CN112632805B - 机组跨越振动区分析预警方法、系统、终端及介质 - Google Patents

机组跨越振动区分析预警方法、系统、终端及介质 Download PDF

Info

Publication number
CN112632805B
CN112632805B CN202110277035.XA CN202110277035A CN112632805B CN 112632805 B CN112632805 B CN 112632805B CN 202110277035 A CN202110277035 A CN 202110277035A CN 112632805 B CN112632805 B CN 112632805B
Authority
CN
China
Prior art keywords
data
time
real
early warning
crossing
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
CN202110277035.XA
Other languages
English (en)
Other versions
CN112632805A (zh
Inventor
刘任改
周洪杰
董吉林
万欣
李博
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.)
Guoneng Daduhe Big Data Service Co ltd
Original Assignee
Guoneng Daduhe Big Data Service 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 Guoneng Daduhe Big Data Service Co ltd filed Critical Guoneng Daduhe Big Data Service Co ltd
Priority to CN202110277035.XA priority Critical patent/CN112632805B/zh
Publication of CN112632805A publication Critical patent/CN112632805A/zh
Application granted granted Critical
Publication of CN112632805B publication Critical patent/CN112632805B/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
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • 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
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • 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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Physics & Mathematics (AREA)
  • Development Economics (AREA)
  • Marketing (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Educational Administration (AREA)
  • General Engineering & Computer Science (AREA)
  • Geometry (AREA)
  • Evolutionary Computation (AREA)
  • Computer Hardware Design (AREA)
  • Alarm Systems (AREA)
  • Testing And Monitoring For Control Systems (AREA)

Abstract

本发明公开了机组跨越振动区分析预警方法、系统、终端及介质，涉及数据处理技术领域，其技术方案要点是：获取机组设备的实时运行数据后建立实时数据库；将实时数据库中的实时运行数据输入预构建的实时数据分析模型后分析得到跨越振动区数据和实际预警信息；获取预设分析周期内已参与数据分析的实时运行数据后建立历史数据库；根据历史数据库建立历史数据模型；通过历史数据模型对跨越振动区数据进行在线评估后得到预测预警信息；将实际预警信息和预测预警信息融合处理后得到分析预警信息。本发明能根据设备异常工况的预测预警减少缺陷发生率和设备损坏率，提高设备使用寿命，为电力运营企业在设备管理层面提供系统性支撑。

Description

机组跨越振动区分析预警方法、系统、终端及介质
技术领域
本发明涉及数据处理技术领域，更具体地说，它涉及机组跨越振动区分析预警方法、系统、终端及介质。
背景技术
目前，全流域机电设备运行数据均为监控系统原始数据，缺乏挖掘利用，不能直接体现设备运行状态的特性，无法直接服务于生产管理和设备运行趋势优化。尤其是对影响机组运行年限、使用寿命的跨越振动区运行次数、振动区运行时间等关键信息缺乏有效的技术处理措施，无法对全流域设备的全生命周期进行管控；一方面，机电设备运行过程中存在较大的故障运行风险，另一方面，机电设备的提前维修、更换提高了机电设备运行的投入成本。因此，如何研究设计一种机组跨越振动区分析预警方法、系统、终端及介质是我们目前急需解决的问题。
发明内容
为解决现有技术中的不足，本发明的目的是提供机组跨越振动区分析预警方法、系统、终端及介质。
本发明的上述技术目的是通过以下技术方案得以实现的：
第一方面，提供了机组跨越振动区分析预警方法，包括以下步骤：
获取机组设备的实时运行数据后建立实时数据库；
将实时数据库中的实时运行数据输入预构建的实时数据分析模型后分析得到跨越振动区数据和实际预警信息；
获取预设分析周期内已参与数据分析的实时运行数据后建立历史数据库；
根据历史数据库建立历史数据模型；
通过历史数据模型对跨越振动区数据进行在线评估后得到预测预警信息；
将实际预警信息和预测预警信息融合处理后得到分析预警信息。
进一步的，所述实时运行数据包括：
实时采集流域设备运行数据得到的一级数据；
实时采集电站运行数据得到的二级数据；
实时采集电站机组运行数据得到的三级数据；
实时采集机组部位运行数据得到的四级数据。
进一步的，所述实时数据分析模型分析得到跨越振动区数据的过程具体为：
根据预设振动区范围判断输入的实时运行数据是否处于振动运行状态；
若处于振动运行状态，则通过计数器以每次加1更新得到跨越振动区次数，并记录当前实时运行数据的指标数据和时间信息，以及判断指标数据是否超过阈值：若超过，则发出实际预警信息，并同步记录时间信息和爬坡率信息；若未超过，则进入新的实时运行数据分析程序；
若不处于振动运行状态，则判断计数器的跨越振动区次数是否为0：若不为0，则记录当前实时运行数据的指标数据和时间信息，并以当前实时运行数据的指标数据、时间信息对应减去计数器的跨越振动区次数为1时的指标数据、时间信息后分别得到持续时间、负荷差，以及重置计数器后进入新的实时运行数据分析程序；若为0，则进入新的实时运行数据分析程序。
进一步的，所述跨越振动区次数的计算过程具体为：
当机组有功功率上升至大于预设振动区范围的低限功率时，记录跨越小负荷振动区1次；
当机组有功功率下降至小于预设振动区范围的高限功率时，记录跨越大负荷振动区1次；
累计计算跨越小负荷振动区次数和跨越大负荷振动区次数得到跨越振动区次数。
进一步的，所述历史数据模型的建立过程具体为：
筛选出历史数据库中数量最多的正常运行状态数据；
通过超球建模算法对正常运行状态数据进行处理后建立历史数据模型。
进一步的，所述历史数据模型对跨越振动区数据的在线评估过程具体为：
通过历史数据模型对历史数据库中的实时运行数据进行预测分析后得到预测运行数据；
将预测运行数据与跨越振动区数据对比分析后得到对比误差结果；
根据预设误差标准对对比误差结果进行数据处理后得到预测预警信息。
进一步的，所述分析预警信息的获取过程具体为：
根据时间信息将实际预警信息、预测预警信息对应重叠融合后得到由跨越振动区次数、振动区运行时间组成的分析预警信息。
第二方面，提供了机组跨越振动区分析预警系统，包括：
数据采集模块，用于获取机组设备的实时运行数据后建立实时数据库；
数据分析模块，用于将实时数据库中的实时运行数据输入预构建的实时数据分析模型后分析得到跨越振动区数据和实际预警信息；
数据库建立模块，用于获取预设分析周期内已参与数据分析的实时运行数据后建立历史数据库；
模型建立模块，用于根据历史数据库建立历史数据模型；
评估模块，用于通过历史数据模型对跨越振动区数据进行在线评估后得到预测预警信息；
预警模块，用于将实际预警信息和预测预警信息融合处理后得到分析预警信息。
第三方面，提供了一种终端，包含存储器、处理器及存储在存储器并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如第一方面中任意一项所述的机组跨越振动区分析预警方法。
第四方面，提供了一种计算机可读介质，其上存储有计算机程序，所述计算机程序被处理器执行可实现如第一方面中任意一项所述的机组跨越振动区分析预警方法。
与现有技术相比，本发明具有以下有益效果：本发明能根据设备异常工况的预测预警减少缺陷发生率和设备损坏率，提高设备使用寿命，为电力运营企业在设备管理层面提供系统性支撑，达到科学管控、节约资金的目的，实现全流域设备的全生命周期管控。
附图说明
此处所说明的附图用来提供对本发明实施例的进一步理解，构成本申请的一部分，并不构成对本发明实施例的限定。在附图中：
图1是本发明实施例中的整体流程图；
图2是本发明实施例中实时数据分析模型的处理逻辑示意图；
图3是本发明实施例中的系统框图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白，下面结合实施例1-2和附图1-3，对本发明作进一步的详细说明，本发明的示意性实施方式及其说明仅用于解释本发明，并不作为对本发明的限定。
实施例1：机组跨越振动区分析预警方法，如图1所示，具体由以下步骤实现。
步骤一，获取机组设备的实时运行数据后建立实时数据库。
实时运行数据包括实时采集流域设备运行数据得到的一级数据、实时采集电站运行数据得到的二级数据、实时采集电站机组运行数据得到的三级数据、实时采集机组部位运行数据得到的四级数据。
步骤二，将实时数据库中的实时运行数据输入预构建的实时数据分析模型后分析得到跨越振动区数据和实际预警信息。
如图2所示，实时数据分析模型分析得到跨越振动区数据的过程具体为：
a.首先进行数据初始化处理，然后根据预设振动区范围判断输入的实时运行数据是否处于振动运行状态；
b.若处于振动运行状态，则通过计数器以每次加1更新得到跨越振动区次数，并记录当前实时运行数据的指标数据和时间信息，以及判断指标数据是否超过阈值：若超过，则发出实际预警信息，并同步记录时间信息和爬坡率信息；若未超过，则进入新的实时运行数据分析程序；
c.若不处于振动运行状态，则判断计数器的跨越振动区次数是否为0：若不为0，则记录当前实时运行数据的指标数据和时间信息，并以当前实时运行数据的指标数据、时间信息对应减去计数器的跨越振动区次数为1时的指标数据、时间信息后分别得到持续时间、负荷差，以及重置计数器后进入新的实时运行数据分析程序；若为0，则进入新的实时运行数据分析程序。
跨越振动区次数的计算过程具体为：当机组有功功率上升至大于预设振动区范围的低限功率时，记录跨越小负荷振动区1次；当机组有功功率下降至小于预设振动区范围的高限功率时，记录跨越大负荷振动区1次；累计计算跨越小负荷振动区次数和跨越大负荷振动区次数得到跨越振动区次数。
例如，预设振动区范围为20-90MW，其低限功率为20MW，高限功率为90MW。当机组有功功率从低于20MW的范围上升至大于低限功率20MW时，记录跨越小负荷振动区1次；当机组有功功率从高于90MW的范围下降至小于高限功率90MW时，记录跨越大负荷振动区1次。
步骤三，获取预设分析周期内已参与数据分析的实时运行数据后建立历史数据库。需要注意的是，实时数据库是随着分析预警过程不断更新的，而历史数据库与实时数据库是同时更新的，当某一实时运行数据完成数据分析后立即传输至历史数据库，同时对历史数据模型进行更新。
步骤四，根据历史数据库建立历史数据模型，具体建立过程为：筛选出历史数据库中数量最多的正常运行状态数据；通过超球建模算法对正常运行状态数据进行处理后建立历史数据模型。
步骤五，通过历史数据模型对跨越振动区数据进行在线评估后得到预测预警信息。
历史数据模型对跨越振动区数据的在线评估过程具体为：通过历史数据模型对历史数据库中的实时运行数据进行预测分析后得到预测运行数据；将预测运行数据与跨越振动区数据对比分析后得到对比误差结果；根据预设误差标准对对比误差结果进行数据处理后得到预测预警信息。
步骤六，将实际预警信息和预测预警信息融合处理后得到分析预警信息。具体实现过程为：根据时间信息将实际预警信息、预测预警信息对应重叠融合后得到由跨越振动区次数、振动区运行时间组成的分析预警信息。需要注意的是，当跨越振动区次数、振动区运行时间针对的是某一系统或区域范围时，其计算过程中是根据机组数量求解平均值。
实施例2：机组跨越振动区分析预警系统，如图3所示，包括数据采集模块、数据分析模块、数据库建立模块、模型建立模块、评估模块、预警模块。
其中，数据采集模块，用于获取机组设备的实时运行数据后建立实时数据库。数据分析模块，用于将实时数据库中的实时运行数据输入预构建的实时数据分析模型后分析得到跨越振动区数据和实际预警信息。数据库建立模块，用于获取预设分析周期内已参与数据分析的实时运行数据后建立历史数据库。模型建立模块，用于根据历史数据库建立历史数据模型。评估模块，用于通过历史数据模型对跨越振动区数据进行在线评估后得到预测预警信息。预警模块，用于将实际预警信息和预测预警信息融合处理后得到分析预警信息。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、CD-ROM、光学存储器等）上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备（系统）、和计算机程序产品的流程图和／或方框图来描述的。应理解可由计算机程序指令实现流程图和／或方框图中的每一流程和／或方框、以及流程图和／或方框图中的流程和／或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的步骤。
以上的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.机组跨越振动区分析预警方法，其特征是，包括以下步骤：
获取机组设备的实时运行数据后建立实时数据库；
将实时数据库中的实时运行数据输入预构建的实时数据分析模型后分析得到跨越振动区数据和实际预警信息；
获取预设分析周期内已参与数据分析的实时运行数据后建立历史数据库；
根据历史数据库建立历史数据模型；
通过历史数据模型对跨越振动区数据进行在线评估后得到预测预警信息；
将实际预警信息和预测预警信息融合处理后得到分析预警信息；
所述实时数据分析模型分析得到跨越振动区数据的过程具体为：
根据预设振动区范围判断输入的实时运行数据是否处于振动运行状态；
若处于振动运行状态，则通过计数器以每次加1更新得到跨越振动区次数，并记录当前实时运行数据的指标数据和时间信息，以及判断指标数据是否超过阈值：若超过，则发出实际预警信息，并同步记录时间信息和爬坡率信息；若未超过，则进入新的实时运行数据分析程序；
若不处于振动运行状态，则判断计数器的跨越振动区次数是否为0：若不为0，则记录当前实时运行数据的指标数据和时间信息，并以当前实时运行数据的指标数据、时间信息对应减去计数器的跨越振动区次数为1时的指标数据、时间信息后分别得到持续时间、负荷差，以及重置计数器后进入新的实时运行数据分析程序；若为0，则进入新的实时运行数据分析程序。
2.根据权利要求1所述的机组跨越振动区分析预警方法，其特征是，所述实时运行数据包括：
实时采集流域设备运行数据得到的一级数据；
实时采集电站运行数据得到的二级数据；
实时采集电站机组运行数据得到的三级数据；
以及，实时采集机组部位运行数据得到的四级数据。
3.根据权利要求1所述的机组跨越振动区分析预警方法，其特征是，所述跨越振动区次数的计算过程具体为：
当机组有功功率上升至大于预设振动区范围的低限功率时，记录跨越小负荷振动区1次；
当机组有功功率下降至小于预设振动区范围的高限功率时，记录跨越大负荷振动区1次；
累计计算跨越小负荷振动区次数和跨越大负荷振动区次数得到跨越振动区次数。
4.根据权利要求1所述的机组跨越振动区分析预警方法，其特征是，所述历史数据模型的建立过程具体为：
筛选出历史数据库中数量最多的正常运行状态数据；
通过超球建模算法对正常运行状态数据进行处理后建立历史数据模型。
5.根据权利要求1所述的机组跨越振动区分析预警方法，其特征是，所述历史数据模型对跨越振动区数据的在线评估过程具体为：
通过历史数据模型对历史数据库中的实时运行数据进行预测分析后得到预测运行数据；
将预测运行数据与跨越振动区数据对比分析后得到对比误差结果；
根据预设误差标准对对比误差结果进行数据处理后得到预测预警信息。
6.根据权利要求1所述的机组跨越振动区分析预警方法，其特征是，所述分析预警信息的获取过程具体为：
根据时间信息将实际预警信息、预测预警信息对应重叠融合后得到由跨越振动区次数、振动区运行时间组成的分析预警信息。
7.机组跨越振动区分析预警系统，其特征是，包括：
数据采集模块，用于获取机组设备的实时运行数据后建立实时数据库；
数据分析模块，用于将实时数据库中的实时运行数据输入预构建的实时数据分析模型后分析得到跨越振动区数据和实际预警信息；
数据库建立模块，用于获取预设分析周期内已参与数据分析的实时运行数据后建立历史数据库；
模型建立模块，用于根据历史数据库建立历史数据模型；
评估模块，用于通过历史数据模型对跨越振动区数据进行在线评估后得到预测预警信息；
预警模块，用于将实际预警信息和预测预警信息融合处理后得到分析预警信息；
所述实时数据分析模型分析得到跨越振动区数据的过程具体为：
根据预设振动区范围判断输入的实时运行数据是否处于振动运行状态；
若处于振动运行状态，则通过计数器以每次加1更新得到跨越振动区次数，并记录当前实时运行数据的指标数据和时间信息，以及判断指标数据是否超过阈值：若超过，则发出实际预警信息，并同步记录时间信息和爬坡率信息；若未超过，则进入新的实时运行数据分析程序；
若不处于振动运行状态，则判断计数器的跨越振动区次数是否为0：若不为0，则记录当前实时运行数据的指标数据和时间信息，并以当前实时运行数据的指标数据、时间信息对应减去计数器的跨越振动区次数为1时的指标数据、时间信息后分别得到持续时间、负荷差，以及重置计数器后进入新的实时运行数据分析程序；若为0，则进入新的实时运行数据分析程序。
8.根据权利要求7所述的机组跨越振动区分析预警系统，其特征是，所述实时运行数据包括：
实时采集流域设备运行数据得到的一级数据；
实时采集电站运行数据得到的二级数据；
实时采集电站机组运行数据得到的三级数据；
以及，实时采集机组部位运行数据得到的四级数据。
9.一种终端，包含存储器、处理器及存储在存储器并可在处理器上运行的计算机程序，其特征是，所述处理器执行所述程序时实现如权利要求1-6中任意一项所述的机组跨越振动区分析预警方法。
10.一种计算机可读介质，其上存储有计算机程序，其特征是，所述计算机程序被处理器执行可实现如权利要求1-6中任意一项所述的机组跨越振动区分析预警方法。
CN202110277035.XA 2021-03-15 2021-03-15 机组跨越振动区分析预警方法、系统、终端及介质 Active CN112632805B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110277035.XA CN112632805B (zh) 2021-03-15 2021-03-15 机组跨越振动区分析预警方法、系统、终端及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110277035.XA CN112632805B (zh) 2021-03-15 2021-03-15 机组跨越振动区分析预警方法、系统、终端及介质

Publications (2)

Publication Number Publication Date
CN112632805A CN112632805A (zh) 2021-04-09
CN112632805B true CN112632805B (zh) 2021-06-01

Family

ID=75297677

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110277035.XA Active CN112632805B (zh) 2021-03-15 2021-03-15 机组跨越振动区分析预警方法、系统、终端及介质

Country Status (1)

Country Link
CN (1) CN112632805B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113312380B (zh) * 2021-07-29 2022-01-07 湖南五凌电力科技有限公司 基于数据驱动的水电机组振动区自动获取方法及装置
CN113741362B (zh) * 2021-08-17 2023-12-22 中海石油气电集团有限责任公司 液化天然气接收站操作优化方法、系统、介质及计算设备
CN116662761B (zh) * 2023-06-28 2024-05-14 广州发展南沙电力有限公司 一种基于数据分析的燃机电站重要参数预警方法及系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102497133A (zh) * 2011-11-25 2012-06-13 河北工业大学 永磁体的电磁振动发电装置及其在振动检测系统中的应用
CN104766138A (zh) * 2015-03-27 2015-07-08 大唐淮南洛河发电厂 基于工业互联网的火电厂设备性能评估与预警方法及系统
CN109657982A (zh) * 2018-12-20 2019-04-19 三重能有限公司 一种故障预警方法及装置

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105453361A (zh) * 2013-03-13 2016-03-30 富兰克林控制系统有限公司 用于智能电机保护和/或控制的设备、系统和/或方法
CN107489464B (zh) * 2017-07-20 2020-06-05 中国神华能源股份有限公司 汽轮发电机组故障预警方法及系统
CN110781220A (zh) * 2019-09-20 2020-02-11 江苏欣皓测试技术有限公司 故障预警方法、装置、存储介质和电子设备
CN112232569A (zh) * 2020-10-19 2021-01-15 苏州容思恒辉智能科技有限公司 一种机械设备故障预警方法、系统及可读存储介质
CN112418306B (zh) * 2020-11-20 2024-03-29 上海工业自动化仪表研究院有限公司 基于lstm-svm的燃气轮机压气机故障预警方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102497133A (zh) * 2011-11-25 2012-06-13 河北工业大学 永磁体的电磁振动发电装置及其在振动检测系统中的应用
CN104766138A (zh) * 2015-03-27 2015-07-08 大唐淮南洛河发电厂 基于工业互联网的火电厂设备性能评估与预警方法及系统
CN109657982A (zh) * 2018-12-20 2019-04-19 三重能有限公司 一种故障预警方法及装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
"融合故障预警与诊断功能的新型远程服务系统研究";崔亚辉 等;《神华科技》;20170126;第15卷(第1期);第46-49页 *
"风电机组在线智能故障诊断技术发展趋势";杜胜磊 等;《黑龙江电力》;20170415;第39卷(第2期);第173-177页 *

Also Published As

Publication number Publication date
CN112632805A (zh) 2021-04-09

Similar Documents

Publication Publication Date Title
CN112632805B (zh) 机组跨越振动区分析预警方法、系统、终端及介质
CN110493025B (zh) 一种基于多层有向图的故障根因诊断的方法及装置
CN109343995A (zh) 基于多源异构数据融合、机器学习及客服机器人的智能运维分析系统
CN106844161A (zh) 一种带状态流计算系统中的异常监控及预测方法和系统
CN110912775B (zh) 物联网企业网络故障的监控方法及装置
CN105967063B (zh) 维保平台故障分析处理系统及方法
WO2023066084A1 (zh) 算力分配方法、装置及算力服务器
CN112183835B (zh) 基于机器学习的水导瓦温度趋势预警方法、装置及系统
CN114640581A (zh) 一种基于数字孪生的算力网络处理方法及装置
CN114862275B (zh) 基于数字孪生模型的仓储物流系统可靠性评估方法及系统
Xue et al. Adaptive ultra-short-term wind power prediction based on risk assessment
Tavassoli et al. A new multiobjective time-cost trade-off for scheduling maintenance problem in a series-parallel system
CN110320893A (zh) 一种基于rcm的火电机组设备检修方法
CN112541603A (zh) 一种基于大数据的电网运行状态监测系统
CN114862095A (zh) 识别复杂水域船舶交通冲突热点的区域交通划分方法
CN113052553A (zh) 一种汽车同步器齿毂生产线的mes系统管控方法及系统
Huo et al. Flexible job shop scheduling based on digital twin and improved bacterial foraging
CN117374978A (zh) 结合知识图谱构建的并网调度管理方法及系统
CN111864728B (zh) 一种可重构配电网重要设备识别方法和系统
Han et al. Remaining useful life prediction of manufacturing system based on fuzzy quality state task network
CN115222151A (zh) 一种电网运行风险预警分析方法、系统、终端及介质
CN115684792A (zh) 一种基于人工智能的电气自动化设备检测系统
Ren et al. An Edge-Fog-Cloud Computing-Based Digital Twin Model for Prognostics Health Management of Process Manufacturing Systems
Liu et al. Anomaly detection based on dual-threaded blockchain in large-scale intelligent networks
CN117609740B (zh) 基于工业大模型智能预测维护系统

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