CN109002026A - 一种水电机组全工况综合参数退化趋势分析方法 - Google Patents
一种水电机组全工况综合参数退化趋势分析方法 Download PDFInfo
- Publication number
- CN109002026A CN109002026A CN201810988577.6A CN201810988577A CN109002026A CN 109002026 A CN109002026 A CN 109002026A CN 201810988577 A CN201810988577 A CN 201810988577A CN 109002026 A CN109002026 A CN 109002026A
- Authority
- CN
- China
- Prior art keywords
- parameter
- status monitoring
- value
- monitoring parameter
- interval threshold
- 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
- 230000015556 catabolic process Effects 0.000 title claims abstract description 53
- 238000006731 degradation reaction Methods 0.000 title claims abstract description 53
- 238000004458 analytical method Methods 0.000 title claims abstract description 21
- 238000012544 monitoring process Methods 0.000 claims abstract description 99
- 238000000034 method Methods 0.000 claims abstract description 12
- 238000013316 zoning Methods 0.000 claims abstract description 11
- 239000006185 dispersion Substances 0.000 claims description 14
- 238000011156 evaluation Methods 0.000 claims description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 abstract description 9
- 230000010349 pulsation Effects 0.000 description 5
- 241000239290 Araneae Species 0.000 description 3
- DNHVXYDGZKWYNU-UHFFFAOYSA-N lead;hydrate Chemical compound O.[Pb] DNHVXYDGZKWYNU-UHFFFAOYSA-N 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 241000237858 Gastropoda Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 241000902900 cellular organisms Species 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 230000005684 electric field Effects 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
Landscapes
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Control Of Water Turbines (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本申请提供了一种水电机组全工况综合参数退化趋势分析方法,对水电机组的历史数据进行离散化处理,并进行筛选后,计算得到区划阈值区间,再构建水每种状态监测参数对应的电机组退化模型,利用电机组退化模型,计算出相应的退化趋势值,再对工况参数与对应传感器的数据之间的敏感度,确定相应的权重值,最后计算得到综合评价参数,用来分析水电机组整体的退化趋势。因此,该方法能利用多个状态监测参数来整体对水电机组进行退化趋势分析,提高分析结果的准确性。
Description
技术领域
本申请涉及水电机组状态评价领域,尤其涉及一种水电机组全工况综合参数退化趋势分析方法。
背景技术
随着全球应对气候变化呼声的日益高涨以及能源短缺、能源供应安全形势的日趋严峻,水电作为可再生能源以其清洁、安全、永续的特点,在全国能源战略中的地位不断提高。然而随着水电机组运行过程中受腐蚀、磨损、交互应力等因素作用,各个部件的性能会随着服役时间的增加而逐渐退化。其设备性能的可靠性对电网的安全稳定起重要影响,如发生故障将可能导致机组进行停机检修,从而扰乱电场的常规运行,造成严重经济损失,甚至发生电网解列等灾难性事故。
但是,由于机组运行工况是随时变化的,现有的退化趋势分析方法无法在机组运行工况变化的情况下,准确进行退化趋势分析。
发明内容
本申请提供了一种水电机组全工况综合参数退化趋势分析方法,以解决由于机组运行工况是随时变化的,现有的退化趋势分析方法无法在机组运行工况变化的情况下,准确进行退化趋势分析的问题。
本申请提供了一种水电机组全工况综合参数退化趋势分析方法,所述方法包括:
获取水电机组的历史数据,所述历史数据包括工况参数和所述工况参数对应的多种状态监测参数的数据,所述工况参数包括水头和对应的导叶开度;
将所述工况参数离散到多个预设的离散区域内;
对每个所述预设离散区域内的工况参数进行筛选,得到目标工况参数;
将每个所述预设离散区域内的所述目标工况参数对应的多种状态监测参数分别进行计算,得到每种状态监测参数的平均值、方差、中值和最大值;
判断每个所述预设离散区域内的每种状态监测参数的中值和平均值是否满足预设条件,若满足,则根据每种状态监测参数的平均值、方差、中值和最大值,计算得到区划阈值区间;
根据每种状态监测参数的区划阈值区间,建立每种状态监测参数对应的水电机组退化模型;
利用待分析状态监测参数及对应的水电机组退化模型,计算得到所述待分析状态监测参数对应的退化趋势值;
获取所述水电机组上设置的每个传感器的数据;
根据待分析状态监测参数对应的工况参数与对应传感器的数据之间的敏感度,确定待分析状态监测参数对应的权重值;
利用待分析状态监测参数对应的权重值和对应的退化趋势值,按照如下公式,得到综合评价参数,
其中,MT为综合评价参数,n为待分析状态监测参数的数量,i=1、2、3……n,Wi为权重值,Ti为退化趋势值;
根据所述综合评价参数,确定所述水电机组的退化趋势。
进一步地,所述预设条件为Abs(Vmean-Vmiddle)/6s*100%<5%,其中,Vmean为状态监测参数的中值,Vmiddle状态监测参数的平均值,s为状态监测参数的方差。
进一步地,所述根据每种状态监测参数的平均值、方差、中值和最大值,计算得到区划阈值区间包括:
按照如下公式计算得到第一区间阈值,
V1=Vmean-4s,其中,V1为第一区间阈值,Vmean为状态监测参数的中值,s为状态监测参数的方差;
按照如下公式计算得到第二区间阈值,
V2=max(Vmean+4s,Vmax),其中,V2为第二区间阈值,Vmean为状态监测参数的中值,s为状态监测参数的方差,Vmax为状态监测参数的最大值;
按照如下公式计算得到第三区间阈值,
V3=Vmean-8s,其中,V3为第三区间阈值,Vmean为状态监测参数的中值,s为状态监测参数的方差;
按照如下公式计算得到第四区间阈值,
V4=Vmean+8s,其中,V4为第四区间阈值,Vmean为状态监测参数的中值,s为状态监测参数的方差;
根据所述第一区间阈值、第二区间阈值、第三区间阈值和第四区间阈值,划分出(V1,V2]、(-∞,V3]、[V4,+∞)、(V2,V4)、(V3,V1)阈值区间。
进一步地,所述每种状态监测参数对应的水电机组退化模型为
其中,V1为第一区间阈值,V2为第二区间阈值,V3为第三区间阈值,V4为第四区间阈值,V为待分析状态监测参数,s为状态监测参数的方差。
由以上技术方案可知,本申请提供了一种水电机组全工况综合参数退化趋势分析方法,对水电机组的历史数据进行离散化处理,并进行筛选后,计算得到区划阈值区间,再构建水每种状态监测参数对应的电机组退化模型,利用电机组退化模型,计算出相应的退化趋势值,再对工况参数与对应传感器的数据之间的敏感度,确定相应的权重值,最后计算得到综合评价参数,用来分析水电机组整体的退化趋势。因此,该方法能利用多个状态监测参数来整体对水电机组进行退化趋势分析,提高分析结果的准确性。
附图说明
为了更清楚地说明本申请的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,对于本领域普通技术人员而言,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本申请提供的一种水电机组全工况综合参数退化趋势分析方法的流程图;
图2为离散区域的示意图。
具体实施方式
参见图1,本申请提供了一种水电机组全工况综合参数退化趋势分析方法,所述方法包括如下步骤:
步骤101:获取水电机组的历史数据,所述历史数据包括工况参数和所述工况参数对应的多种状态监测参数的数据,所述工况参数包括水头和对应的导叶开度。
历史数据选择超过半年的水电机组的工况参数和其对应的多种状态监测参数的数据。其中,所选取的历史数据中的水头数据要覆盖全水头,即从最低运行水头到最高运行水头;多种状态监测参数包括震动参数、摆度参数、压力脉动参数等。
步骤102:将所述工况参数离散到多个预设的离散区域内。
预设的离散区域可有工作人员自行设置,例如,将水头划分为6个区域,将水头划分为5个区域,如图2所示,则一共可划分出30个区域,将历史数据中的工况参数根据每个区域的取值范围将其划分到所属的区域内。
步骤103:对每个所述预设离散区域内的工况参数进行筛选,得到目标工况参数。
工作人员可自行设置置信度,例如,将置信度设置为97%,即将去掉工况参数中按照数据由大到小排列,位于前1.5%的数据以及位于后1.5%的数据,使所选取的历史参数更加接近水电机组实际的运行状态,以增加后续处理的准确性。
步骤104:将每个所述预设离散区域内的所述目标工况参数对应的多种状态监测参数分别进行计算,得到每种状态监测参数的平均值、方差、中值和最大值。
步骤105:判断每个所述预设离散区域内的每种状态监测参数的中值和平均值是否满足预设条件,若满足,则执行步骤16。
步骤106:根据每种状态监测参数的平均值、方差、中值和最大值,计算得到区划阈值区间。
将每个预设区域内的每种状态监测参数对应的数据进行计算,分别得到每种状态监测参数的平均值、方差、中值和最大值,例如,状态检测参数包括震动参数、摆度参数、压力脉动参数,则会计算出震动参数的平均值、方差、中值和最大值,摆度参数的平均值、方差、中值和最大值,压力脉动的平均值、方差、中值和最大值。
其中,预设条件为Abs(Vmean-Vmiddle)/6s*100%<5%,其中,Vmean为状态监测参数的中值,Vmiddle状态监测参数的平均值,s为状态监测参数的方差。
并且,按照如下公式计算得到第一区间阈值,
V1=Vmean-4s,其中,V1为第一区间阈值,Vmean为状态监测参数的中值,s为状态监测参数的方差;
按照如下公式计算得到第二区间阈值,
V2=max(Vmean+4s,Vmax),其中,V2为第二区间阈值,Vmean为状态监测参数的中值,s为状态监测参数的方差,Vmax为状态监测参数的最大值;
按照如下公式计算得到第三区间阈值,
V3=Vmean-8s,其中,V3为第三区间阈值,Vmean为状态监测参数的中值,s为状态监测参数的方差;
按照如下公式计算得到第四区间阈值,
V4=Vmean+8s,其中,V4为第四区间阈值,Vmean为状态监测参数的中值,s为状态监测参数的方差;
根据所述第一区间阈值、第二区间阈值、第三区间阈值和第四区间阈值,划分出(V1,V2]、(-∞,V3]、[V4,+∞)、(V2,V4)、(V3,V1)阈值区间。
同理,每种状态监测参数均用上述方式计算得到对应的阈值区间。
步骤107:根据每种状态监测参数的区划阈值区间,建立每种状态监测参数对应的水电机组退化模型。
每种状态监测参数对应的水电机组退化模型为
其中,V1为第一区间阈值,V2为第二区间阈值,V3为第三区间阈值,V4为第四区间阈值,V为待分析状态监测参数,s为状态监测参数的方差。
步骤108:利用待分析状态监测参数及对应的水电机组退化模型,计算得到所述待分析状态监测参数对应的退化趋势值。
工作人员可查找水电机组的待分析工况参数对应的预设区域,根据该预设区域查找相应的水电机组退化模型,并将该工况参数对应的待分析状态监测参数带入对应的水电机组退化模型中,根据该状态监测参数所述的阈值区间,利用对应的公式,计算出退化趋势值T。
步骤109:获取所述水电机组上设置的每个传感器的数据。
水电机组上设有多个传感器,用以测量相应的工况参数,例如,利用流量传感器测定水头,利用位移传感器测量导叶开度。传感器的数据包括振动、摆度、压力脉动等传感器。通道名称:01上导X向摆度;02上导Y向摆度;03下导X向摆度;04下导Y向摆度;05水导X向摆度;06水导Y向摆度;07上机架X向水平振动;08上机架Y向水平振动;09上机架Z垂直平振动;10下机架X向垂直振动;11下机架Y向垂直振动;12下机架Z向垂直振动;13顶盖X向水平振动;14顶盖Y向水平振动;15顶盖Z 向垂直振动;16定子机座X向水平振动;17定子机座Y向水平振动;18定子铁芯水平振动1;19定子铁芯垂直振动1;20定子铁芯水平振动2;21定子铁芯垂直振动2; 22定子铁芯水平振动3;23定子铁芯垂直振动3;24尾水管进口压力脉动1;25尾水管进口压力脉动2;26尾水肘管压力脉动1;27尾水肘管压力脉动2;28顶盖压力脉动;29蜗壳进口压力脉动1;30蜗壳进口压力脉动2。
步骤110:根据待分析状态监测参数对应的工况参数与对应传感器的数据之间的敏感度,确定待分析状态监测参数对应的权重值。
权重系数可以取相同的系数,如30个参数,则每个参数的权重系数为1/30.
也可以根据水电机组专家相关知识经验确定权重系数。如融合六个摆度传感器综合趋势参数MT的数据有,上导X向摆度、上导Y向摆度、下导X向摆度、下导Y向摆度、水导X向摆度、水导Y向摆度六个传感器的相关系数依次为:1/12;1/12;2/12;2/12; 3/12;3/12。
具体系数需要根据现场传感器的特性、机组特性、专家经验综合确定。
步骤111:利用待分析状态监测参数对应的权重值和对应的退化趋势值,按照如下公式,得到综合评价参数,
其中,MT为综合评价参数,n为待分析状态监测参数的数量,i=1、2、3……n,Wi为权重值,Ti为退化趋势值。
选取多个待分析状态监测参数对应的权重值分别与对应的退化趋势值进行相乘,然后求和得到综合评价参数,例如,选取当前的震动参数和摆度参数,利用该震动参数对应的权重值与利用该震动参数得到的退化趋势值进行相乘,同理,利用该摆度参数对应的权重值与利用该摆度参数得到的退化趋势值进行相乘,然后相加,最后得到综合评价参数。
步骤112:根据所述综合评价参数,确定所述水电机组的退化趋势。
综合评价参数的值越高,表示该水电机组的运行状态正常,反之,综合评价参数的值越低,表示该水电机组极易发生故障,退化趋势明显。
由以上技术方案可知,本申请提供了一种水电机组全工况综合参数退化趋势分析方法,对水电机组的历史数据进行离散化处理,并进行筛选后,计算得到区划阈值区间,再构建水每种状态监测参数对应的电机组退化模型,利用电机组退化模型,计算出相应的退化趋势值,再对工况参数与对应传感器的数据之间的敏感度,确定相应的权重值,最后计算得到综合评价参数,用来分析水电机组整体的退化趋势。因此,该方法能利用多个状态监测参数来整体对水电机组进行退化趋势分析,提高分析结果的准确性。
Claims (4)
1.一种水电机组全工况综合参数退化趋势分析方法,其特征在于,所述方法包括:
获取水电机组的历史数据,所述历史数据包括工况参数和所述工况参数对应的多种状态监测参数的数据,所述工况参数包括水头和对应的导叶开度;
将所述工况参数离散到多个预设的离散区域内;
对每个所述预设离散区域内的工况参数进行筛选,得到目标工况参数;
将每个所述预设离散区域内的所述目标工况参数对应的多种状态监测参数分别进行计算,得到每种状态监测参数的平均值、方差、中值和最大值;
判断每个所述预设离散区域内的每种状态监测参数的中值和平均值是否满足预设条件,若满足,则根据每种状态监测参数的平均值、方差、中值和最大值,计算得到区划阈值区间;
根据每种状态监测参数的区划阈值区间,建立每种状态监测参数对应的水电机组退化模型;
利用待分析状态监测参数及对应的水电机组退化模型,计算得到所述待分析状态监测参数对应的退化趋势值;
获取所述水电机组上设置的每个传感器的数据;
根据待分析状态监测参数对应的工况参数与对应传感器的数据之间的敏感度,确定待分析状态监测参数对应的权重值;
利用待分析状态监测参数对应的权重值和对应的退化趋势值,按照如下公式,得到综合评价参数,
其中,MT为综合评价参数,n为待分析状态监测参数的数量,i=1、2、3……n,Wi为权重值,Ti为退化趋势值;
根据所述综合评价参数,确定所述水电机组的退化趋势。
2.如权利要求1所述的方法,其特征在于,所述预设条件为Abs(Vmean-Vmiddle)/6s*100%<5%,其中,Vmean为状态监测参数的中值,Vmiddle状态监测参数的平均值,s为状态监测参数的方差。
3.如权利要求1所述的方法,其特征在于,所述根据每种状态监测参数的平均值、方差、中值和最大值,计算得到区划阈值区间包括:
按照如下公式计算得到第一区间阈值,
V1=Vmean-4s,其中,V1为第一区间阈值,Vmean为状态监测参数的中值,s为状态监测参数的方差;
按照如下公式计算得到第二区间阈值,
V2=max(Vmean+4s,Vmax),其中,V2为第二区间阈值,Vmean为状态监测参数的中值,s为状态监测参数的方差,Vmax为状态监测参数的最大值;
按照如下公式计算得到第三区间阈值,
V3=Vmean-8s,其中,V3为第三区间阈值,Vmean为状态监测参数的中值,s为状态监测参数的方差;
按照如下公式计算得到第四区间阈值,
V4=Vmean+8s,其中,V4为第四区间阈值,Vmean为状态监测参数的中值,s为状态监测参数的方差;
根据所述第一区间阈值、第二区间阈值、第三区间阈值和第四区间阈值,划分出[V1,V2]、(-∞,V3]、[V4,+∞)、(V2,V4)、(V3,V1)阈值区间。
4.如权利要求1所述的方法,其特征在于,所述每种状态监测参数对应的水电机组退化模型为
其中,V1为第一区间阈值,V2为第二区间阈值,V3为第三区间阈值,V4为第四区间阈值,V为待分析状态监测参数,s为状态监测参数的方差。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810988577.6A CN109002026B (zh) | 2018-08-28 | 2018-08-28 | 一种水电机组全工况综合参数退化趋势分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810988577.6A CN109002026B (zh) | 2018-08-28 | 2018-08-28 | 一种水电机组全工况综合参数退化趋势分析方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109002026A true CN109002026A (zh) | 2018-12-14 |
CN109002026B CN109002026B (zh) | 2021-06-25 |
Family
ID=64593578
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810988577.6A Active CN109002026B (zh) | 2018-08-28 | 2018-08-28 | 一种水电机组全工况综合参数退化趋势分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109002026B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110008586A (zh) * | 2019-04-03 | 2019-07-12 | 中国水利水电科学研究院 | 一种闸门安全评估方法 |
CN110007652A (zh) * | 2019-03-22 | 2019-07-12 | 华中科技大学 | 一种水电机组劣化趋势区间预测方法与系统 |
CN111413097A (zh) * | 2020-04-26 | 2020-07-14 | 华能四川水电有限公司 | 发电机组主轴弯曲故障预测方法 |
CN114781114A (zh) * | 2022-03-04 | 2022-07-22 | 中国电建集团成都勘测设计研究院有限公司 | 基于Revit和Dynamo生成尾水肘管模型的方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103364027A (zh) * | 2012-03-30 | 2013-10-23 | 极晨智道信息技术(北京)有限公司 | 一种旋转机械劣化趋势预测的方法和装置 |
CN105160489A (zh) * | 2015-09-28 | 2015-12-16 | 国家电网公司 | 一种水电机组变权劣化评估系统及评估方法 |
CN106446540A (zh) * | 2016-09-20 | 2017-02-22 | 华北电力大学(保定) | 一种风电机组健康状态实时评估方法 |
US20170305448A1 (en) * | 2014-11-20 | 2017-10-26 | Hitachi, Ltd. | Degradation estimation system of railroad ground equipment and method thereof |
-
2018
- 2018-08-28 CN CN201810988577.6A patent/CN109002026B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103364027A (zh) * | 2012-03-30 | 2013-10-23 | 极晨智道信息技术(北京)有限公司 | 一种旋转机械劣化趋势预测的方法和装置 |
US20170305448A1 (en) * | 2014-11-20 | 2017-10-26 | Hitachi, Ltd. | Degradation estimation system of railroad ground equipment and method thereof |
CN105160489A (zh) * | 2015-09-28 | 2015-12-16 | 国家电网公司 | 一种水电机组变权劣化评估系统及评估方法 |
CN106446540A (zh) * | 2016-09-20 | 2017-02-22 | 华北电力大学(保定) | 一种风电机组健康状态实时评估方法 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110007652A (zh) * | 2019-03-22 | 2019-07-12 | 华中科技大学 | 一种水电机组劣化趋势区间预测方法与系统 |
CN110008586A (zh) * | 2019-04-03 | 2019-07-12 | 中国水利水电科学研究院 | 一种闸门安全评估方法 |
CN111413097A (zh) * | 2020-04-26 | 2020-07-14 | 华能四川水电有限公司 | 发电机组主轴弯曲故障预测方法 |
CN111413097B (zh) * | 2020-04-26 | 2022-02-01 | 华能四川能源开发有限公司 | 发电机组主轴弯曲故障预测方法 |
CN114781114A (zh) * | 2022-03-04 | 2022-07-22 | 中国电建集团成都勘测设计研究院有限公司 | 基于Revit和Dynamo生成尾水肘管模型的方法 |
CN114781114B (zh) * | 2022-03-04 | 2023-04-28 | 中国电建集团成都勘测设计研究院有限公司 | 基于Revit和Dynamo生成尾水肘管模型的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109002026B (zh) | 2021-06-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109002026A (zh) | 一种水电机组全工况综合参数退化趋势分析方法 | |
CN102339288B (zh) | 数据仓库异常数据的检测方法及装置 | |
CN111092442A (zh) | 一种基于决策树模型的水电机组多维振动区精细划分方法 | |
CN108981796B (zh) | 一种五位一体水力机械故障诊断方法 | |
CN112832999B (zh) | 一种基于多传感器数据融合的电泵井工况诊断系统及方法 | |
CN110907170B (zh) | 一种风电机组齿轮箱轴承温度状态监测与故障诊断方法 | |
CN116976707B (zh) | 基于用电信息采集的用户用电数据异常分析方法及系统 | |
CN103925155A (zh) | 一种风电机组输出功率异常的自适应检测方法 | |
CN114580666A (zh) | 一种多模式融合电动机智能维护系统 | |
CN104866704A (zh) | 一种基于模糊综合评判的离心泵状态评估方法 | |
CN107654342A (zh) | 一种考虑湍流的风电机组功率异常的检测方法 | |
CN108443088A (zh) | 一种基于累计概率分布的风电机组状态判定方法 | |
CN101871448B (zh) | 一种泵站水泵特性曲线确定方法及系统 | |
CN118211082B (zh) | 基于数据分析的油液滤芯剩余寿命预测方法及系统 | |
CN110084426A (zh) | 一种基于工况辨识的风电功率区间预测方法 | |
CN116992385A (zh) | 一种物联网水表用量异常检测方法及系统 | |
CN110033181B (zh) | 一种基于自编码器的发电设备状态评估方法 | |
CN114962239A (zh) | 一种基于智能物联网的设备故障检测方法 | |
CN112560916B (zh) | 基于倾角传感器信息的风电塔筒倾覆智能诊断方法 | |
CN111413097B (zh) | 发电机组主轴弯曲故障预测方法 | |
CN114117887A (zh) | 风电机组的在线发电性能的实时评估方法、系统及介质 | |
CN109032098A (zh) | 一种水电机组全工况单参数退化趋势分析方法 | |
CN115186754A (zh) | 基于信息熵及自联想回归模型的机组能效监测诊断方法 | |
CN113158403B (zh) | 一种基于Kneedle地铁刚性接触导线平顺性评估方法 | |
CN111382946B (zh) | 设备健康状态的自主评估方法、系统及工业互联网设备 |
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 |