CN107013473A - 一种泵站实时在线监测与能效管理方法及系统 - Google Patents
一种泵站实时在线监测与能效管理方法及系统 Download PDFInfo
- Publication number
- CN107013473A CN107013473A CN201710256928.XA CN201710256928A CN107013473A CN 107013473 A CN107013473 A CN 107013473A CN 201710256928 A CN201710256928 A CN 201710256928A CN 107013473 A CN107013473 A CN 107013473A
- Authority
- CN
- China
- Prior art keywords
- energy efficiency
- real time
- module
- analysis
- pumping plant
- 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
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F04—POSITIVE - DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS FOR LIQUIDS OR ELASTIC FLUIDS
- F04D—NON-POSITIVE-DISPLACEMENT PUMPS
- F04D15/00—Control, e.g. regulation, of pumps, pumping installations or systems
- F04D15/0088—Testing machines
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F04—POSITIVE - DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS FOR LIQUIDS OR ELASTIC FLUIDS
- F04D—NON-POSITIVE-DISPLACEMENT PUMPS
- F04D15/00—Control, e.g. regulation, of pumps, pumping installations or systems
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明是以机组运行状态实时在线监测为基础的系统,主要研究泵站各种数据的在线监测、数据采集、数据分析、数据处理、故障诊断与能效管理;根据状态监测所获得的各状态参数的数据,提取反映机组运行状态的特征值,并依据这些特征值对发生故障的机组进行诊断,从而确定故障原因、部位、类型、性质、严重程度以及发展趋势,并指导维修;能效管理根据状态监测获得的各状态参数实时数据,结合泵站运行的经济因素及市场价格因素,综合进行效率计算、经济指标计算、调度方案优化比较,从而实现能效管理设定的目标优化。
Description
技术领域
本发明属于泵站监测领域,尤其涉及一种泵站实时在线监测与能效管理方法及系统。
背景技术
随着故障诊断技术水平的提高和计算机应用的日益普及,泵站实行计算机监控和故障诊断的有机结合势在必行。国外发达国家(如美国、欧洲等)在上个世纪八十年代就开始建立泵站诊断系统,九十年代开始实现数据上网进行远程监测,实现了“无人值守”的管理模式,通过计算机监控实现对泵站运行工况的监测和整个流域所有泵站的集中管理。
由于大型水泵机组工况复杂,振动部位广泛,影响因素多(包括机械因素、水力因素和电磁激励因素),因此一般通用故障诊断系统,并不能完全满足泵站的实际要求。虽然国内某些领域已开发了一些故障诊断系统,但是由于大型水泵机组的自身特点,这些系统并不完全适用于水泵机组,而对大型泵站机组的故障诊断仍是空白。目前,国内中小型泵站水泵机组的起动、运行和停车,大多靠人工手动操作来完成,站内值班人员一般需多人,这种现状不仅工作强度大,而且工作效率不高。在国内近年来兴建的大型泵站中,大都设置了微机数据采集系统,但一般情况下还不能实现对运行过程的计算机控制。因此,建立一套适用于泵站的特性测试与诊断系统,是实现泵站计算机监控的需要,也是实现我国水利信息化建设的前提。
发明内容
本发明所要解决的技术问题是提供一种泵站实时在线监测与能效管理方法及系统,提供泵站运行稳定性。
为解决上述技术问题,本发明提供的方案如下:
一种泵站在线实时监测与能效管理方法,包括以下步骤:
步骤1、通过安装在泵站的传感器实时采集泵站运行参数,并将所述运行参数打包后传输至数据库服务器存储;
步骤2、对采集并存储在数据库服务器中的运行参数进行处理分析,以掌握影响机组运行稳定性的关键因素数据;
步骤3、将步骤2中获取的所述关键因素数据与历史故障数据库中的数据进行对比分析,以分析出潜在的故障及其原因和确定故障部位;并且根据采集并存储在数据库服务器中的运行参数,结合效率计算、经济指标计算,获取优化调度方案,从而实现能效管理设定的目标优化。
步骤1中将所述运行参数打包后传输至数据库服务器存储前还包括:对所述运行参数使用当前泵站的标识符进行加密。所采集的运行参数具体包括以下参数中的一种或多种的组合:水泵轴承座X方向水平振动;水泵轴承座Y方向水平振动;水泵水导顶盖X方向垂直振动;水泵水导顶盖Y方向垂直振动;泵壳轴向垂直振动;泵壳径向垂直振动;电机轴承座X方向垂直振动;电机轴承座Y方向垂直振动;导轴承摆度X方向;导轴承摆度Y方向中;液控蝶阀出口压力;水泵进口端压力;水泵出口端压力;出口液控阀开度;泵组流量;电机功率;转速;电气参量、温度参量、噪声值。
所述步骤2中的对运行参数进行处理分析,具体包括:信号分析和特征提取两大部分;其中,信号分析包括时域分析、频域分析和过程量分析;特征提取包括频率特征提取和过程量特征提取。
所述步骤3具体为:利用特征提取模块所提取确定的特征变量,对发生故障的机组进行诊断,确定故障原因、部位、类型、性质,并查询历史故障数据库,获取故障对应的解决方案,通过显示装置显示;对正常运行的机组,根据机组运行状态预测模型,能够在实时监测机组运行状态的同时,根据机组运行参数的变化,对机组进行故障预测。
所述步骤3还包括:若在故障数据库中未查询到历史记录,则将所述关键因素数据转至人工分析数据库,并由转发模块通过网络将关键因素数据打包发送至技术专家持有的终端设备,由技术专家进行分析,以确定故障原因和确定具体故障部位。
一种泵站在线实时监测与能效管理系统,包括数据采集模块(31)、信号分析模块(32)、故障诊断模块(33)、以及能效管理模块(34);
所述数据采集模块(31)通过安装在泵站的传感器实时采集泵站运行参数,并将所述运行参数打包后传输至数据库服务器存储。
所述信号处理模块(32)是对数据采集模块(31)采集并存储在数据库服务器中的运行参数进行处理分析,以掌握影响机组运行稳定性的关键因素数据。
所述故障诊断模块(33)利用所述关键因素数据与历史故障数据库中的数据进行对比分析,以分析出潜在的故障及其原因和确定故障部位;
所述能效管理模块(34)根据数据采集模块(31)采集并存储在数据库服务器中的运行参数,结合效率计算、经济指标计算,获取优化调度方案,从而实现能效管理设定的目标优化。
数据采集模块(31)将所述运行参数打包后传输至数据库服务器存储前还包括:对所述运行参数使用当前泵站的标识符进行加密。所采集的运行参数具体包括以下参数中的一种或多种的组合:水泵轴承座X方向水平振动;水泵轴承座Y方向水平振动;水泵水导顶盖X方向垂直振动;水泵水导顶盖Y方向垂直振动;泵壳轴向垂直振动;泵壳径向垂直振动;电机轴承座X方向垂直振动;电机轴承座Y方向垂直振动;导轴承摆度X方向;导轴承摆度Y方向中;液控蝶阀出口压力;水泵进口端压力;水泵出口端压力;出口液控阀开度;泵组流量;电机功率;转速;电气参量、温度参量、噪声值。
所述信号处理模块(32)主要包含信号分析模块和特征提取模块两大部分;其中,信号分析模块包括时域分析、频域分析和过程量分析;特征提取模块包括频率特征提取和过程量特征提取。
所述故障诊断模块(33)利用特征提取模块所提取确定的特征变量,对发生故障的机组进行诊断,确定故障原因、部位、类型、性质,并查询历史故障数据库,获取故障对应的解决方案,通过显示装置显示;对正常运行的机组,根据机组运行状态预测模型,能够在实时监测机组运行状态的同时,根据机组运行参数的变化,对机组进行故障预测。所述故障诊断模块(33)还包括:若在故障数据库中未查询到历史记录,则将所述关键因素数据转至人工分析数据库,并由转发模块通过网络将关键因素数据打包发送至技术专家持有的终端设备,由技术专家进行分析,以确定故障原因和确定具体故障部位。
从以上可以看出,本发明是以机组运行状态实时在线监测为基础的系统,主要研究泵站各种数据的在线监测、数据采集、数据分析、数据处理、故障诊断与能效管理;根据状态监测所获得的各状态参数的数据,提取反映机组运行状态的特征值,并依据这些特征值对发生故障的机组进行诊断,从而确定故障原因、部位、类型、性质、严重程度以及发展趋势,并指导维修;能效管理根据状态监测获得的各状态参数实时数据,结合泵站运行的经济因素及市场价格因素,综合进行效率计算、经济指标计算、调度方案优化比较,从而实现能效管理设定的目标优化。
附图说明
下面根据附图对本发明作进一步详细说明。
图1为泵站系统结构图;
图2为本发明泵站在线实时监测与能效管理方法的流程图;
图3为本发明的泵站实时在线监测与能效管理系统的结构示意图;
图4为本发明故障检测具体实施步骤流程图。
具体实施方式
本发明提供一种泵站实时在线监测与能效管理系统,用于实现泵站的实时监测与能效管理。以下结合附图通过具体实施例对本发明做详细的说明。
参照图1的连接关系,本发明泵站监测系统采用采用分层分布全开放式结构,可与泵站任何其它系统交换信息,也可将状态信息传至远程诊断中心。本发明的泵站实时在线监测系统,包括有计算机、A/D卡、数据采集器、传感器、信号线接线端子、传感器前置器、信号调理仪、网卡。其中,传感器包括位移传感器、速度传感器、加速度传感器、温度变送器和压力变送器。
参考图2,本发明的泵站在线实时监测与能效管理方法,该方法包括以下步骤:
步骤1、通过安装在泵站的传感器实时采集泵站运行参数,并将所述运行参数打包后传输至数据库服务器存储。
步骤2、对采集并存储在数据库服务器中的运行参数进行处理分析,以掌握影响机组运行稳定性的关键因素数据。
步骤3、将步骤2中获取的所述关键因素数据与历史故障数据库中的数据进行对比分析,以分析出潜在的故障及其原因和确定故障部位。并且根据采集并存储在数据库服务器中的运行参数,结合效率计算、经济指标计算,获取优化调度方案,从而实现能效管理设定的目标优化。
优选地,步骤1中将所述运行参数打包后传输至数据库服务器存储前还包括:对所述运行参数使用当前泵站的标识符进行加密,从而避免所述运行参数在传输过程中被篡改。所采集的运行参数具体包括以下参数中的一种或多种的组合:水泵轴承座X方向水平振动;水泵轴承座Y方向水平振动;水泵水导顶盖X方向垂直振动;水泵水导顶盖Y方向垂直振动;泵壳轴向垂直振动;泵壳径向垂直振动;电机轴承座X方向垂直振动;电机轴承座Y方向垂直振动;导轴承摆度X方向;导轴承摆度Y方向中;液控蝶阀出口压力;水泵进口端压力;水泵出口端压力;出口液控阀开度;泵组流量;电机功率;转速;电气参量、温度参量、噪声值。
优选地,步骤2中的对运行参数进行处理分析,具体包括:信号分析和特征提取两大部分;其中,信号分析包括时域分析、频域分析和过程量分析,主要用于显示各种相关图形,包括有:趋势图、时域波形、自相关分析、频谱图、功率谱图、阶比图、幅值倒频谱、瀑布图、波德图、极坐标图、轴心轨迹图、小波变换、振动随流量的变化曲线(振动VS流量)、振动随转速变化曲线(振动VS转速)、振动随扬程变化曲线(振动VS扬程)。特征提取包括频率特征提取和过程量特征提取,并将所提取的特征作为故障诊断推理的基础。频率特征提取包含:(1/3~1/5)分频特征、基频特征、两倍频特征、三倍频特征、高频特征、低频特征、奇频特征、与叶片数有关的特征频率、50赫兹特征频率、100赫兹特征频率。过程量特征提取主要包括:时域波形是否为正弦波型、轴心轨迹是否为椭圆、转子的进动特征、振动随转速的变化情况、振动随转速平方的变化情况、振动随流量的变化情况、振动随扬程的变化情况。
其中步骤3具体包括:利用特征提取模块所提取确定的特征变量,对发生故障的机组进行诊断,确定故障原因、部位、类型、性质,并查询历史故障数据库,获取故障对应的解决方案,通过显示装置显示;对正常运行的机组,根据机组运行状态预测模型,能够在实时监测机组运行状态的同时,根据机组运行参数的变化,对机组进行故障预测。故障诊断的基本过程包括:状态参数检测采集、报警处理、信号分析与特征提取、故障诊断与验证、故障处理对策等。
另外,所述步骤3还包括:若在故障数据库中未查询到历史记录,则将所述关键因素数据转至人工分析数据库,并由转发模块通过网络将关键因素数据打包发送至技术专家持有的终端设备,由技术专家进行分析,以确定故障原因和确定具体故障部位。
通过以上步骤中的泵站实时在线监测方法,能够实现对泵站机组运行状态的实时监测分析,及时发现泵站系统的故障,从而进一步提高泵站机组运行的稳定性。
基于上述泵站实时在线监测与能效管理方法,本发明还提供了一种泵站实时在线监测与能效管理系统,如图3所示,本发明的泵站实时在线监测与能效管理系统,包括:数据采集模块31、信号分析模块32、故障诊断模块33、以及能效管理模块34。
进一步地,数据采集模块31通过安装在泵站的传感器实时采集泵站运行参数,并将所述运行参数打包后传输至数据库服务器存储。其中,所述运行参数包括以下参数中的一种或多种的组合:水泵轴承座X方向水平振动;水泵轴承座Y方向水平振动;水泵水导顶盖X方向垂直振动;水泵水导顶盖Y方向垂直振动;泵壳轴向垂直振动;泵壳径向垂直振动;电机轴承座X方向垂直振动;电机轴承座Y方向垂直振动;导轴承摆度X方向;导轴承摆度Y方向中;液控蝶阀出口压力;水泵进口端压力;水泵出口端压力;出口液控阀开度;泵组流量;电机功率;转速;电气参量、温度参量、噪声值。
具体地,数据采集模块包含有16个高速模拟信号输入通道、2个转速输入通道和4个开关量输入通道,对输入信号进行硬件滤波、电平变换、实时数据采集、信号预处理,并将采集到的信息和分析处理得到的运行参数打包后通过局域网和TCP/IP协议发送给数据库服务器存储。
优选地,所述打包操作前还包括:对所述运行参数使用当前泵站的标识符进行加密,从而避免所述运行参数在传输过程中被篡改。
信号处理模块32是对数据采集模块31采集并存储在数据库服务器中的运行参数进行处理分析,以掌握影响机组运行稳定性的关键因素数据。同时,将获取的所述关键因素数据与历史故障数据库中的数据进行对比分析,以分析出潜在的故障及其原因和确定故障部位。若在故障数据库中未查询到历史记录,则将所述关键因素数据转至人工分析数据库,并由转发模块通过网络将关键因素数据打包发送至技术专家持有的终端设备,由技术专家进行分析,以确定故障原因和确定具体故障部位。
具体地,信号处理模块主要包含有信号分析模块和特征提取模块两大部分:
信号分析模块包括时域分析、频域分析和过程量分析,主要用于显示各种相关图形,包括有:趋势图、时域波形、自相关分析、频谱图、功率谱图、阶比图、幅值倒频谱、瀑布图、波德图、极坐标图、轴心轨迹图、小波变换、振动随流量的变化曲线(振动VS流量)、振动随转速变化曲线(振动VS转速)、振动随扬程变化曲线(振动VS扬程)。
特征提取模块包括频率特征提取和过程量特征提取,并将所提取的特征作为故障诊断推理的基础。频率特征提取包含:(1/3~1/5)分频特征、基频特征、两倍频特征、三倍频特征、高频特征、低频特征、奇频特征、与叶片数有关的特征频率、50赫兹特征频率、100赫兹特征频率。过程量特征提取主要包括:时域波形是否为正弦波型、轴心轨迹是否为椭圆、转子的进动特征、振动随转速的变化情况、振动随转速平方的变化情况、振动随流量的变化情况、振动随扬程的变化情况。
如图4所示,故障诊断模块33以机组的实时在线监测为基础,利用特征提取模块所提取确定的特征变量,对发生故障的机组进行诊断,确定故障原因、部位、类型、性质,并查询历史故障数据库,获取故障对应的解决方案,通过显示装置显示;对正常运行的机组,根据机组运行状态预测模型,能够在实时监测机组运行状态的同时,根据机组运行参数的变化,对机组进行故障预测。故障诊断的基本过程包括:状态参数检测采集、报警处理、信号分析与特征提取、故障诊断与验证、故障处理对策等。
具体地,实施步骤如下:步骤411:采集泵站机组运行参数,并基于当前运行参数实现状态的实时监控;步骤412:如果产生报警信息,则转至413,否则默认至411;步骤413:分析当前运行参数生成故障假设,对运行参数进行信号分析和特征提取;步骤414:判断是否能够根据当前的信息确认故障原因及位置,如果不能确认故障,则转至步骤416,如果能够确认故障,则利用历史故障结合故障模型验证上述故障假设;如果通过验证能够确认故障,则生成故障处理建议,并转至步骤415;如果不能通过验证确认故障,则转至步骤417;步骤415:生成故障处理建议,转至步骤416;步骤416:消除故障;如果正常消除故障,则诊断结束,否则转至步骤417;步骤417:获取新的运行参数特征,转至步骤413。
对于复杂故障的诊断,故障诊断过程需要经过多次反复才能最后确定诊断结果。有时还要作各种试验和测试进行验证,排除一些假设,给出最终诊断结果,有时也可能根据进一步获取新的特征,提出新的故障假设。
具体地,本发明采用反向误差传播(Back Error Propagation,简称BP)神经网络实现故障诊断。针对泵组的特性,可建立多个神经子网络,对各个子网络建立BP模型,依据各个子网络的输出情况,综合计算机组的当前状态。以标准样本训练网络。
各子网络诊断故障和故障特征量的建立步骤为:S1、通过对泵组的故障统计,建立故障列表。S2、通过对各种故障进行机理分析,提取各种故障对应的故障特征量。S3、建立故障特征库。S4、运用机组故障特征库,使用历史运行数据对各子网络进行训练,确定子网节点的连接权值和阀值。对每个子网络进行学习,学习后的权值和阈值存放在数据库中,在神经网络运行时调用数据库服务器中存储的运行参数进行网络计算,得出对应的故障的值。
能效管理模块34根据采集模块31采集并存储在数据库服务器中的运行参数,结合效率计算、经济指标计算,获取优化调度方案,从而实现能效管理设定的目标优化。
综上所述,本发明实施例与现有技术相比存在的有益效果是:1)、采用高速以太网,突破瓶颈限制,保障数据传输的高速稳定。目前所有的网络拓扑结构,以太网需要面对扩展时所产生的问题,采用一个高性能的集线器是非常好的选择,但当端口用完时,需要增加第二个、第三个集线器,将这些集线器连接起来,仍然会导致多个端口竞争一个出端口或上行端口,这就是典型的网络瓶颈。对高速率的需求导致在标准以太网基础上产生了快速以太网,它的速率可以达到全双工模式下100-200Mbps,是标准以太网的十几倍,现在千兆以太网已成为成熟产品,它的使用消除了企业网中客户-服务器以及以太网交换机间的瓶颈问题。2)、采用交换技术,大大提高了以太网的确定性;3)、运用神经网络模型,根据设备过去的运行状态(即所采集的运行参数)预测目前和将来的状态,如状态变化或参数趋势变化明显,给出报警信号,并分析引起参数变化的因素,给出初步的分析结果。4)、呈现可能存在的任意两参数之间的关系曲线,并可与过去的任意时刻比较,从中发现设备状态的变化,发现可能存在的隐患。也可根据过去与现在相同工况下参数的变化分析,预测设备状态变化趋势。5)、根据设备运行中状态变化的特征参数,用神经网络进行推理,从而评估机组目前的运行状况。6)、由于泵组故障的多样性,系统在投入运行的初期有可能漏过了某些故障的自动识别,通过事故追忆功能,可以把事故特征与事故信息全记录下来,添加到历史故障数据库中,这样,在同类故障再现之前,系统可以进行预警与报警,进行预防。7)、能效管理能够实现能效管理设定的目标优化。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即所述系统的内部结构划分成不同的功能单元或整体,以完成以上描述的全部或者部分功能。实施例中的各功能单元或模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元或模块既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程,可以参与前述方法实施例的对应过程,在此不再赘述。
所属领域的技术人员还可以理解,实现上述实施例方法中的全部或部分步骤是可以通过程序或指令相关的硬件完成,所述的程序可以在存储于一计算机可读取存储介质中,所述的存储介质,包括ROM/RAM、磁盘、光盘等。
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明,不能认定本发明的具体实施只局限于这些说明。对于本发明所属领域的普通技术人员来说,在不脱离本发明构思的前提下做出若干等同替代或明显变型,而且性能或用途相同,都应当属于本发明由所提交的权利要求书确定的专利保护范围。
Claims (10)
1.一种泵站在线实时监测与能效管理方法,其特征在于包括以下步骤:
步骤1、通过安装在泵站的传感器实时采集泵站运行参数,并将所述运行参数打包后传输至数据库服务器存储;
步骤2、对采集并存储在数据库服务器中的运行参数进行处理分析,以掌握影响机组运行稳定性的关键因素数据;
步骤3、将步骤2中获取的所述关键因素数据与历史故障数据库中的数据进行对比分析,以分析出潜在的故障及其原因和确定故障部位;并且根据采集并存储在数据库服务器中的运行参数,结合效率计算、经济指标计算,获取优化调度方案,从而实现能效管理设定的目标优化。
2.根据权利要求1所述的泵站在线实时监测与能效管理方法,其特征在于,所采集的运行参数具体包括以下参数中的一种或多种的组合:水泵轴承座X方向水平振动;水泵轴承座Y方向水平振动;水泵水导顶盖X方向垂直振动;水泵水导顶盖Y方向垂直振动;泵壳轴向垂直振动;泵壳径向垂直振动;电机轴承座X方向垂直振动;电机轴承座Y方向垂直振动;导轴承摆度X方向;导轴承摆度Y方向中;液控蝶阀出口压力;水泵进口端压力;水泵出口端压力;出口液控阀开度;泵组流量;电机功率;转速;电气参量、温度参量、噪声值。
3.根据权利要求1所述的泵站在线实时监测与能效管理方法,其特征在于,所述步骤2中的对运行参数进行处理分析,具体包括:信号分析和特征提取两大部分;其中,信号分析包括时域分析、频域分析和过程量分析;特征提取包括频率特征提取和过程量特征提取。
4.根据权利要求1所述的泵站在线实时监测与能效管理方法,其特征在于,所述步骤3具体为:利用特征提取模块所提取确定的特征变量,对发生故障的机组进行诊断,确定故障原因、部位、类型、性质,并查询历史故障数据库,获取故障对应的解决方案,通过显示装置显示;对正常运行的机组,根据机组运行状态预测模型,能够在实时监测机组运行状态的同时,根据机组运行参数的变化,对机组进行故障预测。
5.根据权利要求1或4所述的泵站在线实时监测与能效管理方法,其特征在于,所述步骤3还包括:若在故障数据库中未查询到历史记录,则将所述关键因素数据转至人工分析数据库,并由转发模块通过网络将关键因素数据打包发送至技术专家持有的终端设备,由技术专家进行分析,以确定故障原因和确定具体故障部位。
6.一种泵站在线实时监测与能效管理系统,其特征在于包括数据采集模块(31)、信号分析模块(32)、故障诊断模块(33)、以及能效管理模块(34);
所述数据采集模块(31)通过安装在泵站的传感器实时采集泵站运行参数,并将所述运行参数打包后传输至数据库服务器存储。
所述信号处理模块(32)是对数据采集模块(31)采集并存储在数据库服务器中的运行参数进行处理分析,以掌握影响机组运行稳定性的关键因素数据。
所述故障诊断模块(33)利用所述关键因素数据与历史故障数据库中的数据进行对比分析,以分析出潜在的故障及其原因和确定故障部位;
所述能效管理模块(34)根据数据采集模块(31)采集并存储在数据库服务器中的运行参数,结合效率计算、经济指标计算,获取优化调度方案,从而实现能效管理设定的目标优化。
7.根据权利要求6所述的泵站在线实时监测与能效管理系统,其特征在于,所采集的运行参数具体包括以下参数中的一种或多种的组合:水泵轴承座X方向水平振动;水泵轴承座Y方向水平振动;水泵水导顶盖X方向垂直振动;水泵水导顶盖Y方向垂直振动;泵壳轴向垂直振动;泵壳径向垂直振动;电机轴承座X方向垂直振动;电机轴承座Y方向垂直振动;导轴承摆度X方向;导轴承摆度Y方向中;液控蝶阀出口压力;水泵进口端压力;水泵出口端压力;出口液控阀开度;泵组流量;电机功率;转速;电气参量、温度参量、噪声值。
8.根据权利要求6所述的泵站在线实时监测与能效管理系统,其特征在于,所述信号处理模块(32)主要包含信号分析模块和特征提取模块两大部分;其中,信号分析模块包括时域分析、频域分析和过程量分析;特征提取模块包括频率特征提取和过程量特征提取。
9.根据权利要求6所述的泵站在线实时监测与能效管理系统,其特征在于,所述故障诊断模块(33)利用特征提取模块所提取确定的特征变量,对发生故障的机组进行诊断,确定故障原因、部位、类型、性质,并查询历史故障数据库,获取故障对应的解决方案,通过显示装置显示;对正常运行的机组,根据机组运行状态预测模型,能够在实时监测机组运行状态的同时,根据机组运行参数的变化,对机组进行故障预测。
10.根据权利要求6或9所述的泵站在线实时监测与能效管理系统,其特征在于,所述故障诊断模块(33)还包括:若在故障数据库中未查询到历史记录,则将所述关键因素数据转至人工分析数据库,并由转发模块通过网络将关键因素数据打包发送至技术专家持有的终端设备,由技术专家进行分析,以确定故障原因和确定具体故障部位。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710256928.XA CN107013473A (zh) | 2017-04-19 | 2017-04-19 | 一种泵站实时在线监测与能效管理方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710256928.XA CN107013473A (zh) | 2017-04-19 | 2017-04-19 | 一种泵站实时在线监测与能效管理方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107013473A true CN107013473A (zh) | 2017-08-04 |
Family
ID=59447536
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710256928.XA Pending CN107013473A (zh) | 2017-04-19 | 2017-04-19 | 一种泵站实时在线监测与能效管理方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107013473A (zh) |
Cited By (31)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN107678362A (zh) * | 2017-11-03 | 2018-02-09 | 河海大学 | 一种水泵站智能监控系统 |
CN107703915A (zh) * | 2017-09-30 | 2018-02-16 | 珠海格力电器股份有限公司 | 一种设备故障诊断方法、装置、存储介质及设备 |
CN107704712A (zh) * | 2017-10-31 | 2018-02-16 | 郑州恩普特科技股份有限公司 | 基于全矢谱特征提取的机械故障诊断方法和系统 |
CN107764336A (zh) * | 2017-11-23 | 2018-03-06 | 成都众柴科技有限公司 | 一种泵站运行状态实时在线监测及故障诊断系统和方法 |
CN107991870A (zh) * | 2017-12-05 | 2018-05-04 | 暨南大学 | 一种电扶梯设备的故障预警与寿命预测方法 |
CN108644130A (zh) * | 2018-05-24 | 2018-10-12 | 中国船舶重工集团公司第七〇九研究所 | 一种泵组故障的检测方法 |
CN108691785A (zh) * | 2018-06-29 | 2018-10-23 | 宁波巨神制泵实业有限公司 | 一种水泵在线检测系统 |
CN109324599A (zh) * | 2018-09-27 | 2019-02-12 | 蔚来汽车有限公司 | 确定机械故障和机械故障补偿的方法、装置、设备及介质 |
CN109960780A (zh) * | 2019-03-18 | 2019-07-02 | 湘潭大学 | 一种机泵运行经济性能和稳定状态的评判系统及评判方法 |
CN110469495A (zh) * | 2018-05-11 | 2019-11-19 | 上海威派格智慧水务股份有限公司 | 一种多水泵供水系统的故障诊断方法 |
CN111247344A (zh) * | 2017-10-25 | 2020-06-05 | 苏伊士集团 | 用于将泵送系统保持在运行状态的方法和装置 |
CN111367917A (zh) * | 2020-03-05 | 2020-07-03 | 扬州大学 | 一种用于水泵机组状态评价的数据存储方法 |
CN111720299A (zh) * | 2019-03-21 | 2020-09-29 | 上海城投原水有限公司 | 泵站故障的查找/处理方法、系统、计算机存储介质及设备 |
CN111980900A (zh) * | 2020-07-15 | 2020-11-24 | 湘潭中环水务有限公司 | 一种基于多源数据融合分析的水泵故障诊断方法 |
CN111980938A (zh) * | 2020-08-22 | 2020-11-24 | 浙江水利水电学院 | 一种防洪排涝水泵机组诊断技术路线 |
CN112017793A (zh) * | 2020-08-28 | 2020-12-01 | 中国科学院合肥物质科学研究院 | 一种用于聚变装置的分子泵维护决策管理系统和方法 |
CN112112819A (zh) * | 2020-08-07 | 2020-12-22 | 安徽三环水泵有限责任公司 | 一种离心泵运行状态管理系统 |
US20210062803A1 (en) * | 2018-01-24 | 2021-03-04 | Magnetic Pumping Solutions Llc | Method and system for monitoring the condition of rotating systems |
CN112462708A (zh) * | 2020-11-19 | 2021-03-09 | 南京河海南自水电自动化有限公司 | 一种泵站远程诊断及优化调度方法及系统 |
CN112983844A (zh) * | 2021-03-01 | 2021-06-18 | 合肥恒大江海泵业股份有限公司 | 一种潜水电泵监测控制系统 |
CN113048072A (zh) * | 2021-03-19 | 2021-06-29 | 江苏大学 | 一种泵站智能检测系统 |
CN113984427A (zh) * | 2021-11-26 | 2022-01-28 | 安徽农业大学 | 一种智能离心式双泵一体化泵站试验装置 |
CN114264366A (zh) * | 2021-12-22 | 2022-04-01 | 南水北调东线江苏水源有限责任公司 | 一种监测水泵机组泵壳多角度振动分量的方法 |
CN114576152A (zh) * | 2020-12-01 | 2022-06-03 | 格兰富控股联合股份公司 | 水泵状态监测系统、监测方法、装置、电子设备和介质 |
TWI767570B (zh) * | 2021-02-19 | 2022-06-11 | 兆竑智聯股份有限公司 | 設備維運系統及設備維運方法 |
CN115022151A (zh) * | 2022-07-04 | 2022-09-06 | 青岛佳世特尔智创科技有限公司 | 一种泵机组状态监测分析方法及系统 |
CN115559890A (zh) * | 2022-11-04 | 2023-01-03 | 江苏省水利科学研究院 | 一种水泵机组运行故障预测调整方法及系统 |
CN116104773A (zh) * | 2023-02-21 | 2023-05-12 | 重庆成峰水务工程有限责任公司 | 一种水泵故障综合检测设备及检测方法 |
CN116557328A (zh) * | 2023-05-22 | 2023-08-08 | 合肥三益江海智能科技有限公司 | 一种具有健康监测及故障诊断的水泵机组智能控制系统 |
CN116624375A (zh) * | 2023-06-06 | 2023-08-22 | 北京金河水务建设集团有限公司 | 一种高扬程泵站的过渡过程现场测试方法和系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5742500A (en) * | 1995-08-23 | 1998-04-21 | Irvin; William A. | Pump station control system and method |
US20080010030A1 (en) * | 2004-12-17 | 2008-01-10 | Korea Research Institute Of Standards And Science | Trend Monitoring and Diagnostic Analysis Method for a Vacuum Pump and a Trend Monitoring and Diagnostic Analysis Method for Vacuum Pump and a Trend Monitoring and Diagnostic Analysis System Therefor and Computer-Readable Storage Media Including a Computer Program Which Performs the Method |
CN202117902U (zh) * | 2011-06-03 | 2012-01-18 | 赵国祥 | 泵站电气自动化监测与控制系统 |
CN103062076A (zh) * | 2013-01-25 | 2013-04-24 | 北京清华同衡规划设计研究院有限公司 | 一种城市水厂泵站单台水泵性能曲线率定方法 |
CN104133416A (zh) * | 2014-08-13 | 2014-11-05 | 绍兴柯桥排水有限公司 | 一种污水泵站3g网络无线实时监控方法 |
CN104929954A (zh) * | 2015-06-05 | 2015-09-23 | 哈尔滨新世通电器有限公司 | 一种泵站离心式水泵智能控制方法和设备 |
CN104950855A (zh) * | 2015-06-19 | 2015-09-30 | 湖南正泰水务有限公司 | 一种村镇污水厂及泵站运营监控管理系统及方法 |
-
2017
- 2017-04-19 CN CN201710256928.XA patent/CN107013473A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5742500A (en) * | 1995-08-23 | 1998-04-21 | Irvin; William A. | Pump station control system and method |
US20080010030A1 (en) * | 2004-12-17 | 2008-01-10 | Korea Research Institute Of Standards And Science | Trend Monitoring and Diagnostic Analysis Method for a Vacuum Pump and a Trend Monitoring and Diagnostic Analysis Method for Vacuum Pump and a Trend Monitoring and Diagnostic Analysis System Therefor and Computer-Readable Storage Media Including a Computer Program Which Performs the Method |
CN202117902U (zh) * | 2011-06-03 | 2012-01-18 | 赵国祥 | 泵站电气自动化监测与控制系统 |
CN103062076A (zh) * | 2013-01-25 | 2013-04-24 | 北京清华同衡规划设计研究院有限公司 | 一种城市水厂泵站单台水泵性能曲线率定方法 |
CN104133416A (zh) * | 2014-08-13 | 2014-11-05 | 绍兴柯桥排水有限公司 | 一种污水泵站3g网络无线实时监控方法 |
CN104929954A (zh) * | 2015-06-05 | 2015-09-23 | 哈尔滨新世通电器有限公司 | 一种泵站离心式水泵智能控制方法和设备 |
CN104950855A (zh) * | 2015-06-19 | 2015-09-30 | 湖南正泰水务有限公司 | 一种村镇污水厂及泵站运营监控管理系统及方法 |
Non-Patent Citations (3)
Title |
---|
刘光临等: "水轮发电机组状态监测与诊断系统研究", 《华中电力》 * |
孙慕群等: "水泵机组状态监测与故障诊断系统研究", 《中国农村水利水电》 * |
张加雪等: "《工程管理》", 30 July 2016, 中国水利水电出版社 * |
Cited By (46)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
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 |
CN107703915A (zh) * | 2017-09-30 | 2018-02-16 | 珠海格力电器股份有限公司 | 一种设备故障诊断方法、装置、存储介质及设备 |
US11920600B2 (en) | 2017-10-25 | 2024-03-05 | Suez International | Method and device for maintaining a pumping system in operational condition |
CN111247344A (zh) * | 2017-10-25 | 2020-06-05 | 苏伊士集团 | 用于将泵送系统保持在运行状态的方法和装置 |
CN107704712A (zh) * | 2017-10-31 | 2018-02-16 | 郑州恩普特科技股份有限公司 | 基于全矢谱特征提取的机械故障诊断方法和系统 |
CN107678362A (zh) * | 2017-11-03 | 2018-02-09 | 河海大学 | 一种水泵站智能监控系统 |
CN107764336A (zh) * | 2017-11-23 | 2018-03-06 | 成都众柴科技有限公司 | 一种泵站运行状态实时在线监测及故障诊断系统和方法 |
CN107991870A (zh) * | 2017-12-05 | 2018-05-04 | 暨南大学 | 一种电扶梯设备的故障预警与寿命预测方法 |
CN107991870B (zh) * | 2017-12-05 | 2020-10-27 | 暨南大学 | 一种电扶梯设备的故障预警与寿命预测方法 |
US20210062803A1 (en) * | 2018-01-24 | 2021-03-04 | Magnetic Pumping Solutions Llc | Method and system for monitoring the condition of rotating systems |
CN110469495A (zh) * | 2018-05-11 | 2019-11-19 | 上海威派格智慧水务股份有限公司 | 一种多水泵供水系统的故障诊断方法 |
CN108644130A (zh) * | 2018-05-24 | 2018-10-12 | 中国船舶重工集团公司第七〇九研究所 | 一种泵组故障的检测方法 |
CN108691785A (zh) * | 2018-06-29 | 2018-10-23 | 宁波巨神制泵实业有限公司 | 一种水泵在线检测系统 |
CN109324599B (zh) * | 2018-09-27 | 2021-04-02 | 蔚来(安徽)控股有限公司 | 确定机械故障和机械故障补偿的方法、装置、设备及介质 |
CN109324599A (zh) * | 2018-09-27 | 2019-02-12 | 蔚来汽车有限公司 | 确定机械故障和机械故障补偿的方法、装置、设备及介质 |
CN109960780B (zh) * | 2019-03-18 | 2022-11-15 | 湘潭大学 | 一种机泵运行经济性能和稳定状态的评判系统及评判方法 |
CN109960780A (zh) * | 2019-03-18 | 2019-07-02 | 湘潭大学 | 一种机泵运行经济性能和稳定状态的评判系统及评判方法 |
CN111720299A (zh) * | 2019-03-21 | 2020-09-29 | 上海城投原水有限公司 | 泵站故障的查找/处理方法、系统、计算机存储介质及设备 |
CN111367917A (zh) * | 2020-03-05 | 2020-07-03 | 扬州大学 | 一种用于水泵机组状态评价的数据存储方法 |
CN111367917B (zh) * | 2020-03-05 | 2024-02-27 | 扬州大学 | 一种用于水泵机组状态评价的数据存储方法 |
CN111980900A (zh) * | 2020-07-15 | 2020-11-24 | 湘潭中环水务有限公司 | 一种基于多源数据融合分析的水泵故障诊断方法 |
CN111980900B (zh) * | 2020-07-15 | 2022-04-15 | 湘潭中环水务有限公司 | 一种基于多源数据融合分析的水泵故障诊断方法 |
CN112112819A (zh) * | 2020-08-07 | 2020-12-22 | 安徽三环水泵有限责任公司 | 一种离心泵运行状态管理系统 |
CN111980938A (zh) * | 2020-08-22 | 2020-11-24 | 浙江水利水电学院 | 一种防洪排涝水泵机组诊断技术路线 |
CN112017793A (zh) * | 2020-08-28 | 2020-12-01 | 中国科学院合肥物质科学研究院 | 一种用于聚变装置的分子泵维护决策管理系统和方法 |
CN112017793B (zh) * | 2020-08-28 | 2021-09-03 | 中国科学院合肥物质科学研究院 | 一种用于聚变装置的分子泵维护决策管理系统和方法 |
CN112462708A (zh) * | 2020-11-19 | 2021-03-09 | 南京河海南自水电自动化有限公司 | 一种泵站远程诊断及优化调度方法及系统 |
CN114576152A (zh) * | 2020-12-01 | 2022-06-03 | 格兰富控股联合股份公司 | 水泵状态监测系统、监测方法、装置、电子设备和介质 |
CN114576152B (zh) * | 2020-12-01 | 2024-01-16 | 格兰富控股联合股份公司 | 水泵状态监测系统、监测方法、装置、电子设备和介质 |
TWI767570B (zh) * | 2021-02-19 | 2022-06-11 | 兆竑智聯股份有限公司 | 設備維運系統及設備維運方法 |
CN112983844A (zh) * | 2021-03-01 | 2021-06-18 | 合肥恒大江海泵业股份有限公司 | 一种潜水电泵监测控制系统 |
CN113048072A (zh) * | 2021-03-19 | 2021-06-29 | 江苏大学 | 一种泵站智能检测系统 |
WO2022193436A1 (zh) * | 2021-03-19 | 2022-09-22 | 江苏大学 | 一种泵站智能检测系统 |
CN113984427A (zh) * | 2021-11-26 | 2022-01-28 | 安徽农业大学 | 一种智能离心式双泵一体化泵站试验装置 |
CN113984427B (zh) * | 2021-11-26 | 2022-07-29 | 安徽农业大学 | 一种智能离心式双泵一体化泵站试验装置 |
CN114264366A (zh) * | 2021-12-22 | 2022-04-01 | 南水北调东线江苏水源有限责任公司 | 一种监测水泵机组泵壳多角度振动分量的方法 |
CN115022151A (zh) * | 2022-07-04 | 2022-09-06 | 青岛佳世特尔智创科技有限公司 | 一种泵机组状态监测分析方法及系统 |
CN115022151B (zh) * | 2022-07-04 | 2023-06-23 | 青岛佳世特尔智创科技有限公司 | 一种泵机组状态监测分析方法及系统 |
CN115559890A (zh) * | 2022-11-04 | 2023-01-03 | 江苏省水利科学研究院 | 一种水泵机组运行故障预测调整方法及系统 |
CN116104773A (zh) * | 2023-02-21 | 2023-05-12 | 重庆成峰水务工程有限责任公司 | 一种水泵故障综合检测设备及检测方法 |
CN116104773B (zh) * | 2023-02-21 | 2024-04-12 | 重庆成峰水务工程有限责任公司 | 一种水泵故障综合检测设备及检测方法 |
CN116557328A (zh) * | 2023-05-22 | 2023-08-08 | 合肥三益江海智能科技有限公司 | 一种具有健康监测及故障诊断的水泵机组智能控制系统 |
CN116557328B (zh) * | 2023-05-22 | 2024-04-16 | 合肥三益江海智能科技有限公司 | 一种具有健康监测及故障诊断的水泵机组智能控制系统 |
CN116624375A (zh) * | 2023-06-06 | 2023-08-22 | 北京金河水务建设集团有限公司 | 一种高扬程泵站的过渡过程现场测试方法和系统 |
CN116624375B (zh) * | 2023-06-06 | 2024-04-30 | 北京金河水务建设集团有限公司 | 一种高扬程泵站的过渡过程现场测试方法和系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107013473A (zh) | 一种泵站实时在线监测与能效管理方法及系统 | |
CN106525415B (zh) | 一种风电机组传动链健康状态评价系统及方法 | |
CN111596604B (zh) | 一种基于数字孪生的工程装备故障智能诊断与自愈控制系统及方法 | |
CN104503399B (zh) | 一种集团级风电机组状态监测及故障诊断平台 | |
CN102156043B (zh) | 风力发电机组在线状态监测与故障诊断系统 | |
CN106124982A (zh) | 一种风电机组的自动专家综合故障诊断系统及诊断方法 | |
CN103604622B (zh) | 一种风电机组在线监测即时报警与故障诊断系统 | |
CN105372087B (zh) | 基于多传感器信号分析的故障诊断方法 | |
CN100442063C (zh) | 分布式智能电机监测系统 | |
CN104200396B (zh) | 一种风力发电机部件故障预警方法 | |
CN105787584A (zh) | 一种基于云平台的风电机群故障预警方法 | |
CN202676203U (zh) | 大型泵站状态监测与诊断及能效管理装置 | |
CN107345857A (zh) | 一种电主轴状态监测与故障诊断系统及其监测诊断方法 | |
CN108731923A (zh) | 一种旋转机械设备的故障检测方法及装置 | |
CN108008287A (zh) | 基于移频信号的轨道电路故障监测平台及其监测方法 | |
CN110469462A (zh) | 一种基于多模板的风电机组智能状态监测系统 | |
CN111504385B (zh) | 一种适用于机械设备异常状态多参数监测装置及方法 | |
CN103616187B (zh) | 一种基于多维度信息融合的故障诊断方法 | |
CN103758694B (zh) | 一种风力发电机组状态监控系统数据压缩方法 | |
CN105424395A (zh) | 设备故障的确定方法和装置 | |
CN101192997A (zh) | 分布式设备远程状态监测与故障诊断系统 | |
CN107061183A (zh) | 一种海上风电机组的自动化故障诊断方法 | |
CN109214356A (zh) | 一种基于dcnn模型的风机传动系统故障智能诊断方法 | |
CN1323336C (zh) | 设备运行状态数据质量动态检测和保障方法 | |
CN109492790A (zh) | 基于神经网络与数据挖掘的风电机组健康管理方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170804 |