行数据进行均值聚合，过滤数据中的噪声，即得到新的、用于故障诊断分析的数据集即用于泄漏诊断的的数据矩阵的大小为233×6。
本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。
Claims (8)
1.一种余热锅炉汽水泄漏诊断的数据预处理方法，该余热锅炉适用于燃气-蒸汽联合循环机组，其特征在于，该方法包含以下步骤：
(1)运行数据的采集与记录：获取机组各个时刻的运行数据，按时间序列以矩阵的形式记录为X＝{xij}，其中机组每一时刻的运行数据值作为该矩阵的一行，机组每一条运行属性的值作为该矩阵的一列，1≤i≤m，1≤j≤n，m和n分别矩阵X的行数和列数；
(2)剔除运行数据中的异常值：对矩阵X中的每一列数据沿时间方向分别进行异常值判断，得到每列数据中异常数据所对应的下标构成的集合Ej，遍历各列，然后对各列异常数据所对应的下标构成的集合进行并集计算，则得到数据矩阵X中全部异常数据所对应的下标的集合E，然后在矩阵X中剔除异常数据时间点集合E中每个下标所对应的那一行运行数据；
(3)筛选稳定工况下的运行数据：根据机组实际运行特点选择特征运行属性进行稳态判断，得到各个特征运行属性中稳态数据所对应的下标的集合Sj，对得到的所有的稳态数据下标集合Sj进行交集运算，则得到数据矩阵X中稳态数据所对应的下标的集合S；
(4)对运行数据进行噪声过滤和聚合：在矩阵X的稳态数据下标集合E中去掉属于矩阵X的异常数据下标集合S中的元素，即S'＝S-(S∩E)，得到用于故障诊断的有效数据所对应的下标集合S'，然后对有效数据下标集合S'进行稳态段判断，获得同一稳态段数据的均值其中，1≤k≤M，M为有效数据下标集合S'中稳态段的数量，{k1,k2,...,kH}为同一稳态段中连续的下标，H为该稳态段内样本的数量，以此方式，获得用于故障诊断分析的数据集
2.根据权利要求1所述的数据预处理方法，其特征在于，在所述步骤(1)中，针对余热锅炉汽水泄漏诊断问题，选择的运行属性为机组负荷、给水流量、蒸汽流量、联箱液位和联箱压强。
3.根据权利要求1所述的数据预处理方法，其特征在于，在所述步骤(2)中判断运行数据中的异常值可采用下述的方法(a)或方法(b),具体如下：
(a)根据数值的大小进行判断，即对于数据矩阵中第j列的第i行运行数据xij，当xij≤0时，则第i行的数值全部为异常数据，记为{i}∈Ej；
(b)根据数值的变化率进行判断，即对于数据矩阵中第j列的第i'-1行运行数据x(i'-1)j和第i'行运行数据xi'j，当|xi'j-x(i'-1)j|≤δj时，则第i'行和第i'-1行数据为异常数据，并记为{i'-1,i'}∈Ej，其中，i'＝2,3,...,m，j＝1,2,...,n，δj为第j个运行属性变化率的控制限。
4.根据权利要求3所述的数据预处理方法，其特征在于，负荷、给水流量、蒸汽流量按方法(a)判断异常值，联箱液位、联箱压强按方法(b)判断异常值。
5.根据权利要求3所述的数据预处理方法，其特征在于，在方法(b)中运行数据变化率控制限δj＝0.005max(xij)。
6.根据权利要求1所述的数据预处理方法，其特征在于，在所述步骤(3)中稳态数据筛选具体方法如下：对于特征运行属性Xj＝[x1j,x2j,...,xmj]T，当其第i”-1行数据x(i”-1)j和第i”行数据xi”j满足|xi”j-x(i”-1)j|≤△j时，则第i”-1行和第i”行数据为稳态数据，并且记为{i”-1,i”}∈Sj，其中，i”＝2,3,...,m，j＝1,2,...,n，△j为第j个特征运行属性稳态筛选的控制限。
7.根据权利要求6所述的数据预处理方法，其特征在于，选择机组负荷作为特征运行属性来判断稳态，稳态筛选的控制限为机组最大发电功率的3％-5％。
8.根据权利要求1所述的数据预处理方法，其特征在于，所述步骤(4)中稳态段判断的具体方法如下：将稳态数据下标集合S'中连续的下标看作同一稳态数据段，统计同一稳态段内元素个数，如果元素个数小于限制值，则将该稳态段数据判断为不可靠稳态段，从集合S'中删掉，并且元素个数限制值根据采样周期确定，其覆盖90分钟以上的运行历史。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710023868.7A CN106838872B (zh) | 2017-01-13 | 2017-01-13 | 一种余热锅炉汽水泄漏诊断的数据预处理方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710023868.7A CN106838872B (zh) | 2017-01-13 | 2017-01-13 | 一种余热锅炉汽水泄漏诊断的数据预处理方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN106838872A true CN106838872A (zh) | 2017-06-13 |
| CN106838872B CN106838872B (zh) | 2018-11-30 |
Family
ID=59124740
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710023868.7A Expired - Fee Related CN106838872B (zh) | 2017-01-13 | 2017-01-13 | 一种余热锅炉汽水泄漏诊断的数据预处理方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106838872B (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101676900A (zh) * | 2008-09-18 | 2010-03-24 | 阿里巴巴集团控股有限公司 | 提高目标数据准确性的数据清洗方法及清洗系统 |
| CN101907685A (zh) * | 2010-06-18 | 2010-12-08 | 华北电力大学 | 适应运行工况变化的发电机组运行参数正确性检验方法 |
| CN102135979A (zh) * | 2010-12-08 | 2011-07-27 | 华为技术有限公司 | 数据清洗方法及装置 |
| CN102819682A (zh) * | 2012-08-02 | 2012-12-12 | 清华大学 | 一种多阈值空间相关的浮动车数据清洗和修复算法 |
| CN104680010A (zh) * | 2015-02-13 | 2015-06-03 | 河北省电力建设调整试验所 | 一种汽轮机组稳态运行数据筛选方法 |
| CN104750973A (zh) * | 2015-02-28 | 2015-07-01 | 河北省电力建设调整试验所 | 基于数据平滑度函数的火电机组负荷(准)稳态工况聚类算法 |
| CN104966161A (zh) * | 2015-06-16 | 2015-10-07 | 北京四方继保自动化股份有限公司 | 一种基于高斯混合模型的电能质量录波数据计算分析方法 |
| CN105868165A (zh) * | 2016-04-15 | 2016-08-17 | 华中科技大学 | 一种电站锅炉运行数据清洗方法 |
-
2017
- 2017-01-13 CN CN201710023868.7A patent/CN106838872B/zh not_active Expired - Fee Related
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101676900A (zh) * | 2008-09-18 | 2010-03-24 | 阿里巴巴集团控股有限公司 | 提高目标数据准确性的数据清洗方法及清洗系统 |
| CN101907685A (zh) * | 2010-06-18 | 2010-12-08 | 华北电力大学 | 适应运行工况变化的发电机组运行参数正确性检验方法 |
| CN102135979A (zh) * | 2010-12-08 | 2011-07-27 | 华为技术有限公司 | 数据清洗方法及装置 |
| CN102819682A (zh) * | 2012-08-02 | 2012-12-12 | 清华大学 | 一种多阈值空间相关的浮动车数据清洗和修复算法 |
| CN104680010A (zh) * | 2015-02-13 | 2015-06-03 | 河北省电力建设调整试验所 | 一种汽轮机组稳态运行数据筛选方法 |
| CN104750973A (zh) * | 2015-02-28 | 2015-07-01 | 河北省电力建设调整试验所 | 基于数据平滑度函数的火电机组负荷(准)稳态工况聚类算法 |
| CN104966161A (zh) * | 2015-06-16 | 2015-10-07 | 北京四方继保自动化股份有限公司 | 一种基于高斯混合模型的电能质量录波数据计算分析方法 |
| CN105868165A (zh) * | 2016-04-15 | 2016-08-17 | 华中科技大学 | 一种电站锅炉运行数据清洗方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN106838872B (zh) | 2018-11-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN101251564B (zh) | 一种利用可拓学与粗糙集理论相结合的电力变压器故障诊断方法 | |
| CN108051211B (zh) | 一种风电机组主轴承温度预警诊断方法 | |
| CN101819411B (zh) | 一种基于gpu的改进加权关联规则的设备故障预警与诊断方法 | |
| CN101446827B (zh) | 一种流程工业系统的过程故障分析装置及方法 | |
| CN110410282A (zh) | 基于som-mqe和sfcm的风电机组健康状态在线监测及故障诊断方法 | |
| CN106054104A (zh) | 一种基于决策树的智能电表故障实时预测方法 | |
| CN106021771A (zh) | 一种故障诊断方法及装置 | |
| CN109918364B (zh) | 一种基于二维概率密度估计和四分位法的数据清洗方法 | |
| CN110701137B (zh) | 一种掘进机液压系统智能在线检测诊断装置及方法 | |
| CN108667927A (zh) | 工程机械故障的远程管理方法、装置、系统及存储介质 | |
| CN113221435A (zh) | 传感器的筛选方法及装置、传感器数据重构方法及系统 | |
| CN107065834A (zh) | 湿法冶金过程中浓密机的故障诊断方法 | |
| CN112124229A (zh) | 一种应急抢险泵车远程实时故障诊断方法 | |
| CN106802599A (zh) | 一种基于专家数据库的电力变压器故障诊断系统 | |
| CN113780375A (zh) | 一种基于数字孪生的虚实交互风电场风力监测系统及应用 | |
| CN114252216B (zh) | 一种燃气轮机滑油泄漏的检测方法 | |
| CN103498706A (zh) | 基于通用逻辑表格的汽轮机组性能监测诊断方法 | |
| CN106838872A (zh) | 一种余热锅炉汽水泄漏诊断的数据预处理方法 | |
| CN107895194A (zh) | 一种核电厂主冷却剂系统故障诊断方法 | |
| CN104457903A (zh) | 一种锅炉汽包水位保护方法 | |
| CN106486175B (zh) | 核电厂排污水系统钠离子指标异常诊断装置及方法 | |
| CN105302476A (zh) | 一种用于核电站设备的可靠性数据在线采集分析存储系统及其存储方法 | |
| CN105097057B (zh) | 一种基于灰度图像的核反应堆主泵故障辅助诊断系统及方法 | |
| CN106203849A (zh) | 一种大型发电机组冷端性能检测方法及系统 | |
| CN107024915A (zh) | 一种电网控制器板卡故障检测系统及检测方法 |
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 | ||
| GR01 | Patent grant | ||
| 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: 20181130 Termination date: 20220113 |