CN113123932B - 一种面向风电机组的实时动态故障诊断方法 - Google Patents
一种面向风电机组的实时动态故障诊断方法 Download PDFInfo
- Publication number
- CN113123932B CN113123932B CN202110200607.4A CN202110200607A CN113123932B CN 113123932 B CN113123932 B CN 113123932B CN 202110200607 A CN202110200607 A CN 202110200607A CN 113123932 B CN113123932 B CN 113123932B
- Authority
- CN
- China
- Prior art keywords
- real
- data
- abnormal
- rule
- wind turbine
- 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
- 238000000034 method Methods 0.000 title claims abstract description 26
- 238000003745 diagnosis Methods 0.000 title claims abstract description 20
- 238000012544 monitoring process Methods 0.000 claims abstract description 51
- 230000002159 abnormal effect Effects 0.000 claims abstract description 44
- 230000005856 abnormality Effects 0.000 claims abstract description 18
- 238000012545 processing Methods 0.000 claims description 9
- 238000004891 communication Methods 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 5
- 230000003139 buffering effect Effects 0.000 claims description 3
- 238000007405 data analysis Methods 0.000 abstract description 3
- 230000002349 favourable effect Effects 0.000 abstract 1
- 238000004458 analytical method Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000010586 diagram Methods 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
- 239000013307 optical fiber Substances 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000006996 mental state Effects 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F03—MACHINES OR ENGINES FOR LIQUIDS; WIND, SPRING, OR WEIGHT MOTORS; PRODUCING MECHANICAL POWER OR A REACTIVE PROPULSIVE THRUST, NOT OTHERWISE PROVIDED FOR
- F03D—WIND MOTORS
- F03D17/00—Monitoring or testing of wind motors, e.g. diagnostics
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F03—MACHINES OR ENGINES FOR LIQUIDS; WIND, SPRING, OR WEIGHT MOTORS; PRODUCING MECHANICAL POWER OR A REACTIVE PROPULSIVE THRUST, NOT OTHERWISE PROVIDED FOR
- F03D—WIND MOTORS
- F03D7/00—Controlling wind motors
-
- Y—GENERAL 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
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/70—Wind energy
- Y02E10/72—Wind turbines with rotation axis in wind direction
Landscapes
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Sustainable Development (AREA)
- Sustainable Energy (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Wind Motors (AREA)
Abstract
本公开提供一种面向风电机组的实时故障诊断方法,方法包括:预先配置参数和异常规则;根据配置的异常规则生成目标监测程序,将目标监测程序配置至风电机组的控制器;初始化实时故障监测引擎,加载并运行目标监测程序;控制器采集风电机组的运行数据,实时故障监测引擎根据异常规则,实时监控风电机组的运行数据,并在判定发生异常时,保存异常前后预设时间段的运行数据记录。本公开可以有效监测风机运行数据,同时针对异常数据可以形成毫秒级的数据记录,可有效实现在故障发生前后预设时间段(例如60s等)内数据的详细数据记录,有利于后续对故障的精密数据分析和完整故障追溯,故障前后极短时间内的数据对故障追溯、归零具有极其重要的意义。
Description
技术领域
本公开属于风力发电技术领域,具体涉及一种面向风电机组的实时故障诊断方法。
背景技术
现有技术一中,中国实用新型专利CN 201820121U提供了一种风电机组集中和远程监控、故障诊断系统,采用各类传感器对风电机组进行原始信号取样,将上述各类传感器取得的信号经数据转换模块转换成数字信号传送给现场控制器,数据经处理后传送给上位计算机,包括集中和远程二种方式;计算机检测数据分析判断后得出结论并进行事故预警;计算机对检测数据进行分析得出诊断结论并在显示屏上文字显示。
现有技术二中,中国发明专利CN102999025B提供了一种风电监控与故障诊断系统,采用计算机监控网络、电网EMS系统、数据采集系统、远程工作站和机组等构成,通过监控网络和采集系统实时采集风电机组状态,监测与故障诊断,并实现对故障状态的预知和报警。
现有技术三中,中国发明专利CN102748214B提供了一种耦合于控制系统的风电机组状态监测与故障诊断系统,包括:振动传感器;转速传感器;数据采集卡;内置数据提取程序从主控PLC中读取风机运行参数,过数据采集程序从数据采集卡中读取振动和转速信号的PLC采集器;以及数据服务器。
上述现有技术一中,故障诊断系统要求提供一种基于模糊神经网络的上位机系统,在进行诊断预测等方面缺乏大量的数据训练集,且需要现场额外部署这种带有复杂运算的上位机控制系统,很难适用于风电机组控制现场。
上述现有技术二中,需要增加额外的机载数据采集与分析心态、状态监测与故障诊断工作站和人工分析终端,操作复杂,且该系统与现场控制系统独立运行,数据无法实现交互,因此当故障发生时,仅能记录风机本身的状态数据,无法从整体角度去形成关联事件分析,无法提供准确的综合判断。
上述现有技术三中,以PLC为数据采集,将数据通过光纤传送给数据服务器,建立故障数据库,并不能提供故障发生时的详细事件记录,一旦控制系统通信发生故障,将会丢失故障数据,无法实现实时故障的记录功能,也无法提供科学的判断依据。
以上现有技术都是在基于采集风电机组控制系统的数据,利用模糊神经网络、SCADA等系统进行故障预测,并不能完整保留在风机故障时的实时数据,对后续的风机维护带来难度,在故障发生时,故障前后极短时间内的数据对故障追溯、归零具有极其重要的意义,但是目前的方案还仅能提供基于SCADA或者外部其他故障系统来采集故障数据,仅能获取故障发生之后的数据,且数据不够紧密,很难完整保存现场。
发明内容
本公开旨在至少解决现有技术中存在的技术问题之一,提供一种面向风电机组的实时故障诊断方法。
本公开的一方面,提供一种面向风电机组的实时故障诊断方法,所述方法包括:
预先配置参数和异常规则;
根据配置的所述异常规则生成目标监测程序;
将所述目标监测程序配置至所述风电机组的控制器;
初始化实时故障监测引擎,加载并运行所述目标监测程序;
所述控制器采集所述风电机组的运行数据,所述实时故障监测引擎根据所述异常规则,实时监控所述风电机组的运行数据,并在判定发生异常时,保存异常前后预设时间段的运行数据记录。
在一些实施方式中,所述实时故障监测引擎根据所述异常规则,实时监控所述风电机组的运行数据,包括:
所述实时故障监测引擎将所述风电机组的运行数据与所述异常规则中的安全规则列表进行比较,当所述运行数据不符合所述安全规则列表时,判定所述运行数据发生异常并产生报警。
在一些实施方式中,所述在判定发生异常时,保存异常前后预设时间段的运行数据记录,包括:
所述实时故障监测引擎将其实时监控的运行数据缓存第一预设时间段;
在判定发生异常时,保存缓存的运行数据,并继续记录第二预设时间段的运行数据,形成异常前后预设时间段的运行数据记录。
在一些实施方式中,所述实时故障监测引擎将其实时监控的运行数据缓存第一预设时间段,包括:
所述实时故障监测引擎建立一个长度为300的数据缓存队列,用于缓存运行数据,每1ms记录一个数据包,所述数据缓存队列中的运行数据循环替代。
在一些实施方式中,所述预先配置参数和异常规则,包括:
预先配置风电机组参数、异常判断规则和报警结果变量。
在一些实施方式中,所述根据配置的所述异常规则生成目标监测程序,包括:
解析所述异常规则,关联所述报警结果变量在所述控制器中的内存地址,链接生成可在所述控制器上运行的所述目标监测程序。
在一些实施方式中,上位机执行所述预先配置参数和异常规则、以及根据配置的所述异常规则生成目标监测程序。
在一些实施方式中,所述将所述目标监测程序配置至所述风电机组的控制器,包括:
所述上位机通过TCP连接所述控制器,以将所述目标监测程序配置至所述控制器。
在一些实施方式中,所述实时故障监测引擎部署在第一处理核上,所述控制器的控制逻辑和通信部署在第二处理核上。
本公开的另一方面,提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时能实现根据前文记载的所述的方法。
本公开的一种面向风电机组的实时故障诊断方法,可以有效监测风机运行数据,同时针对异常数据可以形成毫秒级的数据记录,可有效实现在故障发生前后预设时间段(例如60s等)内数据的详细数据记录,有利于后续对故障的精密数据分析和完整故障追溯,故障前后极短时间内的数据对故障追溯、归零具有极其重要的意义。
附图说明
图1为本公开一实施例的一种面向风电机组的实时故障诊断方法的流程图;
图2为本公开另一实施例的生成目标监测程序的流程图;
图3为本公开另一实施例的控制器内运行多个功能应用的部署图;
图4为本公开另一实施例的控制逻辑的产生过程示意图。
具体实施方式
为使本领域技术人员更好地理解本公开的技术方案,下面结合附图和具体实施方式对本公开作进一步详细描述。
本公开的一个方面,如图1所示,涉及一种面向风电机组的实时故障诊断方法S100,所述方法S100包括:
S110、预先配置参数和异常规则。
具体地,在本步骤中,参数可以包括风电机组参数、报警结果变量等,异常规则可以包括异常判断规则,例如可以包括一些安全规则列表等。当然,除此以外,本领域技术人员还可以根据实际需要,设计其它一些参数和异常规则,本实施例对此并不限制。在本步骤中,执行主体可以是上位机等具有数据处理和控制能力的一些控制设备。
S120、根据配置的所述异常规则生成目标监测程序。
具体地,在本步骤中,对配置的异常规则进行解析,关联所述报警结果变量在所述控制器中的内存地址,链接生成可在所述控制器上运行的所述目标监测程序。在本步骤中,执行主体可以是上位机等具有数据处理和控制能力的一些控制设备。也就是说,步骤S110和步骤S120可以均在上位机等控制设备中完成。
S130、将所述目标监测程序配置至所述风电机组的控制器。
具体地,在本步骤中,所述目标监测程序在上位机中生成时,所述上位机可以通过TCP连接所述控制器,以将所述目标监测程序配置至所述控制器。
S140、初始化实时故障监测引擎,加载并运行所述目标监测程序。
具体地,在本步骤中,所述控制器初始化实时故障检测引擎,对接收到的目标监测程序进行解析,获得二进制目标指令数据,加载所述目标监测程序的二进制目标指令数据并运行。
S150、所述控制器采集所述风电机组的运行数据,所述实时故障监测引擎根据所述异常规则,实时监控所述风电机组的运行数据,并在判定发生异常时,保存异常前后预设时间段的运行数据记录。
具体地,在本步骤中,可以通过控制器的现场网络采集风电机组的运行数据,并传输到控制器中。实时故障监测引擎根据所述异常规则,实时监控所述风电机组的运行数据,并在判定发生异常时,保存异常前后预设时间段的运行数据记录,例如,可以保存异常前后60s的运行数据记录,将该运行数据记录保存到控制器的文件系统中。
本实施例的一种面向风电机组的实时故障诊断方法,可以有效监测风机运行数据,同时针对异常数据可以形成毫秒级的数据记录,可有效实现在故障发生前后预设时间段(例如60s等)内数据的详细数据记录,有利于后续对故障的精密数据分析和完整故障追溯,故障前后极短时间内的数据对故障追溯、归零具有极其重要的意义。
示例性的,所述实时故障监测引擎根据所述异常规则,实时监控所述风电机组的运行数据,包括:
所述实时故障监测引擎将所述风电机组的运行数据与所述异常规则中的安全规则列表进行比较,当所述运行数据不符合所述安全规则列表时,判定所述运行数据发生异常并产生报警。
示例性的,所述在判定发生异常时,保存异常前后预设时间段的运行数据记录,包括:
所述实时故障监测引擎将其实时监控的运行数据缓存第一预设时间段。在判定发生异常时,保存缓存的运行数据,并继续记录第二预设时间段的运行数据,形成异常前后预设时间段的运行数据记录。
具体地,在本步骤中,实时故障监测引擎根据配置的异常规则监控风电机组的运行数据,并形成数据缓存队列,可以缓存30s数据快照。一旦数据发生异常,则保存30s数据快照,并可以继续记录异常数据发生后的30s数据,形成故障前后60s精密数据记录,保存到控制器的文件系统中。
在本步骤中,所述实时故障监测引擎可以建立一个长度为300的数据缓存队列,用于缓存运行数据,每1ms记录一个数据包,所述数据缓存队列中的运行数据循环替代。
示例性的,如图2所示,步骤S120具体包括:
步骤S021:解析由用户在界面上配置好的风机参数。
步骤S022:生成风机参数列表。
步骤S023:解析用户配置的异常判断规则,其中本公开支持5种异常规则设置:阈值监测、范围监测、异常值报警、多值关联检查、状态关联判断。
步骤S023-11:为阈值监测规则解析。
步骤S023-12:生成阈值判断语句:如果参数变量超过阈值则置报警结果变量为true。
步骤S023-21:为范围监测规则解析。
步骤S023-22:生成范围比较判断语句:如果参数变量值不在范围内则置报警结果变量为true。
步骤S023-31:为异常值报警监测规则解析。
步骤S023-32:生成异常值列表对比语句,根据规则生成switch case语句:如果参数变量等于异常值则置报警结果变量为true。
步骤S023-41:为多值关联检查监测规则解析。
步骤S023-42:生成多值关联检查条件语句,并生成临时条件变量,如果条件变量为true,值则置报警结果变量为true。
步骤S023-51:为状态关联检查监测规则解析。
步骤S023-52:生成状态关联检查条件语句,并生成临时条件变量,如果条件变量为true,值则置报警结果变量为true。
步骤S024:编译以上生成的语句,生成目标程序,即所述目标监测程序。
示例性的,如图3所示,所述实时故障监测引擎部署在第一处理核(核1)上,所述控制器的控制逻辑和通信部署在第二处理核(核0)上。
具体地,在本实施例中,控制器可以采用国产多核处理器芯片实现。所述控制器初始化实时故障监测引擎,在单独的CPU核(核1)上部署加载目标监测程序的二进制目标指令数据。启动运行,根据控制器的功能,运行控制器所有核。其中风电机组控制逻辑、通信和现场总线功能等运行在其他核(核0)上运行,实时故障监测引擎单独运行在一个核(核1)上,来完成目标监测程序的运行,完成数据监测和故障诊断记录。
示例性的,本公开的控制逻辑由上位机逻辑编程软件编译生成,如图4所示该逻辑独立于监测目标程序,通过逻辑编程软件进行组态、编译和下装。
本公开的另一个方面,涉及一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时能实现根据前文记载的所述的方法。
其中,计算机可读介质可以是本公开的装置、设备、系统中所包含的,也可以是单独存在。
其中,计算机可读存储介质可是任何包含或存储程序的有形介质,其可以是电、磁、光、电磁、红外线、半导体的系统、装置、设备,更具体的例子包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、光纤、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件,或它们任意合适的组合。
其中,计算机可读存储介质也可包括在基带中或作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码,其具体的例子包括但不限于电磁信号、光信号,或它们任意合适的组合。
可以理解的是,以上实施方式仅仅是为了说明本公开的原理而采用的示例性实施方式,然而本公开并不局限于此。对于本领域内的普通技术人员而言,在不脱离本公开的精神和实质的情况下,可以做出各种变型和改进,这些变型和改进也视为本公开的保护范围。
Claims (7)
1.一种面向风电机组的实时故障诊断方法,其特征在于,所述方法包括:
预先配置参数和异常规则;
根据配置的所述异常规则生成目标监测程序;
将所述目标监测程序配置至所述风电机组的控制器;
初始化实时故障监测引擎,加载并运行所述目标监测程序;
所述控制器采集所述风电机组的运行数据,所述实时故障监测引擎根据所述异常规则,实时监控所述风电机组的运行数据,并在判定发生异常时,保存异常前后预设时间段的运行数据记录;
所述预先配置参数和异常规则,包括:
预先配置风电机组参数、异常判断规则和报警结果变量;
所述根据配置的所述异常规则生成目标监测程序,包括:
解析所述异常规则,关联所述报警结果变量在所述控制器中的内存地址,链接生成可在所述控制器上运行的所述目标监测程序;
上位机执行所述预先配置参数和异常规则、以及根据配置的所述异常规则生成目标监测程序;
所述目标监测程序根据以下步骤编译形成:
生成风机参数列表;
解析用户配置的异常判断规则;其中,所述异常判断规则包括:阈值监测、范围监测、异常值报警、多值关联检查、状态关联判断;
为阈值监测规则解析,生成阈值判断语句:如果参数变量超过阈值则置报警结果变量为true;
为范围监测规则解析,生成范围比较判断语句:如果参数变量值不在范围内则置报警结果变量为true;
为异常值报警监测规则解析,生成异常值列表对比语句,根据规则生成switch case语句:如果参数变量等于异常值则置报警结果变量为true;
为多值关联检查监测规则解析,生成多值关联检查条件语句,并生成临时条件变量,如果条件变量为true,则置报警结果变量为true;
为状态关联检查监测规则解析,生成状态关联检查条件语句,并生成临时条件变量,如果条件变量为true,则置报警结果变量为true;
编译以上生成的语句,生成目标程序,即所述目标监测程序。
2.根据权利要求1所述的方法,其特征在于,所述实时故障监测引擎根据所述异常规则,实时监控所述风电机组的运行数据,包括:
所述实时故障监测引擎将所述风电机组的运行数据与所述异常规则中的安全规则列表进行比较,当所述运行数据不符合所述安全规则列表时,判定所述运行数据发生异常并产生报警。
3.根据权利要求1所述的方法,其特征在于,所述在判定发生异常时,保存异常前后预设时间段的运行数据记录,包括:
所述实时故障监测引擎将其实时监控的运行数据缓存第一预设时间段;
在判定发生异常时,保存缓存的运行数据,并继续记录第二预设时间段的运行数据,形成异常前后预设时间段的运行数据记录。
4.根据权利要求3所述的方法,其特征在于,所述实时故障监测引擎将其实时监控的运行数据缓存第一预设时间段,包括:
所述实时故障监测引擎建立一个长度为300的数据缓存队列,用于缓存运行数据,每1ms记录一个数据包,所述数据缓存队列中的运行数据循环替代。
5.根据权利要求1至4任一项所述的方法,其特征在于,所述将所述目标监测程序配置至所述风电机组的控制器,包括:
所述上位机通过TCP连接所述控制器,以将所述目标监测程序配置至所述控制器。
6.根据权利要求1至4任一项所述的方法,其特征在于,所述实时故障监测引擎部署在第一处理核上,所述控制器的控制逻辑和通信部署在第二处理核上。
7.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时能实现根据权利要求1至6任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110200607.4A CN113123932B (zh) | 2021-02-23 | 2021-02-23 | 一种面向风电机组的实时动态故障诊断方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110200607.4A CN113123932B (zh) | 2021-02-23 | 2021-02-23 | 一种面向风电机组的实时动态故障诊断方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113123932A CN113123932A (zh) | 2021-07-16 |
CN113123932B true CN113123932B (zh) | 2023-01-13 |
Family
ID=76772440
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110200607.4A Active CN113123932B (zh) | 2021-02-23 | 2021-02-23 | 一种面向风电机组的实时动态故障诊断方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113123932B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113660119A (zh) * | 2021-08-12 | 2021-11-16 | 重庆和航科技股份有限公司 | 物联网终端状态数据追溯方法及其系统 |
CN114475731A (zh) * | 2021-12-29 | 2022-05-13 | 卡斯柯信号有限公司 | 一种信号设备故障知识库系统及其实现方法 |
CN115527354A (zh) * | 2022-08-30 | 2022-12-27 | 国核信息科技有限公司 | 一种风电机组预警规则的动态配置方法及系统 |
CN115728057A (zh) * | 2022-11-03 | 2023-03-03 | 华能国际电力股份有限公司安徽风电分公司 | 一种风力发电机组齿轮箱振动监测与故障诊断方法 |
CN115930098A (zh) * | 2022-11-23 | 2023-04-07 | 北京信息科技大学 | 一种光伏制氢储能系统 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109947786A (zh) * | 2017-10-17 | 2019-06-28 | 中车株洲电力机车研究所有限公司 | 风电场中故障自动排查方法、装置及计算机可读存储介质 |
CN109447187B (zh) * | 2018-12-25 | 2021-06-15 | 中南大学 | 电机故障诊断方法及系统 |
CN110456269A (zh) * | 2019-07-01 | 2019-11-15 | 许昌许继风电科技有限公司 | 一种风电变桨系统故障录波方法及录波器 |
-
2021
- 2021-02-23 CN CN202110200607.4A patent/CN113123932B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN113123932A (zh) | 2021-07-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113123932B (zh) | 一种面向风电机组的实时动态故障诊断方法 | |
CA2844225C (en) | Intelligent cyberphysical intrusion detection and prevention systems and methods for industrial control systems | |
US11113395B2 (en) | System and method for anomaly and cyber-threat detection in a wind turbine | |
Zaher et al. | Online wind turbine fault detection through automated SCADA data analysis | |
CA2891326C (en) | Early detection of wind turbine degradation using acoustical monitoring | |
CN112926257A (zh) | 往复式天然气压缩机故障诊断系统以及诊断方法 | |
US9158302B2 (en) | System and method for detecting electric power plant equipment overheating with real-time plural parallel detection and analysis parameters | |
US9933772B2 (en) | Analyzing SCADA systems | |
US20210133559A1 (en) | Iot-based network architecture for detecting faults using vibration measurement data | |
CN113924570A (zh) | 用于工业控制系统中的安全异常检测的用户行为分析 | |
CN110543658A (zh) | 基于大数据的电厂设备诊断方法 | |
CN115909203A (zh) | 建筑施工安全全景监控系统及方法 | |
CN114151293B (zh) | 风机变桨系统的故障预警方法、系统、设备及存储介质 | |
CN114495468A (zh) | 机器人故障状态监测预警方法、电子设备、存储介质 | |
US11188064B1 (en) | Process flow abnormality detection system and method | |
CN210569050U (zh) | 数据中心的间接蒸发冷却设备的控制系统 | |
CN115934453A (zh) | 一种故障排查方法、装置及存储介质 | |
CN113570473A (zh) | 设备故障监测方法、装置、计算机设备和存储介质 | |
CN109669351B (zh) | 风电机组多模自适应控制方法、装置及计算机存储介质 | |
CN111930081A (zh) | 用于监控agv状态的方法、装置、边缘设备和存储介质 | |
KR102350635B1 (ko) | 플랜트 고장 예지 장치 및 방법 | |
CN117278384B (zh) | 一种基于规则链的联动告警实现方法、系统和装置 | |
CN117267216B (zh) | 一种液压元件模型在环工况模拟检测方法和系统 | |
CN117478549A (zh) | 面向程序分析云支撑平台的故障感知方法及装置 | |
CN116007822A (zh) | 发电机组螺栓群受力监测方法、装置、介质及电子设备 |
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 |