CN112112792B - 电动给水泵组状态检修方法、系统以及终端 - Google Patents
电动给水泵组状态检修方法、系统以及终端 Download PDFInfo
- Publication number
- CN112112792B CN112112792B CN202010935514.1A CN202010935514A CN112112792B CN 112112792 B CN112112792 B CN 112112792B CN 202010935514 A CN202010935514 A CN 202010935514A CN 112112792 B CN112112792 B CN 112112792B
- Authority
- CN
- China
- Prior art keywords
- state
- parameter value
- current state
- state parameter
- water supply
- 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
Links
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 151
- 238000012423 maintenance Methods 0.000 title claims abstract description 99
- 238000000034 method Methods 0.000 title claims abstract description 34
- 238000011156 evaluation Methods 0.000 claims abstract description 32
- 230000002159 abnormal effect Effects 0.000 claims description 64
- 238000012549 training Methods 0.000 claims description 24
- 238000009825 accumulation Methods 0.000 claims description 16
- 230000015654 memory Effects 0.000 claims description 15
- 238000007689 inspection Methods 0.000 claims description 13
- 238000012544 monitoring process Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 5
- 239000000314 lubricant Substances 0.000 claims description 5
- 230000000694 effects Effects 0.000 abstract description 5
- 230000006870 function Effects 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 5
- 239000003245 coal Substances 0.000 description 5
- 239000003921 oil Substances 0.000 description 5
- 238000003860 storage Methods 0.000 description 5
- 239000010720 hydraulic oil Substances 0.000 description 4
- 239000010687 lubricating oil Substances 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 3
- 239000000498 cooling water Substances 0.000 description 3
- 238000003745 diagnosis Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000004945 emulsification Methods 0.000 description 2
- 239000012535 impurity Substances 0.000 description 2
- 239000007788 liquid Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000010248 power generation Methods 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011065 in-situ storage Methods 0.000 description 1
- 238000011056 performance test Methods 0.000 description 1
- 238000012847 principal component analysis method Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 239000010723 turbine oil Substances 0.000 description 1
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F04—POSITIVE - DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS FOR LIQUIDS OR ELASTIC FLUIDS
- F04B—POSITIVE-DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS
- F04B51/00—Testing machines, pumps, or pumping installations
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Control Of Positive-Displacement Pumps (AREA)
Abstract
本发明的电动给水泵组状态检修方法、系统以及终端，包括：采集在电动给水泵组中选定的一或多个关键部位的当前状态参数值；基于基准值模型，获得对应于各当前状态参数值的基准值；将各当前状态参数值与基准值分别进行比较，以获得当前状态；根据各当前状态获取与所述当前状态相对应的检修策略，以检修所述电动给水泵组。解决了现有技术中无法对现有设备的状态进行评价以及将设备现有状态评价与检修策略相结合，且实施效果并不理想的问题。本发明根据电动给水泵组整体状态并基于基准值制定电动给水泵组状态参数值评价方式，采取对应的检修策略，实现电动给水泵组的状态检修，优化电动给水泵组的检修周期，大大提高了电动给水泵组的有效性和可靠性。
Description
技术领域
本发明涉及火力发电技术领域，特别是涉及一种电动给水泵组状态检修方法、系统以及终端。
背景技术
现在火电发电量仍约占全口径发电量的70％，但由于煤电企业采购成本居高不下和燃煤发电机组利用小时持续偏低，煤电企业经营压力仍然很大，进而越来越多的火电企业亏损。所以，如何更科学地管理好发电设备，保证电厂安全生产，优化检修费用和提升煤电经济性，已成为摆在煤电企业面前不容回避的问题。
电动给水泵组是火力发电厂最重要的辅机设备之一，跟火力发电厂生产安全直接相关，同时电动给水泵是火力发电中主要的耗电设备，甚至占到厂用电的25％，对全厂的供电煤耗影响很大，因此电动给水泵组是实施状态检修的首要设备，国内外对于电动给水泵状态检修有一定的研究，但现有技术主要是从设备的故障预测与故障诊断出发，无法对现有设备的状态进行评价，无法将设备现有状态评价与检修策略相结合，同时没有考虑设备不同工况对设备状态评价的影响，实施效果并不理想。
发明内容
鉴于以上所述现有技术的缺点，本发明的目的在于提供一种电动给水泵组状态检修方法、系统以及终端，用于解决现有技术中从设备的故障预测与故障诊断出发，无法对现有设备的状态进行评价，无法将设备现有状态评价与检修策略相结合，且实施效果并不理想的问题。
为实现上述目的及其他相关目的，本发明提供一种电动给水泵组状态检修方法，包括：采集在电动给水泵组中选定的一或多个关键部位的当前状态参数值；基于基准值模型，输入各关键部位的当前状态参数值，获得对应于各当前状态参数值的基准值；将各当前状态参数值与对应于各当前状态参数值的基准值分别进行比较，以获得用于判断各当前状态参数值对所述电动给水泵组的影响程度的当前状态；根据各当前状态获取与所述当前状态相对应的检修策略，以检修所述电动给水泵组。
于本发明的一实施例中，所述当前状态参数值包括：直接状态参数值和/或间接状态参数值；其中，所述直接状态参数值包括：在线测点实时数据和/或巡点检定期上传数据；所述间接状态参数值包括所述关键部位的性能参数值和/或异常参数值。
于本发明的一实施例中，所述在线测点实时数据和/或巡点检定期上传数据包括：振动数据、温度数据、压力数据、流量数据、电流数据以及状态数据中的一种或多种；和/或，所述关键部位的性能参数值和/或异常参数值包括：所述关键部件的工作效率、积累时间以及内容物属性中的一种或多种。
于本发明的一实施例中，所述基准值模型的训练步骤包括：将在前一次检修后的时间阈值内的所述关键部位的运行数据作为训练样品集进行模型训练，获得基准值模型；其中，所述运行数据包括：在所述时间阈值内的实时状态参数值。
于本发明的一实施例中，述将各当前状态参数值与对应于各当前状态参数值的基准值分别进行比较，以获得用于判断各当前状态参数值对所述电动给水泵组的影响程度的当前状态的方式包括：基于各当前状态参数值的比较规则，将各当前状态参数值与对应于各当前状态参数值的基准值分别进行比较，获得对应各当前状态参数值的比较结果；其中，比较结果包括：正常状态比较结果、注意状态比较结果、异常状态比较结果以及严重状态比较结果中的一种或多种；根据所述比较结果判断各当前状态参数值对所述电动给水泵组的影响程度的当前状态；其中，所述当前状态包括：对应于所述正常状态比较结果的正常状态、对应于所述注意状态比较结果的注意状态、对应于所述异常状态比较结果的异常状态以及对应于所述严重状态比较结果的严重状态中的一种或多种。
于本发明的一实施例中，根据各当前状态获取与所述当前状态相对应的检修策略，以检修所述电动给水泵组的方式包括：根据正常状态、注意状态、异常状态以及严重状态中的一种或多种，获取与所述正常状态相对应的正常状态检修策略、与所述注意状态相对应的注意状态检修策略、与所述异常状态相对应的异常状态检修策略以及与严重状态相对应的严重状态检修策略；根据所述正常状态检修策略、注意状态检修策略、异常状态检修策略以及严重状态检修策略中的一种多种检修所述电动给水泵组。
于本发明的一实施例中，所述检修策略包括：正常状态检修策略、注意状态检修策略、异常状态检修策略以及严重状态检修策略中的一种多种；其中，所述正常状态检修策略包括：发送用于正常运行所述电动给水泵组的信号；所述注意状态检修策略包括：发送用于继续运行所述电动给水泵组并进行实时监视的信号；所述异常状态检修策略包括：发送用于对所述电动给水泵组进行实时监视且进行异常检修的信号；所述严重状态检修策略包括：发送用于停止运行所述电动给水泵组并进行严重状态检修的信号。
于本发明的一实施例中，所述关键部位包括：前置泵、高压电机、偶合器以及给水泵中的一种或多种。
为实现上述目的及其他相关目的，本发明提供一种电动给水泵组状态检修系统，所述系统包括：状态参数值采集模块，用于采集在电动给水泵组中选定的一或多个关键部位的当前状态参数值；基准值模块，连接所述状态参数值采集模块，用于基于基准值模型，输入各关键部位的当前状态参数值，获得对应于当前工况下的状态参数值基准值；状态参数值评价模块，连接所述基准值模块，用于将各当前状态参数值与对应于各当前状态参数值的状态基准值分别进行比较，以获得用于判断各当前状态参数值对所述电动给水泵组的影响程度的当前状态；检修策略模块，连接所述状态参数值评价模块，用于根据各当前状态获取与所述当前状态相对应的检修策略，以检修所述电动给水泵组。
为实现上述目的及其他相关目的，本发明提供一种电动给水泵组状态检修终端，包括：存储器，用于存储计算机程序；处理器，用于执行所述的电动给水泵组状态检修方法。
如上所述，本发明的一种电动给水泵组状态检修方法、系统以及终端，具有以下有益效果：本发明根据电动给水泵组整体状态并基于基准值制定电动给水泵组状态参数值评价方式，采取对应的检修策略，实现电动给水泵组的状态检修，优化了电动给水泵组的检修周期，大大提高了电动给水泵组的有效性和可靠性。
附图说明
图1显示为本发明一实施例中的电动给水泵组状态检修方法的流程示意图。
图2显示为本发明一实施例中的电动给水泵组状态检修系统的结构示意图。
图3显示为本发明一实施例中的电动给水泵组状态检修终端的结构示意图。
具体实施方式
以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。
需要说明的是，在下述描述中，参考附图，附图描述了本发明的若干实施例。应当理解，还可使用其他实施例，并且可以在不背离本发明的精神和范围的情况下进行机械组成、结构、电气以及操作上的改变。下面的详细描述不应该被认为是限制性的，并且本发明的实施例的范围仅由公布的专利的权利要求书所限定。这里使用的术语仅是为了描述特定实施例，而并非旨在限制本发明。空间相关的术语，例如“上”、“下”、“左”、“右”、“下面”、“下方”、““下部”、“上方”、“上部”等，可在文中使用以便于说明图中所示的一个元件或特征与另一元件或特征的关系。
在通篇说明书中，当说某部分与另一部分“连接”时，这不仅包括“直接连接”的情形，也包括在其中间把其它元件置于其间而“间接连接”的情形。另外，当说某种部分“包括”某种构成要素时，只要没有特别相反的记载，则并非将其它构成要素，排除在外，而是意味着可以还包括其它构成要素。
其中提到的第一、第二及第三等术语是为了说明多样的部分、成份、区域、层及/或段而使用的，但并非限定于此。这些术语只用于把某部分、成份、区域、层或段区别于其它部分、成份、区域、层或段。因此，以下叙述的第一部分、成份、区域、层或段在不超出本发明范围的范围内，可以言及到第二部分、成份、区域、层或段。
再者，如同在本文中所使用的，单数形式“一”、“一个”和“该”旨在也包括复数形式，除非上下文中有相反的指示。应当进一步理解，术语“包含”、“包括”表明存在所述的特征、操作、元件、组件、项目、种类、和/或组，但不排除一个或多个其他特征、操作、元件、组件、项目、种类、和/或组的存在、出现或添加。此处使用的术语“或”和“和/或”被解释为包括性的，或意味着任一个或任何组合。因此，“A、B或C”或者“A、B和/或C”意味着“以下任一个：A；B；C；A和B；A和C；B和C；A、B和C”。仅当元件、功能或操作的组合在某些方式下内在地互相排斥时，才会出现该定义的例外。
本发明实施例中提供一种电动给水泵组状态检修方法，解决了现有技术中从设备的故障预测与故障诊断出发，无法对现有设备的状态进行评价，无法将设备现有状态评价与检修策略相结合，且实施效果并不理想的问题。本发明根据电动给水泵组整体状态并基于基准值制定电动给水泵组状态参数值评价方式，采取对应的检修策略，实现电动给水泵组的状态检修，优化了电动给水泵组的检修周期，大大提高了电动给水泵组的有效性和可靠性。
下面以附图为参考，针对本发明的实施例进行详细说明，以便本发明所述技术领域的技术人员能够容易地实施。本发明可以以多种不同形态体现，并不限于此处说明的实施例。
如图1所示，展示本发明实施例中的电动给水泵组状态检修方法的流程示意图。
所述方法包括：
步骤S11：采集在电动给水泵组中选定的一或多个关键部位的当前状态参数值。
可选的，选定电动给水泵组状态检修的关键部件包括：前置泵、高压电机、偶合器以及给水泵中的一种或多种。
可选的，所述当前状态参数值包括：直接状态参数值和/或间接状态参数值；其中，所述直接状态参数值包括：电厂在线测点实时数据和/或电厂巡点检定期上传数据；所述间接状态参数值包括所述关键部位的性能参数值和/或异常参数值。
可选的，所述在线测点实时数据和/或巡点检定期上传数据包括：振动数据、温度数据、压力数据、流量数据、电流数据以及状态数据中的一种或多种；和/或，所述关键部位的性能参数值和/或异常参数值包括：所述关键部件的工作效率、积累时间以及内容物属性中的一种或多种。其中，内容物包括：液体、固体以及气体中的一种或多种的属性。
优选的，所述关键部位包括：前置泵、高压电机、偶合器以及给水泵中的一种或多种。
则所述直接状态参数值包括：
所述振动数据包括：前置泵振动、电机振动以及给水泵振动数据中的一种或多种；
所述温度数据包括：润滑油进出口温度、液压油进出口温度、冷却水温度、环境温度以及各关键部件轴承温度中的一种或多种；
所述压力数据包括：前置泵进出口压力、给水泵进出口压力、润滑油压力以及液压油压力值中的一种或多种。
所述间接状态参数值包括：
所述性能参数值和/或异常参数值包括：前置泵效率、给水泵效率、给水泵组效率、前置泵汽蚀累积时间、给水泵汽蚀累积时间以及气浊余量中的一种或多种。
步骤S12：基于基准值模型，输入各关键部位的当前状态参数值，获得对应于各当前状态参数值的基准值。
可选的，所述基准值模型的训练步骤包括：将在前一次检修后的时间阈值内的所述关键部位的运行数据作为训练样品集进行模型训练，获得基准值模型；其中，所述运行数据包括：在所述时间阈值内的实时状态参数值。
由于火力发电厂的电动给水泵组的服役时间很长，随着服役时间增长和被检修次数增多，状态参数值的基准值会发生变化，为了确定这种变化对状态参数值状态评价的影响，每次检修后需要重新创建基准值模型以确定状态参数值的基准值。
具体的，将在前一次检修后的时间阈值内的所述关键部位的运行数据作为训练样品集进行模型训练，获得基准值模型；当有实时数据输入所述基准值模型时，模型会生成对应的基准值，以用于将状态参数值的实时值和基准值之间比较进行状态评价；其中，所述运行数据包括：在所述时间阈值内的实时状态参数值。
其中，所述时间阈值根据需求而设定，可以是一个月也可以是一周，在本申请中对此不作限定。
可选的，对于有多个状态参数值功能相互耦合的情况，如关键部件的温度参数等可以用基于主元分析算法来获得基准值。优选的，时间阈值设定为一个月。
可选的，对于功能相对独立且受工况影响较大的单个状态参数值情况，如关键部件的效率等可以用基于神经网络算法来获得基准值。优选的，时间阈值设定为一周内。
步骤S13：将各当前状态参数值与对应于各当前状态参数值的基准值分别进行比较，以获得用于判断各当前状态参数值对所述电动给水泵组的影响程度的当前状态。
可选的，将各当前状态参数值与由所述基准值模型获得的对应于各当前状态参数值的基准值分别进行比较，以获得用于判断各当前状态参数值对所述电动给水泵组的影响程度的当前状态。
可选的，将状态参数值当前状态对电动给水泵运行的影响程度分为四种状态：正常状态、注意状态、异常状态和严重状态，并不是每个状态参数值都有这四种状态；
基于各当前状态参数值的比较规则，将各当前状态参数值与对应于各当前状态参数值的基准值分别进行比较，获得对应各当前状态参数值的比较结果；其中，比较结果包括：正常状态比较结果、注意状态比较结果、异常状态比较结果以及严重状态比较结果中的一种或多种；
根据所述比较结果判断各当前状态参数值对所述电动给水泵组的影响程度的当前状态；其中，所述当前状态包括：对应于所述正常状态比较结果的正常状态、对应于所述注意状态比较结果的注意状态、对应于所述异常状态比较结果的异常状态以及对应于所述严重状态比较结果的严重状态中的一种或多种。
具体的，若获得对应各当前状态参数值的正常状态比较结果，根据所述比较结果判断各当前状态参数值对所述电动给水泵组的影响程度为正常状态；
若获得对应各当前状态参数值的注意状态比较结果，根据所述比较结果判断各当前状态参数值对所述电动给水泵组的影响程度为注意状态；
若获得对应各当前状态参数值的异常状态比较结果，根据所述比较结果判断各当前状态参数值对所述电动给水泵组的影响程度为异常状态；
若获得对应各当前状态参数值的严重状态比较结果，根据所述比较结果判断各当前状态参数值对所述电动给水泵组的影响程度为严重状态。
可选的，基于对应于各关键部位的各当前状态参数值的比较规则，将各当前状态参数值与对应于各当前状态参数值的基准值分别进行比较，获得对应各当前状态参数值的比较结果。
对于有报警值和跳机值的关键部位的当前状态参数值，基于对应于有报警值和跳机值的关键部位的各当前状态参数值的比较规则获得的比较结果包括：
所述正常状态比较结果包括：当前状态参数值小于基准值+(报警值-基准值)×60％，且|基准值-当前状态参数值|小于报警值的10％；
所述注意状态比较结果包括：当前状态参数值大于基准值+(报警值-基准值)×60％，且|基准值-当前状态参数值|大于报警值的10％；
所述异常状态比较结果包括：当前状态参数值大于报警值；
所述严重状态比较结果包括：当前状态参数值大于等于报警值+(跳机值-报警值)×90％。
可选的，对于没有报警值和跳机值的状态参数值，包括：润滑油油质、前置泵效率、给水泵效率、给水泵组效率、前置泵汽蚀累积时间以及给水泵汽蚀累积时间中的一种或多种。
其中，
(1)基于当前状态参数值为润滑油质的比较规则获得的比较结果包括：
正常状态比较结果包括：油色泽正常，无乳化现象以及油质各项指标化验合格；
注意状态比较结果包括：油质水分上升但不超标；
异常状态比较结果包括：油质水分和/或杂质超标；
严重状态比较结果包括：透平油乳化、杂质严重超标以及油色发黑中的一种或多种。
(2)基于当前状态参数值为前置泵效率的比较规则获得的比较结果包括：
正常状态比较结果包括：前置泵在任意工况下的当前效率比对应工况的基准效率下降小于5％；
注意状态比较结果包括：前置泵在任意工况下的当前效率比对应工况的基准效率下降大于5％但小于8％；
异常状态比较结果包括：前置泵在任意工况下的当前效率比对应工况的基准效率下降大于8％但小于10％；
严重状态比较结果包括：前置泵在任意工况下的当前效率比对应工况的基准效率下降大于10％。
(3)基于当前状态参数值为给水泵效率的比较规则获得的比较结果包括：
正常状态比较结果包括：给水泵在任意工况下的当前效率都比对应工况的基准效率下降小于5％；
注意状态比较结果包括：给水泵在任意工况下的当前效率比对应工况的基准效率下降大于5％但小于8％；
异常状态比较结果包括：给水泵在任意工况下的当前效率比对应工况的基准效率下降大于8％但小于10％；
严重状态比较结果包括：给水泵在任意工况下的当前效率比对应工况的基准效率下降大于10％。
(4)基于当前状态参数值为电动给水泵组效率的比较规则获得的比较结果包括：
正常状态比较结果包括：电动给水泵组在任意工况下的当前效率都比对应工况的基准效率下降小于5％；
注意状态比较结果包括：电动给水泵组在任意工况下的当前效率比对应工况的基准效率下降大于5％但小于8％；
异常状态比较结果包括：电动给水泵组在任意工况下的当前效率比对应工况的基准效率下降大于8％但小于10％；
严重状态比较结果包括：电动给水泵组在任意工况下的当前效率比对应工况的基准效率下降大于10％。
(5)基于当前状态参数值为前置泵汽蚀累积时间的比较规则获得的比较结果包括：
正常状态比较结果包括：前置泵汽蚀累积时间小于100小时；
注意状态比较结果包括：前置泵汽蚀累积时间大于100小时且小于200小时；
异常状态比较结果包括：前置泵汽蚀累积时间大于200小时且小于500小时。
(6)基于当前状态参数值为给水泵汽蚀累积时间的比较规则获得的比较结果包括：
正常状态比较结果包括：给水泵汽蚀累积时间小于50小时；
注意状态比较结果包括：给水泵汽蚀累积时间大于50小时且小于100小时；
异常状态比较结果包括：给水泵汽蚀累积时间大于100小时且小于200小时。
步骤S14：根据各当前状态获取与所述当前状态相对应的检修策略，以检修所述电动给水泵组。
可选的，根据由各比较结果获得的各当前状态获取与所述当前状态相对应的检修策略，以检修所述电动给水泵组。
可选的，根据对应于所述正常状态比较结果的正常状态、对应于所述注意状态比较结果的注意状态、对应于所述异常状态比较结果的异常状态以及对应于所述严重状态比较结果的严重状态中的一种或多种，获取与所述当前状态相对应的检修策略，以检修所述电动给水泵组。
可选的，根据对应于所述正常状态比较结果的正常状态、对应于所述注意状态比较结果的注意状态、对应于所述异常状态比较结果的异常状态以及对应于所述严重状态比较结果的严重状态中的一种或多种，分别获取与所述正常状态相对应的正常状态检修策略、与所述注意状态相对应的注意状态检修策略、与所述异常状态相对应的异常状态检修策略以及与严重状态相对应的严重状态检修策略；根据所述正常状态检修策略、注意状态检修策略、异常状态检修策略以及严重状态检修策略中的一种多种检修所述电动给水泵组。
可选的，所述检修策略包括：正常状态检修策略、注意状态检修策略、异常状态检修策略以及严重状态检修策略中的一种多种；
其中，
所述正常状态检修策略包括：发送用于正常运行所述电动给水泵组的信号，是指设备的当前状态参数值处于稳定且在规程规定标准限值以内。
所述注意状态检修策略包括：发送用于继续运行所述电动给水泵组并进行实时监视的信号，是指设备的当前状态参数值变化趋势朝接近标准限值方向发展。
所述异常状态检修策略包括：发送用于对所述电动给水泵组进行实时监视且进行异常检修的信号，是指个别部件的当前状态参数值变化较大已超过标准限值。
所述严重状态检修策略包括：发送用于停止运行所述电动给水泵组并进行严重状态检修的信号，是指设备的当前状态参数值超过标准限值且危及设备安全稳定运行。
以下结合具体实施例进行说明：
实施例1：基于温度测点的电动给水泵组状态检修方法。对于某型号电动给水泵组，在某次检修后该泵各项参数平稳正常。
所述方法包括：
采集该给水泵的的当前温度状态参数值，包括：轴承温度、润滑油温度、冷却水温度、环境温度以及给水泵转速值：
选择检修后该给水泵在多个转速和流量下的运行数据作为训练样本，并利用采用主元分析法训练该给水泵温度模型：
基于该给水泵温度模型，根据当前温度状态参数值并实时计算出对应工况下所有输入参数的基准值，模式可系统给出该给水泵推力轴承温度基准值为55，实时值为72，报警值为80，此时推力轴承温度的实时值大于基准值+(报警值-基准值)×60％，且|基准值-当前状态参数值|大于报警值的10％，因此状态参数值评价模块给出注意状态的评价结果，同时检修策略模块给出的检修建议：就地对给水泵推力轴承温度进行外观检查，等待时机进行专项解体检查。
实施例2：基于效率测点的电动给水泵组状态检修方法。对于某型号电动给水泵组，在某次检修后该泵各项参数平稳正常。
采集该给水泵的流量、压力、电流、转速等作为当前效率状态参数：
选择检修后该给水泵在多个转速和流量下的运行数据作为训练样本，并利用计算系统中的效率计算器和神经网络算法训练该给水泵效率模型：
基于该给水泵组效率模型，根据所述当前效率参数计算该给水泵刚检修完时任意工况下的效率值，以该值作为该给水泵组的效率基准值，某时刻效率基准值为60％，效率实时值为53％，两者相差7％，因此状态参数值评价模块给出异常状态的评价结果，同时检修策略模块给出的检修建议：给水泵组效率异常低，建议进行抽芯包检查。
实施例3：基于汽蚀余量测点的电动给水泵组状态检修方法。对于某型号电动给水泵组，在某次检修后该泵各项参数平稳正常。
选定该给水泵的流量、压力、温度作为当前汽蚀余量状态参数值；
基于汽蚀余量计算器训练获得的气浊余量模型，可以实时给出该给水泵在当前工况下的汽蚀余量，以该值作为该给水泵组的气浊余量基准值，同时会以5分钟为单位统计汽蚀余量大于0的时间，在制定检修计划时发现该给水泵汽蚀余量累积时间为20小时，根据相关判定条件状态参数值评价模块给出正常状态的评价结果，同时检修策略模块给出的检修建议：不用进行汽蚀专项检查。
与上述实施例原理相似的是，本发明提供一种电动给水泵组状态检修系统。
以下结合附图提供具体实施例：
如图2展示本发明实施例中的一种电动给水泵组状态检修方法的系统的结构示意图。
所述系统包括：
所述状态参数值采集模块21，用于采集在电动给水泵组中选定的一或多个关键部位的当前状态参数值；
所述基准值模块22，连接所述状态参数值采集模块21，用于基于基准值模型，输入各关键部位的当前状态参数值，获得对应于各当前参数的状态参数值基准值；
所述状态参数值评价模块23，连接所述基准值模块22，用于将各当前状态参数值与对应于当前工况下的状态基准值分别进行比较，以获得用于判断各当前状态参数值对所述电动给水泵组的影响程度的当前状态；
所述检修策略模块24，连接所述状态参数值评价模块23，用于根据各当前状态获取与所述当前状态相对应的检修策略，以检修所述电动给水泵组。
可选的，选定电动给水泵组状态检修的关键部件包括：前置泵、高压电机、偶合器以及给水泵中的一种或多种。
可选的，所述当前状态参数值包括：直接状态参数值和/或间接状态参数值；其中，所述直接状态参数值包括：电厂在线测点实时数据和/或电厂巡点检定期上传数据；所述间接状态参数值包括所述关键部位的性能参数值和/或异常参数值。
可选的，所述在线测点实时数据和/或巡点检定期上传数据包括：振动数据、温度数据、压力数据、流量数据、电流数据以及状态数据中的一种或多种；所述在线测点实时数据和/或巡点检定期上传数据包括：振动数据、温度数据、压力数据、流量数据、电流数据以及状态数据中的一种或多种和/或，所述关键部位的性能参数值和/或异常参数值包括：所述关键部件的工作效率、积累时间以及内容物属性中的一种或多种。其中，内容物包括：液体、固体以及气体中的一种或多种的属性。
优选的，所述关键部位包括：前置泵、高压电机、偶合器以及给水泵中的一种或多种。
则所述直接状态参数值包括：
所述振动数据包括：前置泵振动、电机振动以及给水泵振动数据中的一种或多种；
所述温度数据包括：润滑油进出口温度、液压油进出口温度、冷却水温度、环境温度、以及各关键部件轴承温度中的一种或多种；
所述压力数据包括：前置泵进出口压力、给水泵进出口压力、润滑油压力以及液压油压力值中的一种或多种。
所述间接状态参数值包括：
所述性能参数值和/或异常参数值包括：前置泵效率、给水泵效率、给水泵组效率、前置泵汽蚀累积时间、给水泵汽蚀累积时间以及气浊余量中的一种或多种。
可选的，所述状态参数值采集模块21从存储电厂在线测点实时数据的运行数据库、电厂巡点检定期上传数据以及性能试验数据的离线数据库中的一个或多个侧记直接状态参数值和/或间接状态参数值。
可选的，所述基准值模型的训练步骤包括：将在前一次检修后的时间阈值内的所述关键部位的运行数据作为训练样品集进行模型训练，获得基准值模型；其中，所述运行数据包括：在所述时间阈值内的实时状态参数值。
由于火力发电厂的电动给水泵组的服役时间很长，随着服役时间增长和被检修次数增多，状态参数值的基准值会发生变化，为了确定这种变化对状态参数值状态评价的影响，每次检修后需要重新创建基准值模型以确定状态参数值的基准值。
具体的，将在前一次检修后的时间阈值内的所述关键部位的运行数据作为训练样品集进行模型训练，获得基准值模型；当有实时数据输入所述基准值模型时，模型会生成对应的基准值，以用于将状态参数值的实时值和基准值之间比较进行状态评价；其中，所述运行数据包括：在所述时间阈值内的实时状态参数值。
其中，所述时间阈值根据需求而设定，可以是一个月也可以是一周，在本申请中对此不作限定。
可选的，对于有多个状态参数值功能相互耦合的情况，如关键部件的温度参数等可以用基于主元分析算法来获得基准值。优选的，时间阈值设定为一个月。
可选的，对于功能相对独立且受工况影响较大的单个状态参数值情况，如关键部件的效率等可以用基于神经网络算法来获得基准值。优选的，时间阈值设定为一周内。
可选的，所述基准值模块22电厂检修与技术监督数据的维修数据库，获取在前一次检修后的时间阈值内的所述关键部位的运行数据，并将该数据作为训练样品集进行模型训练，获得基准值模型。
可选的，将各当前状态参数值与由所述基准值模型获得的对应于各当前状态参数值的基准值分别进行比较，以获得用于判断各当前状态参数值对所述电动给水泵组的影响程度的当前状态。
可选的，将状态参数值当前状态对电动给水泵运行的影响程度分为四种状态：正常状态、注意状态、异常状态和严重状态；
基于各当前状态参数值的比较规则，所述状态参数值评价模块23将各当前状态参数值与对应于各当前状态参数值的基准值分别进行比较，获得对应各当前状态参数值的比较结果；其中，比较结果包括：正常状态比较结果、注意状态比较结果、异常状态比较结果以及严重状态比较结果中的一种或多种；
所述状态参数值评价模块23根据所述比较结果判断各当前状态参数值对所述电动给水泵组的影响程度的当前状态；其中，所述当前状态包括：对应于所述正常状态比较结果的正常状态、对应于所述注意状态比较结果的注意状态、对应于所述异常状态比较结果的异常状态以及对应于所述严重状态比较结果的严重状态中的一种或多种。
具体的，若所述状态参数值评价模块23获得对应各当前状态参数值的正常状态比较结果，根据所述比较结果判断各当前状态参数值对所述电动给水泵组的影响程度为正常状态；
若所述状态参数值评价模块23获得对应各当前状态参数值的注意状态比较结果，根据所述比较结果判断各当前状态参数值对所述电动给水泵组的影响程度为注意状态；
若所述状态参数值评价模块23获得对应各当前状态参数值的异常状态比较结果，根据所述比较结果判断各当前状态参数值对所述电动给水泵组的影响程度为异常状态；
若所述状态参数值评价模块23获得对应各当前状态参数值的严重状态比较结果，根据所述比较结果判断各当前状态参数值对所述电动给水泵组的影响程度为严重状态。
可选的，所述状态参数值评价模块23包括：获取评价所需的状态参数基准值的状态参数基准值计算服务器。
可选的，所述检修策略模块24根据由各比较结果获得的各当前状态获取与所述当前状态相对应的检修策略，以检修所述电动给水泵组。
可选的，所述检修策略模块24根据对应于所述正常状态比较结果的正常状态、对应于所述注意状态比较结果的注意状态、对应于所述异常状态比较结果的异常状态以及对应于所述严重状态比较结果的严重状态中的一种或多种，获取与所述当前状态相对应的检修策略，以检修所述电动给水泵组。
可选的，所述检修策略模块24根据对应于所述正常状态比较结果的正常状态、对应于所述注意状态比较结果的注意状态、对应于所述异常状态比较结果的异常状态以及对应于所述严重状态比较结果的严重状态中的一种或多种，分别获取与所述正常状态相对应的正常状态检修策略、与所述注意状态相对应的注意状态检修策略、与所述异常状态相对应的异常状态检修策略以及与严重状态相对应的严重状态检修策略；根据所述正常状态检修策略、注意状态检修策略、异常状态检修策略以及严重状态检修策略中的一种多种检修所述电动给水泵组。
可选的，所述检修策略包括：正常状态检修策略、注意状态检修策略、异常状态检修策略以及严重状态检修策略中的一种多种；
其中，
所述正常状态检修策略包括：所述检修策略模块24发送用于正常运行所述电动给水泵组的信号，是指设备的当前状态参数值处于稳定且在规程规定标准限值以内。
所述注意状态检修策略包括：所述检修策略模块24发送用于继续运行所述电动给水泵组并进行实时监视的信号，是指设备的当前状态参数值变化趋势朝接近标准限值方向发展。
所述异常状态检修策略包括：所述检修策略模块24发送用于对所述电动给水泵组进行实时监视且进行异常检修的信号，是指个别部件的当前状态参数值变化较大已超过标准限值。
所述严重状态检修策略包括：所述检修策略模块24发送用于停止运行所述电动给水泵组并进行严重状态检修的信号，是指设备的当前状态参数值超过标准限值且危及设备安全稳定运行。
可选的，所述所述检修策略模块24包括根据所述当前状态给出相应的电动给水泵组检修策略的检修策略服务器。
如图3展示本发明实施例中的电动给水泵组状态检修终端30的结构示意图。
所述电动给水泵组状态检修终端30包括：存储器31及处理器32所述存储器31用于存储计算机程序；所述处理器32运行计算机程序实现如图1所述的电动给水泵组状态检修方法。
可选的，所述存储器31的数量均可以是一或多个，所述处理器32的数量均可以是一或多个，而图3中均以一个为例。
可选的，所述电动给水泵组状态检修终端30中的处理器32会按照如图1所述的步骤，将一个或多个以应用程序的进程对应的指令加载到存储器31中，并由处理器32来运行存储在第一存储器31中的应用程序，从而实现如图1所述电动给水泵组状态检修方法中的各种功能。
可选的，所述存储器31，可能包括但不限于高速随机存取存储器、非易失性存储器。例如一个或多个磁盘存储设备、闪存设备或其他非易失性固态存储设备；所述处理器32，可能包括但不限于中央处理器(Central Processing Unit，简称CPU)、网络处理器(Network Processor，简称NP)等；还可以是数字信号处理器(Digital SignalProcessing，简称DSP)、专用集成电路(Application Specific Integrated Circuit，简称ASIC)、现场可编程门阵列(Field－Programmable Gate Array，简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
可选的，所述处理器32可以是通用处理器，包括中央处理器(Central ProcessingUnit，简称CPU)、网络处理器(Network Processor，简称NP)等；还可以是数字信号处理器(Digital Signal Processing，简称DSP)、专用集成电路(Application SpecificIntegrated Circuit，简称ASIC)、现场可编程门阵列(Field－Programmable Gate Array，简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
本发明还提供计算机可读存储介质，存储有计算机程序，所述计算机程序运行时实现如图1所示的电动给水泵组状态检修方法。所述计算机可读存储介质可包括，但不限于，软盘、光盘、CD-ROM(只读光盘存储器)、磁光盘、ROM(只读存储器)、RAM(随机存取存储器)、EPROM(可擦除可编程只读存储器)、EEPROM(电可擦除可编程只读存储器)、磁卡或光卡、闪存、或适于存储机器可执行指令的其他类型的介质/机器可读介质。所述计算机可读存储介质可以是未接入计算机设备的产品，也可以是已接入计算机设备使用的部件。
综上所述，本发明电动给水泵组状态检修方法、系统以及终端，用于解决现有技术中从设备的故障预测与故障诊断出发，无法对现有设备的状态进行评价，无法将设备现有状态评价与检修策略相结合，且实施效果并不理想的问题。本发明根据电动给水泵组整体状态并基于基准值制定电动给水泵组状态参数值评价方式，采取对应的检修策略，实现电动给水泵组的状态检修，优化了电动给水泵组的检修周期，大大提高了电动给水泵组的有效性和可靠性。
。所以，本发明有效克服了现有技术中的种种缺点而具高度产业利用价值。
上述实施例仅示例性说明本发明的原理及其功效，而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下，对上述实施例进行修饰或改变。因此，但凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本发明的权利要求所涵盖。
Claims (8)
1.一种电动给水泵组状态检修方法，其特征在于，包括：
采集在电动给水泵组中选定的一或多个关键部位的当前状态参数值；其中，所述关键部位包括：前置泵、高压电机、偶合器以及给水泵中的一种或多种；
基于基准值模型，输入各关键部位的当前状态参数值，获得对应于各当前状态参数值的基准值；
其中，基于基准值模型，输入各关键部位的当前状态参数值，获得对应于各当前状态参数值的基准值包括：将在前一次检修后的时间阈值内的所述关键部位的运行数据作为训练样品集进行模型训练，获得基准值模型；所述运行数据包括：在所述时间阈值内的实时状态参数值；
将各当前状态参数值与对应于各当前状态参数值的基准值分别进行比较，以获得用于判断各当前状态参数值对所述电动给水泵组的影响程度的当前状态；
其中，对于有报警值和跳机值的关键部位的当前状态参数值，基于对应于有报警值和跳机值的关键部位的各当前状态参数值的比较规则获得比较结果；
对于没有报警值和跳机值的状态参数值，包括：润滑油油质、前置泵效率、给水泵效率、给水泵组效率、前置泵汽蚀累积时间以及给水泵汽蚀累积时间中的一种或多种；基于对应于没有报警值和跳机值的关键部位的各当前状态参数值的比较规则获得比较结果；
根据各当前状态获取与所述当前状态相对应的检修策略，以检修所述电动给水泵组。
2.根据权利要求1中所述的电动给水泵组状态检修方法，其特征在于，所述当前状态参数值包括：直接状态参数值和/或间接状态参数值；其中，所述直接状态参数值包括：在线测点实时数据和/或巡点检定期上传数据；所述间接状态参数值包括所述关键部位的性能参数值和/或异常参数值。
3.根据权利要求2中所述的电动给水泵组状态检修方法，其特征在于，所述在线测点实时数据和/或巡点检定期上传数据包括：振动数据、温度数据、压力数据、流量数据、电流数据以及状态数据中的一种或多种；和/或，所述关键部位的性能参数值和/或异常参数值包括：所述关键部位的工作效率、积累时间以及内容物属性中的一种或多种。
4.根据权利要求1中所述的电动给水泵组状态检修方法，其特征在于，所述将各当前状态参数值与对应于各当前状态参数值的基准值分别进行比较，以获得用于判断各当前状态参数值对所述电动给水泵组的影响程度的当前状态的方式包括：
基于各当前状态参数值的比较规则，将各当前状态参数值与对应于各当前状态参数值的基准值分别进行比较，获得对应各当前状态参数值的比较结果；其中，比较结果包括：正常状态比较结果、注意状态比较结果、异常状态比较结果以及严重状态比较结果中的一种或多种；
根据所述比较结果判断各当前状态参数值对所述电动给水泵组的影响程度的当前状态；其中，所述当前状态包括：对应于所述正常状态比较结果的正常状态、对应于所述注意状态比较结果的注意状态、对应于所述异常状态比较结果的异常状态以及对应于所述严重状态比较结果的严重状态中的一种或多种。
5.根据权利要求1中所述的电动给水泵组状态检修方法，其特征在于，根据各当前状态获取与所述当前状态相对应的检修策略，以检修所述电动给水泵组的方式包括：
根据正常状态、注意状态、异常状态以及严重状态中的一种或多种，获取与所述正常状态相对应的正常状态检修策略、与所述注意状态相对应的注意状态检修策略、与所述异常状态相对应的异常状态检修策略以及与严重状态相对应的严重状态检修策略；
根据所述正常状态检修策略、注意状态检修策略、异常状态检修策略以及严重状态检修策略中的一种多种检修所述电动给水泵组。
6.根据权利要求5中所述的电动给水泵组状态检修方法，其特征在于，所述检修策略包括：正常状态检修策略、注意状态检修策略、异常状态检修策略以及严重状态检修策略中的一种多种；
其中，
所述正常状态检修策略包括：发送用于正常运行所述电动给水泵组的信号；
所述注意状态检修策略包括：发送用于继续运行所述电动给水泵组并进行实时监视的信号；
所述异常状态检修策略包括：发送用于对所述电动给水泵组进行实时监视且进行异常检修的信号；
所述严重状态检修策略包括：发送用于停止运行所述电动给水泵组并进行严重状态检修的信号。
7.一种电动给水泵组状态检修系统，其特征在于，所述系统包括：
状态参数值采集模块，用于采集在电动给水泵组中选定的一或多个关键部位的当前状态参数值；其中，所述关键部位包括：前置泵、高压电机、偶合器以及给水泵中的一种或多种；
基准值模块，连接所述状态参数值采集模块，用于基于基准值模型，输入各关键部位的当前状态参数值，获得对应于当前工况下的状态参数值基准值；
其中，基于基准值模型，输入各关键部位的当前状态参数值，获得对应于各当前状态参数值的基准值包括：将在前一次检修后的时间阈值内的所述关键部位的运行数据作为训练样品集进行模型训练，获得基准值模型；所述运行数据包括：在所述时间阈值内的实时状态参数值；
状态参数值评价模块，连接所述基准值模块，用于将各当前状态参数值与对应于各当前状态参数值的状态基准值分别进行比较，以获得用于判断各当前状态参数值对所述电动给水泵组的影响程度的当前状态；
其中，对于有报警值和跳机值的关键部位的当前状态参数值，基于对应于有报警值和跳机值的关键部位的各当前状态参数值的比较规则获得比较结果；
对于没有报警值和跳机值的状态参数值，包括：润滑油油质、前置泵效率、给水泵效率、给水泵组效率、前置泵汽蚀累积时间以及给水泵汽蚀累积时间中的一种或多种；基于对应于没有报警值和跳机值的关键部位的各当前状态参数值的比较规则获得比较结果；
检修策略模块，连接所述状态参数值评价模块，用于根据各当前状态获取与所述当前状态相对应的检修策略，以检修所述电动给水泵组。
8.一种电动给水泵组状态检修终端，其特征在于，包括：
存储器，用于存储计算机程序；
处理器，用于执行如权利要求1至6任一项所述的电动给水泵组状态检修方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010935514.1A CN112112792B (zh) | 2020-09-08 | 2020-09-08 | 电动给水泵组状态检修方法、系统以及终端 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010935514.1A CN112112792B (zh) | 2020-09-08 | 2020-09-08 | 电动给水泵组状态检修方法、系统以及终端 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112112792A CN112112792A (zh) | 2020-12-22 |
| CN112112792B true CN112112792B (zh) | 2024-04-23 |
Family
ID=73803477
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010935514.1A Active CN112112792B (zh) | 2020-09-08 | 2020-09-08 | 电动给水泵组状态检修方法、系统以及终端 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112112792B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114112366A (zh) * | 2021-12-03 | 2022-03-01 | 郑州恩普特科技股份有限公司 | 一种泵机运行状态监测方法 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2006046762A (ja) * | 2004-08-03 | 2006-02-16 | Toho Gas Co Ltd | Ｇｈｐ故障予知診断方法及びその装置 |
| CN103308805A (zh) * | 2013-06-18 | 2013-09-18 | 重庆市电力公司万州供电局 | 配电变压器的状态检修方法及其系统 |
| JP2016004298A (ja) * | 2014-06-13 | 2016-01-12 | 日本電気株式会社 | ポンプ異常検知システム、ポンプ異常検知方法、及びポンプ異常検知プログラム |
| CN107590544A (zh) * | 2017-09-11 | 2018-01-16 | 合肥工业大学 | 一种液压泵的维修策略优化方法及系统 |
| CN109358587A (zh) * | 2018-11-05 | 2019-02-19 | 国电南京自动化股份有限公司 | 一种水电机组状态检修决策方法及系统 |
| CN109685226A (zh) * | 2019-01-14 | 2019-04-26 | 国家电力投资集团有限公司 | 一种汽轮机主机状态检修方法及系统 |
| CN110173453A (zh) * | 2019-04-04 | 2019-08-27 | 上海发电设备成套设计研究院有限责任公司 | 一种发电厂送风机状态在线评定方法 |
| CN110544051A (zh) * | 2019-09-12 | 2019-12-06 | 西安热工研究院有限公司 | 一种火电厂大型凝汽式汽轮机的经济性实时评估方法 |
-
2020
- 2020-09-08 CN CN202010935514.1A patent/CN112112792B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2006046762A (ja) * | 2004-08-03 | 2006-02-16 | Toho Gas Co Ltd | Ｇｈｐ故障予知診断方法及びその装置 |
| CN103308805A (zh) * | 2013-06-18 | 2013-09-18 | 重庆市电力公司万州供电局 | 配电变压器的状态检修方法及其系统 |
| JP2016004298A (ja) * | 2014-06-13 | 2016-01-12 | 日本電気株式会社 | ポンプ異常検知システム、ポンプ異常検知方法、及びポンプ異常検知プログラム |
| CN107590544A (zh) * | 2017-09-11 | 2018-01-16 | 合肥工业大学 | 一种液压泵的维修策略优化方法及系统 |
| CN109358587A (zh) * | 2018-11-05 | 2019-02-19 | 国电南京自动化股份有限公司 | 一种水电机组状态检修决策方法及系统 |
| CN109685226A (zh) * | 2019-01-14 | 2019-04-26 | 国家电力投资集团有限公司 | 一种汽轮机主机状态检修方法及系统 |
| CN110173453A (zh) * | 2019-04-04 | 2019-08-27 | 上海发电设备成套设计研究院有限责任公司 | 一种发电厂送风机状态在线评定方法 |
| CN110544051A (zh) * | 2019-09-12 | 2019-12-06 | 西安热工研究院有限公司 | 一种火电厂大型凝汽式汽轮机的经济性实时评估方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112112792A (zh) | 2020-12-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111597682B (zh) | 预测风力机齿轮箱轴承剩余寿命的方法 | |
| Zaher et al. | Online wind turbine fault detection through automated SCADA data analysis | |
| Byington et al. | Data fusion for developing predictive diagnostics for electromechanical systems | |
| CN110414154B (zh) | 一种带有双测点的风机部件温度异常检测和报警方法 | |
| CN110529202B (zh) | 基于电厂数据的汽轮机故障诊断检测及预警方法及系统 | |
| CN108154166A (zh) | 一种风机智能故障诊断系统及方法 | |
| CN109992916A (zh) | 一种基于飞参数据的机务外场飞机发动机故障预测方法，终端及可读存储介质 | |
| CN111522858A (zh) | 一种基于多维状态向量的抽蓄机组性能劣化预警方法 | |
| CN101403648A (zh) | 大型汽轮发电机组汽流激振故障实时诊断方法 | |
| CN112112792B (zh) | 电动给水泵组状态检修方法、系统以及终端 | |
| CN112257224B (zh) | 汽轮发电机状态检修方法、系统以及终端 | |
| CN113007040B (zh) | 风电机组主轴总成窜动在线监测与故障预警系统及方法 | |
| Ciani et al. | Condition-based maintenance for Oil&Gas system basing on failure modes and effects analysis | |
| CN116976191A (zh) | 一种水轮发电机组轴系稳定性劣化趋势预测方法 | |
| CN109409758B (zh) | 水电站设备健康状态评价方法及系统 | |
| CN111503242B (zh) | 故障确定方法、装置和系统、计算机可读存储介质 | |
| CN117217630A (zh) | 一种用于智能电厂的设备可靠性维护方法及系统 | |
| RU2668852C1 (ru) | Способ и система учета остаточного ресурса компонентов турбоагрегата | |
| CN116258482A (zh) | 一种自动选择维修方案的方法、服务器、电子设备 | |
| CN115906437A (zh) | 一种风机状态确定方法、装置、设备和存储介质 | |
| Sarkar et al. | The maintenance strategy selection of a gas turbine power plant system | |
| Rao et al. | An optimal maintenance policy for compressor of a gas turbine power plant | |
| CN115470946A (zh) | 设备维保方法、装置、电子设备及存储介质 | |
| CN115687315A (zh) | 一种风机的故障诊断与健康管理系统 | |
| CN113052716B (zh) | 风力发电机组主轴承的异常预警方法及装置 |
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 |