CN107327366B - 一种抽水蓄能机组故障预测与健康管理系统和方法 - Google Patents

一种抽水蓄能机组故障预测与健康管理系统和方法 Download PDF

Info

Publication number
CN107327366B
CN107327366B CN201710506815.0A CN201710506815A CN107327366B CN 107327366 B CN107327366 B CN 107327366B CN 201710506815 A CN201710506815 A CN 201710506815A CN 107327366 B CN107327366 B CN 107327366B
Authority
CN
China
Prior art keywords
pump
storage generator
subsystem
decision
storage
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
CN201710506815.0A
Other languages
English (en)
Other versions
CN107327366A (zh
Inventor
周建中
姜伟
彭宣霖
许颜贺
郑阳
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.)
Huazhong University of Science and Technology
Original Assignee
Huazhong University of Science and Technology
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 Huazhong University of Science and Technology filed Critical Huazhong University of Science and Technology
Priority to CN201710506815.0A priority Critical patent/CN107327366B/zh
Publication of CN107327366A publication Critical patent/CN107327366A/zh
Application granted granted Critical
Publication of CN107327366B publication Critical patent/CN107327366B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F03—MACHINES OR ENGINES FOR LIQUIDS; WIND, SPRING, OR WEIGHT MOTORS; PRODUCING MECHANICAL POWER OR A REACTIVE PROPULSIVE THRUST, NOT OTHERWISE PROVIDED FOR
    • F03B—MACHINES OR ENGINES FOR LIQUIDS
    • F03B15/00—Controlling
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F03—MACHINES OR ENGINES FOR LIQUIDS; WIND, SPRING, OR WEIGHT MOTORS; PRODUCING MECHANICAL POWER OR A REACTIVE PROPULSIVE THRUST, NOT OTHERWISE PROVIDED FOR
    • F03B—MACHINES OR ENGINES FOR LIQUIDS
    • F03B13/00—Adaptations of machines or engines for special use; Combinations of machines or engines with driving or driven apparatus; Power stations or aggregates
    • F03B13/06—Stations or aggregates of water-storage type, e.g. comprising a turbine and a pump
    • 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
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E10/00—Energy generation through renewable energy sources
    • Y02E10/20—Hydro energy
    • 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
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
    • Y02E60/16—Mechanical energy storage, e.g. flywheels or pressurised fluids

Landscapes

  • Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Mechanical Engineering (AREA)
  • General Engineering & Computer Science (AREA)
  • Testing And Monitoring For Control Systems (AREA)
  • Control Of Non-Positive-Displacement Pumps (AREA)

Abstract

本发明公开了一种抽水蓄能机组故障预测与健康管理系统和方法，其中，系统的实现包括：设备监测模块、处理中心模块和决策支持模块；方法的实施包括：使用状态监测传感器和机内自检设备对抽水蓄能机组各子系统的运行状态进行实时监测，得到抽水蓄能机组各子系统的状态特征数据；对各子系统的状态特征数据进行处理分析，得到抽水蓄能机组维修决策建议；利用抽水蓄能机组维修决策建议，通过综合分析，实现对抽水蓄能机组的故障预测与健康管理。本发明系统完善合理，方法有效可行，可用于对抽水蓄能机组实施预防性状态维修，提高抽水蓄能机组整体运行水平。

Description

一种抽水蓄能机组故障预测与健康管理系统和方法
技术领域
本发明属于电力系统水力发电机组的健康管理领域，更具体地，涉及一种抽水蓄能机组故障预测与健康管理系统和方法。
背景技术
伴随着经济和社会的快速发展，电力负荷迅速增长，峰谷差不断加大，电网对稳定性提出了更高的要求，调峰能力不足将成为制约电力系统发展的关键问题。抽水蓄能电站作为世界公认的运行灵活可靠的调峰电源，以其调峰填谷的独特运行特性，发挥着调节负荷、促进电力系统节能和维护电网安全稳定运行的功能，逐步成为电力系统有效的、不可或缺的调节手段。为保障抽水蓄能机组的安全稳定运行，提升电站的整体运营效率，研究开发抽水蓄能机组故障预测与健康管理(PHM)系统成为当前改提高抽水蓄能机组维护水平的一项重要工作。
PHM技术由美国军方首次提出，因其实现了从设备状态监测到健康管理思想的转变，逐步被应用于多个领域不同类型设备的维护保障策略之中。针对抽水蓄能机组的故障预测与健康管理，目前尚未系统深入地开展相关研究，缺乏完善合理的抽水蓄能机组PHM系统体系结构，不能满足对机组实施预防性状态维修的功能需求。
由此可见，现有技术尚未考虑构建完善合理的抽水蓄能机组PHM系统，不能满足对机组实施预防性状态维修的功能需求。
发明内容
针对以上现有技术的缺陷或改进需求，本发明提出了一种抽水蓄能机组故障预测与健康管理系统和方法，其目的在于解决现有技术尚未考虑构建完善合理的抽水蓄能机组PHM系统，且不能满足对机组实施预防性状态维修的技术难题。
为实现上述目的，按照本发明的一个方面，提供了一种抽水蓄能机组故障预测与健康管理系统，包括：
设备监测模块，用于使用状态监测传感器和机内自检设备对抽水蓄能机组各子系统的运行状态进行实时监测，得到抽水蓄能机组各子系统的状态特征数据；
处理中心模块，用于对抽水蓄能机组各子系统的状态特征数据进行处理分析，得到抽水蓄能机组的维修决策建议；
决策支持模块，用于利用抽水蓄能机组的维修决策建议，通过远程维修决策保障中心、专家决策库、现场维修决策保障中心的综合分析，得到最终的抽水蓄能机组系统层级维修决策方案，实现对抽水蓄能机组的故障预测与健康管理；
所述抽水蓄能机组各子系统包括水泵水轮机系统、发电电动机系统、振动系统、摆度系统、调速器系统、进水阀系统、压缩空气系统、变压器系统、SFC系统、励磁系统、GIS系统和GCB系统。
进一步的，处理中心模块，包括：
数据处理子模块，用于对接收到的抽水蓄能机组各子系统的状态特征数据进行数据融合和特征提取，并经数据转换得到处理后的数据；
状态评估子模块，用于利用处理后的数据对抽水蓄能机组各子系统进行故障征兆辨识和健康状态评估，得到抽水蓄能机组各子系统的潜在性故障发生时刻、隐患和初期异常、故障根源、健康状况；
故障推理子模块，用于利用抽水蓄能机组各子系统的潜在性故障发生时刻、隐患和初期异常、故障根源、健康状况依次对抽水蓄能机组子系统的部件、抽水蓄能机组子系统和抽水蓄能机组进行故障诊断及故障趋势预测，利用故障趋势预测结果估计抽水蓄能机组的剩余使用寿命；
决策分析子模块，用于对抽水蓄能机组的故障诊断及故障趋势预测的结果进行分析，形成最终故障诊断及预测结果；根据同时最终故障诊断及预测结果、抽水蓄能机组的剩余使用寿命、维修检查费用和抽水蓄能机组的使用特点，制定抽水蓄能机组的维修决策建议。
进一步的，抽水蓄能机组的维修决策建议包括：维修行为决策、维修时机决策和监测间隔决策。
按照本发明的另一方面，提供了一种抽水蓄能机组故障预测与健康管理方法，包括：
(1)使用状态监测传感器和机内自检设备对抽水蓄能机组各子系统的运行状态进行实时监测，得到抽水蓄能机组各子系统的状态特征数据；
(2)对抽水蓄能机组各子系统的状态特征数据进行处理分析，得到抽水蓄能机组的维修决策建议；
(3)利用抽水蓄能机组的维修决策建议，通过远程维修决策保障中心、专家决策库、现场维修决策保障中心的综合分析，得到最终的抽水蓄能机组系统层级维修决策方案，实现对抽水蓄能机组的故障预测与健康管理；
所述抽水蓄能机组各子系统包括水泵水轮机系统、发电电动机系统、振动系统、摆度系统、调速器系统、进水阀系统、压缩空气系统、变压器系统、SFC系统、励磁系统、GIS系统和GCB系统。
进一步的，步骤(2)包括：
(2-1)对接收到的抽水蓄能机组各子系统的状态特征数据进行数据融合和特征提取，并经数据转换得到处理后的数据；
(2-2)利用处理后的数据对抽水蓄能机组各子系统进行故障征兆辨识和健康状态评估，得到抽水蓄能机组各子系统的潜在性故障发生时刻、隐患和初期异常、故障根源、健康状况；
(2-3)利用抽水蓄能机组各子系统的潜在性故障发生时刻、隐患和初期异常、故障根源、健康状况依次对抽水蓄能机组子系统的部件、抽水蓄能机组子系统和抽水蓄能机组进行故障诊断及故障趋势预测，利用故障趋势预测的结果估计抽水蓄能机组的剩余使用寿命；
(2-4)对抽水蓄能机组的故障诊断及故障趋势预测的结果进行分析，形成最终故障诊断及预测结果；根据同时最终故障诊断及预测结果、抽水蓄能机组的剩余使用寿命、维修检查费用和抽水蓄能机组的使用特点，制定抽水蓄能机组的维修决策建议。
进一步的，抽水蓄能机组的维修决策建议包括：维修行为决策、维修时机决策和监测间隔决策。
总体而言，通过本发明所构思的以上技术方案与现有技术相比，能够取得下列有益效果：
(1)本发明提出的抽水蓄能机组故障预测与健康管理系统，利用设备监测模块、处理中心模块和决策支持模块全面地刻画了机组实施预防性状态维修过程中的数据流和信息流，填补了健康管理理念在抽水蓄能机组领域尚无实际应用的空白，有效降低PHM系统设计的复杂程度，提升抽水蓄能机组及各子系统相关功能的执行水平，确保电厂安全、可靠、高效地运行。
(2)优选的，本发明提出的处理中心模块，首次以数据传输流为导向，系统化地集成了数据处理子模块、状态评估子模块、故障推理子模块和决策分析子模块，阐明了抽水蓄能机组实现故障预测与健康管理的内在机制，攻克了各子模块难以有效关联的理论难题，为抽水蓄能机组实施健康管理提供有力的数据支撑与技术支持。
附图说明
图1为本发明实施例提供的一种抽水蓄能机组故障预测与健康管理系统的示意图；
图2为本发明实施例1提供的一种抽水蓄能机组故障预测与健康管理系统的示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，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例仅仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
如图1所示，一种抽水蓄能机组故障预测与健康管理系统，包括：
设备监测模块，用于使用状态监测传感器和机内自检设备对抽水蓄能机组各子系统的运行状态进行实时监测，得到抽水蓄能机组各子系统的状态特征数据；
处理中心模块，用于对抽水蓄能机组各子系统的状态特征数据进行处理分析，得到抽水蓄能机组的维修决策建议；
决策支持模块，用于利用抽水蓄能机组的维修决策建议，通过远程维修决策保障中心、专家决策库、现场维修决策保障中心的综合分析，得到最终的抽水蓄能机组系统层级维修决策方案，实现对抽水蓄能机组的故障预测与健康管理；
所述抽水蓄能机组各子系统包括水泵水轮机系统、发电电动机系统、振动系统、摆度系统、调速器系统、进水阀系统、压缩空气系统、变压器系统、SFC系统、励磁系统、GIS系统和GCB系统。
优选的，设备监测模块的具体实现方式为：
使用状态监测传感器和机内自检设备对抽水蓄能机组各子系统的运行状态进行实时监测，如表1所示包括：使用状态监测传感器和机内自检设备对水泵水轮机系统的温度、压力、流量、液位、位移进行实时监测，使用状态监测传感器和机内自检设备对发电电动机系统的定子温度、发电机空冷器风温、发电机气隙进行实时监测，使用状态监测传感器和机内自检设备对振动、摆度系统的定子振动、大轴摆度、机架振动进行实时监测，使用状态监测传感器和机内自检设备对调速器系统的温度、压力、液位、速度进行实时监测，使用状态监测传感器和机内自检设备对进水阀系统的温度、压力、液位、位置进行实时监测，使用状态监测传感器和机内自检设备对压缩空气系统的温度、压力进行实时监测，使用状态监测传感器和机内自检设备对变压器系统的温度、压力释放、电流进行实时监测，使用状态监测传感器和机内自检设备对SFC系统的SFC变压器、去离子水进行实时监测，使用状态监测传感器和机内自检设备对励磁、GIS及GCB系统的励磁变压器温度、SF6压力、操作油压力进行实时监测，使用状态监测传感器和机内自检设备对其他系统的油混水、控制电源丢失、机组拖动异常进行实时监测，最终得到抽水蓄能机组各子系统的状态特征数据；
表1子系统-数据对象的对应关系
子系统 数据对象
水泵水轮机系统 温度、压力、流量、液位、位移
发电电动机系统 定子温度、发电机空冷器风温、发电机气隙
振动、摆度系统 定子振动、大轴摆度、机架振动
调速器系统 温度、压力、液位、速度
进水阀系统 温度、压力、液位、位置
压缩空气系统 温度、压力
变压器系统 温度、压力释放、电流
SFC系统 SFC变压器、去离子水
励磁、GIS及GCB系统 励磁变压器温度、SF6压力、操作油压力
其他系统 油混水、控制电源丢失、机组拖动异常等
表1首次设计了抽水蓄能机组各子系统和监测数据对象的对应关系，弥补了针对抽水蓄能机组各子系统状态监测尚无可供借鉴的监测对象的不足，可为实施抽水蓄能机组故障预测与健康管理提供完整的数据储备。
优选的，处理中心模块，包括：
数据处理子模块，用于对接收到的抽水蓄能机组各子系统的状态特征数据进行数据融合和特征提取，并经数据转换得到处理后的数据；
状态评估子模块，用于利用处理后的数据对抽水蓄能机组各子系统进行故障征兆辨识和健康状态评估，得到抽水蓄能机组各子系统的潜在性故障发生时刻、隐患和初期异常、故障根源、健康状况；
故障推理子模块，用于利用抽水蓄能机组各子系统的潜在性故障发生时刻、隐患和初期异常、故障根源、健康状况依次对抽水蓄能机组子系统的部件、抽水蓄能机组子系统和抽水蓄能机组进行故障诊断及故障趋势预测，利用故障趋势预测的结果估计抽水蓄能机组的剩余使用寿命；
决策分析子模块，用于对抽水蓄能机组的故障诊断及故障趋势预测的结果进行分析，形成最终故障诊断及预测结果；根据同时最终故障诊断及预测结果、抽水蓄能机组的剩余使用寿命、维修检查费用和抽水蓄能机组的使用特点，制定抽水蓄能机组的维修决策建议，抽水蓄能机组的维修决策建议包括：维修行为决策、维修时机决策和监测间隔决策。
优选的，处理中心模块还包括：任务管理系统子模块和动态数据存储子模块；
任务管理系统子模块，用于为技术人员和PHM系统提供交互接口，协调完成系统各项功能；
动态数据存储子模块，用于存储抽水蓄能机组各部件的结构、特性、故障机理、专家知识以及诊断、预测推理模型和分析规则、假设条件等信息，动态存储便于完成数据库知识的循环更新和不断完善。
实施例1
如图2所示为本发明实施例1提出的一种抽水蓄能机组故障预测与健康管理系统的示意图，
共包含3个层级：设备监测层(子系统级)、处理中心层(模块级)、决策支持层(系统级)；下面分别予以描述。
底层：设备监测层(子系统级)；
在抽水蓄能机组各子系统(水泵水轮机系统，发电电动机系统，振动摆度系统，调速器系统，进水阀系统，压缩空气系统，变压器系统，静止变频器系统，励磁、GIS及GCB系统，其他系统)中布置机内自检设备，对各子系统的实时运行状态进行监测。
中间层：处理中心层(模块级)；
构建数据采集模块、数据处理模块、状态评估模块、故障推理模块，决策分析模块，采集来自与状态监测传感器和机内自检设备(BIT)的抽水蓄能机组各子系统状态特征数据，依次完成数据处理、状态评估、诊断预测、决策分析过程；上述各模块的处理信息及结果经PCI总线与任务管理系统模块、动态数据存储模块进行实时交互；任务管理系统模块与动态数据存储模块、任务管理系统模块与机组维修保障管理中心间可实现信息的交互与共享。
顶层：决策支持层(系统级)；
依据经处理中心层综合分析得到的维修决策建议，通过远程维修决策保障中心、专家决策库、现场维修决策保障中心的综合分析，得到最终的抽水蓄能机组系统层级维修决策方案。
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 (4)

1.一种抽水蓄能机组故障预测与健康管理系统，其特征在于，包括：
设备监测模块，用于使用状态监测传感器和机内自检设备对抽水蓄能机组各子系统的运行状态进行实时监测，得到抽水蓄能机组各子系统的状态特征数据；
处理中心模块，用于对抽水蓄能机组各子系统的状态特征数据进行处理分析，得到抽水蓄能机组的维修决策建议；
决策支持模块，用于利用抽水蓄能机组的维修决策建议，通过远程维修决策保障中心、专家决策库、现场维修决策保障中心的综合分析，得到最终的抽水蓄能机组系统层级维修决策方案，实现对抽水蓄能机组的故障预测与健康管理；
所述抽水蓄能机组各子系统包括水泵水轮机系统、发电电动机系统、振动系统、摆度系统、调速器系统、进水阀系统、压缩空气系统、变压器系统、SFC系统、励磁系统、GIS系统和GCB系统；
所述处理中心模块，包括：
数据处理子模块，用于对接收到的抽水蓄能机组各子系统的状态特征数据进行数据融合和特征提取，并经数据转换得到处理后的数据；
状态评估子模块，用于利用处理后的数据对抽水蓄能机组各子系统进行故障征兆辨识和健康状态评估，得到抽水蓄能机组各子系统的潜在性故障发生时刻、隐患和初期异常、故障根源、健康状况；
故障推理子模块，用于利用抽水蓄能机组各子系统的潜在性故障发生时刻、隐患和初期异常、故障根源、健康状况依次对抽水蓄能机组子系统的部件、抽水蓄能机组子系统和抽水蓄能机组进行故障诊断及故障趋势预测，利用故障趋势预测结果估计抽水蓄能机组的剩余使用寿命；
决策分析子模块，用于对抽水蓄能机组的故障诊断及故障趋势预测的结果进行分析，形成最终故障诊断及预测结果；同时，根据最终故障诊断及预测结果、抽水蓄能机组的剩余使用寿命、维修检查费用和抽水蓄能机组的使用特点，制定抽水蓄能机组的维修决策建议。
2.如权利要求1所述的一种抽水蓄能机组故障预测与健康管理系统，其特征在于，所述抽水蓄能机组的维修决策建议包括：维修行为决策、维修时机决策和监测间隔决策。
3.一种抽水蓄能机组故障预测与健康管理方法，其特征在于，包括：
(1)使用状态监测传感器和机内自检设备对抽水蓄能机组各子系统的运行状态进行实时监测，得到抽水蓄能机组各子系统的状态特征数据；
(2)对抽水蓄能机组各子系统的状态特征数据进行处理分析，得到抽水蓄能机组的维修决策建议；
(3)利用抽水蓄能机组的维修决策建议，通过远程维修决策保障中心、专家决策库、现场维修决策保障中心的综合分析，得到最终的抽水蓄能机组系统层级维修决策方案，实现对抽水蓄能机组的故障预测与健康管理；
所述抽水蓄能机组各子系统包括水泵水轮机系统、发电电动机系统、振动系统、摆度系统、调速器系统、进水阀系统、压缩空气系统、变压器系统、SFC系统、励磁系统、GIS系统和GCB系统；
所述步骤(2)包括：
(2-1)对接收到的抽水蓄能机组各子系统的状态特征数据进行数据融合和特征提取，并经数据转换得到处理后的数据；
(2-2)利用处理后的数据对抽水蓄能机组各子系统进行故障征兆辨识和健康状态评估，得到抽水蓄能机组各子系统的潜在性故障发生时刻、隐患和初期异常、故障根源、健康状况；
(2-3)利用抽水蓄能机组各子系统的潜在性故障发生时刻、隐患和初期异常、故障根源、健康状况依次对抽水蓄能机组子系统的部件、抽水蓄能机组子系统和抽水蓄能机组进行故障诊断及故障趋势预测，利用故障趋势预测结果估计抽水蓄能机组的剩余使用寿命；
(2-4)对抽水蓄能机组的故障诊断及故障趋势预测的结果进行分析，形成最终故障诊断及预测结果；根据同时最终故障诊断及预测结果、抽水蓄能机组的剩余使用寿命、维修检查费用和抽水蓄能机组的使用特点，制定抽水蓄能机组的维修决策建议。
4.如权利要求3所述的一种抽水蓄能机组故障预测与健康管理方法，其特征在于，所述抽水蓄能机组的维修决策建议包括：维修行为决策、维修时机决策和监测间隔决策。
CN201710506815.0A 2017-06-28 2017-06-28 一种抽水蓄能机组故障预测与健康管理系统和方法 Active CN107327366B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710506815.0A CN107327366B (zh) 2017-06-28 2017-06-28 一种抽水蓄能机组故障预测与健康管理系统和方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710506815.0A CN107327366B (zh) 2017-06-28 2017-06-28 一种抽水蓄能机组故障预测与健康管理系统和方法

Publications (2)

Publication Number Publication Date
CN107327366A CN107327366A (zh) 2017-11-07
CN107327366B true CN107327366B (zh) 2018-09-21

Family

ID=60197678

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710506815.0A Active CN107327366B (zh) 2017-06-28 2017-06-28 一种抽水蓄能机组故障预测与健康管理系统和方法

Country Status (1)

Country Link
CN (1) CN107327366B (zh)

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107939577B (zh) * 2017-11-28 2019-04-23 南瑞集团有限公司 一种水轮机调速器比例伺服阀在线故障诊断方法
CN108600189B (zh) * 2018-04-02 2021-01-26 合肥美的电冰箱有限公司 设备售后监控系统和售后监控方法
CN109630347B (zh) * 2018-11-22 2020-06-02 成都锐达自动控制有限公司 故障诊断的水电站调速器油压智能控制系统及诊断方法
CN110080921B (zh) * 2019-04-11 2020-07-10 华中科技大学 一种抽水蓄能电站主进水阀在线监测评估方法和系统
CN112069606B (zh) * 2019-05-22 2022-04-05 赵英田 用于制氢储氢加氢站点的实时安全监测系统及监测方法
CN111219287A (zh) * 2019-10-11 2020-06-02 大唐水电科学技术研究院有限公司 水轮发电机组用远程寿命评测系统
CN110805517A (zh) * 2019-10-11 2020-02-18 大唐水电科学技术研究院有限公司 一种水电机组健康评估方法
CN112308300A (zh) * 2020-10-19 2021-02-02 中国电子科技集团公司第三十八研究所 一种大型电子产品状态预测管理系统
CN117074026B (zh) * 2023-10-12 2024-03-08 南方电网调峰调频发电有限公司检修试验分公司 可变速抽水蓄能发动机的热稳定测试系统、方法和设备

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102620948B (zh) * 2012-04-03 2014-06-04 广州蓄能水电厂 抽水蓄能机组故障智能分析方法及其系统
CN204314710U (zh) * 2014-12-30 2015-05-06 广东蓄能发电有限公司 一种蓄能机组监控分析设备
KR101518720B1 (ko) * 2015-02-15 2015-05-08 (주)부품디비 해양자원 생산장비의 예지보전을 위한 고장유형관리 장치 및 방법
CN105204420B (zh) * 2015-09-18 2018-03-13 中国南方电网有限责任公司调峰调频发电公司 抽水蓄能机组运行流程及故障查找培训系统及方法

Also Published As

Publication number Publication date
CN107327366A (zh) 2017-11-07

Similar Documents

Publication Publication Date Title
CN107327366B (zh) 一种抽水蓄能机组故障预测与健康管理系统和方法
Artigao et al. Wind turbine reliability: A comprehensive review towards effective condition monitoring development
CN104503399B (zh) 一种集团级风电机组状态监测及故障诊断平台
CN108549951B (zh) 一种基于关键器件的船用电气设备寿命预测方法及装置
Hashemian Wireless sensors for predictive maintenance of rotating equipment in research reactors
Ge et al. Reliability and maintainability improvement of substations with aging infrastructure
CN110782190A (zh) 基于泛在电力物联网技术的调相机远程诊断系统
CN111817880A (zh) 一种油气田生产设备健康管理系统以及实现方法
CN108072524A (zh) 一种风电机组齿轮箱轴承故障预警方法
CN115986915A (zh) 一种基于数字孪生技术的换流站设备监控管理系统及方法
Hare et al. A review of faults and fault diagnosis in micro-grids electrical energy infrastructure
Sun et al. Failure analysis of floating offshore wind turbines with correlated failures
Santelo et al. Wind turbine failures review and trends
CN112072642A (zh) 电力系统运行异常状态预估方法
Haddad et al. A real options optimization model to meet availability requirements for offshore wind turbines
CN104484732B (zh) 一种计及机组发电量的风电场维修部件选取方法
CN109409758A (zh) 水电站设备健康状态评价方法及系统
Refaat et al. Smart grid condition assessment: concepts, benefits, and developments
Barberá et al. State of the art of maintenance applied to wind turbines
CN113722655A (zh) 一种基于风险评估的电力设备检修策略优化方法和系统
Joshi et al. Soft computing methods and its applications in condition monitoring of dgs—a review
Zheng et al. Actuality Analysis of Condition-Based Maintenance Technology for Hydroelectric Generating Unit
CN113363870B (zh) 一种基于自主可控芯片的绝缘子智慧运维方法
Vasileva A logical-probabilistic model for analysing the reliability of wind–diesel generator autonomous hybrid power system
Li et al. Study of Situation Assessment Model and Perceptual Prediction of Smart Grid Network Using Situation Awareness Technology

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