CN107895176B - 一种面向水电机群广域监测诊断的雾计算系统及方法 - Google Patents

一种面向水电机群广域监测诊断的雾计算系统及方法 Download PDF

Info

Publication number
CN107895176B
CN107895176B CN201711117219.XA CN201711117219A CN107895176B CN 107895176 B CN107895176 B CN 107895176B CN 201711117219 A CN201711117219 A CN 201711117219A CN 107895176 B CN107895176 B CN 107895176B
Authority
CN
China
Prior art keywords
data
generating set
diagnosis
hydroelectric generating
monitoring
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
CN201711117219.XA
Other languages
English (en)
Other versions
CN107895176A (zh
Inventor
肖剑
田海平
黄波
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.)
Power Research Institute Of State Grid Hunan Electric Power Co
State Grid Corp of China SGCC
State Grid Hunan Electric Power Co Ltd
Original Assignee
Power Research Institute Of State Grid Hunan Electric Power Co
State Grid Corp of China SGCC
State Grid Hunan Electric Power Co Ltd
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 Power Research Institute Of State Grid Hunan Electric Power Co, State Grid Corp of China SGCC, State Grid Hunan Electric Power Co Ltd filed Critical Power Research Institute Of State Grid Hunan Electric Power Co
Priority to CN201711117219.XA priority Critical patent/CN107895176B/zh
Publication of CN107895176A publication Critical patent/CN107895176A/zh
Application granted granted Critical
Publication of CN107895176B publication Critical patent/CN107895176B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2413—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on distances to training or reference patterns
    • G06F18/24147—Distances to closest patterns, e.g. nearest neighbour classification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/10—Pre-processing; Data cleansing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/20—Administration of product repair or maintenance
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/94—Hardware or software architectures specially adapted for image or video understanding
    • G06V10/95—Hardware or software architectures specially adapted for image or video understanding structured as a network, e.g. client-server architectures
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Health & Medical Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Marketing (AREA)
  • Evolutionary Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Strategic Management (AREA)
  • General Engineering & Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Operations Research (AREA)
  • Primary Health Care (AREA)
  • Public Health (AREA)
  • Multimedia (AREA)
  • Software Systems (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Water Supply & Treatment (AREA)
  • Quality & Reliability (AREA)
  • Computing Systems (AREA)
  • Medical Informatics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Testing And Monitoring For Control Systems (AREA)

Abstract

本发明公开了一种面向水电机群广域监测诊断的雾计算系统及方法，系统包括依次连接的现地边缘计算节点、数据服务私有云、诊断服务公有云和智能终端设备；水电机组在线监测系统将监测到的水电机组运行状态信息存储在现地数据服务器中；现地边缘计算节点与现地数据服务器相连，获取监测数据并对其进行特征提取，计算具有表征水电机组关键性能的特征指标，然后将特征数据传送至数据服务私有云；数据服务私有云对数据进行汇总存储，并将数据统一进行编码送至诊断服务公有云；诊断服务公有云通过其上设置的专家系统对机组特征数据进行故障诊断分析，并将诊断结果推送至电厂运维人员携带的智能终端设备上。本发明减缓了网络堵塞，提高了诊断的实时性。

Description

一种面向水电机群广域监测诊断的雾计算系统及方法
技术领域
本发明涉及水力发电系统在线监测与诊断领域，尤其是涉及一种面向水电机群广域监测诊断的雾计算系统及方法。
背景技术
水电机组的安全稳定运行对保障电力系统正常运行提高用电可靠性、保证水电厂经济效益有着举足轻重的作用。为保障水电机组的安全稳定运行，水电机组大多都装备了在线监测系统，而如何通过监测系统进行有效的故障诊断与故障预警已成为此领域的关键技术难题。
目前，虽然有一部分大型的水电机组部署了专门的故障诊断系统对机组进行有效的故障诊断预警，但是对于中小型水电机组这种方法难以实现，主要有以下问题：首先，部署故障诊断系统需要花费大量的成本，中小水电站难以承受；其次，中小型水电机组的结构、运行特性、运行方式相差较大，难以建立通用的故障诊断系统；故障诊断需要的资源量及其丰富，数据量庞大，需要大量的科学计算与专家知识的支持，中小水电站难以满足这些条件。
云计算服务拥有强大的数据存储与数据计算能力，且成本较低，对于提高水电机组故障诊断能力有着重要的意义。但是，如果水电机组直接将机组监测的实时数据上传至云端，那么大量的实时数据势必会造成网络的拥堵，机组诊断的实时性就无法保证。
因为，有必要针对上述问题设计一种新的面向水电机群广域监测诊断系统及方法。
发明内容
针对上述技术问题，本发明公开了一种面向水电机群广域监测诊断的雾计算系统及方法，本发明成本低，故障诊断效率高，有效的解决了距离远、分布广、运维经验落后的中小水电机群广域监测诊断的问题。
本发明所提供的技术方案是：
一种面向水电机群广域监测诊断的雾计算系统，包括依次连接的现地边缘计算节点、数据服务私有云、诊断服务公有云和智能终端设备；
水电机组在线监测系统将监测到的水电机组运行状态信息(包括实时波形、开关量信息)传送并存储在现地数据服务器中；现地边缘计算节点与现地数据服务器相连，获取监测数据，并对监测数据进行特征提取，然后将特征数据传送至数据服务私有云；数据服务私有云对数据进行汇总存储，并将数据统一进行编码送至诊断服务公有云；诊断服务公有云通过其上设置的专家系统对机组特征数据推理判断水电机组运行状态，进行故障诊断分析，并将诊断结果推送至电厂运维人员携带的智能终端设备上，也可以只在诊断出故障时，将故障信息推送至电厂运维人员携带的智能终端设备上。边缘计算节点进行特征计算后，并不实时上传原始波形数据，只将计算好的特征向量上传至数据私有云，保证数据的私密性，并通过隔离装置将数据发送至诊断服务公有云，得出诊断故障后，推送至客户端。
进一步地，所述现地边缘计算节点为雾计算系统主要构成部分；现地边缘计算节点利用水电厂的数据服务器及其他网络计算设备构建，降低了数据服务器的处理压力、提高了计算效率同时也避免了大量的原始数据上传。
每个水电站都配置有专属的数据私有云，各个数据服务私有云之间通过物理隔离，以保证数据的安全性和私密性。
本发明还提供一种面向水电机群广域监测诊断的雾计算方法，采用上述雾计算系统进行故障诊断预警，包括以下步骤：
步骤1、水电机组在线监测系统将监测到的水电机组运行状态信息(包括实时波形、开关量信息)存储在现地数据服务器中；
步骤2、现地边缘计算节点从现地数据服务器获取监测数据，并对监测数据进行特征提取，然后将特征数据(水电机组性能指标)传送至数据服务私有云；
步骤3、数据服务私有云对数据进行汇总存储，并将数据统一进行编码送至诊断服务公有云；
步骤4、诊断服务公有云通过其上设置的专家系统对机组特征数据进行故障诊断分析，并将诊断结果推送至电厂运维人员携带的智能终端设备上，也可以只在诊断出故障时，将故障信息推送至电厂运维人员携带的智能终端设备上。
进一步地，所述步骤2中，监测数据包括水电机组各个部件的运行数据(如上导、下导、水导摆度波形文件和上机架、下机架、顶盖振动波形文件)，通过对监测数据进行特征提取，得到表征水电机组关键性能的特征指标，可以很好的表征机组当前状态；各个特征指标及其计算方法如下表所示：
Figure GDA0003153352440000031
Figure GDA0003153352440000041
进一步地，现地边缘计算节点基于Storm流式计算平台，采用Master/Slaver的架构模式，主节点将数据处理任务分配到各个从节点，各从节点按照分配的任务进行计算，并将结果反馈至主节点；主节点将特征数据发送至相应电厂的数据服务私有云。当现地边缘计算节点无法满足当前处理要求时，可以通过增加Slaver节点(从节点，负责接收Master节点(主节点)分发的命令，并执行命令，将结果封装成命令发送到Master节点)提升计算能力，且不需要改动程序和系统架构，实现了分布式流数据的处理。
进一步地，所述步骤4中，采用KNN算法进行故障诊断，包括以下步骤：
首先，计算当前水电机组特征向量与标准样本库中各个标准样本特征向量的距离：
Figure GDA0003153352440000042
其中，xk为标准样本特征向量x中第k个特征指标值，标准样本包括正常样本和故障样本；yk为当前水电机组特征向量y中第k个特征指标值，n为特征向量中的特征指标个数；
然后，选取与当前水电机组特征向量距离最小的K个标准样本特征向量；
最后，根据这K个标准样本特征向量所属的类别，统计各个类别出现频率，所述类别包括正常类别和各类故障类别；将这K个标准样本特征向量中出现频率最高的类别作为当前水电机组特征向量的最终分类；若存在多个出现频率最高的类别，则选取这些类别中与当前水电机组特征向量距离最小的标准样本特征向量所属类别，作为当前水电机组特征向量的最终分类；若最终分类为某种故障类别，且相应的距离小于第一设定阈值，则诊断水电机组出现了该种故障，若最终分类为正常类别，但相应的距离大于第二设定阈值，则对当前水电机组进行故障预警。
进一步地，专家系统基于开放式专家系统规则库进行故障诊断，通过不断增加诊断规则，使其适应与各个不同电厂，能够更快的积累专家知识，提高故障诊断的效率和普遍适应性。
有益效果：
本发明采用的雾计算是一种介于云计算与现地计算之间的分布式计算架构，包括现地边缘计算节点和云服务两大部分，其核心思想是智能化前端，即在水电机组诊断云计算服务器和采集终端设备之间，构建中间边缘计算节点，进行存储计算服务，这种存储计算模式在物理层面上更接近终端设备，减少了与云服务器之间的数据交换量，将海量监测数据在现地边缘计算单元中进行实时处理，并将处理后的数据上传云服务器进行二次分析计算，提高了系统的响应速度。
本发明通过水电厂内部的现地边缘计算节点对水电机组大量的原始数据进行特征提取，极大减少了与云端的数据通讯量，避免了大量实时监测数据直接发送至云端造成的网络拥堵，提高了诊断的实时性；同时也降低了水电站原始数据在网络上传播存在的风险性；诊断公有云可对多个水电站、多台机组进行故障诊断，诊断系统累积更丰富的专家知识，提高了机组的诊断效率，适用于距离远、分布广、运维经验落后的中小水电机群。
附图说明
图1是本发明系统架构图。
图2是本发明水电机组监测数据特征提取实施流程图。
具体实施方式
为了使本技术领域的人员更好的理解本技术方案，并使本发明的上述特征、目的、优点更容易被理解，下面结合附图对本发明的技术方案做进一步详细的说明：
如图1所示，本发明提出了一种面向水电机群广域监测诊断的雾计算系统，包括具备Storm数据处理架构的边缘计算节点、数据服务私有云、诊断服务公有云、智能终端设备。
其中，所述具备Storm数据处理架构的边缘计算节点、数据服务私有云、诊断服务公有云、智能终端设备顺序连接。
所述水电机组在线监测系统通过用于各类传感器获取水电机组运行状态信息，并将实时波形、开关量信息通过水电厂现场总线传送至现地数据服务器；所述现地数据服务器对监测的实时数据流进行存储；
现地边缘计算节点为雾计算系统主要构成部分；利用水电厂的数据服务器及其他网络计算设备构建现地边缘计算节点，降低了数据服务器的处理压力、提高了计算效率同时也避免了大量的原始数据上传；所述现地边缘计算节点主节点将数据处理任务分配到各个计算子节点，各子节点按照分配的任务进行计算，并将结果反馈至主节点；
所述边缘计算节点对监测数据进行特征提取，并将特征数据(水电机组性能指标)发送至所述数据服务私有云；
所述数据服务私有云存储特征数据，并发送至所述诊断服务公有云；
所述诊断服务公有云包含基于专家系统的故障诊断引擎，将所述特征数据经专家知识推理判断水电机组运行状态，并将诊断结果以智能终端设备的方式推送至相关人员携带的智能终端设备。
如图2所示，本发明同时提供了如上述基于Storm流式计算平台的分布式数据处理系统实施流程，用于水电机组监测数据特征提取，包括：
S201现地数据服务器Nimbus对水电厂内部Storm平台下的设备进行资源分配的任务调度；
S202 Strom平台下的计算子节点接收任务并处理的数据流；
S203 Strom平台子节点获取机组监测数据的特征量(水电机组性能指标)并反馈至Strom平台主节点；
S204 Strom平台主节点对特征数据进行汇总，并统一上传至数据服务私有云；
如上所述，本发明首先提供了一种面向水电机群广域监测诊断的雾计算系统，包括水电机组在线监测系统、现地数据服务器、数据服务私有云、诊断服务公有云；水电机组状态原始监测信息经基于Storm的边缘计算节点处理后，水电机组特征数据经数据服务私有云转发至诊断服务公有云，并通过专家系统得到诊断结果，并通过智能终端设备推送的方式发送至相关人员。上述雾计算诊断系统将水电机组大量的原始数据集中在水电厂内部进行特征提取，极大减少了与云端的数据通讯量，减缓了网络堵塞提高了诊断的实时性。同时，该方法可对多个水电站、多台机组进行故障诊断，诊断系统累积更丰富的专家知识，提高了机组的诊断效率，适用于距离远、分布广、运维经验落后的中小水电机群。

Claims (6)

1.一种面向水电机群广域监测诊断的雾计算系统，其特征在于，包括依次连接的现地边缘计算节点、数据服务私有云、诊断服务公有云和智能终端设备；
水电机组在线监测系统将监测到的水电机组运行状态信息存储在现地数据服务器中；现地边缘计算节点与现地数据服务器相连，获取监测数据，并对监测数据进行特征提取，然后将特征数据传送至数据服务私有云；数据服务私有云对数据进行汇总存储，并将数据统一进行编码送至诊断服务公有云；诊断服务公有云通过其上设置的专家系统对机组特征数据进行故障诊断分析，并将诊断结果推送至电厂运维人员携带的智能终端设备上；
其中，故障诊断分析采用KNN算法进行故障诊断，包括以下步骤：
首先，计算当前水电机组特征向量与标准样本库中各个标准样本特征向量的距离：
Figure FDA0003153352430000011
其中，xk为标准样本特征向量x中第k个特征指标值，标准样本包括正常样本和故障样本；yk为当前水电机组特征向量y中第k个特征指标值，n为特征向量中的特征指标个数；
然后，选取与当前水电机组特征向量距离最小的K个标准样本特征向量；
最后，根据这K个标准样本特征向量所属的类别，统计各个类别出现频率，所述类别包括正常类别和各类故障类别；将这K个标准样本特征向量中出现频率最高的类别作为当前水电机组特征向量的最终分类；若存在多个出现频率最高的类别，则选取这些类别中与当前水电机组特征向量距离最小的标准样本特征向量所属类别，作为当前水电机组特征向量的最终分类；若最终分类为某种故障类别，且相应的距离小于第一设定阈值，则诊断水电机组出现了该种故障，若最终分类为正常类别，但相应的距离大于第二设定阈值，则对当前水电机组进行故障预警。
2.根据权利要求1所述的面向水电机群广域监测诊断的雾计算系统，其特征在于，所述现地边缘计算节点是利用水电厂的数据服务器及其他网络计算设备构建而成。
3.根据权利要求1所述的面向水电机群广域监测诊断的雾计算系统，其特征在于，每个水电站都配置有专属的数据私有云，各个数据私有云之间通过物理隔离，以保证数据的安全性和私密性。
4.一种面向水电机群广域监测诊断的雾计算方法，其特征在于，采用权利要求1～3中任一项所述雾计算系统进行故障诊断预警，包括以下步骤：
步骤1、水电机组在线监测系统将监测到的水电机组运行状态信息存储在现地数据服务器中；
步骤2、现地边缘计算节点从现地数据服务器获取监测数据，并对监测数据进行特征提取，然后将特征数据传送至数据服务私有云；
步骤3、数据服务私有云对数据进行汇总存储，并将数据统一进行编码送至诊断服务公有云；
步骤4、诊断服务公有云通过其上设置的专家系统对机组特征数据进行故障诊断分析，并将诊断结果推送至电厂运维人员携带的智能终端设备上；
所述步骤4中，采用KNN算法进行故障诊断，包括以下步骤：
首先，计算当前水电机组特征向量与标准样本库中各个标准样本特征向量的距离：
Figure FDA0003153352430000021
其中，xk为标准样本特征向量x中第k个特征指标值，标准样本包括正常样本和故障样本；yk为当前水电机组特征向量y中第k个特征指标值，n为特征向量中的特征指标个数；
然后，选取与当前水电机组特征向量距离最小的K个标准样本特征向量；
最后，根据这K个标准样本特征向量所属的类别，统计各个类别出现频率，所述类别包括正常类别和各类故障类别；将这K个标准样本特征向量中出现频率最高的类别作为当前水电机组特征向量的最终分类；若存在多个出现频率最高的类别，则选取这些类别中与当前水电机组特征向量距离最小的标准样本特征向量所属类别，作为当前水电机组特征向量的最终分类；若最终分类为某种故障类别，且相应的距离小于第一设定阈值，则诊断水电机组出现了该种故障，若最终分类为正常类别，但相应的距离大于第二设定阈值，则对当前水电机组进行故障预警。
5.根据权利要求4所述的面向水电机群广域监测诊断的雾计算方法，其特征在于，所述步骤2中，监测数据包括水电机组各个部件的运行数据，通过对监测数据进行特征提取，得到多个表征水电机组性能的特征指标，组成水电机组特征向量；各个特征指标及其计算方法如下表所示：
Figure FDA0003153352430000031
Figure FDA0003153352430000041
6.根据权利要求4所述的面向水电机群广域监测诊断的雾计算方法，其特征在于，现地边缘计算节点基于Storm流式计算平台，采用Master/Slaver的架构模式，主节点将数据处理任务分配到各个从节点，各从节点按照分配的任务进行计算，并将结果反馈至主节点；主节点将特征数据发送至相应电厂的数据服务私有云。
CN201711117219.XA 2017-11-13 2017-11-13 一种面向水电机群广域监测诊断的雾计算系统及方法 Active CN107895176B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711117219.XA CN107895176B (zh) 2017-11-13 2017-11-13 一种面向水电机群广域监测诊断的雾计算系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711117219.XA CN107895176B (zh) 2017-11-13 2017-11-13 一种面向水电机群广域监测诊断的雾计算系统及方法

Publications (2)

Publication Number Publication Date
CN107895176A CN107895176A (zh) 2018-04-10
CN107895176B true CN107895176B (zh) 2021-08-24

Family

ID=61805074

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711117219.XA Active CN107895176B (zh) 2017-11-13 2017-11-13 一种面向水电机群广域监测诊断的雾计算系统及方法

Country Status (1)

Country Link
CN (1) CN107895176B (zh)

Families Citing this family (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108667725B (zh) * 2018-04-25 2021-06-11 哈尔滨电气股份有限公司 一种基于多种接入及边缘计算的工业软网关以及实现方法
CN108801441A (zh) * 2018-04-25 2018-11-13 哈尔滨电气股份有限公司 一种基于工业互联网及边缘计算的汽轮机数据采集系统
CN108494884A (zh) * 2018-05-07 2018-09-04 苏州德姆斯信息技术有限公司 基于物联网网关边缘计算的振动分析系统及分析方法
CN111077851A (zh) * 2018-10-22 2020-04-28 中国科学院沈阳自动化研究所 一种基于气相色谱雾计算框架的化工过程故障诊断系统
CN109613428A (zh) * 2018-12-12 2019-04-12 广州汇数信息科技有限公司 一种能像系统及其在电机设备故障检测方法中的应用
CN109981333B (zh) * 2018-12-28 2022-03-25 华为云计算技术有限公司 一种应用于数据中心的运维方法和运维设备
CN110460628A (zh) * 2019-06-11 2019-11-15 国网浙江省电力有限公司宁波供电公司 分布式雾计算镜像处理存储方法
CN110749462B (zh) * 2019-07-19 2021-05-07 华瑞新智科技（北京）有限公司 一种基于边缘计算的工业设备故障检测方法及系统
CN110673587B (zh) * 2019-10-17 2020-10-09 北京力创智慧科技有限公司 一种机组监控系统
CN110658769B (zh) * 2019-10-17 2020-12-29 北京力创智慧科技有限公司 一种机组监控系统及方法
CN110929924A (zh) * 2019-11-13 2020-03-27 广西电网有限责任公司 基于云边融合架构的小水电发电量预测系统及其实现方法
CN111142414B (zh) * 2019-12-16 2022-10-28 中国大唐集团科学技术研究院有限公司火力发电技术研究院 基于边云协同的智慧电厂管控系统
CN113301106A (zh) * 2021-03-23 2021-08-24 阿里巴巴新加坡控股有限公司 运维处理系统、方法以及装置
CN113465920B (zh) * 2021-06-08 2022-04-22 西安交通大学 云、雾、边缘端协同的轴承状态监测与管理方法及系统
CN113867285B (zh) * 2021-09-24 2024-06-04 大唐互联科技(武汉)有限公司 基于边缘云平台的边缘侧设备故障诊断的方法及系统
CN114444256A (zh) * 2021-12-13 2022-05-06 国网综合能源服务集团有限公司 一种基于大数据的虚拟电厂负荷预测方法及跟踪控制方法
CN114090395A (zh) * 2022-01-21 2022-02-25 深圳艾灵网络有限公司 传感器数据处理方法和设备

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130179931A1 (en) * 2010-11-02 2013-07-11 Daniel Osorio Processing, storing, and delivering digital content
CN104281130A (zh) * 2014-09-22 2015-01-14 国家电网公司 一种基于大数据技术的水电设备监测和故障诊断系统
CN104596574A (zh) * 2014-12-08 2015-05-06 哈动国家水力发电设备工程技术研究中心有限公司 大型水力发电设备远程诊断服务平台装置
CN105787584A (zh) * 2016-01-28 2016-07-20 华北电力大学（保定） 一种基于云平台的风电机群故障预警方法
CN205749744U (zh) * 2016-07-01 2016-11-30 丰郅(上海)新能源科技有限公司 基于雾计算的电能质量监测系统
CN106657267A (zh) * 2016-11-15 2017-05-10 华中科技大学 基于边缘服务器的云存储系统
CN106911762A (zh) * 2017-01-16 2017-06-30 西安电子科技大学 一种在sdn中基于雾计算的架构及其处理方法
CN106988951A (zh) * 2017-04-14 2017-07-28 贵州乌江水电开发有限责任公司东风发电厂 水轮机组故障诊断及状态评估方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130179931A1 (en) * 2010-11-02 2013-07-11 Daniel Osorio Processing, storing, and delivering digital content
CN104281130A (zh) * 2014-09-22 2015-01-14 国家电网公司 一种基于大数据技术的水电设备监测和故障诊断系统
CN104596574A (zh) * 2014-12-08 2015-05-06 哈动国家水力发电设备工程技术研究中心有限公司 大型水力发电设备远程诊断服务平台装置
CN105787584A (zh) * 2016-01-28 2016-07-20 华北电力大学（保定） 一种基于云平台的风电机群故障预警方法
CN205749744U (zh) * 2016-07-01 2016-11-30 丰郅(上海)新能源科技有限公司 基于雾计算的电能质量监测系统
CN106657267A (zh) * 2016-11-15 2017-05-10 华中科技大学 基于边缘服务器的云存储系统
CN106911762A (zh) * 2017-01-16 2017-06-30 西安电子科技大学 一种在sdn中基于雾计算的架构及其处理方法
CN106988951A (zh) * 2017-04-14 2017-07-28 贵州乌江水电开发有限责任公司东风发电厂 水轮机组故障诊断及状态评估方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Fog Computing- Network Based Cloud Computing;Y.Navaneeth Krishnan et al.;《IEEE SPONSORED 2ND INTERNATIONAL CONFERENCE ON ELECTRONICS AND COMMUNICATION SYSTEM(ICECS 2015)》;20151231;第250-251页 *
云计算架构下的智能化水电厂研究;胡少英 等;《水电自动化与大坝监测》;20130620;第37卷(第3期);第1-5页 *
基于模糊K近邻支持向量数据描述的水电机组振动故障诊断研究;付文龙 等;《中国电机工程学报》;20141115;第34卷(第32期);第5788-5795页 *

Also Published As

Publication number Publication date
CN107895176A (zh) 2018-04-10

Similar Documents

Publication Publication Date Title
CN107895176B (zh) 一种面向水电机群广域监测诊断的雾计算系统及方法
CN107968840B (zh) 一种大规模电力设备监测报警数据实时处理方法及系统
CN107330056B (zh) 基于大数据云计算平台的风电场scada系统及其运行方法
WO2017036244A1 (zh) 配电网数字仿真系统
CN113240289B (zh) 一种电网调度控制系统运行状态评估方法及系统
CN105868075A (zh) 一种实时监控分析大量日志的系统及方法
CN104616205A (zh) 一种基于分布式日志分析的电力系统运行状态监视方法
CN104616092A (zh) 一种基于分布式日志分析的行为模式处理方法
CN105007294A (zh) 输变电设备状态监测大数据快速接收和分发系统
CN112131216A (zh) 一种基于物模型的输电线路自适应数据库创建方法及装置
CN111327468A (zh) 一种用于电力系统的边缘计算平台的运行方法及其系统
Ju et al. The use of edge computing-based internet of things big data in the design of power intelligent management and control platform
CN113850017A (zh) 一种基于潮流变化图谱的系统级故障分析系统及方法
CN106159940A (zh) 基于电网负荷特性分析的pmu最优布点方法
AU2021106383A4 (en) Method for Calculating Reliability of Distribution System Based on Equipment Reliability Cloud Model
CN112653242B (zh) 一种基于云平台服务的输电线路监测系统
CN105046583A (zh) 一种适用于分布式实时数据处理的电网模型分区方法
CN108122054A (zh) 一种基于图计算的电力系统拓扑实时计算方法
CN113011047A (zh) 一种基于220kV及以下智能变电站二次系统的可靠性分析方法
CN107622078B (zh) 一种实时监控用电信息采集设备健康状态的方法
Jazaeri Application of 5G technology in orchestration of virtual power plants and demand response
CN115809761B (zh) 一种基于低压台区的电压质量分析方法及系统
CN114531668B (zh) 一种基于无线通信网络维护系统及方法
CN113569904B (zh) 母线接线类型辨识方法、系统、存储介质及计算设备
CN116050306B (zh) 考虑海上风电分频接入的工频电网可靠性评估方法和系统

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