CN112579665A - 能源设备控制方法、装置及能源设备 - Google Patents
能源设备控制方法、装置及能源设备 Download PDFInfo
- Publication number
- CN112579665A CN112579665A CN202011435515.6A CN202011435515A CN112579665A CN 112579665 A CN112579665 A CN 112579665A CN 202011435515 A CN202011435515 A CN 202011435515A CN 112579665 A CN112579665 A CN 112579665A
- Authority
- CN
- China
- Prior art keywords
- data
- abnormal
- determining
- historical data
- prediction
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 35
- 230000002159 abnormal effect Effects 0.000 claims abstract description 50
- 238000005070 sampling Methods 0.000 claims description 12
- 230000002547 anomalous effect Effects 0.000 claims description 4
- 238000003860 storage Methods 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 abstract description 4
- 238000001514 detection method Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 230000005856 abnormality Effects 0.000 description 4
- 230000003068 static effect Effects 0.000 description 3
- 230000001960 triggered effect Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000003247 decreasing effect Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 230000000737 periodic effect Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2465—Query processing support for facilitating data mining operations in structured databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2477—Temporal data queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/18—Status alarms
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B25/00—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems
- G08B25/01—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems characterised by the transmission medium
- G08B25/08—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems characterised by the transmission medium using communication transmission lines
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B29/00—Checking or monitoring of signalling or alarm systems; Prevention or correction of operating errors, e.g. preventing unauthorised operation
- G08B29/18—Prevention or correction of operating errors
- G08B29/185—Signal analysis techniques for reducing or preventing false alarms or for enhancing the reliability of the system
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Mathematical Physics (AREA)
- Probability & Statistics with Applications (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Mathematical Optimization (AREA)
- Fuzzy Systems (AREA)
- Emergency Management (AREA)
- Pure & Applied Mathematics (AREA)
- Computational Linguistics (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Operations Research (AREA)
- Life Sciences & Earth Sciences (AREA)
- Algebra (AREA)
- Computer Security & Cryptography (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明公开了一种能源设备控制方法、装置及能源设备,其中,该方法包括:获取能源设备的历史数据,根据历史数据确定能源设备的预测数据;将预测数据与历史数据进行对比,确定预测数据是否异常;在预测数据异常时,执行对应的操作。本发明解决了现有技术中能源设备故障监测不够及时、准确,影响系统安全性的问题,可以对设备可能存在的异常进行及时处理,保障能源设备正常运行。
Description
技术领域
本发明涉及能源设备技术领域,具体而言,涉及一种能源设备控制方法、装置及能源设备。
背景技术
在IEMS(Intelligent Energy Management System智能能量管理系统)系统中,能源监控对于工厂至关重要,其中的能源设备的正常运行能够保障工厂安全生产。而现有的方式大多是通过人员定期的对设备去检修,耗费时间人力,而且并不能实时的监测到设备是否异常以及静态阈值报警常常会出现误报或不报的情况。如何准确实时的监控能源设备,一旦设备各个参数出现异常时,设备人员能够及时的收到报警通知,并能够及时处理,减少因设备异常所带来的损失。
针对相关技术中能源设备故障监测不够及时、准确,影响系统安全性的问题,目前尚未提出有效地解决方案。
发明内容
本发明提供了一种能源设备控制方法、装置及能源设备,以至少解决现有技术中能源设备故障监测不够及时、准确,影响系统安全性的问题。
为解决上述技术问题,根据本发明实施例的一个方面,提供了一种能源设备控制方法,包括:获取能源设备的历史数据,根据历史数据确定能源设备的预测数据;将预测数据与历史数据进行对比,确定预测数据是否异常;在预测数据异常时,执行对应的操作。
进一步地,根据历史数据确定能源设备的预测数据,包括:在历史数据中进行采样,获取采样数据;通过指数加权移动平均算法计算采样数据的移动平均值,作为预测数据。
进一步地,将预测数据与历史数据进行对比,确定预测数据是否异常,包括:计算历史数据的平均值;判断预测数据与平均值的差值是否超出误差范围;如果是,则确定预测数据异常。
进一步地,判断预测数据与平均值的差值是否超出误差范围,包括:计算历史数据的标准差;判断差值的绝对值是否大于标准差与第一预设倍数的乘积;如果是,则确定差值超出误差范围。
进一步地,还包括:确定能源设备的运行周期;在历史数据中选取一个运行周期的数据作为参考数据;获取能源设备的当前数据;将当前数据与参考数据进行对比,确定当前数据是否异常;在当前数据异常时,执行对应的操作。
进一步地,将当前数据与参考数据进行对比,确定当前数据是否异常,包括:确定参考数据中的最小值和最大值;判断当前数据是否大于最大值与第二预设倍数的乘积,或当前数据是否小于最小值与第三预设倍数的乘积;如果是,则确定当前数据异常。
进一步地,执行对应的操作,包括:调用短信网关接口,给用户发送报警短信,和/或,调用邮箱网关接口,给用户发送报警邮件,和/或,调用网页网关接口,给用户发送网页报警提醒。
根据本发明实施例的另一方面,提供了一种能源设备控制装置,包括:确定模块,用于获取能源设备的历史数据,根据历史数据确定能源设备的预测数据;预测模块,用于将预测数据与历史数据进行对比,确定预测数据是否异常;报警模块,用于在预测数据异常时,执行对应的操作。
根据本发明实施例的又一方面,提供了一种能源设备,包括如上述的能源设备控制装置。
根据本发明实施例的又一方面,提供了一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行如上述的能源设备控制方法。
在本发明中,根据历史数据确定能源设备的预测数据,并将预测数据与历史数据进行对比,确定预测数据是否异常,在预测数据异常时,执行对应的操作。通过预测值进行异常判断,可以对设备可能存在的异常进行及时处理,保障能源设备正常运行。
附图说明
图1是根据本发明实施例的能源设备控制方法的一种可选的流程图;
图2是根据本发明实施例的周期性检测方法的一种可选的流程图;
图3是根据本发明实施例的异常报警方法的一种可选的流程图;
图4是根据本发明实施例的能源设备控制装置的一种可选的结构框图;以及
图5是根据本发明实施例的能源设备控制装置的另一种可选的结构框图。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本发明的一些方面相一致的装置和方法的例子。
实施例1
在本发明优选的实施例1中提供了一种能源设备控制方法,该控制方法可以直接应用至各种能源设备上。具体来说,图1示出该方法的一种可选的流程图,如图1所示,该方法包括如下步骤S102-S106:
S102:获取能源设备的历史数据,根据历史数据确定能源设备的预测数据;
S104:将预测数据与历史数据进行对比,确定预测数据是否异常;
S106:在预测数据异常时,执行对应的操作。
在本发明中,根据历史数据确定能源设备的预测数据,并将预测数据与历史数据进行对比,确定预测数据是否异常,在预测数据异常时,执行对应的操作。通过预测值进行异常判断,可以对设备可能存在的异常进行及时处理,保障能源设备正常运行。
在本发明一个优选的实施方式中,根据历史数据确定能源设备的预测数据,包括:在历史数据中进行采样,获取采样数据;通过指数加权移动平均算法计算采样数据的移动平均值,作为预测数据。指数加权移动平均算法是一种以指数式递减加权的移动平均,各数值的加权影响力随时间呈指数式递减,时间越靠近当前时刻的数据加权影响力越大。通过该算法得到的评价值更加准确。当然通过其他算法也可以获取平均值。将获取的平均值作为预测数据,即能源数据的下一个数据。
在确定预测数据后,将预测数据与历史数据进行对比,确定预测数据是否异常,具体包括:计算历史数据的平均值;判断预测数据与平均值的差值是否超出误差范围;如果是,则确定预测数据异常。
具体的确定过程包括:计算历史数据的标准差;判断差值的绝对值是否大于标准差与第一预设倍数的乘积;如果是,则确定差值超出误差范围。假设一组检测数据只含有随机误差,对其进行计算处理得到标准偏差,按一定概率确定一个区间,认为凡超过这个区间的误差,就不属于随机误差而是粗大误差,含有该误差的数据应予以剔除。在正态分布的假设下,例如第一预设倍数为3,则距离平均值三倍标准差之外的值出现的概率很小,因此可认为是异常值。
上述过程能够对数据进行预测从而及时判断可能存在的故障。在本发明优选的实施方式中,还设置了其他报警方法。
能源数据存在一定的周期性,通过比较一个周期的数据来检测异常。基于周期性,该方法可以确保发现大的异常。包括:确定能源设备的运行周期;在历史数据中选取一个运行周期的数据作为参考数据;获取能源设备的当前数据;将当前数据与参考数据进行对比,确定当前数据是否异常;在当前数据异常时,执行对应的操作。
其中,将当前数据与参考数据进行对比,确定当前数据是否异常,包括:确定参考数据中的最小值和最大值;判断当前数据是否大于最大值与第二预设倍数的乘积,或当前数据是否小于最小值与第三预设倍数的乘积;如果是,则确定当前数据异常。
图2示出上述周期性检测方法的流程图,如图2所示,包括:
1)选取一个周期的数据作为参考数据;
2)将该时刻的能源数据与一个周期内同一时刻的最小值乘以一个阈值相比较,如果该数据比相乘的积还小,则触发异常(突小异常);
3)将该时刻的能源数据与一个周期内同一时刻的最大值乘以一个阈值相比较,如果该数据比相乘的积还大,则触发异常(突大异常)报警通知。
此外,关于上述预设倍数的设置,通过自学习机制进行确定。由于能源设备的各个参数都存在一定的阈值,设备参数超过阈值就会出现异常,但是由于工厂设备众多,不便每个设备进行不同的阈值设置。通过自学习机制,收集各设备的特定信息修改知识库,确定各个能源设备的预设倍数的准确的具体数值。
利用自学习设置阈值(预设倍数),解决静态阈值报警出现误报或不报情况,从而触发报警,能够极大解决运维的人力负担及有效降低设备异常误报率。
在确定数据异常后,执行对应的操作,图3示出数据异常报警的方式,如图3所示,具体报警方式包括:调用短信网关接口,给用户发送报警短信,和/或,调用邮箱网关接口,给用户发送报警邮件,和/或,调用网页网关接口,给用户发送网页报警提醒。
通过该方法和系统,能有效的保证能源设备出现异常时,设备人员能够及时收到通知并处理,保障设备正常运行。
实施例2
基于上述实施例1中提供的能源设备控制方法,在本发明优选的实施例2中还提供了一种能源设备控制装置,具体地,图4示出该装置的一种可选的结构框图,如图4所示,该装置包括:
确定模块402,用于获取能源设备的历史数据,根据历史数据确定能源设备的预测数据;
预测模块404,与确定模块402连接,用于将预测数据与历史数据进行对比,确定预测数据是否异常;
报警模块406,与预测模块404连接,用于在预测数据异常时,执行对应的操作。
在上述实施方式中,根据历史数据确定能源设备的预测数据,并将预测数据与历史数据进行对比,确定预测数据是否异常,在预测数据异常时,执行对应的操作。通过预测值进行异常判断,可以对设备可能存在的异常进行及时处理,保障能源设备正常运行。
确定模块402包括:采样单元,用于在历史数据中进行采样,获取采样数据;第一计算单元,用于通过指数加权移动平均算法计算采样数据的移动平均值,作为预测数据。
预测模块404包括:第二计算单元,用于计算历史数据的平均值;判断单元,用于判断预测数据与平均值的差值是否超出误差范围;第一确定单元,用于如果是,则确定预测数据异常。
判断单元包括:计算子单元,用于计算历史数据的标准差;判断子单元,用于判断差值的绝对值是否大于标准差与第一预设倍数的乘积;确定子单元,用于如果是,则确定差值超出误差范围。
在本发明优选的实施例2中还提供了能源设备控制装置的另一种可选的结构框图,如图5所示,包括:自学习机制模块502、曲线拟合异常检测模块504(包括预测模块404,与确定模块402的功能)、同期数据异常检测模块506和提醒通知模块508。
同期数据异常检测模块,包括:第二确定单元,用于确定能源设备的运行周期;参考单元,用于在历史数据中选取一个运行周期的数据作为参考数据;获取单元,用于获取能源设备的当前数据;对比单元,用于将当前数据与参考数据进行对比,确定当前数据是否异常;报警单元,用于在当前数据异常时,执行对应的操作。
此外,本装置还包括自学习机制模块。关于上述预设倍数的设置,通过自学习机制进行确定。由于能源设备的各个参数都存在一定的阈值,设备参数超过阈值就会出现异常,但是由于工厂设备众多,不便每个设备进行不同的阈值设置。通过自学习机制模块,收集各设备的特定信息修改知识库,确定各个能源设备的预设倍数的准确的具体数值,解决静态阈值报警出现误报或不报情况,从而触发报警,能够极大解决运维的人力负担及有效降低设备异常误报率。
关于上述实施例中的装置,其中各个单元、模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
实施例3
基于上述实施例2中提供的能源设备控制装置,在本发明优选的实施例3中还提供了一种能源设备,包括如上述的能源设备控制装置。
在上述实施方式中,根据历史数据确定能源设备的预测数据,并将预测数据与历史数据进行对比,确定预测数据是否异常,在预测数据异常时,执行对应的操作。通过预测值进行异常判断,可以对设备可能存在的异常进行及时处理,保障能源设备正常运行。
实施例4
基于上述实施例1中提供的能源设备控制方法,在本发明优选的实施例4中还提供了一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行如上述的能源设备控制方法。
在上述实施方式中,根据历史数据确定能源设备的预测数据,并将预测数据与历史数据进行对比,确定预测数据是否异常,在预测数据异常时,执行对应的操作。通过预测值进行异常判断,可以对设备可能存在的异常进行及时处理,保障能源设备正常运行。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本发明的其它实施方案。本申请旨在涵盖本发明的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本发明未发明的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本发明的真正范围和精神由下面的权利要求指出。
应当理解的是,本发明并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本发明的范围仅由所附的权利要求来限制。
Claims (10)
1.一种能源设备控制方法,其特征在于,包括:
获取所述能源设备的历史数据,根据所述历史数据确定所述能源设备的预测数据;
将所述预测数据与所述历史数据进行对比,确定所述预测数据是否异常;
在所述预测数据异常时,执行对应的操作。
2.根据权利要求1所述的方法,其特征在于,所述根据所述历史数据确定所述能源设备的预测数据,包括:
在所述历史数据中进行采样,获取采样数据;
通过指数加权移动平均算法计算所述采样数据的移动平均值,作为所述预测数据。
3.根据权利要求1所述的方法,其特征在于,所述将所述预测数据与所述历史数据进行对比,确定所述预测数据是否异常,包括:
计算所述历史数据的平均值;
判断所述预测数据与所述平均值的差值是否超出误差范围;
如果是,则确定所述预测数据异常。
4.根据权利要求3所述的方法,其特征在于,所述判断所述预测数据与所述平均值的差值是否超出误差范围,包括:
计算所述历史数据的标准差;
判断所述差值的绝对值是否大于所述标准差与第一预设倍数的乘积;
如果是,则确定所述差值超出误差范围。
5.根据权利要求1所述的方法,其特征在于,还包括:
确定所述能源设备的运行周期;
在所述历史数据中选取一个所述运行周期的数据作为参考数据;
获取所述能源设备的当前数据;
将所述当前数据与所述参考数据进行对比,确定所述当前数据是否异常;
在所述当前数据异常时,执行对应的操作。
6.根据权利要求1所述的方法,其特征在于,所述将所述当前数据与所述参考数据进行对比,确定所述当前数据是否异常,包括:
确定所述参考数据中的最小值和最大值;
判断所述当前数据是否大于所述最大值与第二预设倍数的乘积,或所述当前数据是否小于所述最小值与第三预设倍数的乘积;
如果是,则确定所述当前数据异常。
7.根据权利要求1或5所述的方法,其特征在于,所述执行对应的操作,包括:
调用短信网关接口,给用户发送报警短信,和/或,调用邮箱网关接口,给用户发送报警邮件,和/或,调用网页网关接口,给用户发送网页报警提醒。
8.一种能源设备控制装置,其特征在于,包括:
确定模块,用于获取所述能源设备的历史数据,根据所述历史数据确定所述能源设备的预测数据;
预测模块,用于将所述预测数据与所述历史数据进行对比,确定所述预测数据是否异常;
报警模块,用于在所述预测数据异常时,执行对应的操作。
9.一种能源设备,其特征在于,包括如权利要求8所述的能源设备控制装置。
10.一种包含计算机可执行指令的存储介质,其特征在于,所述计算机可执行指令在由计算机处理器执行时用于执行如权利要求1至7中任一项所述的能源设备控制方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011435515.6A CN112579665A (zh) | 2020-12-10 | 2020-12-10 | 能源设备控制方法、装置及能源设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011435515.6A CN112579665A (zh) | 2020-12-10 | 2020-12-10 | 能源设备控制方法、装置及能源设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112579665A true CN112579665A (zh) | 2021-03-30 |
Family
ID=75131058
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011435515.6A Pending CN112579665A (zh) | 2020-12-10 | 2020-12-10 | 能源设备控制方法、装置及能源设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112579665A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114038169A (zh) * | 2021-11-10 | 2022-02-11 | 英业达(重庆)有限公司 | 生产设备故障监测方法、装置、设备及介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108320063A (zh) * | 2018-03-26 | 2018-07-24 | 上海积成能源科技有限公司 | 一种电力负荷预测中对异常数据剔除和去噪处理的方法 |
CN110888788A (zh) * | 2019-10-16 | 2020-03-17 | 平安科技(深圳)有限公司 | 异常检测方法、装置、计算机设备及存储介质 |
CN111221706A (zh) * | 2020-01-06 | 2020-06-02 | 北京思特奇信息技术股份有限公司 | 一种cpu使用率预测方法、系统、介质及设备 |
CN111722612A (zh) * | 2020-05-21 | 2020-09-29 | 上海四量电子科技有限公司 | 一种电力少油监控预测系统 |
-
2020
- 2020-12-10 CN CN202011435515.6A patent/CN112579665A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108320063A (zh) * | 2018-03-26 | 2018-07-24 | 上海积成能源科技有限公司 | 一种电力负荷预测中对异常数据剔除和去噪处理的方法 |
CN110888788A (zh) * | 2019-10-16 | 2020-03-17 | 平安科技(深圳)有限公司 | 异常检测方法、装置、计算机设备及存储介质 |
CN111221706A (zh) * | 2020-01-06 | 2020-06-02 | 北京思特奇信息技术股份有限公司 | 一种cpu使用率预测方法、系统、介质及设备 |
CN111722612A (zh) * | 2020-05-21 | 2020-09-29 | 上海四量电子科技有限公司 | 一种电力少油监控预测系统 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114038169A (zh) * | 2021-11-10 | 2022-02-11 | 英业达(重庆)有限公司 | 生产设备故障监测方法、装置、设备及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109325692B (zh) | 水管网的数据实时分析方法及装置 | |
EP3270250B1 (en) | Method and system for remote monitoring of power generation units | |
CN112712113B (zh) | 一种基于指标的告警方法、装置及计算机系统 | |
BR112021013786A2 (pt) | Método e sistema para detectar anomalias ou indicações prematuras de falha de equipamento | |
BRPI1100290A2 (pt) | mÉtodo para detectar comportamento em equipamento de subestaÇço elÉtrica | |
RU2649542C1 (ru) | Способ и система удаленного мониторинга объектов | |
KR20190022112A (ko) | 자동화 설비의 고장 예측 장치, 이를 이용한 고장 예측 시스템 및 고장 예측 방법 | |
JP2013504102A (ja) | 火災、可燃ガス報知システム及び方法 | |
CN109564423B (zh) | 监测和控制工业过程的方法以及过程控制系统 | |
EP3617826A1 (en) | Management monitoring system | |
EP3627264B1 (en) | Plant assessment system and plant assessment method | |
CN115018220A (zh) | 一种基于知识图谱的家电故障预测方法和系统 | |
CN112579665A (zh) | 能源设备控制方法、装置及能源设备 | |
CN113673600B (zh) | 一种工业信号异常预警方法、系统、存储介质及计算设备 | |
US11982590B2 (en) | Gas monitoring system | |
KR20180075889A (ko) | 원자력발전소의 빅데이터를 이용한 경보 발생 방법 | |
CN109240253A (zh) | 一种在线设备诊断及预防性维护方法及系统 | |
CN112904921A (zh) | 基于物联网的实时监测监管系统 | |
EP3414631B1 (en) | Detection of temperature sensor failure in turbine systems | |
EP3312844B1 (en) | Abnormality indication monitoring system | |
KR20130117596A (ko) | 에이치엠아이 시스템의 알람 처리 장치 및 방법 | |
JP2007286707A (ja) | 機器診断システム | |
CN117287640B (zh) | 供水风险的预警方法、装置、设备及存储介质 | |
CN116592944A (zh) | 一种lcp柜智能监测系统 | |
CN115163534A (zh) | 一种风机的在线异常检测方法、装置、存储介质及控制器 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210330 |
|
RJ01 | Rejection of invention patent application after publication |