CN107544462A - 用于诊断风力发电机组的故障的方法及系统 - Google Patents
用于诊断风力发电机组的故障的方法及系统 Download PDFInfo
- Publication number
- CN107544462A CN107544462A CN201710800858.XA CN201710800858A CN107544462A CN 107544462 A CN107544462 A CN 107544462A CN 201710800858 A CN201710800858 A CN 201710800858A CN 107544462 A CN107544462 A CN 107544462A
- Authority
- CN
- China
- Prior art keywords
- failure
- node
- fault
- fault tree
- tree
- 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
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
公开了一种用于诊断风力发电机组的故障的方法及系统。所述方法包括:根据故障相关信息确定与所述故障对应的故障树;根据确定的故障树获取与所述故障树对应的故障信息关键字标识组;从故障记录文件获取故障信息关键字标识组内的变量的具体值;基于获取的故障信息关键字标识组内的变量的具体值、以及所述故障树的节点之间的逻辑关系,搜索故障树的节点以确定故障原因,其中,所述故障树的类型包括系统自判故障树和交互式故障树。所述方法能够实现风力发电机组故障的快速、准确诊断与定位,并有效地指导故障排除,减少用户发电量的损失。
Description
技术领域
本发明涉及风力发电领域,更具体地,涉及一种用于诊断风力发电机组的故障的方法及系统。
背景技术
风能作为一种清洁的可再生能源,越来越受到重视。风力发电机机组的安装对场地要求比较高,故多安装在荒远的风口处,距监控维护站较远,因而风力发电机组的维护十分不便。同时,风力发电机组系统结构比较复杂,故障点多,并且很多情况下同一故障点的故障原因可能有多个,这造成风力发电机组故障定位存在较大困难。
目前风力发电机组的故障定位及处理主要依赖现场服务人员自身的技术积累和经验判断,然而由于维护人员的技术水平参差不齐,解决效率多受个人对产品的熟悉程度、技术水平及经验的限制,往往会造成故障原因定位不准确,故障处理不及时的情况,从而造成风电场发电量不必要的损失。此外,由于在判断故障时往往需要考虑风力发电机组所处的运行环境,故现有的故障自判断技术往往不能完全适应风力发电机组的故障定位需求。
鉴于此,需要能够快速、准确地定位故障,提高故障诊断效率,并指导故障排除的对风力发电机组的故障进行诊断的方法。
发明内容
根据本发明的一方面,提供了一种用于诊断风力发电机组的故障的方法,所述方法可包括:根据故障相关信息确定与所述故障对应的故障树;根据确定的故障树获取与所述故障树对应的故障信息关键字标识组;从故障记录文件获取故障信息关键字标识组内的变量的具体值;基于获取的故障信息关键字标识组内的变量的具体值、以及所述故障树的节点之间的逻辑关系,搜索故障树的节点以确定故障原因,其中,所述故障树的类型包括系统自判故障树和交互式故障树。
优选地,当故障树是交互式故障树时,所述方法还可包括:当获取的故障信息关键字标识组内的变量的具体值不足以进行故障树节点之间的逻辑关系判断时,输出交互界面以接收用于确定故障原因的用户反馈的与故障相关的测量信息或其他交互信息。此外,优选地,故障树中的每个节点可对应一个节点框架,故障树的节点之间的逻辑关系被表示为规则,故障树以规则和节点框架相结合的形式被存储。每个节点框架可包括节点历史搜索次数、节点重要度和故障相关信息,所述规则可被表示为:如果故障信息关键字标识组内的变量的具体值满足预定条件,则确定将要搜索的节点框架。当确定的将要搜索的节点框架是故障树的同一层级的多个并列的节点框架时,所述方法可根据节点历史搜索次数和节点重要度确定所述多个并列的节点框架的优先级,并按照优先级从高到低的顺序,依次搜索所述多个并列的节点框架。
另外,优选地,所述方法还可包括:根据确定的故障原因,输出故障处理指导文件。
根据本发明的另一方面,提供了一种用于诊断风力发电机组的故障的系统,所述系统可包括:诊断推理模块,被配置为根据故障相关信息确定与所述故障对应的故障树;故障数据获取模块,被配置为获取与所述故障树对应的故障信息关键字标识组,并且从故障记录文件获取故障信息关键字标识组内的变量的具体值;其中,诊断推理模块还被配置为基于故障数据获取模块获取的故障信息关键字标识组内的变量的具体值、以及所述故障树的节点之间的逻辑关系,搜索故障树的节点以确定故障原因,其中,所述故障树的类型包括系统自判故障树和交互式故障树。
优选地,所述系统还可包括人机接口模块,其中,当所述故障树是交互式故障树时,当获取的故障信息关键字标识组内的变量的具体值不足以进行故障树节点之间的逻辑关系判断时,人机接口模块可输出交互界面以接收用于确定故障原因的用户反馈的与故障相关的测量信息或其他交互信息。此外,优选地,故障树中的每个节点可对应一个节点框架,故障树的节点之间的逻辑关系被表示为规则,故障树以规则和节点框架相结合的形式被存储。每个节点框架可包括节点历史搜索次数、节点重要度和故障相关信息,所述规则可被表示为:如果故障信息关键字标识组内的变量的具体值满足预定条件,则确定将要搜索的节点框架。当确定的将要搜索的节点框架是故障树的同一层级的多个并列的节点框架时,诊断推理模块可根据节点历史搜索次数和节点重要度确定所述多个并列的节点框架的优先级,并按照优先级从高到低的顺序,依次搜索所述多个并列的节点框架。
另外,优选地,所述系统还可包括维护指导数据库,其中,诊断推理模块可根据确定的故障原因控制输出存储在维护指导数据库中的故障处理指导文件。
根据所述方法和设备,本发明可根据发生的故障直接确定故障原因并给出故障解决方案。此外,本发明可根据故障类型或故障特点将故障树分为自判、交互两种树,而并不是所有故障均采用系统自动诊断,最大限度的保证了诊断的准确性,这是因为不是所有的故障都可以不用人为干预即可得到进行故障判断所需要的参数变量。此外,本发明将故障树以节点框架和规则相结合的方式进行存储,并且在故障树节点框架的搜索过程中采用优先级搜索算法,因此,进一步提高了诊断效率。另一方面,本发明还可根据确定的故障直接提供视觉化的指导方案,可形象地指导用户排除故障,提高了故障的处理效率,从而减少了用户发电量的损失。
附图说明
为了更清楚地说明本申请的实施例,下面将对实施例的描述中所需要使用的附图作简单地介绍,然而,下面描述中的附图仅仅是本申请的实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图获得其他的附图。
图1是示出根据本发明的示例性实施例的用于诊断风力发电机组的故障的方法的流程图;
图2是示出根据本发明的示例性实施例的执行节点框架搜索的方法的流程图;
图3是示出根据本发明的示例性实施例的故障树的示例的示图;
图4至图6是示出根据本发明的示例性实施例的与故障树对应的节点框架的示例的示图;
图7是示出根据本发明的示例性实施例的用于诊断风力发电机组的故障的系统的框图;
图8是示出根据本发明的示例性实施例的用于诊断风力发电机组的故障的系统的示例的示图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
图1是示出根据本发明的示例性实施例的用于诊断风力发电机组的故障的方法的流程图。参照图1,在步骤S101,根据故障相关信息确定与所述故障对应的故障树。根据示例性实施例,风力发电机组的故障可被预先定义,例如,可预先定义故障名称、故障代码和相应的故障内容等,从而建立故障库。根据本发明的示例性实施例,故障相关信息可包括故障名称、故障代码、故障内容等,但故障相关信息不限于此。预先定义的故障名称、故障代码和相应的故障内容等可以以例如故障表的形式存储在故障库中。但是,故障表中所存储的内容不限于上述项,而是可根据实际需要由用户预先定义。此外,根据示例性实施例,可根据风力发电机组控制系统的设计原理与专家经验,建立起具有逻辑关系的故障树。这里,可应用正向设计知识,按照顶事件-中间事件-底事件的策略,建立顶事件(故障现象)到叶节点(故障原因)的逻辑关系,从而形成故障树。在本发明中,故障树的顶节点可对应于出现的风力发电机组的故障,故障树的中间节点可对应于故障原因,故障树的底节点可对应最终的故障原因。在故障树的建立过程中,应确保作为故障树的顶事件,一定能够找到导致其发生的故障原因,并且应明确故障树的边界条件,将故障树控制在限定的范围。
根据本发明的示例性实施例,故障树的类型可包括系统自判故障树和交互式故障树。在本发明中,可根据发生的故障的类型或特点等,将故障树划分为系统自判故障树和交互式故障树。这里,对于系统自判故障树,是指根据现有的故障数据,不需与用户(例如,维护人员等)交互,就可直接得出故障原因。对于交互式故障树,是指在现有的故障数据不足以判断出故障原因的情况下,需要与用户(维护人员)交互,通过结合用户反馈的测量信息或其他交互信息,而逐步的诊断出故障原因。
优选地,在本发明的示例性实施例中,可根据故障的故障名称在故障库中检索与故障对应的故障代码,并根据检索到的故障代码确定与故障对应的故障树。然而,在步骤S101中确定与故障对应的故障树的方法不限于此,而是还可根据在建立故障库和定义故障树时共同使用的标识量或标识码等来确定与所述故障对应的故障树。
在确定了与风力发电机组的故障对应的故障树之后,在步骤S102,获取与所述故障树对应的故障信息关键字标识组。根据本发明的示例性实施例,故障信息关键字标识组中定义了进行故障树的节点之间的逻辑关系判断所需的变量。作为示例,可通过梳理故障树的层次关系,提取故障树节点之间的逻辑判断所需要的变量,形成故障信息要素,建立与每个故障树相对应的故障信息关键字标识组。与每个故障树对应的故障信息关键字标识组可存储在故障信息关键字标识组数据库中。作为示例,可将故障代码作为故障信息关键字标识组的分组标识。根据本发明的示例性实施例,在根据故障的故障名称在故障库中检索与故障对应的故障代码并根据检索到的故障代码确定了与故障对应的故障树之后,可根据检索到的故障代码,在故障信息关键字标识组数据库中检索与故障代码相应的故障信息关键字标识组。然而,获取与确定的故障树对应的故障信息关键字标识组的方式不限于此。优选地,所述故障信息关键字标识组内可包括进行故障树的节点之间的逻辑关系判断所需要的变量、以及用于获取变量的具体值的来源地址。通过用于获取变量的具体值的来源地址,可自动获取故障发生时存储或记录的相关故障记录文件。作为示例,故障信息关键字标识组可由下述变量组成:工作状态代码、与当前工作状态相对应的传感器信号、环境信号等模拟量信号,以及表征继电器、开关动作、DI/DO口输入输出的数字量信号、通讯报文等,但是本领域技术人员应理解的是,故障信息关键字标识组内的变量不限于此,而是可根据不同故障类型而具有不同的变量。
在步骤S103,从故障记录文件获取故障信息关键字标识组内的变量的具体值。根据示例性实施例,在所述故障信息关键字标识组内可包括进行故障树的节点之间的逻辑关系判断所需要的变量以及用于获取变量的具体值的来源地址的情况下,可根据故障信息关键字标识组内包括的用于获取变量的具体值的来源地址读取故障记录文件,以获取故障信息关键字标识组内的变量的具体值。这里,故障记录文件可包括当故障发生时风力发电机组自动存储的相关故障记录日志或故障记录数据,其中,故障记录文件中包含进行故障树的节点之间的逻辑关系判断所需要的变量的具体值。此外,故障记录文件可以是一个文件或多个文件,并可分布在风力发电机组的故障存储介质上。优选地,根据变量的具体值的来源地址读取的故障记录文件可被存储在故障库中,以便于后续使用,从而不必每次都从存储介质中读取故障记录文件,提高故障诊断速度。
在步骤S104,基于获取的故障信息关键字标识组内的变量的具体值以及所述故障树的节点之间的逻辑关系,搜索故障树的节点以确定故障原因。具体地,可通过使用获取的故障信息关键字标识组内的变量的具体值,根据所述故障树的节点之间的逻辑关系,搜索故障树的节点以确定故障原因。例如,可将故障树的节点之间的逻辑关系表示为规则,例如,如果满足预定条件,则搜索哪些节点。例如,所述规则可以是如果[条件1]∩[条件1]∩[条件2]∩…∩[条件n],则[将要搜索的节点],[条件1]例如可以是[变量1的具体值>第一预定值],条件2可以是[变量2<第二预定值],条件n为[变量n的具体值等于第三预定值]。在这种情况下,可将获取的故障信息关键字标识组内的变量的具体值(例如,变量1的具体值、变量2的具体值、...、变量n的具体值)代入上述规则进行条件判断(即,代入故障树的节点之间的逻辑关系进行条件判断)来逐步搜索故障树的节点以确定故障原因。然而,本领域技术人员应该清楚的是,上述规则以及条件均不限于上述示例,而是可根据不同故障和故障树进行不同的设置。
如上所述,故障树被预先定义,并且故障树的类型包括系统自判故障树和交互式故障树。当故障树是系统自判故障树时,可在无需用户参与的情况下,通过使用获取的故障信息关键字标识组内的变量的具体值,根据所述故障树的节点之间的逻辑关系,搜索故障树的节点以确定故障原因。也就是说,对于系统自判故障树,从故障记录文件能够获取到进行故障树节点之间的逻辑关系判断所需要的所有变量的具体值,也就是说,获取的故障信息关键字标识组内的变量的具体值足以进行故障树节点之间的逻辑关系判断。然而,当所述故障树是交互式故障树时,当获取的故障信息关键字标识组内的变量的具体值不足以进行故障树节点之间的逻辑关系判断时,可输出交互界面以接收用于确定故障原因的用户反馈的与故障相关的测量信息或其他交互信息。在这种情况下,可通过使用获取的故障信息关键字标识组内的变量的具体值以及从用户接收的与故障相关的测量信息或其他交互信息,根据所述故障树的节点之间的逻辑关系搜索故障树的节点以确定最终的故障原因。例如,参照以上关于逻辑关系的示例,在逻辑关系比对过程中,当从故障记录文件获取故障信息关键字标识组内的变量的具体值仅是变量1和变量2的值而不包括其他变量值时,在这种情况下,获取的故障信息关键字标识组内的变量的具体值显然不足以进行故障树节点之间的逻辑关系判断,此时,可输出交互界面以接收用于确定故障原因的用户反馈的与故障相关的测量信息。
根据本发明的示例性实施例,为了便于更好地进行计算机实现,本发明的故障树中的每个节点可对应一个节点框架,故障树的节点之间的逻辑关系可被表示为规则,并且故障树可以以规则和节点框架相结合的形式被存储。例如,每个故障树均可以以规则和节点框架相结合的形式被存储在专家知识数据库中。
根据本发明的优选实施例,每个节点框架可包括节点历史搜索次数(可简称为“搜索次数”)和节点重要度(可简称为“重要度”)和故障相关信息。然而,节点框架中所包括的内容不限于此,例如,节点框架还可包括框架代码和其他节点相关信息等。这里,所述其他节点相关信息可包括父节点代码、子节点代码等,但不限于此。故障相关信息可包括故障名称、故障代码、故障处理指导文件代码(例如,故障处理指导视频代码等)、故障处理方法等。
在本发明的示例性实施例中,所述规则可被表示为:如果故障信息关键字标识组内的变量的具体值满足预定条件,则确定将要搜索的节点框架。
具体地,可按照所述规则,从故障树的顶节点对应的节点框架开始逐步确定将要搜索的节点框架,直至搜索到与故障树的底节点对应的节点框架,其中,根据所述与故障树的底节点对应的节点框架内所包括的故障相关信息确定最终的故障原因。例如,可根据底节点的节点框架内包括的故障名称确定最终的故障原因。根据示例性实施例,在逐步确定将要搜索的节点框架的过程中,当确定的将要搜索的节点框架是故障树的同一层级的多个并列的节点框架时,可根据节点框架中所包括的节点历史搜索次数和节点重要度确定所述多个并列的节点框架的优先级,并随后按照优先级从高到低的顺序,依次搜索所述多个并列的节点框架。在下文中,将参照图2对步骤S104的执行节点框架的搜索的方法进行进一步描述。
图2是示出根据本发明的示例性实施例的执行节点框架搜索的方法的流程图。
在通过步骤S101至步骤S103已经从故障记录文件获取故障信息关键字标识组内的变量的具体值之后,当确定的将要搜索的节点框架是故障树的同一层级的多个并列的节点框架时,在步骤S1041,可按照节点历史搜索次数对所述多个并列的节点框架进行优先级排序。具体地,节点历史搜索次数越多,节点框架的优先级越高。接下来,在步骤S1042,对于历史搜索次数相同的节点框架,可按照节点重要度对节点框架进行优先级排序。具体地,节点重要度越高,节点框架的优先级越高。在步骤S1043,按照优先级从高到低的顺序,依次搜索多个并列的节点框架。根据示例性实施例,在节点框架被执行搜索之后,可对节点框架中包括的节点搜索次数进行更新。例如,在节点框架被执行搜索之后,节点搜索次数加一。在步骤S1044,判断当前执行过搜索的节点框架是否是与故障树的底节点对应的节点框架,如果是,则在步骤S1045,根据与底节点对应的节点框架中包括的故障相关信息(例如,故障名称)确定风力发电机组的故障的最终原因。如果否,则返回步骤S1043,继续执行搜索。
优选地,根据本发明的用于诊断风力发电机组的故障的方法还可根据确定的故障原因,输出故障处理指导文件,这可便于形象化地指导用户排除故障,提高现场处理故障的准确性。作为示例,故障处理指导文件可包括音频、视频、动画、图像和文本中的至少一个,然而故障处理指导文件不限于此,而是可包括任何能够指导用户排除故障的展示形式。
以上已经结合图1和图2描述了根据本发明示例性实施例的用于诊断风力发电机组的故障的方法,通过所述方法,能够智能地对出现的故障进行诊断,可使得故障诊断与处理不受个人知识、经验的限制,提高故障处理的准确性和有效性。同时,通过将故障树划分为系统自判故障树和交互式故障树,可根据不同的故障类型,自动确定所采用的故障树类型,从而当自动读取的故障数据足以确定故障原因时,自动输出故障原因诊断结果,而当自动读取的故障数据不足以确定故障原因时,通过与用户执行交互来结合用户反馈的测量信息或其他交互信息更加准确地确定故障原因,同时使得故障诊断过程可见化。此外,所述方法可根据确定的故障原因,输出相应的故障指导文件,从而通过形象化的演示帮助用户提高故障的处理效率,减少故障处理时间。
为了便于更清楚地理解本发明构思,以下将举例说明上述用于诊断风力发电机组的故障的方法。
图3是示出根据本发明的示例性实施例的故障树的示例的示图。
在该示例中,假设风力发电机组的故障是断路器故障。在这种情况下,根据本发明的与断路器故障相应的故障树如图3所述。在图3中,通过使用条件0至条件10(即,上文中描述的故障信息关键字标识组内的变量值是否满足预定条件)可逐步从故障树的顶节点开始执行搜索,直至搜索到故障树的底节点,例如,断路器故障的原因可能是底节点所指示的机侧断路器损坏。
如上所述,故障树中的每个节点可对应于一个节点框架。图4至图6是示出根据本发明的示例性实施例的与图3的故障树对应的节点框架的示例的示图。如果将图3的故障树的每个节点用节点框架来表示,则图3的故障树可被表示为如图4至图6所示,其中,图4中的节点分支A在图5中示出,图4的节点分支B在图6中示出,图4、图5和图6共同构成与图3的故障树对应的框架。在图4至图6中,作为示例,每个节点框架中可包括框架代码、故障名称、故障代码、父节点代码(又称为“父槽代码”)、子节点代码(又称为“子槽代码”)、节点类型、处理方法、检修建议、动态维护库故障处理指导视频代码、重要度、搜索次数,然而,这仅是示例,节点框架还可根据需要包括其他内容。
参照图3至图6,当故障发生时,可例如根据发生的故障名称“断路器故障”,通过检索故障库获得“断路器故障”的故障代码“F0001”,然后自动检索故障信息关键字标识组数据库,获取与故障代码“F0001”所对应的故障信息关键字标识组及其用于获取故障信息关键字标识组内的变量的具体值的来源地址。根据所述来源地址,读取故障日志等故障记录文件来获取故障信息关键字标识组内变量的具体值(即,进行条件判断所需要的变量的具体值)。此外,故障记录文件可被存储在故障库中。在该示例中,例如,故障信息关键字标识组内的变量可包括条件0中的DI3和条件11中的DI5。而变量DI3和DI5所对应的值就是故障信息关键字标识组中的变量的具体值。
在获得了DI3、DI5的数值之后,可将其数值分别带入故障树节点的逻辑关系进行比对(即,与条件0和条件11进行比对),但选择哪个分支,即:“DI3=0?”“DI5=0?”这两个中先判断哪一个,可根据这两个中间节点框架“断路器断开故障”、“断路器闭合故障”的优先级进行确定。而这两个节点框架的优先级的确定,首先可判断这两个节点框架中包括的搜索次数,搜索次数高的节点框架先被执行搜索。如果这两个分支节点的搜索次数相同,则可按照重要度进行优先级排序,其中,重要度高的节点框架优先级高。
对于本示例而言,由于两个中间节点“断路器断开故障”、“断路器闭合故障”的搜索次数相同均是99次,因此,它们的优先级需要通过重要度来进一步确定,由于“断路器断开故障”的重要度为120,高于“断路器闭合故障”的重要度100,因此“断路器断开故障”的优先级高,故优先搜索“断路器断开故障”这一节点框架。
如上所述,故障树的类型可包括系统自判故障树和交互式故障树。当自动读取获得的故障信息关键字标识组的变量值只是进行故障树搜索的部分变量时,此时,还需要通过人为测试来确定一些中间变量。假设图3的故障树是交互式故障树,对于本示例而言,在后续故障树搜索中由于逻辑条件判断中的中间变量需要通过人为获得,因此,可根据故障树节点之间的判断逻辑需要,通过输出交互界面来接收用户反馈的测量信息或其他交互信息(例如,关于变量值的确认信息等)。根据本示例,在接下来的搜索过程中同样会应用到上述优先级排序方法,由于“继电器27K8损坏”的搜索次数大于“断路器损坏故障”和“机侧控制板损坏故障”的搜索次数,因此“继电器27K8损坏”的优先级最高,其次为“断路器损坏故障”,再次为“机侧控制板损坏故障”。
由于“继电器27K8损坏”的优先级最高,因此与“继电器27K8损坏”相应的节点框架可首先被执行搜索。并且,可在人机交互界面上显示该节点判断所需的中间事件信息,即判断条件:“在联动模式下操作后台软件下发机侧断路器合闸指令,指令下发后,24A3信号分配器上D17端子有24VDC吗?”通过用户的反馈可判断D17是否等于24V。如果根据用户反馈,确定变量D17等于24V,则可确定故障原因为“继电器27K8损坏”,并输出检修建议“更换继电器27K8”。此外,还可根据节点框架中包括的故障处理指导视频代码输出相应的故障指导视频。如果不是,则再搜索优先级低的其他节点框架“断路器损坏故障”,如此依次搜索下去,直到定位到故障原因,并输出检修建议或展示故障指导文件。
本领域技术人员应理解的是,以上参照图3至图6的描述仅是示例以便于理解本发明构思,而非对于本发明的限制。根据本发明的故障树及其节点框架不限于图3以及图4至图6,并且确定故障原因的各个步骤也不限于参照图3至图6所描述的示例。
以下,将参照图7和图8描述根据本发明的示例性实施例的用于诊断风力发电机组的故障的系统。
图7是示出根据本发明的示例性实施例的用于诊断风力发电机组的故障的系统500的框图。
参照图7,用于诊断风力发电机组的故障的系统500可包括诊断推理模块510和故障数据获取模块520。根据示例性实施例,诊断推理模块510可根据故障相关信息确定与所述故障对应的故障树。根据本发明的示例性实施例,故障相关信息可包括故障名称、故障代码、故障内容等,但故障相关信息不限于此。这里,故障树的类型可包括系统自判故障树和交互式故障树。以上参照图1所描述的故障树的相关内容同样适用于图7,因此,这里不再赘述。
故障数据获取模块520可根据确定的故障树获取与所述故障树对应的故障信息关键字标识组,并且从故障记录文件获取故障信息关键字标识组内的变量的具体值。此外,诊断推理模块510还可基于故障数据获取模块获取的故障信息关键字标识组内的变量的具体值、以及所述故障树的节点之间的逻辑关系,搜索故障树的节点以确定故障原因。
当确定的故障树是系统自判故障树时,诊断推理模块510可在无需用户参与的情况下通过使用获取的故障信息关键字标识组内的变量的具体值,根据所述故障树的节点之间的逻辑关系,搜索故障树的节点以确定故障原因。
根据示例性实施例,系统500还可包括人机接口模块530,其中,当确定的故障树是交互式故障树时,当获取的故障信息关键字标识组内的变量的具体值不足以进行故障树节点之间的逻辑关系判断时,人机接口模块530可输出交互界面以接收用于确定故障原因的用户反馈的与故障相关的测量信息或其他交互信息。在这种情况下,诊断推理模块510可通过使用获取的故障信息关键字标识组内的变量的具体值以及从用户接收的与故障相关的测量信息或其他交互信息,根据所述故障树的节点之间的逻辑关系搜索故障树的节点以确定故障原因。
根据示例性实施例,系统500还可包括故障库540。例如,故障库540中可存储故障表,故障表中可存储预先定义的故障名称、故障代码和相应的故障内容等。作为示例,诊断推理模块510可根据故障的故障名称在故障库540中检索与故障对应的故障代码,并根据检索到的故障代码确定与所述故障对应的故障树。然而,本发明确定与故障对应的故障树的方法不限于此,而是还可根据其他故障相关信息来确定与故障对应的故障树。此外,系统500还可包括故障信息关键字标识组数据库550。故障信息关键字标识组数据库中可存储故障信息关键字标识组,并且可将故障代码作为故障信息关键字标识组的分组标识。作为非限制性示例,诊断推理模块510可根据检索到的故障代码,在故障信息关键字标识组数据库550中检索与所述故障树对应的故障信息关键字标识组。
根据示例性实施例,故障信息关键字标识组内可包括进行故障树的节点之间的逻辑关系判断所需要的变量、以及用于获取变量的具体值的来源地址。诊断推理模块510可根据故障信息关键字标识组内包括的用于获取变量的具体值的来源地址读取故障记录文件,以获取故障信息关键字标识组内的变量的具体值。故障库540不仅可存储以上提及的故障代码等信息,而且还可存储读取的故障记录文件。
根据示例性实施例,系统500还可包括专家知识库560。在本发明中,故障树中的每个节点可对应一个节点框架,故障树的节点之间的逻辑关系被表示为规则,故障树可以以规则和节点框架相结合的形式被存储在专家知识库560中。作为示例,每个节点框架可包括节点历史搜索次数、节点重要度和故障相关信息,所述规则可被表示为:如果故障信息关键字标识组内的变量的具体值满足预定条件,则确定将要搜索的节点框架。根据示例性实施例,诊断推理模块510可按照所述规则,从故障树的顶节点对应的节点框架开始逐步确定将要搜索的节点框架,直至搜索到与故障树的底节点对应的节点框架。例如,诊断推理模块510可根据所述与故障树的底节点对应的节点框架内所包括的故障相关信息确定最终的故障原因。
在节点框架搜索过程中,当确定的将要搜索的节点框架是故障树的同一层级的多个并列的节点框架时,诊断推理模块510可根据节点历史搜索次数和节点重要度确定多个并列的节点框架的优先级,并按照优先级从高到低的顺序,依次搜索所述多个并列的节点框架。具体地,根据示例性实施例,诊断推理模块510可按照节点历史搜索次数对所述多个并列的节点框架进行优先级排序。例如,节点历史搜索次数越多,节点框架的优先级越高。对于历史搜索次数相同的节点框架,诊断推理模块510可按照节点重要度对节点框架进行优先级排序。例如,节点重要度越高,节点框架的优先级越高。根据示例性实施,节点框架中包括的节点历史搜索次数可在节点框架被执行搜索之后被更新。例如,每执行过一次搜索,节点历史搜索次数加一。
优选地,系统500还可包括维护指导数据库570。维护指导数据库570中可存储关于各种故障的处理指导文件,以帮助并指导用户进行故障排除。根据示例性实施例,诊断推理模块510可根据确定的故障原因控制输出存储在维护指导数据库中的故障处理指导文件。具体地,故障处理指导文件包括音频、视频、动画、图像和文本中的至少一个,但不限于此。
尽管参照图7描述了系统500,并且示出系统500除包括诊断推理模块510和故障数据获取模块520之外,还可包括人机接口模块、故障库等其他组件,但是本领域技术人员应该理解的是上述其他组件可根据需要被添加、删除或组合,或者还可在系统500中添加其他组件。此外,参照图1所描述的其他细节内容同样适用于图7,这里不再赘述。
图8是示出根据本发明的示例性实施例的用于诊断风力发电机组的故障的系统的示例的示图。
为了更清楚地理解本发明,下面参照图8给出用于诊断风力发电机组的故障的系统500的一个更详细的示例,然而,本领域技术人员应清楚的是,图8中示出的系统仅是根据本发明的用于诊断风力发电机组的故障的系统的示例,可根据需要删除图8中示出的模块或组件中的至少一个,或者还可根据实际需要在添加至少一个其他模块或组件。
在图8的示例中,系统500除了包括以上参照图7描述的诊断推理模块、故障数据获取模块、人机接口模块、故障库、故障信息关键字标识组数据库、专家知识库和维护指导数据库之外,还可包括数据库维护模块、解释模块以及多个风力发电机组故障存储介质(例如,风力发电机组1故障存储介质、风力发电机组2故障存储介质…风力发电机组n故障存储介质)。数据库维护模块可对故障库、故障信息关键字标识组数据库、专家知识库和维护指导数据库进行维护。
在该示例中,故障库可存储风力发电机组机型代码、故障名称和故障代码等。故障信息关键字标识组数据库可存储故障信息关键在标识组以及用于获取故障信息关键字标识组中的变量的具体值的来源地址。这里,故障信息关键字标识组可包括故障代码、与故障树各个节点相对应的变量(模拟量或数字量)的名称或代码等。专家知识库可存储风力发电机组机型代码、故障树的节点信息以及参照图7所述的规则等。故障数据获取模块可从故障库、故障信息关键字标识组数据库以及风力发电机组故障存储介质获取进行故障诊断所需要的数据,例如,故障数据获取模块可从故障库获取故障代码,可从故障信息关键字标识组数据库获取故障信息关键字标识组以及用于获取故障信息关键字标识组中的变量的具体值的来源地址,并可从风力发电机组故障存储介质获取故障记录文件,并将诸如故障日志等的故障记录文件存储在故障库中。诊断推理模块可从专家知识库获取与故障树的节点之间的逻辑关系相应的规则,并按照所述规则,通过使用故障数据获取模块获取的用于进行逻辑判断所需的变量的具体值来逐步搜索故障树的节点,从而确定故障原因。
维护指导数据库可存储风力发电机组的机型代码、与风力发电机组的故障相对应的故障维护处理文件(文本、图像、音频、视频、动画等),以用于演示、指导现场故障处理的工序和方法。人机接口模块可呈现故障诊断结果、播放故障检修维护文件,并反馈故障诊断过程中的问题和建议。解释模块可向人机接口输出诊断结果及处理建议,其中,对于符合系统自判故障树的故障,系统直接向人机接口输出诊断结果和处理建议,而对于不完全符合系统自判故障树的故障,系统将通过例如向人机界面发送“提问”并接收“回答”的交互方式,通过诊断推理模块的协同,完成诊断结果和处理建议的输出。
由于以上已经参照图7对诊断推理模块、故障数据获取模块、人机接口模块、故障库等组件进行过详细描述,因此,这里不再进行赘述。
以上已参照附图1至图8对本发明构思进行了详细说明,如上所述,本发明提供的用于诊断风力发电机组的故障的方法和系统采用分类的方式构建故障树,将故障树划分为系统自判故障树和交互式故障树,通过框架和规则相结合的方式存储故障树,并根据节点历史搜索次数和节点重要度的方法来进行优先级排序,可快速实现故障的诊断与定位。此外,通过播放动画或视频等的形象化演示方式来指导故障处理,使得故障诊断与处理不受个人知识、经验的限制,提高了故障处理的有效性。
需要说明的是,在本文中,术语“包括”或者任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的方法或设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种方法或设备所固有的要素。在没有更多限制的情况下,由语句“包括……”限定的要素,并不排除在包括上述要素的方法或设备中还存在另外的相同要素。
此外,根据本发明的用于计算风电场发电量的设备的各个组件可被实现为硬件组件或软件组件,并且可根据需要进行组合。另外,本领域技术人员可根据各个组件所执行的处理,使用例如现场可编程门阵列(FPGA)或专用集成电路(ASIC)来实现各个组件。
根据本发明的用于计算风电场发电量的方法可被记录在包括执行由计算机实现的各种操作的程序指令的计算机可读介质中。计算机可读介质的示例包括磁介质(例如硬盘、软盘和磁带);光学介质(例如CD-ROM和DVD);磁光介质(例如,光盘);以及特别配制用于存储并执行程序指令的硬件装置(例如,只读存储器(ROM)、随机存取存储器(RAM)、闪存等)。程序指令的示例包括例如由编译器产生的机器码和包含可使用解释器由计算机执行的高级代码的文件。
尽管已经参照本发明的示例性实施例具体显示和描述了本发明,但是本领域的技术人员应该理解,在不脱离由权利要求限定的本发明的精神和范围的情况下,可以对其进行形式和细节上的各种改变。
Claims (26)
1.一种用于诊断风力发电机组的故障的方法,所述方法包括:
根据故障相关信息确定与所述故障对应的故障树;
获取与所述故障树对应的故障信息关键字标识组;
从故障记录文件获取故障信息关键字标识组内的变量的具体值;
基于获取的故障信息关键字标识组内的变量的具体值、以及所述故障树的节点之间的逻辑关系,搜索故障树的节点以确定故障原因,
其中,所述故障树的类型包括系统自判故障树和交互式故障树。
2.如权利要求1所述的方法,其中,
当所述故障树是系统自判故障树时,在无需用户参与的情况下通过使用获取的故障信息关键字标识组内的变量的具体值,根据所述故障树的节点之间的逻辑关系,搜索故障树的节点以确定故障原因。
3.如权利要求1所述的方法,其中,
当所述故障树是交互式故障树时,所述方法还包括:当获取的故障信息关键字标识组内的变量的具体值不足以进行故障树节点之间的逻辑关系判断时,输出交互界面以接收用于确定故障原因的用户反馈的与故障相关的测量信息或其他交互信息。
4.如权利要求3所述的方法,其中,确定故障原因的步骤包括:通过使用获取的故障信息关键字标识组内的变量的具体值以及从用户接收的与故障相关的测量信息或其他交互信息,根据所述故障树的节点之间的逻辑关系搜索故障树的节点以确定故障原因。
5.如权利要求1所述的方法,其中,确定与所述故障对应的故障树的步骤包括:根据所述故障的故障名称在故障库中检索与所述故障对应的故障代码,并根据检索到的故障代码确定与所述故障对应的故障树。
6.如权利要求5所述的方法,其中,获取与所述故障树对应的故障信息关键字标识组的步骤包括:根据检索到的故障代码,在故障信息关键字标识组数据库中检索与故障代码相应的故障信息关键字标识组。
7.如权利要求5所述的方法,其中,所述故障信息关键字标识组内包括进行故障树的节点之间的逻辑关系判断所需要的变量、以及用于获取变量的具体值的来源地址,
其中,从故障记录文件获取故障信息关键字标识组内的变量的具体值的步骤包括:根据故障信息关键字标识组内包括的用于获取变量的具体值的来源地址读取故障记录文件,以获取故障信息关键字标识组内的变量的具体值。
8.如权利要求7所述的方法,其中,故障树中的每个节点对应一个节点框架,故障树的节点之间的逻辑关系被表示为规则,故障树以规则和节点框架相结合的形式被存储。
9.如权利要求8所述的方法,其中,每个节点框架包括节点历史搜索次数、节点重要度和故障相关信息,所述规则被表示为:如果故障信息关键字标识组内的变量的具体值满足预定条件,则确定将要搜索的节点框架。
10.如权利要求9所述的方法,其中,搜索故障树的节点以确定故障原因的步骤包括:
按照所述规则,从与故障树的顶节点对应的节点框架开始逐步确定将要搜索的节点框架,直至搜索到与故障树的底节点对应的节点框架,其中,根据所述与故障树的底节点对应的节点框架内所包括的故障相关信息确定最终的故障原因。
11.如权利要求10所述的方法,其中,逐步确定将要搜索的节点框架的步骤包括:
当确定的将要搜索的节点框架是故障树的同一层级的多个并列的节点框架时,根据节点历史搜索次数和节点重要度确定所述多个并列的节点框架的优先级,
按照优先级从高到低的顺序,依次搜索所述多个并列的节点框架。
12.如权利要求1所述的方法,其中,所述方法还包括:根据确定的故障原因,输出故障处理指导文件。
13.如权利要求12所述的方法,其中,故障处理指导文件包括音频、视频、动画、图像和文本中的至少一个。
14.一种用于诊断风力发电机组的故障的系统,所述系统包括:
诊断推理模块,被配置为根据故障相关信息确定与所述故障对应的故障树;
故障数据获取模块,被配置为获取与所述故障树对应的故障信息关键字标识组,并从故障记录文件获取故障信息关键字标识组内的变量的具体值;
其中,诊断推理模块还被配置为基于获取的故障信息关键字标识组内的变量的具体值、以及所述故障树的节点之间的逻辑关系,搜索故障树的节点以确定故障原因,
其中,所述故障树的类型包括系统自判故障树和交互式故障树。
15.如权利要求14所述的系统,其中,当所述故障树是系统自判故障树时,诊断推理模块在无需用户参与的情况下通过使用获取的故障信息关键字标识组内的变量的具体值,根据所述故障树的节点之间的逻辑关系,搜索故障树的节点以确定故障原因。
16.如权利要求14所述的系统,其中,所述系统还包括人机接口模块,其中,当所述故障树是交互式故障树时,当获取的故障信息关键字标识组内的变量的具体值不足以进行故障树节点之间的逻辑关系判断时,人机接口模块输出交互界面以接收用于确定故障原因的用户反馈的与故障相关的测量信息或其他交互信息。
17.如权利要求16所述的系统,其中,诊断推理模块通过使用获取的故障信息关键字标识组内的变量的具体值以及从用户接收的与故障相关的测量信息或其他交互信息,根据所述故障树的节点之间的逻辑关系搜索故障树的节点以确定故障原因。
18.如权利要求14所述的系统,其中,所述系统还包括故障库,其中,诊断推理模块根据所述故障的故障名称在故障库中检索与所述故障对应的故障代码,并根据检索到的故障代码确定与所述故障对应的故障树。
19.如权利要求18所述的系统,其中,所述系统还包括故障信息关键字标识组数据库,其中,诊断推理模块根据检索到的故障代码,在故障信息关键字标识组数据库中检索与所述故障树对应的故障信息关键字标识组。
20.如权利要求18所述的系统,其中,所述故障信息关键字标识组内包括进行故障树的节点之间的逻辑关系判断所需要的变量、以及用于获取变量的具体值的来源地址,
其中,诊断推理模块根据故障信息关键字标识组内包括的用于获取变量的具体值的来源地址读取故障记录文件,以获取故障信息关键字标识组内的变量的具体值。
21.如权利要求20所述的系统,其中,所述系统还包括专家知识库,其中,故障树中的每个节点对应一个节点框架,故障树的节点之间的逻辑关系被表示为规则,故障树以规则和节点框架相结合的形式被存储在专家知识库中。
22.如权利要求21所述的系统,其中,每个节点框架包括节点历史搜索次数、节点重要度和故障相关信息,所述规则被表示为:如果故障信息关键字标识组内的变量的具体值满足预定条件,则确定将要搜索的节点框架。
23.如权利要求22所述的系统,其中,诊断推理模块按照所述规则,从与故障树的顶节点对应的节点框架开始逐步确定将要搜索的节点框架,直至搜索到与故障树的底节点对应的节点框架,其中,诊断推理模块根据所述与故障树的底节点对应的节点框架内所包括的故障相关信息确定最终的故障原因。
24.如权利要求23所述的系统,其中,当确定的将要搜索的节点框架是故障树的同一层级的多个并列的节点框架时,诊断推理模块根据节点历史搜索次数和节点重要度确定所述多个并列的节点框架的优先级,并按照优先级从高到低的顺序,依次搜索所述多个并列的节点框架。
25.如权利要求14所述的系统,其中,所述系统还包括:维护指导数据库,其中,诊断推理模块根据确定的故障原因控制输出存储在维护指导数据库中的故障处理指导文件。
26.如权利要求25所述的系统,其中,故障处理指导文件包括音频、视频、动画、图像和文本中的至少一个。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710800858.XA CN107544462B (zh) | 2017-09-07 | 2017-09-07 | 用于诊断风力发电机组的故障的方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710800858.XA CN107544462B (zh) | 2017-09-07 | 2017-09-07 | 用于诊断风力发电机组的故障的方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107544462A true CN107544462A (zh) | 2018-01-05 |
CN107544462B CN107544462B (zh) | 2019-07-16 |
Family
ID=60958610
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710800858.XA Active CN107544462B (zh) | 2017-09-07 | 2017-09-07 | 用于诊断风力发电机组的故障的方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107544462B (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110006679A (zh) * | 2019-04-23 | 2019-07-12 | 南京大学 | 一种油料收获装备监控及诊断系统 |
CN110189416A (zh) * | 2019-05-29 | 2019-08-30 | 国家电网有限公司 | 检修现场的远程指导方法及系统 |
CN110285582A (zh) * | 2019-06-17 | 2019-09-27 | 珠海格力电器股份有限公司 | 一种壁挂炉及其控制方法 |
CN111191335A (zh) * | 2018-10-29 | 2020-05-22 | 北京金风科创风电设备有限公司 | 风力发电机组故障原因追溯方法、装置、设备及存储介质 |
CN112162174A (zh) * | 2020-09-03 | 2021-01-01 | 国电南瑞科技股份有限公司 | 基于营配一体的台区故障定位方法及系统 |
CN112214498A (zh) * | 2020-11-03 | 2021-01-12 | 中国航空工业集团公司西安航空计算技术研究所 | 一种生成机载维护配置数据库的方法 |
CN112416644A (zh) * | 2020-11-30 | 2021-02-26 | 中国航空工业集团公司西安航空计算技术研究所 | 一种机载计算机故障快速定位方法 |
CN112540284A (zh) * | 2020-11-12 | 2021-03-23 | 中铁第四勘察设计院集团有限公司 | 一种继电电路诊断方法及系统 |
CN113296485A (zh) * | 2020-02-24 | 2021-08-24 | 北京国电智深控制技术有限公司 | 一种故障根源获取方法及装置 |
CN113965448A (zh) * | 2021-09-14 | 2022-01-21 | 国科信创科技有限公司 | 基于ai搜索树的网络安全信息分析方法、装置及系统 |
CN114296435A (zh) * | 2021-12-30 | 2022-04-08 | 沈阳东睿科技有限公司 | 一种航空发动机故障诊断系统 |
CN114820225A (zh) * | 2022-06-28 | 2022-07-29 | 成都秦川物联网科技股份有限公司 | 基于关键词识别和处理制造问题的工业物联网及控制方法 |
CN117150418A (zh) * | 2023-10-31 | 2023-12-01 | 国网浙江省电力有限公司宁波供电公司 | 基于状态特征故障树的变压器运检周期制定方法和系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101672723A (zh) * | 2009-10-28 | 2010-03-17 | 北京中能联创风电技术有限公司 | 一种风电机组振动分析故障诊断方法和系统 |
CN102819239A (zh) * | 2011-06-08 | 2012-12-12 | 同济大学 | 一种数控机床智能故障诊断方法 |
CN102968113A (zh) * | 2012-11-16 | 2013-03-13 | 国电南瑞科技股份有限公司 | 一种发电机励磁系统故障分析及展示方法 |
CN103217291A (zh) * | 2013-01-06 | 2013-07-24 | 国电联合动力技术有限公司 | 一种风力发电机组故障诊断方法及系统 |
CN103604622A (zh) * | 2013-11-29 | 2014-02-26 | 北京普拉斯科技发展有限公司 | 一种风电机组在线监测即时报警与故障诊断系统 |
CN106050580A (zh) * | 2016-08-17 | 2016-10-26 | 国电联合动力技术有限公司 | 一种风力发电机组传动链故障诊断方法及系统 |
-
2017
- 2017-09-07 CN CN201710800858.XA patent/CN107544462B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101672723A (zh) * | 2009-10-28 | 2010-03-17 | 北京中能联创风电技术有限公司 | 一种风电机组振动分析故障诊断方法和系统 |
CN102819239A (zh) * | 2011-06-08 | 2012-12-12 | 同济大学 | 一种数控机床智能故障诊断方法 |
CN102968113A (zh) * | 2012-11-16 | 2013-03-13 | 国电南瑞科技股份有限公司 | 一种发电机励磁系统故障分析及展示方法 |
CN103217291A (zh) * | 2013-01-06 | 2013-07-24 | 国电联合动力技术有限公司 | 一种风力发电机组故障诊断方法及系统 |
CN103604622A (zh) * | 2013-11-29 | 2014-02-26 | 北京普拉斯科技发展有限公司 | 一种风电机组在线监测即时报警与故障诊断系统 |
CN106050580A (zh) * | 2016-08-17 | 2016-10-26 | 国电联合动力技术有限公司 | 一种风力发电机组传动链故障诊断方法及系统 |
Cited By (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111191335A (zh) * | 2018-10-29 | 2020-05-22 | 北京金风科创风电设备有限公司 | 风力发电机组故障原因追溯方法、装置、设备及存储介质 |
CN111191335B (zh) * | 2018-10-29 | 2024-05-10 | 北京金风科创风电设备有限公司 | 风力发电机组故障原因追溯方法、装置、设备及存储介质 |
CN110006679A (zh) * | 2019-04-23 | 2019-07-12 | 南京大学 | 一种油料收获装备监控及诊断系统 |
CN110189416A (zh) * | 2019-05-29 | 2019-08-30 | 国家电网有限公司 | 检修现场的远程指导方法及系统 |
CN110189416B (zh) * | 2019-05-29 | 2023-05-05 | 国家电网有限公司 | 检修现场的远程指导方法及系统 |
CN110285582A (zh) * | 2019-06-17 | 2019-09-27 | 珠海格力电器股份有限公司 | 一种壁挂炉及其控制方法 |
CN113296485A (zh) * | 2020-02-24 | 2021-08-24 | 北京国电智深控制技术有限公司 | 一种故障根源获取方法及装置 |
CN112162174A (zh) * | 2020-09-03 | 2021-01-01 | 国电南瑞科技股份有限公司 | 基于营配一体的台区故障定位方法及系统 |
CN112162174B (zh) * | 2020-09-03 | 2024-04-26 | 国电南瑞科技股份有限公司 | 基于营配一体的台区故障定位方法及系统 |
CN112214498B (zh) * | 2020-11-03 | 2024-05-24 | 中国航空工业集团公司西安航空计算技术研究所 | 一种生成机载维护配置数据库的方法 |
CN112214498A (zh) * | 2020-11-03 | 2021-01-12 | 中国航空工业集团公司西安航空计算技术研究所 | 一种生成机载维护配置数据库的方法 |
CN112540284A (zh) * | 2020-11-12 | 2021-03-23 | 中铁第四勘察设计院集团有限公司 | 一种继电电路诊断方法及系统 |
CN112416644A (zh) * | 2020-11-30 | 2021-02-26 | 中国航空工业集团公司西安航空计算技术研究所 | 一种机载计算机故障快速定位方法 |
CN113965448B (zh) * | 2021-09-14 | 2024-06-21 | 国科信创科技有限公司 | 基于ai搜索树的网络安全信息分析方法、装置及系统 |
CN113965448A (zh) * | 2021-09-14 | 2022-01-21 | 国科信创科技有限公司 | 基于ai搜索树的网络安全信息分析方法、装置及系统 |
CN114296435A (zh) * | 2021-12-30 | 2022-04-08 | 沈阳东睿科技有限公司 | 一种航空发动机故障诊断系统 |
CN114296435B (zh) * | 2021-12-30 | 2023-12-01 | 沈阳东睿科技有限公司 | 一种航空发动机故障诊断系统 |
US11754995B2 (en) | 2022-06-28 | 2023-09-12 | Chengdu Qinchuan Iot Technology Co., Ltd. | Industrial internet of things for identifying and processing manufacturing problems, control methods, and storage medium |
CN114820225B (zh) * | 2022-06-28 | 2022-09-13 | 成都秦川物联网科技股份有限公司 | 基于关键词识别和处理制造问题的工业物联网及控制方法 |
CN114820225A (zh) * | 2022-06-28 | 2022-07-29 | 成都秦川物联网科技股份有限公司 | 基于关键词识别和处理制造问题的工业物联网及控制方法 |
CN117150418B (zh) * | 2023-10-31 | 2024-01-26 | 国网浙江省电力有限公司宁波供电公司 | 基于状态特征故障树的变压器运检周期制定方法和系统 |
CN117150418A (zh) * | 2023-10-31 | 2023-12-01 | 国网浙江省电力有限公司宁波供电公司 | 基于状态特征故障树的变压器运检周期制定方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
CN107544462B (zh) | 2019-07-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107544462B (zh) | 用于诊断风力发电机组的故障的方法及系统 | |
CN109787817B (zh) | 网络故障诊断方法、装置和计算机可读存储介质 | |
WO2020001642A1 (zh) | 一种运维系统及方法 | |
US11251749B2 (en) | Methods and systems for fault detection, diagnosis and localization in solar panel network | |
CN112448836B (zh) | 故障根因确定方法、装置、服务器和计算机可读介质 | |
CN101945009B (zh) | 基于案例和模式匹配的电力通信网故障定位方法及装置 | |
CN106301522A (zh) | 遥感卫星地面站数据接收任务的可视化故障诊断方法及系统 | |
US20120283988A1 (en) | Automated system and method for implementing unit and collective level benchmarking of power plant operations | |
CN106294038A (zh) | 一种故障谱的生成、基于故障谱的检测方法和装置 | |
US20200204428A1 (en) | System and method of automated fault correction in a network environment | |
Wunderlich et al. | Structure learning methods for Bayesian networks to reduce alarm floods by identifying the root cause | |
CN107609325A (zh) | 基于sat的故障树求解最小割集的方法 | |
KR102543064B1 (ko) | Rpa 기반 제조환경 모니터링 서비스 제공 시스템 | |
Kenyon et al. | An agent-based implementation of hidden Markov models for gas turbine condition monitoring | |
CN107479540A (zh) | 故障诊断方法以及系统 | |
JP2015046119A (ja) | 保全情報管理システム及び方法、並びに保全情報表示装置及び方法 | |
CN107612726A (zh) | 遥感卫星地面接收系统的接收故障综合诊断方法及装置 | |
CN110489852A (zh) | 提高风电系统数据质量的方法及装置 | |
CN112965990A (zh) | 低压联络柜故障解决方案生成方法、装置 | |
CN112182233A (zh) | 用于存储设备故障记录的知识库、及利用其辅助定位设备故障的方法及系统 | |
Heluany et al. | A review on digital twins for power generation and distribution | |
CN113902222B (zh) | 一种新能源智慧运维系统 | |
CN112147974B (zh) | 基于化工过程知识自动化的报警根原因诊断方法 | |
Todd et al. | A semiautomatic approach to deriving turbine generator diagnostic knowledge | |
Saeed et al. | ADISTES ontology for active diagnosis of sensors and actuators in distributed embedded systems |
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 | ||
CP01 | Change in the name or title of a patent holder | ||
CP01 | Change in the name or title of a patent holder |
Address after: 830026 No. 107, Shanghai Road, Urumqi economic and Technological Development Zone, the Xinjiang Uygur Autonomous Region Patentee after: Jinfeng Technology Co.,Ltd. Address before: 830026 No. 107, Shanghai Road, Urumqi economic and Technological Development Zone, the Xinjiang Uygur Autonomous Region Patentee before: XINJIANG GOLDWIND SCIENCE & TECHNOLOGY Co.,Ltd. |