CN111105050A - 风机维护计划的生成方法、装置、设备及存储介质 - Google Patents

风机维护计划的生成方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN111105050A
CN111105050A CN201911336788.2A CN201911336788A CN111105050A CN 111105050 A CN111105050 A CN 111105050A CN 201911336788 A CN201911336788 A CN 201911336788A CN 111105050 A CN111105050 A CN 111105050A
Authority
CN
China
Prior art keywords
maintenance
maintained
window period
prediction
fan
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
Application number
CN201911336788.2A
Other languages
English (en)
Other versions
CN111105050B (zh
Inventor
李明昊
唐作用
杨恢
姚颖
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.)
Shanghai Envision Innovation Intelligent Technology Co Ltd
Envision Digital International Pte Ltd
Original Assignee
Shanghai Envision Innovation Intelligent Technology Co Ltd
Envision Digital International Pte 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 Shanghai Envision Innovation Intelligent Technology Co Ltd, Envision Digital International Pte Ltd filed Critical Shanghai Envision Innovation Intelligent Technology Co Ltd
Priority to CN201911336788.2A priority Critical patent/CN111105050B/zh
Publication of CN111105050A publication Critical patent/CN111105050A/zh
Priority to PCT/SG2020/050756 priority patent/WO2021133249A1/en
Application granted granted Critical
Publication of CN111105050B publication Critical patent/CN111105050B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q10/00Administration; Management
    • G06Q10/20Administration of product repair or maintenance
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01WMETEOROLOGY
    • G01W1/00Meteorology
    • G01W1/10Devices for predicting weather conditions
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q10/00Administration; Management
    • G06Q10/04Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • YGENERAL 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
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02ATECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A30/00Adapting or protecting infrastructure or their operation
    • YGENERAL 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
    • Y04INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04SSYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Abstract

本申请实施例公开了一种风机维护计划的生成方法、装置、设备及存储介质,属于计算机领域。该方法包括:根据风机维护周期内待维护风机设备所在位置的预测气象信息,确定待维护风机设备对应的预测窗口期,预测窗口期内的预测气象条件符合维护作业气象条件;根据各个待维护风机设备对应的设备维护信息,从预测窗口期中确定各个待维护风机设备对应的目标窗口期;根据目标窗口期和维护人员信息,生成维护计划表。采用本申请实施例提供的方法,通过获取不同区域的预测气象信息,针对每台待维护风机设备进行窗口期预测,提高了预测准确率,根据设备维护信息、预测窗口期和维护人员信息生成维护计划表,提高了窗口期利用率和维护作业效率。

Description

风机维护计划的生成方法、装置、设备及存储介质
技术领域
本申请实施例涉及计算机领域,特别涉及一种风机维护计划的生成方法、装置、设备及存储介质。
背景技术
在生产工作中,风机设备可能产生故障,需要技术人员进行定期维护,因此,准确地预测维护窗口期能够帮助技术人员合理安排维护工作。
相关技术中,计算机设备首先获取待维护风机设备所在地的历史气象信息,预测未来一年的可作业日期,在此基础上根据工作日和休假日进行修正,再根据第三方的气象预报数据进行修正,得到目标区域内待维护风机设备的维护窗口期。
然而,相关技术中的维护窗口期预测方法只能根据目标区域内的历史气象信息,将可作业的工作日作为维护窗口期,不能针对具体每台待维护风机设备预测精确的维护窗口期,维护窗口期的预测准确率和利用率较低。
发明内容
本申请实施例提供了一种风机维护计划的生成方法、装置、设备及存储介质。所述技术方案如下:
一方面,本申请实施例提供了一种风机维护计划的生成方法,所述方法包括:
根据风机维护周期内待维护风机设备所在位置的预测气象信息,确定所述待维护风机设备对应的预测窗口期,所述预测窗口期内的所述预测气象条件符合维护作业气象条件;
根据各个所述待维护风机设备对应的设备维护信息,从所述预测窗口期中确定各个所述待维护风机设备对应的目标窗口期;
根据所述目标窗口期和维护人员信息,生成维护计划表,所述维护计划表用于指示各个所述待维护风机设备的维护时间段以及为所述待维护风机设备分配的维护人员,所述维护时间段属于所述目标窗口期。
另一方面,本申请实施例提供了一种风机维护计划的生成装置,所述装置包括:
第一确定模块,用于根据风机维护周期内待维护风机设备所在位置的预测气象信息,确定所述待维护风机设备对应的预测窗口期,所述预测窗口期内的所述预测气象条件符合维护作业气象条件;
第二确定模块,用于根据各个所述待维护风机设备对应的设备维护信息,从所述预测窗口期中确定各个所述待维护风机设备对应的目标窗口期;
生成模块,用于根据所述目标窗口期和维护人员信息,生成维护计划表,所述维护计划表用于指示各个所述待维护风机设备的维护时间段以及为所述待维护风机设备分配的维护人员,所述维护时间段属于所述目标窗口期。
另一方面,本申请实施例提供了一种计算机设备,所述计算机设备包括处理器和存储器;所述存储器存储有至少一条指令,所述至少一条指令用于被所述处理器执行以实现如上述方面所述的风机维护计划的生成方法。
另一方面,提供了一种计算机可读存储介质,所述存储介质存储有至少一条指令,所述至少一条指令用于被处理器执行以实现如上述方面所述的风机维护计划的生成方法。
另一方面,还提供了一种计算机程序产品,该计算机程序产品存储有至少一条指令,所述至少一条指令由处理器加载并执行以实现上述方面所述的风机维护计划的生成方法。
本申请实施例提供的技术方案的有益效果至少包括:
通过获取每台待维护风机设备所在位置的气象信息,确定符合维护作业气象条件的时间段作为预测窗口期,并且根据每台待维护风机设备的设备维护信息,确定满足维护作业时长的预测窗口期作为目标窗口期,从而生成维护计划表,指示相应的维护人员在目标窗口期内进行维护作业;根据不同区域的预测气象信息,针对每台待维护风机设备进行窗口期预测,提高了预测准确率,根据设备维护信息、预测窗口期和维护人员信息生成维护计划表,提高了窗口期利用率和维护作业效率。
附图说明
图1是根据一示例性实施例示出的实施环境的示意图;
图2是根据一示例性实施例示出的风机维护计划的生成方法的流程图;
图3是根据另一示例性实施例示出的风机维护计划的生成方法的流程图;
图4是根据一示例性实施例示出的确定预测窗口期的流程图;
图5是根据另一示例性实施例示出的风机维护计划的生成方法的流程图;
图6是根据一示例性实施例示出的计算风机发电功率的流程图;
图7是根据一示例性实施例示出的安排维护作业的流程图;
图8是根据一示例性实施例示出的风机维护计划的生成装置的结构框图;
图9是根据一示例性实施例示出的计算机设备的结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合附图对本申请实施方式作进一步地详细描述。
在本文中提及的“多个”是指两个或两个以上。“和/或”,描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
风场的风机设备在运行过程中,可能会产生故障,因此需要安排维护人员定期进行维护和检修,相关技术中,暂无对维护过程的相关预测,而是对风场进行实施和吊装风机的工程期间进行的窗口期预测,即计算机设备根据风场所在地的历史年气象信息,对未来一年的窗口期进行预测。计算机设备获取风场所在地的历史气象信息,预测出未来一年中,可以进行维护作业的日期,在此基础上按照工作日进行修正,剔除休假日,再根据第三方的气象预报信息进行二次修正,最终得到气象条件满足维护作业需求的工作日,即窗口期。
并且,相关技术中,计算机设备只能预测出整个风场的窗口期,空间粒度粗糙,不能针对每台风机设备进行单独预测,并且时间上只能预测出大致的工作日。但风机的维护作业受复杂的天气情况影响,且每台风机设备的状态不同,需要的维护作业也不同,相关技术中的窗口期预测和维护作业计划粗糙,造成窗口期准确率、维护人员工时利用率和维护作业效率低,从而导致风机维护成本高。
为了解决上述问题,本申请实施例提供了一种风机维护计划的生成方法,请参考图1,其示出了本申请一个示例性实施例提供的实施环境的示意图。该实施环境中包括待维护风机设备101、服务器102和计算机设备103。
待维护风机设备101是风场中需要维护作业的风机设备,在维护作业期间,待维护风机设备101停止工作,其余时间正常运转发电,或因产生故障停止工作。其产生的数据(例如功率、发电量、故障信息等)发送至服务器102。
待维护风机设备101与服务器102之间通过有线或无线网络相连,在一种可能的应用场景下,待维护风机设备101通过网关设备向服务器102发送数据。
服务器102用于处理和存储待维护风机设备101发送的数据,其可以是一台服务器,若干台服务器构成的服务器集群或云计算中心。
服务器102与计算机设备103之间通过有线或无线网络相连,在一种可能的应用场景下,服务器102通过网关设备向计算机设备103发送数据。
计算机设备103从服务器102中获取数据(例如待维护风机设备101的位置、历史气象数据、不同天气情况对应的功率等),并从第三方气象预测中获取待维护风机设备101所在地的预测气象数据,并在云计算中心重新计算更精细化的预测气象结果,再根据获取的数据对每台待维护风机设备101进行窗口期预测,生成维护计划表。
请参考图2,其示出了本申请一个示例性实施例提供的风机维护计划的生成方法的流程图。本实施例以该方法用于计算机设备为例进行说明,该方法包括如下步骤:
步骤201,根据风机维护周期内待维护风机设备所在位置的预测气象信息,确定待维护风机设备对应的预测窗口期,预测窗口期内的预测气象条件符合维护作业气象条件。
风机设备的维护作业与气象密切相关,大风、降雨、大雾等天气会影响维修效率,并且存在安全隐患,不适合进行维护作业。
在一种可能的实施方式中,计算机设备中存储有每台待维护风机设备的地理位置,根据专业气象预报发布的相关位置的预测气象信息,确定出每台待维护风机设备的预测窗口期,该预测窗口期是预测气象条件符合维护作业气象条件的时间段,该时间段可以具体到分钟。在实际应用中,距离较近的待维护风机设备对应的预测窗口期差距很小,即一个预测窗口期内,可能对应多台待维护风机设备。
由于气象复杂多变,特别是海上风场等特殊地理位置的气象影响因素较多,并且气象预报存在误差,因此可能导致预测窗口期不准确。可选的,计算机设备每隔预定时间间隔获取最新的天气预报重新进行一次计算,确定每台待维护风机设备在预定时长内的预测窗口期。
示意性的,对于海上风场中的所有风机设备,预先设置风机维护周期为7天,计算机设备每隔24小时获取一次未来7天的预测气象信息,该预测气象信息包括风速、浪高、降雨量、能见度和极端天气预警等。根据该预测气象信息,确定每台待维护风机设备的预测窗口期。
步骤202,根据各个待维护风机设备对应的设备维护信息,从预测窗口期中确定各个待维护风机设备对应的目标窗口期。
由于每台待维护风机设备需要的维护作业内容不同,因此预测窗口期不一定能够满足维护作业需求。
在一种可能的实施方式中,计算机设备确定出预测窗口期后,获取每台待维护风机设备的设备维护信息,并将符合维护作业需求的预测窗口期确定为待维护风机设备的目标窗口期。当预测窗口期发生变化时,计算机设备重新确定目标窗口期。
步骤203,根据目标窗口期和维护人员信息,生成维护计划表,维护计划表用于指示各个待维护风机设备的维护时间段以及为待维护风机设备分配的维护人员。
在一种可能的实施方式中,计算机设备获取维护人员信息,其中包括维护人员名单和对应的空闲时间。再根据目标窗口期和维护人员信息生成维护计划表,为每台待维护风机设备分配维护人员和维护时间段,维护时间段属于目标窗口期。计算机设备每隔预定时间间隔计算一次预测窗口期,并更新目标窗口期和维护计划表。
综上所述,本申请实施例中,通过获取每台待维护风机设备所在位置的气象信息,确定符合维护作业气象条件的时间段作为预测窗口期,并且根据每台待维护风机设备的设备维护信息,确定满足维护作业时长的预测窗口期作为目标窗口期,从而生成维护计划表,指示相应的维护人员在目标窗口期内进行维护作业;根据不同区域的预测气象信息,针对每台待维护风机设备进行窗口期预测,提高了预测准确率,根据设备维护信息、预测窗口期和维护人员信息生成维护计划表,提高了窗口期利用率和维护作业效率。
请参考图3,其示出了本申请另一个示例性实施例提供的风机维护计划的生成方法的流程图。本实施例以该方法用于计算机设备为例进行说明,该方法包括如下步骤:
步骤301,根据风机预测周期内的预测气象信息和第i类维护作业气象条件,确定第j类预测窗口期,第j类预测窗口期内的预测气象信息符合第i类维护作业气象条件,i和j均为大于等于1的整数。
风机设备的维护作业受气象影响,但气象复杂多变,计算机设备很难确定具体的预测窗口期,需要事先人为设置符合维护作业的气象条件。
在一种可能的实施方式中,相关技术人员预先设置多级维护作业气象条件,计算机设备获取每台待维护风机设备所在位置的预测气象信息后,首先根据最优级别的维护作业气象条件,即第一类维护作业气象条件,筛选出第一类预测窗口期。
示意性的,如图4所示,计算机设备首先执行步骤a,获取气象预报,例如,对于海上风场中的待维护风机设备,计算机设备需要获取风速、浪高、降雨、能见度和极端天气等气象信息。计算机设备继续执行步骤b,计算预测窗口期,根据事先设置的第一类维护作业气象条件,计算第一类预测窗口期。
步骤302,若第j类预测窗口期的数量小于数量阈值,和/或,第j类预测窗口期的窗口时长小于时长阈值,则根据预测气象信息和第i+1类维护作业气象条件,确定第j+1类预测窗口期。
在一种可能的实施方式中,由于预测窗口期不一定都能满足维护作业需求,当第j类预测窗口期数量较少,或第j类预测窗口期的窗口时长较短时,可能无法保证待维护风机设备及时得到维护,因此,相关技术人员可以根据实际情况降低标准,设置第i+1类维护作业气象条件,确定第j+1类预测窗口期。第j类预测窗口期内的预测气象信息符合第i+1类维护作业气象条件,且第i类维护作业气象条件优于第i+1类维护作业气象条件。
示意性的,相关技术人员根据第二维护作业气象条件确定第二预测窗口期,其中,第一维护作业气象条件优于第二维护作业气象条件,例如,第一维护作业气象条件中要求降雨量为0,第二维护作业气象条件中要求降雨量为小于等于10毫米,或者第二维护作业气象条件中的风速大于第一维护作业气象条件。
如图4所示,计算机设备执行步骤b,计算预测窗口期,当第一预测窗口期的数量小于数量阈值,和/或,第一预测窗口期的窗口时长小于时长阈值时,计算机设备根据第二维护作业气象条件确定第二预测窗口期,并继续根据第i+1类维护作业气象条件确定第j+1类预测窗口期,直至预测窗口期的数量达到数量阈值,和/或,预测窗口期的窗口时长达到时长阈值时,执行步骤c,确定预测窗口期,该预测窗口期包括上述步骤b中得到的第一预测窗口期至第j+1类预测窗口期。
示意性的,设置数量阈值为5,时长阈值为10小时,若第一预测窗口期的数量小于5,和/或,第一预测窗口期的窗口时长小于10小时,计算机设备根据第二维护作业气象条件确定第二预测窗口期,若第一预测窗口期和第二预测窗口期的数量大于等于5,和/或,第一预测窗口期和第二预测窗口期的窗口时长大于等于10小时,则确定预测窗口期,否则继续根据第三维护作业气象条件确定第三预测窗口期。
步骤303,从预测窗口期中,确定待维护风机设备中第n级待维护风机设备的目标窗口期,第n级待维护风机设备是第n维护优先级的待维护风机设备,n为大于等于1的整数。
在一种可能的实施方式中,设备维护信息包括维护优先级,计算机设备按照待维护风机设备的维护优先级确定目标窗口期,例如,计算机设备首先筛选出第一维护优先级的待维护风机设备,即第一级待维护风机设备,再根据每台第一级待维护风机设备的设备维护信息和预测窗口期,确定第一级待维护风机设备的目标窗口期。
步骤304,当第n级待维护风机设备的目标窗口期确定完成时,从预测窗口期中,确定待维护风机设备中第n+1级待维护风机设备的目标窗口期,第n+1级待维护风机设备是第n+1维护优先级的待维护风机设备,且第n维护优先级高于第n+1维护优先级。
计算机设备确定出第一级待维护风机设备的目标窗口期后,继续确定下一维护优先级的待维护风机设备,直至最后一个优先级的待维护风机设备的目标窗口期确定,即完成了所有待维护风机设备的目标窗口期的预测。
步骤305,获取目标窗口期内的可用维护人员数。
计算机设备确定每台待维护风机设备的目标窗口期后,需要安排维护人员在目标窗口期内对待维护风机设备进行维护作业。
在一种可能的实施方式中,计算机设备获取维护人员信息,其中,维护人员信息包括各时间段维护人员数量。计算机设备首先获取各目标窗口期内的可用维护人员数。
步骤306,若可用维护人员数大于第n级待维护风机设备的数量,则根据第n级待维护风机设备的数量为第n级待维护风机设备分配维护人员,并更新目标窗口期内的可用维护人员数。
在一种可能的实施方式中,计算机设备首先为第一级待维护风机设备分配维护人员。若第一级待维护风机设备的第一个目标窗口期内,可用维护人员数大于第一级待维护风机设备的数量,则根据第一级待维护风机设备的数量选取维护人员,分配给各个第一级待维护风机设备进行维护作业,并更新该目标窗口期内的可用维护人员数,继续为其他等级的待维护风机设备分配维护人员。
示意性的,第一级待维护风机设备有A、B、C三台,A和B的目标窗口期为窗口期1,C的目标窗口期为窗口期2;第二级待维护风机设备有D、E两台,D的目标窗口期为窗口期1,E的目标窗口期为窗口期2;有3名维护人员在窗口期1和窗口期2内没有工作安排。计算机设备首先为A、B、C分配维护人员,先选取2名维护人员在窗口期1内分别对待维护风机设备A和B进行维护作业,并更新窗口期1的可用维护人员数为1;再选取1名维护人员在窗口期2内对待维护风机设备C进行维护作业,并更新窗口期2的可用维护人员数为2。
计算机设备继续为待维护风机设备D和E分配维护人员,先分配窗口期1剩余的一名维护人员对待维护风机D进行维护作业,再从窗口期2剩余的两名维护人员中选取1名维护人员对待维护风机E进行维护作业。
步骤307,若可用维护人员数小于第n级待维护风机设备的数量,则根据可用维护人员数为第n级待维护风机设备分配维护人员,并更新目标窗口期内的可用维护人员数。
在一种可能的实施方式中,计算机设备首先为第一级待维护风机设备分配维护人员。若第一级待维护风机设备的第一个目标窗口期内,可用维护人员数小于第一级待维护风机设备的数量,则分配所有维护人员在第一个目标窗口期对第一级待维护风机设备进行维护作业,再在第二个目标窗口期内为剩余的第一级待维护风机设备分配维护人员,并为其他等级的待维护风机设备分配维护人员。
若当前阶段维护工作结束,则继续执行步骤303,为其余等级的待维护风机设备分配维护人员,直至所有维护工作完成,即所有风机设备维护完成或可利用的预测窗口期已耗尽。
示意性的,第一级待维护风机设备有A、B、C、D四台,A、B和C的目标窗口期为窗口期1,D的目标窗口期为窗口期2;第二级待维护风机设备有E、F两台,目标窗口周期都为窗口期2,;有3名维护人员在窗口期1和窗口期2内没有工作安排。计算机设备首先为A、B、C、D分配维护人员,先分配3名维护人员在窗口期1内分别对待维护风机设备A、B、C进行维护作业,并更新窗口期1的可用维护人员数为0;再分配3名维护人员在窗口期2内分别对待维护风机设备D、E、F进行维护作业,并更新窗口期2的可用维护人员数为0。
本申请实施例中,通过划分不同等级的维护作业气象条件,确定不同等级的预测窗口期,维护人员可根据实际情况调整待维护设备的目标窗口期,保证维护作业的效率和窗口期利用率;计算机设备根据待维护设备的维护优先级进行分配工作,可以保证维护优先级最高的待维护设备能够及时得到维护;计算机设备根据维护人员信息和待维护设备的目标窗口期分配维护工作,并实时更新各窗口期内可用维护人员数,提高了维护人员的利用率和维护作业效率,降低了维护作业时间成本。
计算机设备根据维护作业气象条件和预测气象信息,为每台待维护风机设备确定预测窗口期,然而待维护风机设备的状态和维护作业需求不同,预测窗口期并不一定能够满足维护作业,计算机设备需要根据设备维护信息确定每台待维护风机设备的目标窗口期。
在一种可能的实施方式中,在图3的基础上,如图5所示,上述步骤303包括步骤303a至303c。
步骤303a,获取第n级待维护风机设备的维护时长。
不同的待维护风机设备的工作状态不同,其需要的维护作业也存在差异,因此,在一种可能的实施方式中,预先设置不同维护作业对应的维护时长。
可选的,设备维护信息还包括维护时长,计算机设备在确定待维护风机设备的目标窗口期之前,首先获取每台待维护风机设备的维护时长。
步骤303b,将窗口时长大于等于维护时长的预测窗口期确定为候选窗口期。
计算机设备将每台待维护风机设备的维护时长与预测窗口期的窗口时长进行比较,筛选出窗口时长大于等于维护时长的预测窗口期,确定为候选窗口期。
在一种可能的实施方式中,计算机设备首先比较第一预测窗口期的窗口时长和维护时长,将窗口时长大于等于维护时长的第一预测窗口期确定为候选窗口期,若第一预测窗口期的窗口时长都小于维护时长,则继续从下一等级的预测窗口期中筛选候选窗口期。
示意性的,对于待维护风机设备A,按照时间先后顺序对应有第一预测窗口期1和2,第二预测窗口期3和4,其中,预测窗口期1的窗口时长为3小时,预测窗口期2和3的窗口时长为5小时,预测窗口期4的窗口时长为4小时,待维护风机设备A的维护时长为4小时,第一预测窗口期中,预测窗口期2的时长大于维护时长,则确定预测窗口期2为目标窗口期。
步骤303c,从候选窗口期中确定目标窗口期。
在一种可能的实施方式中,步骤303c包括如下步骤:
一、若包含至少两个候选窗口期,则获取候选窗口期中的最近候选窗口期。
可选的,当候选窗口期唯一时,确定该候选窗口期为对应待维护风机设备的目标窗口期;当至少存在两个候选窗口期时,对于第一待维护风机设备,确定候选窗口周期中的最近候选窗口期为目标窗口期,对于其他维护优先级的待维护风机设备,则确定候选窗口期中损失发电量最小的作为目标窗口期。
维护人员在进行维护作业时,需要关闭风机设备,此时风机停止发电,会造成一定的发电损失。在一种可能的实施方式中,为了尽可能降低维护作业导致的发电损失,计算机设备在确定目标窗口期之前,首先计算每台待维护风机设备在各候选窗口期内的损失发电量。
可选的,如图6所示,计算机设备获取风机运行数据和候选窗口期对应的气象数据,其中,气象数据包括风向和风速,风机运行数据包括实时数据和历史数据,历史数据为历史记录中,与候选窗口期的气象数据相同条件下风机的运行数据,例如功率、风机风速等。计算机设备将气象数据和风机运行数据输入功率预测算法,计算待维护风机设备在各候选窗口期内的风机发电功率,从而得到预计的损失发电量。
示意性的,计算机设备预测待维护风机设备在候选窗口期内,每15分钟的发电功率。功率预测算法包括多种机器学习算法,例如线性回归、支持向量机、回归树与决策树类算法和提升(Boost)等有监督学习的算法。风机发电功率为多种算法集成后的计算结果,准确率在85%以上。
二、若最近候选窗口期的窗口时长大于维护时长,则确定最近候选窗口期内第n级待维护风机设备的损失发电量。
对于第一待维护风机设备,计算机设备获取其最近的候选窗口期后,若最近候选窗口期的窗口时长大于维护时长,则计算最近候选窗口期内各时间段的损失发电量。计算机设备首先获取最近候选窗口期内的风力预测信息,风力预测信息包括风向预测信息和风速预测信息。将风力预测信息输入第一待维护风机设备对应的发电量预测模型,将发电量预测模型输出的预测发电量确定为损失发电量。发电量预测模型根据样本输入和样本输出训练得到,样本输入为历史风力信息,样本输出为第n级待维护风机设备的历史发电量。
三、将最小损失发电量对应的窗口子周期确定为目标窗口周期,窗口子周期属于最近候选窗口期,且窗口子周期的窗口时长等于维护时长。
示意性的,待维护风机设备A的最近候选窗口周期为10:00:00至15:00:00,维护时长为3小时,则计算机设备计算10:00:00至15:00:00中,每15分钟的损失发电量,并对连续三小时的损失发电量进行求和,计算出10:30:00至13:30:00的损失发电量最小,则确定10:30:00至13:30:00为待维护风机设备A的目标窗口周期。
本申请实施例中,计算机设备首先确定维护优先级最高的待维护风机设备的目标窗口期,即最近候选窗口期,并且确定出目标窗口期中损失发电量最小的时间段为目标窗口周期,再根据各候选窗口期的损失发电量,确定其他优先级的待维护风机设备的目标窗口期,在此基础上分配维护人员进行维护作业,在保证维护作业及时性的前提下降低了维护成本和损失。
由于待维护风机设备的数量通常大于维护人员数量,因此计算机设备需要合理计划安排维护作业,请参考图7,其示出了计算机安排维护作业的流程图。
步骤701,为待维护风机设备分配维护人员。计算机设备根据待维护风机设备的优先级进行人员分配,确保对优先级最高的待维护风机设备优先进行维护。
步骤702,判断是否所有的风机设备维护完成,或,无可利用的窗口期。当有维护人员完成对一台风机设备的维护作业时,计算机设备需进行判断是否存在其余待维护风机设备,是则判断是否存在可利用的窗口期,当所有风机设备维护完成或者没有可利用的预测窗口期时,执行步骤703,否则返回步骤701,继续为其余待维护风机设备按照优先级分配维护人员和维护时间。
步骤703,完成维护作业。
图8是本申请一个示例性实施例提供的风机维护计划的生成装置的结构框图,该装置可以设置于上述实施例所述的计算机设备,如图8所示,该装置包括:
第一确定模块801,用于根据风机维护周期内待维护风机设备所在位置的预测气象信息,确定所述待维护风机设备对应的预测窗口期,所述预测窗口期内的所述预测气象条件符合维护作业气象条件;
第二确定模块802,用于根据各个所述待维护风机设备对应的设备维护信息,从所述预测窗口期中确定各个所述待维护风机设备对应的目标窗口期;
生成模块803,用于根据所述目标窗口期和维护人员信息,生成维护计划表,所述维护计划表用于指示各个所述待维护风机设备的维护时间段以及为所述待维护风机设备分配的维护人员,所述维护时间段属于所述目标窗口期。
可选的,所述设备维护信息包括维护优先级,所述第二确定模块802,包括:
第一确定单元,用于所述根据各个所述待维护风机设备对应的设备维护信息,从所述预测窗口期中确定各个所述待维护风机设备对应的目标窗口期,包括:
第二确定单元,用于从所述预测窗口期中,确定所述待维护风机设备中第n级待维护风机设备的所述目标窗口期,所述第n级待维护风机设备是第n维护优先级的所述待维护风机设备,n为大于等于1的整数;
第三确定单元,用于从所述预测窗口期中,确定所述待维护风机设备中第n+1级待维护风机设备的所述目标窗口期,所述第n+1级待维护风机设备是第n+1维护优先级的所述待维护风机设备,且所述第n维护优先级高于所述第n+1维护优先级。
可选的,所述设备维护信息还包括维护时长,所述第二确定单元,还用于:
获取所述第n级待维护风机设备的所述维护时长;
将窗口时长大于等于所述维护时长的所述预测窗口期确定为候选窗口期;
从所述候选窗口期中确定所述目标窗口期。
可选的,所述第二确定单元,还用于:
若包含至少两个所述候选窗口期,则获取所述候选窗口期中的最近候选窗口期;
若所述最近候选窗口期的窗口时长大于所述维护时长,则确定所述最近候选窗口期内所述第n级待维护风机设备的损失发电量;
将最小损失发电量对应的窗口子周期确定为所述目标窗口周期,所述窗口子周期属于所述最近候选窗口期,且所述窗口子周期的窗口时长等于所述维护时长。
可选的,所述第二确定单元,还用于:
获取所述最近候选窗口期内的风力预测信息,所述风力预测信息包括风向预测信息和风速预测信息;
将所述风力预测信息输入所述第n级待维护风机设备对应的发电量预测模型,所述发电量预测模型根据样本输入和样本输出训练得到,所述样本输入为历史风力信息,所述样本输出为所述第n级待维护风机设备的历史发电量;
将所述发电量预测模型输出的预测发电量确定为所述损失发电量。
可选的,所述维护人员信息包括维护人员数量,所述生成模块803,包括:
获取单元,用于获取所述目标窗口期内的可用维护人员数;
第一分配单元,用于若所述可用维护人员数大于所述第n级待维护风机设备的数量,则根据所述第n级待维护风机设备的数量为所述第n级待维护风机设备分配维护人员,并更新所述目标窗口期内的所述可用维护人员数;
第二分配单元,用于若所述可用维护人员数小于所述第n级待维护风机设备的数量,则根据所述可用维护人员数为所述第n级待维护风机设备分配维护人员,并更新所述目标窗口期内的所述可用维护人员数。
可选的,所述第一确定模块801,包括:
第四确定单元,用于单元,用于根据所述预测气象信息和第i类维护作业气象条件,确定第j类预测窗口期,所述第j类预测窗口期内的所述预测气象信息符合第i类维护作业气象条件,j和i均为大于等于1的整数;
第五确定单元,用于若所述第j类预测窗口期的数量小于数量阈值,和/或,所述第j类预测窗口期的窗口时长小于时长阈值,则根据所述预测气象信息和第i+1类维护作业气象条件,确定第j+1类预测窗口期,所述第j类预测窗口期内的所述预测气象信息符合第i+1类维护作业气象条件,且所述第i类维护作业气象条件优于所述第i+1类维护作业气象条件。
请参考图9,其示出了本申请一个示例性实施例提供的计算机设备的结构示意图。具体来讲:所述计算机设备900包括中央处理单元(Central Processing Unit,CPU)901、包括随机存取存储器(Random Access Memory,RAM)902和只读存储器(Read-Only Memory,ROM)903的系统存储器904,以及连接系统存储器904和中央处理单元901的系统总线905。所述计算机设备900还包括帮助计算机设备内的各个器件之间传输信息的基本输入/输出(Input/Output,I/O)系统906,和用于存储操作系统913、应用程序914和其他程序模块915的大容量存储设备907。
所述基本输入/输出系统906包括有用于显示信息的显示器908和用于用户输入信息的诸如鼠标、键盘之类的输入设备909。其中所述显示器908和输入设备909都通过连接到系统总线905的输入输出控制器910连接到中央处理单元901。所述基本输入/输出系统906还可以包括输入输出控制器910以用于接收和处理来自键盘、鼠标、或电子触控笔等多个其他设备的输入。类似地,输入输出控制器910还提供输出到显示屏、打印机或其他类型的输出设备。
所述大容量存储设备907通过连接到系统总线905的大容量存储控制器(未示出)连接到中央处理单元901。所述大容量存储设备907及其相关联的计算机可读存储介质为计算机设备900提供非易失性存储。也就是说,所述大容量存储设备907可以包括诸如硬盘或者只读光盘(Compact Disc Read-Only Memory,CD-ROM)驱动器之类的计算机可读存储介质(未示出)。
不失一般性,所述计算机可读存储介质可以包括计算机存储介质和通信介质。计算机存储介质包括以用于存储诸如计算机可读存储指令、数据结构、程序模块或其他数据等信息的任何方法或技术实现的易失性和非易失性、可移动和不可移动介质。计算机存储介质包括RAM、ROM、计算机存储器(Erasable Programmable Read Only Memor,EPROM)、读写存储器(Electrically Erasable Programmable Read Only Memory,EEPROM)、闪存或其他固态存储其技术,CD-ROM、数字通用光盘(Digital Versatile Disc,DVD)或其他光学存储、磁带盒、磁带、磁盘存储或其他磁性存储设备。当然,本领域技术人员可知所述计算机存储介质不局限于上述几种。上述的系统存储器904和大容量存储设备907可以统称为存储器。
存储器存储有一个或多个程序,一个或多个程序被配置成由一个或多个中央处理单元901执行,一个或多个程序包含用于实现上述风机维护计划的生成方法的指令,中央处理单元901执行该一个或多个程序实现上述各个方法实施例提供的风机维护计划的生成方法。
根据本申请的各种实施例,所述计算机设备900还可以通过诸如因特网等网络连接到网络上的远程计算机设备运行。也即计算机设备900可以通过连接在所述系统总线905上的网络接口单元911连接到网络912,或者说,也可以使用网络接口单元911来连接到其他类型的网络或远程计算机设备系统(未示出)。
所述存储器还包括一个或者一个以上的程序,所述一个或者一个以上程序存储于存储器中,所述一个或者一个以上程序包含用于进行本申请实施例提供的方法中由计算机设备所执行的步骤。
本申请实施例还提供了一种计算机可读存储介质,该计算机可读存储介质存储有至少一条指令,所述至少一条指令由所述处理器加载并执行以实现如上各个实施例所述的风机维护计划的生成方法。
本申请实施例还提供了一种计算机程序产品,该计算机程序产品存储有至少一条指令,所述至少一条指令由所述处理器加载并执行以实现如上各个实施例所述的风机维护计划的生成方法。
本领域技术人员应该可以意识到,在上述一个或多个示例中,本申请实施例所描述的功能可以用硬件、软件、固件或它们的任意组合来实现。当使用软件实现时,可以将这些功能存储在计算机可读存储介质中或者作为计算机可读存储介质上的一个或多个指令或代码进行传输。计算机可读存储介质包括计算机存储介质和通信介质,其中通信介质包括便于从一个地方向另一个地方传送计算机程序的任何介质。存储介质可以是通用或专用计算机能够存取的任何可用介质。
以上所述仅为本申请的可选实施例,并不用以限制本申请,凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。

Claims (10)

1.一种风机维护计划的生成方法,其特征在于,所述方法包括:
根据风机维护周期内待维护风机设备所在位置的预测气象信息,确定所述待维护风机设备对应的预测窗口期,所述预测窗口期内的所述预测气象条件符合维护作业气象条件;
根据各个所述待维护风机设备对应的设备维护信息,从所述预测窗口期中确定各个所述待维护风机设备对应的目标窗口期;
根据所述目标窗口期和维护人员信息,生成维护计划表,所述维护计划表用于指示各个所述待维护风机设备的维护时间段以及为所述待维护风机设备分配的维护人员,所述维护时间段属于所述目标窗口期。
2.根据权利要求1所述的方法,其特征在于,所述设备维护信息包括维护优先级;
所述根据风机维护周期内各个所述待维护风机设备对应的设备维护信息,从所述预测窗口期中确定各个所述待维护风机设备对应的目标窗口期,包括:
从所述预测窗口期中,确定所述待维护风机设备中第n级待维护风机设备的所述目标窗口期,所述第n级待维护风机设备是第n维护优先级的所述待维护风机设备,n为大于等于1的整数;
当所述第n级待维护风机设备的目标窗口期确定完成时,从所述预测窗口期中,确定所述待维护风机设备中第n+1级待维护风机设备的所述目标窗口期,所述第n+1级待维护风机设备是第n+1维护优先级的所述待维护风机设备,且所述第n维护优先级高于所述第n+1维护优先级。
3.根据权利要求2所述的方法,其特征在于,所述设备维护信息还包括维护时长;
所述确定所述待维护风机设备中第n级待维护风机设备的所述目标窗口期,包括:
获取所述第n级待维护风机设备的所述维护时长;
将窗口时长大于等于所述维护时长的所述预测窗口期确定为候选窗口期;
从所述候选窗口期中确定所述目标窗口期。
4.根据权利要求3所述的方法,其特征在于,所述从所述候选窗口期中确定所述目标窗口期,包括:
若包含至少两个所述候选窗口期,则获取所述候选窗口期中的最近候选窗口期;
若所述最近候选窗口期的窗口时长大于所述维护时长,则确定所述最近候选窗口期内所述第n级待维护风机设备的损失发电量;
将最小损失发电量对应的窗口子周期确定为所述目标窗口周期,所述窗口子周期属于所述最近候选窗口期,且所述窗口子周期的窗口时长等于所述维护时长。
5.根据权利要求4所述的方法,其特征在于,所述确定所述最近候选窗口期内所述第n级待维护风机设备的损失发电量,包括:
获取所述最近候选窗口期内的风力预测信息,所述风力预测信息包括风向预测信息和风速预测信息;
将所述风力预测信息输入所述第n级待维护风机设备对应的发电量预测模型,所述发电量预测模型根据样本输入和样本输出训练得到,所述样本输入为历史风力信息,所述样本输出为所述第n级待维护风机设备的历史发电量;
将所述发电量预测模型输出的预测发电量确定为所述损失发电量。
6.根据权利要求2至5任一所述的方法,其特征在于,所述维护人员信息包括维护人员数量;
所述根据所述目标窗口期和维护人员信息,生成维护计划表,包括:
获取所述目标窗口期内的可用维护人员数;
若所述可用维护人员数大于所述第n级待维护风机设备的数量,则根据所述第n级待维护风机设备的数量为所述第n级待维护风机设备分配维护人员,并更新所述目标窗口期内的所述可用维护人员数;
若所述可用维护人员数小于所述第n级待维护风机设备的数量,则根据所述可用维护人员数为所述第n级待维护风机设备分配维护人员,并更新所述目标窗口期内的所述可用维护人员数。
7.根据权利要求1至5任一所述的方法,其特征在于,所述根据风机维护周期内待维护风机设备所在位置的预测气象信息,确定所述待维护风机设备对应的预测窗口期,包括:
根据所述预测气象信息和第i类维护作业气象条件,确定第j类预测窗口期,所述第j类预测窗口期内的所述预测气象信息符合第i类维护作业气象条件,j和i均为大于等于1的整数;
若所述第j类预测窗口期的数量小于数量阈值,和/或,所述第j类预测窗口期的窗口时长小于时长阈值,则根据所述预测气象信息和第i+1类维护作业气象条件,确定第j+1类预测窗口期,所述第j类预测窗口期内的所述预测气象信息符合第i+1类维护作业气象条件,且所述第i类维护作业气象条件优于所述第i+1类维护作业气象条件。
8.一种风机维护计划的生成装置,其特征在于,所述装置包括:
第一确定模块,用于根据风机维护周期内待维护风机设备所在位置的预测气象信息,确定所述待维护风机设备对应的预测窗口期,所述预测窗口期内的所述预测气象条件符合维护作业气象条件;
第二确定模块,用于根据各个所述待维护风机设备对应的设备维护信息,从所述预测窗口期中确定各个所述待维护风机设备对应的目标窗口期;
生成模块,用于根据所述目标窗口期和维护人员信息,生成维护计划表,所述维护计划表用于指示各个所述待维护风机设备的维护时间段以及为所述待维护风机设备分配的维护人员,所述维护时间段属于所述目标窗口期。
9.一种计算机设备,其特征在于,所述计算机设备包括处理器和存储器;所述存储器存储有至少一条指令,所述至少一条指令用于被所述处理器执行以实现如权利要求1至7任一所述的风机维护计划的生成方法。
10.一种计算机可读存储介质,其特征在于,所述存储介质存储有至少一条指令,所述至少一条指令用于被处理器执行以实现如权利要求1至7任一所述的风机维护计划的生成方法。
CN201911336788.2A 2019-12-23 2019-12-23 风机维护计划的生成方法、装置、设备及存储介质 Active CN111105050B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201911336788.2A CN111105050B (zh) 2019-12-23 2019-12-23 风机维护计划的生成方法、装置、设备及存储介质
PCT/SG2020/050756 WO2021133249A1 (en) 2019-12-23 2020-12-17 Method and apparatus for generating maintenance plan of wind turbines, device and storage medium

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911336788.2A CN111105050B (zh) 2019-12-23 2019-12-23 风机维护计划的生成方法、装置、设备及存储介质

Publications (2)

Publication Number Publication Date
CN111105050A true CN111105050A (zh) 2020-05-05
CN111105050B CN111105050B (zh) 2023-09-29

Family

ID=70423817

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911336788.2A Active CN111105050B (zh) 2019-12-23 2019-12-23 风机维护计划的生成方法、装置、设备及存储介质

Country Status (2)

Country Link
CN (1) CN111105050B (zh)
WO (1) WO2021133249A1 (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114444738A (zh) * 2022-04-08 2022-05-06 国网浙江省电力有限公司物资分公司 一种电气设备保养周期生成方法
CN116070787A (zh) * 2023-03-08 2023-05-05 中环洁集团股份有限公司 一种设备保养周期预测方法、系统、设备及可读存储介质

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140244328A1 (en) * 2013-02-22 2014-08-28 Vestas Wind Systems A/S Wind turbine maintenance optimizer
US20140324495A1 (en) * 2013-02-22 2014-10-30 Vestas Wind Systems A/S Wind turbine maintenance optimizer
CN105678385A (zh) * 2015-12-31 2016-06-15 江苏金风科技有限公司 用于海上风电场的运维方法及运维平台
CN107480793A (zh) * 2017-08-22 2017-12-15 上海电气集团股份有限公司 海上风电场的维护费用计算及维护调度的方法及系统
CN108846488A (zh) * 2018-06-26 2018-11-20 新疆金风科技股份有限公司 风电场的检修调度方法和装置
CN108930632A (zh) * 2017-05-25 2018-12-04 株式会社日立制作所 适应性发电管理
CN109447339A (zh) * 2018-10-23 2019-03-08 北京金风科创风电设备有限公司 作业窗口期的预测方法、装置及电子设备
DE102017009682A1 (de) * 2017-10-18 2019-04-18 Senvion Gmbh Plattformanordnung, Offshore-Bauwerk, Verfahren zum Installieren einer Plattformanordnung
CN110135663A (zh) * 2019-06-10 2019-08-16 北京千尧新能源科技开发有限公司 一种用于预测海上风电运维船舶出海决策的方法及系统
CN110222851A (zh) * 2019-05-30 2019-09-10 北京千尧新能源科技开发有限公司 一种海上风电场智慧运维管理系统及管理方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2788930A1 (en) * 2011-12-08 2014-10-15 Vestas Wind Systems A/S A decision support system (dss) for maintenance of a plurality of renewable energy generators in a renewable power plant
US20130332220A1 (en) * 2012-06-11 2013-12-12 Kaj Skov Nielsen Service planning tool for wind turbines
KR101789923B1 (ko) * 2016-06-02 2017-10-25 두산중공업 주식회사 풍력단지 통합제어 모니터링 방법

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140244328A1 (en) * 2013-02-22 2014-08-28 Vestas Wind Systems A/S Wind turbine maintenance optimizer
US20140324495A1 (en) * 2013-02-22 2014-10-30 Vestas Wind Systems A/S Wind turbine maintenance optimizer
CN105678385A (zh) * 2015-12-31 2016-06-15 江苏金风科技有限公司 用于海上风电场的运维方法及运维平台
CN108930632A (zh) * 2017-05-25 2018-12-04 株式会社日立制作所 适应性发电管理
CN107480793A (zh) * 2017-08-22 2017-12-15 上海电气集团股份有限公司 海上风电场的维护费用计算及维护调度的方法及系统
DE102017009682A1 (de) * 2017-10-18 2019-04-18 Senvion Gmbh Plattformanordnung, Offshore-Bauwerk, Verfahren zum Installieren einer Plattformanordnung
CN108846488A (zh) * 2018-06-26 2018-11-20 新疆金风科技股份有限公司 风电场的检修调度方法和装置
CN109447339A (zh) * 2018-10-23 2019-03-08 北京金风科创风电设备有限公司 作业窗口期的预测方法、装置及电子设备
CN110222851A (zh) * 2019-05-30 2019-09-10 北京千尧新能源科技开发有限公司 一种海上风电场智慧运维管理系统及管理方法
CN110135663A (zh) * 2019-06-10 2019-08-16 北京千尧新能源科技开发有限公司 一种用于预测海上风电运维船舶出海决策的方法及系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
杜勉等: "以可靠性为中心的维修策略综述及其在海上风电场运维中的应用探讨", 《电网技术》 *
王晓东等: "基于DRSA和BP神经网络风电机组检修决策", 《电力系统及其自动化学报》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114444738A (zh) * 2022-04-08 2022-05-06 国网浙江省电力有限公司物资分公司 一种电气设备保养周期生成方法
CN114444738B (zh) * 2022-04-08 2022-09-09 国网浙江省电力有限公司物资分公司 一种电气设备保养周期生成方法
CN116070787A (zh) * 2023-03-08 2023-05-05 中环洁集团股份有限公司 一种设备保养周期预测方法、系统、设备及可读存储介质

Also Published As

Publication number Publication date
CN111105050B (zh) 2023-09-29
WO2021133249A1 (en) 2021-07-01

Similar Documents

Publication Publication Date Title
US20210097453A1 (en) Method for quantile probabilistic short-term power load ensemble forecasting, electronic device and storage medium
US7752239B2 (en) Risk-modulated proactive data migration for maximizing utility in storage systems
US20190228329A1 (en) Prediction system and prediction method
US8996185B2 (en) Method for scheduling power generators based on optimal configurations and approximate dynamic programming
CN108038040A (zh) 计算机集群性能指标检测方法、电子设备及存储介质
US20140188536A1 (en) Skill update based work assignment
CN112685153A (zh) 微服务调度方法、装置以及电子设备
TWI673934B (zh) 蓄電池運用裝置及蓄電池運用方法
WO2011105997A1 (en) Simulating supply and demand realization in workforce plan evaluation
CN111105050A (zh) 风机维护计划的生成方法、装置、设备及存储介质
US11310125B2 (en) AI-enabled adaptive TCA thresholding for SLA assurance
JP2013025346A (ja) 管理システム及び管理方法
CN111132179B (zh) 一种小区调度方法、系统、装置和存储介质
CN113128787A (zh) 话务量预测方法、系统、设备及介质
JP6848271B2 (ja) 風速予測装置、風速予測システム、風速予測方法及びプログラム
CN113469523B (zh) 柜员排班信息的获取方法、装置、电子设备和存储介质
US20200044446A1 (en) System and method for management of an electricity distribution grid
CN112700111A (zh) 工作数据处理方法、装置、计算机设备及存储介质
CN117350640A (zh) 一种项目进度管理方法与系统
CN117196250A (zh) 水厂控制方法及控制设备
CN111738507A (zh) 银行清算头寸资金备付量预测方法和装置、设备及介质
CN112514352A (zh) 更新调度规则的方法、设备、系统、存储介质和终端
WO2022162798A1 (ja) 電力需要予測装置、電力需要予測方法およびプログラム
CN112200366B (zh) 负荷预测方法、装置、电子设备及可读存储介质
KR102273270B1 (ko) 시공간 특성에 따른 긱 서비스 예측 시스템 및 그 방법

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