CN113157679A - 一种水轮发电机组系统的监控系统及方法 - Google Patents
一种水轮发电机组系统的监控系统及方法 Download PDFInfo
- Publication number
- CN113157679A CN113157679A CN202110428170.XA CN202110428170A CN113157679A CN 113157679 A CN113157679 A CN 113157679A CN 202110428170 A CN202110428170 A CN 202110428170A CN 113157679 A CN113157679 A CN 113157679A
- Authority
- CN
- China
- Prior art keywords
- data
- monitoring
- unit
- excitation
- speed regulator
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 140
- 238000000034 method Methods 0.000 title claims abstract description 34
- 230000005284 excitation Effects 0.000 claims abstract description 116
- 238000004140 cleaning Methods 0.000 claims abstract description 33
- 238000013500 data storage Methods 0.000 claims abstract description 28
- 238000012545 processing Methods 0.000 claims abstract description 28
- 238000010801 machine learning Methods 0.000 claims abstract description 24
- 238000013079 data visualisation Methods 0.000 claims abstract description 8
- 238000003745 diagnosis Methods 0.000 claims description 20
- 230000006854 communication Effects 0.000 claims description 18
- 230000007246 mechanism Effects 0.000 claims description 18
- 238000004891 communication Methods 0.000 claims description 17
- 230000033228 biological regulation Effects 0.000 claims description 15
- 238000004364 calculation method Methods 0.000 claims description 14
- 230000001105 regulatory effect Effects 0.000 claims description 6
- 230000002776 aggregation Effects 0.000 claims description 5
- 238000004220 aggregation Methods 0.000 claims description 5
- 238000005070 sampling Methods 0.000 claims description 5
- 230000008569 process Effects 0.000 claims description 3
- 230000002159 abnormal effect Effects 0.000 abstract description 16
- 238000012423 maintenance Methods 0.000 abstract description 13
- 238000013507 mapping Methods 0.000 abstract description 5
- 230000006870 function Effects 0.000 description 15
- 238000012800 visualization Methods 0.000 description 12
- 230000000007 visual effect Effects 0.000 description 6
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 description 5
- 229910052739 hydrogen Inorganic materials 0.000 description 5
- 239000001257 hydrogen Substances 0.000 description 5
- 238000007405 data analysis Methods 0.000 description 4
- 238000007726 management method Methods 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 238000002955 isolation Methods 0.000 description 3
- 238000006116 polymerization reaction Methods 0.000 description 3
- 230000001502 supplementing effect Effects 0.000 description 3
- 230000001276 controlling effect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007175 bidirectional communication Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 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
- G06F16/21—Design, administration or maintenance of databases
- G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
-
- 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
- F03B—MACHINES OR ENGINES FOR LIQUIDS
- F03B11/00—Parts or details not provided for in, or of interest apart from, the preceding groups, e.g. wear-protection couplings, between turbine and generator
- F03B11/008—Measuring or testing arrangements
-
- 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
- G06F16/2455—Query execution
-
- 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
- G06F16/2455—Query execution
- G06F16/24552—Database cache management
-
- 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
- G06F16/26—Visual data mining; Browsing structured data
-
- 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
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
-
- 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
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
- G06F16/285—Clustering or classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- 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
- Y02E10/20—Hydro energy
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Geometry (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Mechanical Engineering (AREA)
- Artificial Intelligence (AREA)
- Computer Graphics (AREA)
- Evolutionary Computation (AREA)
- Mathematical Physics (AREA)
- Computing Systems (AREA)
- Medical Informatics (AREA)
- Quality & Reliability (AREA)
- Testing And Monitoring For Control Systems (AREA)
- Control Of Eletrric Generators (AREA)
Abstract
本发明涉及水轮发电机组系统的监控技术领域，一种水轮发电机组系统的监控系统及方法，包括依次通讯连接的数据采集单元、数据处理单元、数据存储单元和数据监控单元。本技术方案通过设置专门的数据采集单元实现对励磁系统和调速器系统的实时监控提供了可靠的基础条件；并通过设置数据处理单元实现对采集数据的分类与清洗，有效避免机组非常态数据对数据库和机器学习模型的污染；通过设置数据储存单元对相关数据进行储存，以便于后期对相关数据的异步调用，同时通过设置数据监控单元实现数据可视化，方便了准确定位励磁系统和调速器系统的故障，使参数报警与故障原因的逻辑映射清楚明了，为运维人员判断报警原因提供了方便。
Description
技术领域
本发明涉及水轮发电机组系统的监控技术领域，尤其涉及一种水轮发电机组系统用，监控水轮发电机励磁和调速器系统的监控系统及方法。
背景技术
励磁系统和调速器系统在水轮发电机组系统中具有重要的作用，传统方式是通过DCS对励磁系统和调速器系统进行监控，参数异常时，在DCS中给出报警。此监控方法无法进一步准确定位励磁系统和调速器系统的故障，参数报警与故障原因的逻辑映射较为模糊，使得运维人员判断报警原因耗时较多，降低了电厂运维效率。
在现有技术中，有公开号为CN110501965A的发明专利申请文件，公布了一种基于嵌入式的远程PLC数据采集和预警系统，包括：用于采集各个PLC设备工作参数与运行状态的信息的信息采集子系统；用于数据传输、指令转达、用户权限信息匹配的网络通讯子系统；用于对各个PLC设备的控制与管理，同时负责远程监控整个工厂运行状况的系统监控子系统。其中所述的信息采集子系统包括数据采集模块、远程控制模块和采集信息网络中间件模块，所述的网络通讯子系统包括权限管理模块和数据与控制信息传输模块，所述的网络监控子系统包括监控中心网络中间件、数据可视化模块和用户监控与管理模块。本发明可以有效的采集工厂内PLC设备实时数据信息和进行远程控制，并对实时数据信息进行大数据分析，预测PLC设备是否出现故障。
但该方法在实际使用中仍然存在如下技术问题：
1、该方法仅使用采集信息网络中间件模块与其余子系统进行双向通讯连接，实现子系统的信息交互。却并未对各子系统间交互的信息数据进行数据清洗和分类，未拦截无效或不符合系统设计标准的数据。一方面增加了系统通讯负荷，分散了目标数据的性能资源；另一方面让机器停止、机器启动等特殊时期的数据与机器正常运行时的数据混淆，污染了数据分析的算法和机器学习模型。
2、该方法未能支持数据的三维可视化，对于复杂的大型设备的信息归纳不明确，不利于快速对应机理与监控数据，无论机组正常运行或发生故障，都需要额外花费时间确定参数对应的实际部件。
发明内容
本发明目的在于针对现有技术存在的不足，提出了一种水轮发电机组系统的监控系统及方法，以解决传统监控方式参数报警与故障原因的逻辑映射模糊、故障定位效率低等问题。
具体通过以下技术方案实现：
一种水轮发电机组系统的监控系统（以下统称为“监控系统”），包括依次通讯连接的数据采集单元、数据处理单元、数据存储单元和数据监控单元。
所述数据采集单元，用于实时采集水轮发电机励磁系统和调速器系统的相关参数。具体的，数据采集单元包括励磁控制器、调速器控制器、网络摄像头和若干传感器。在水轮发电机组系统中，同步发电机的励磁控制系统由励磁调节器、励磁功率单元和发电机构成的一个反馈控制系统，励磁功率单元向同步发电机转子提供直流电流（即励磁电流），励磁调节器根据输入信号和给定的调节准则控制励磁功率单元的输出，励磁控制器则是励磁控制系统的控制单元，负责实时控制励磁功率单元和励磁调节器，在整个监控系统中，励磁控制器以模拟量数据采集励磁系统的实时参数，并以开关量数据采集励磁系统的机理状态信息，且自带通讯接口，能够按照统一协议与外部进行通讯。不同种类的发电机，其调速器的调速方式有一定的差别，但核心原理都是根据反馈回来的转速大小调整驱动电机转动的设备（如在水轮发电机中，调整的是水轮机叶片开度），进而调整发电机转速，而调速器控制器则是发电机调速器的控制单元，负责根据人工输入指令调整发电机转速。调速器控制器以模拟量数据采集调速系统的实时参数，并以开关量数据采集调速系统的机理状态信息，且其自带通讯接口，能够按照统一协议与外部进行通讯。根据监控系统的数据收集需要，针对励磁控制器和调速器控制器未采集的信号点，在水轮发电机组系统的各个监测点分别安装传感器，以对相关数据进行采集，如：温度和氢气浓度等。为实现实时视频监控等功能，以了解故障时刻的具体状况，在相应位置安装网络摄像头。
所述数据处理单元，用于对采集数据进行整理清洗和边缘计算，并将清洗后的数据及计算结果传输至数据存储单元。具体的，由于励磁控制器、调速器控制器和传感器上传的数据在未进行分类的情况下，若直接上传至云端服务器，云端则需读取通道ip和数据通讯地址来判断数据来源，此通讯过程的数据传输量大、链路长，效率低且不稳定；同时考虑到人工试验、停机/起机、控制器通道切换和/或机组改造等非额定工况对机组的干扰，励磁控制器、调速器控制器和传感器上传的数据不一定全部具备价值，且存在对云端平台的监控展示、专家诊断等功能造成干扰的可能，需要对数据进行清洗。因此，数据处理单元包括基于工控机建立的数据清洗单元和数据分类单元，其中，励磁控制器、调速器控制器和传感器可采用modbustcp协议与工控机进行通讯，网络摄像头与工控机的ip之间能互相访问，网络摄像头可通过rtsp协议向工控机传输视频流，工控机为视频流打上标签命名后，将视频流传输至数据存储单元。工控机的操作系统可为windows或linux，工控机中部署有软件程序用以接收励磁控制器、调速器控制器和传感器发送的数据，该数据包括：1）机组（发电机组系统）状态数据，即，分别利用励磁控制器和调速器控制器采集的励磁系统实时参数和调速系统实时参数，该数据为模拟量，用于为监视和展示机组状态提供依据；2）机组的机理状态信息，包括利用利用励磁控制器采集的励磁系统的外部输入的指令信号和与系统报警相关的信号，利用调速器控制器采集的调速系统的外部输入的指令信号和与系统报警相关的信号，这些信号为开关量，为远程故障诊断提供判断依据；3）传感器采集的温度、氢气浓度等模拟量，用于补充数据储备，为特定监控/诊断功能提供数据。其中，励磁控制器和调速器控制器分别采用多个通道传输，具体为双通道，每个通道占有一个独立ip地址，一个ip为一个通道，两个通道对应一个发电机机组系统，具体的，正常情况下，一个励磁控制器调节一个发电机机组系统的励磁系统；一个调速器控制器调节一个发电机机组系统的调速系统；励磁控制器和调速器控制器多通道是为了安全冗余，即正常状态只有一个通道输出，如果此通道故障，立即切换备用通道，避免励磁控制器和调速器控制器失效。在励磁控制器、调速器控制器和传感器中，根据modbustcp协议，为每一项数据设定一个唯一的通讯地址，不同数据的通讯地址形成一张点表，并在工控机中的程序中配置有相同的点表，通过对照通道ip下的数据通讯地址，即可明确此项数据对应的机组。基于上述条件，对于数据分类，工控机会直接读取通道ip和数据通讯地址，将数据分为机组状态数据、外部输入的指令、系统报警、不同传感器采集的特定数据（根据传感器部署位置动态调整种类名称），并给数据添加相应的标签后，再将数据传输到云端服务器，需要注意的是，种类标签细化到某个机组的某个部件的某个信号；对于数据清洗，工控机可基于程序的设定，把不具备价值的数据和会干扰云端数据进行过滤，应当注意的是，判定数据是否需要过滤的逻辑，一方面要根据实际机组种类/功率等定制开发，过滤机组非常态工况下的没有价值的数据（机组非常态工况下部分数据仍然具备价值，需要保留），另一方面要结合云端平台的机器学习模型，把能降低云端平台预测/诊断等功能的精度的无意义的数据拦截在隔离区（隔离区为时序数据库InfluxDB中的一个存储区域）。边缘计算是对清洗完后的数据进行边缘计算，得到如调速器稳定调速率、不灵敏度、转速波动率、稳定时间以及励磁系统动态上升时间、超调量、调整时间、摆动次数等基于机理模型的指标参数，为可视化数据统计和机器学习提供重要的指向性数据源。
所述数据存储单元，用于存储所采集的各项数据及程序中间数据。具体的，数据存储单元包括基于云端建立的时序数据库InfluxDB、流媒体数据库EasyDarwin和数据缓存区域。
所述数据监控单元，用于通过数据可视化展示励磁系统和调速器系统的实时监控数据，显示设备3D模型和机组设备状态信息，并进行故障预警、专家诊断和生成报表。具体的，数据监控单元包括基于上位机建立的Web监控页面。
监控系统的云端部分是基于b/s架构开发的云平台，上位机Web监控页面开发有与工控机点表一一对应的WebAPI接口，工控机将数据清洗和分类完毕后，将数据以json的格式保存，再通过mqtt协议将json数据上传到云端系统的数据缓冲区域，然后利用上位计算机基于WebAPI接口读取数据缓冲区域中的json数据，并通过Web监控页面实现可视化。同时，云端程序将json数据还原成模拟量和开关量，并转换成相应的string、float、int等格式后存储在云端服务器的数据库中，鉴于电站数据的庞大量级，以及励磁系统和调速器系统的监控平台的监控和智能诊断功能对数据读写速度的严格要求，云端服务器采用了时序数据库InfluxDB来存储数据，使得数据的读写性能具备足够高的效率。
时序数据库influxDB中，每一组数据都是由时间戳、数据本体和标签（此标签可为空值，也可为多个）组成，时间戳对应了数据采样时间，数据本体即为实际数据值，标签则对应了数据种类。时序数据库influxDB的底层采用TSM存储引擎建立实时监控、故障诊断和故障预测的数据查询检索条件；同时向机器学习模型开放数据查询与写入，高效的数据读写保障了机器学习的效率；并使用连续查询（CQ，Continuous Query）进行自动汇总（auto-rollup）和预聚合（pre-aggregation）对云端查询操作进行预计算加速查询，使得基于水轮发电机励磁系统和调速器系统的监控平台稳定运行后性能效率得到进一步优化。其中，CQ是在时序数据库finluxDB内部自动周期性运行着的一个 InfluxQL 查询，包括但不限于抽样查询励磁系统和调速器系统当天、本周、本年的数据，查询的内容包括开关量操作历史记录、励磁电压、励磁电流的峰值、励磁系统动态性能指标数据和调速器系统动态性能指标数据等。InfluxDB会将查询结果放在指定的数据表中，数据监控单元进行数据统计报表生成、设备性能状态动态可视化等操作时，以及机器学习使用数据训练时，若需要使用CQ得出的数据，可直接查询指定的数据表，不必从头查询计算所需数据，极大程度上提高了云端计算效率。另外，通过设置自动汇总，提高对时序数据进行降精度处理的效率，快速得出励磁、调速器系统部分降低时间密度后的数据，加快机器学习算法挖掘设备运行的宏观规律。 同时，使用预聚合预先对励磁、调速器系统的部分数据进行SUM（总和）、AVG（平均值）、Max（最大值）、TopN等聚合操作，需要聚合时可直接获取结果，优化查询速度。
使用流媒体数据库EasyDarwin存储Web监控页面所需的图片文件，深化了前端数据可视化能力，例如备件管理功能，运维人员可在基于水轮发电机励磁系统和调速器系统的监控平台查看励磁系统和调速器系统备件的图片信息和文字描述，查询备件数量。在备件不足时，可通过扫描二维码的方式从官方渠道采购正规备件；另外，使用流媒体数据库EasyDarwin存储工控机上传的视频流文件，故障发生或人为输入指令查看时，数据监控模块读取设定的两个时间戳范围内的视频流文件，转换成视频在Web监控页面呈现。
所述数据监控单元，用于通过数据可视化展示励磁系统和调速器系统的实时监控数据，显示设备3D模型和机组设备状态信息，并进行故障预警、专家诊断和生成报表。具体的，数据监控单元包括基于上位机建立的Web监控页面。
通过WebAPI接口读取工控机上传至云端数据缓存区域的实时监控数据，实现励磁系统和调速器系统的实时监控，并通过Ajax对influxdb中的励磁系统数据、调速器系统数据和机器学习的结果进行异步调用，实现将包括故障预警和故障诊断的结果展示在Web监控页面中。进一步的，建立励磁系统和调速系统的3d模型，在Web监控页面实现3d模型的可视化。3d模型组件带有标签，并与InfluxDB中带有同样标签的数据一一对应，使得3d模型实时对应励磁系统和调速系统的实际运行状态，温度、压力、电压、电流等参数通过3d模型中设备部件颜色、标记等视觉效果体现出来。机组数据异常时，3d模型异常组件会更改可视化方式，以视觉凸显的方式提示运维人员故障部件位置。进一步的，针对视频实时监控和回放功能，数据监控模块通过将rtsp转http后，使用ffmpeg对EasyDarwin的最新流媒体文件进行编译与播放，实现励磁、调速器系统的实时视频监控功能；发生故障时，ffmpeg编译故障发生时刻前后一段时间的时间戳范围内的流媒体文件并进行播放，实现故障时刻视频回放功能。
基于上述的一种水轮发电机组系统的监控系统，本发明提供一种水轮发电机组系统的监控方法，包括数据采集、数据处理、数据存储和数据监控。
所述数据采集：包括利用励磁控制器以模拟量数据采集励磁系统的实时参数，并以开关量数据采集励磁系统的机理状态信息；利用调速器控制器以模拟量数据采集调速器系统的实时参数，并以开关量数据采集调速器系统的机理状态信息；通过在水轮发电机组系统的各个监测点分别安装传感器，以对相关数据进行采集；通过安装网络摄像头对励磁系统和调速器系统进行实时视频监控。
所述数据处理：基于工控机设置数据清洗单元和数据分类单元，利用工控机接收励磁控制器、调速器控制器和传感器所采集的数据，以及网络摄像头上传的视频流数据，并对数据进行初清洗、分类和在清洗处理，然后将经过处理后的数据发送至云端进行数据存储。
所述数据存储：基于云端建立的时序数据库InfluxDB和流媒体数据库EasyDarwin，将经过处理后的数据存储在云端服务器中，采用时序数据库InfluxDB来存储工控机上传的数据，同时根据程序设定进行机器学习；利用流媒体数据库EasyDarwin存储Web监控页面所需的图片文件和工控机上传的视频流文件。
所述数据监控：包括基于上位机建立Web监控页面，通过WebAPI接口读取工控机上传至云端数据缓存区域的实时监控数据，并基于Web监控页面将数据可视化，以对励磁系统和调速系统进行实时监控；通过Ajax对时序数据库influxdb中的励磁系统数据、调速系统数据和机器学习结果进行异步调用，以将包括故障预警和故障诊断的结果展示在Web监控页面中。
进一步的，所述时序数据库influxDB的底层采用TSM存储引擎建立实时监控、故障诊断和故障预测的数据查询检索条件，同时向机器学习模型开放数据查询与写入，并使用连续查询进行自动汇总和预聚合对云端查询操作进行预计算加速查询。
进一步的，所述时序数据库influxDB中，每一组数据都是由时间戳、数据本体和标签组成，时间戳对应了数据采样时间，数据本体即为实际数据值，标签则对应了数据种类。
进一步的，所述数据监控还包括建立励磁系统和调速系统的3d模型，并在Web监控页面将3d模型可视化，且3d模型中的相关组件带有匹配标签，带有该匹配标签的组件与时序数据库InfluxDB中带有同样标签的数据一一对应，使3d模型实时对应机组实际运行状态。
进一步的，所述数据处理的过程中，初清洗是通过数据清洗单元过滤掉发电机组系统完全停机后的空值数据和包括网络波动原因形成的不合格数据；数据分类是通过数据分类单元对数据进行相互独立的两路分类，一路分类是将数据分为机组状态数据、外部输入的指令、系统报警数据和各传感器采集的特定数据，另一路分类是根据发电机组系统的不同工况，将数据分为包括停机、启机、空载、并网、起励和退励状态下的数据；再清洗是通过数据清洗单元将无法根据不同工况进行分类的数据进行集中处理。
本技术方案带来的有益效果：
1）本技术方案通过设置专门的数据采集单元对水轮发电机励磁系统和调速器系统的相关参数进行实时采集，为实现对励磁系统和调速器系统的实时监控提供了可靠的基础条件；并通过设置数据处理单元实现对采集数据的分类与清洗，有效避免机组非常态数据对数据库和机器学习模型的污染；通过设置数据储存单元对相关数据进行储存，以便于后期对相关数据的异步调用，同时通过设置数据监控单元实现数据可视化，方便了准确定位励磁系统和调速器系统的故障，使参数报警与故障原因的逻辑映射清楚明了，为运维人员判断报警原因提供了方便，进一步提高了电厂运维效率；
2）本技术方案提供的监控方法实现了对励磁系统和调速器系统的相关数据进行了全面采集，确保了对励磁系统和调速器系统实时监控的可靠性，并对采集到的数据进行了分类和清洗处理，减轻了系统通讯负荷，确保了数据性能资源的完整性并避免了机器停止、机器启动等特殊时期的数据与机器正常运行时的数据混淆，防止了数据分析的算法和机器学习模型被机组非常态下的数据污染；
3）本技术方案通过建立励磁系统和调速器系统的3d模型，并将3d模型标签与数据标签对应，实现了励磁系统和调速器系统的三维可视化，使温度、压力、电压、电流等参数通过3d模型中设备部件颜色、标记等视觉效果体现出来，机组数据异常时，3d模型异常组件会更改可视化方式，以视觉凸显的方式提示运维人员故障部件位置，提高了运维效率。
附图说明
本发明的前述和下文具体描述在结合以下附图阅读时变得更清楚，其中：
图1为监控系统结构示意图。
具体实施方式
下面通过几个具体的实施例来进一步说明实现本发明目的技术方案，需要说明的是，本发明要求保护的技术方案包括但不限于以下实施例。
实施例1
本实施例公开了一种水轮发电机组系统的监控系统，作为本发明一种基本的实施方案，包括依次通讯连接的数据采集单元、数据处理单元、数据存储单元和数据监控单元，其中：数据采集单元，用于实时采集水轮发电机励磁系统和调速器系统的相关参数；数据处理单元，用于对采集数据进行整理清洗和边缘计算，并将清洗后的数据及计算结果传输至数据存储单元；数据存储单元，用于存储所采集的各项数据及程序中间数据；数据监控单元，用于通过数据可视化展示励磁系统和调速器系统的实时监控数据，显示设备3D模型和机组设备状态信息，并进行故障预警、专家诊断和生成报表。
本技术方案通过设置专门的数据采集单元对水轮发电机励磁系统和调速器系统的相关参数进行实时采集，为实现对励磁系统和调速器系统的实时监控提供了可靠的基础条件；并通过设置数据处理单元实现对采集数据的分类与清洗，有效避免机组非常态数据对数据库和机器学习模型的污染；通过设置数据储存单元对相关数据（包括采集数据、边缘计算结果、机器学习数据）进行储存，以便于后期对相关数据的异步调用，在数据监控单元上实现数据可视化，方便了准确定位励磁系统和调速器系统的故障，使参数报警与故障原因的逻辑映射清楚明了，为运维人员判断报警原因提供了方便，进一步提高了电厂运维效率。
实施例2
本实施例公开了一种水轮发电机组系统的监控系统，作为本发明一种优选的实施方案，即实施例1中，数据采集单元包括励磁控制器、调速器控制器、网络摄像头和若干传感器。在实际运用中，励磁控制器以模拟量数据采集励磁系统的实时参数，以开关量数据采集励磁系统的机理状态信息，并通过自带通讯接口按照统一协议与外部（即数据处理单元）进行通讯，如此便可获得励磁系统的可靠相关实时参数和机理状态信息。调速器控制器以模拟量数据采集调速系统的实时参数，以开关量数据采集调速系统的机理状态信息，并通过自带通讯接口按照统一协议与外部（即数据处理单元）进行通讯，如此便可获得调速系统的可靠相关实时参数和机理状态信息。利用传感器采集的温度、氢气浓度等模拟量，用于补充数据储备，为特定监控/诊断功能提供数据。
进一步的，数据处理单元包括基于工控机建立的数据清洗单元和数据分类单元。在实际运用中，对于数据分类，工控机会直接读取通道ip和数据通讯地址，将数据分为机组状态数据、外部输入的指令、系统报警、不同传感器采集的特定数据（根据传感器部署位置动态调整种类名称），并给数据添加相应的标签后，再将数据传输到数据存储单元，需要注意的是，种类标签可细化到某个机组的某个部件的某个信号；对于数据清洗，工控机可基于程序的设定，把不具备价值的数据和会干扰云端数据进行过滤，应当注意的是，判定数据是否需要过滤的逻辑一方面要根据实际机组种类/功率等定制开发，过滤机组非常态工况下的没有价值的数据（机组非常态工况下部分数据仍然具备价值，需要保留），另一方面要结合云端平台的机器学习模型，把能降低云端平台预测/诊断等功能的精度的无意义的数据拦截在隔离区。
进一步的，数据存储单元包括基于云端建立的时序数据库InfluxDB、流媒体数据库EasyDarwin和数据缓存区域，数据监控单元包括基于上位机建立的Web监控页面。在实际运用中，工控机将数据清洗和分类完毕后，将数据以json的格式保存，再通过mqtt协议将json数据上传到云端系统的数据缓冲区域，然后利用上位计算机基于WebAPI接口读取数据缓冲区域中的json数据，并通过Web监控页面实现可视化。云端程序将json数据还原成模拟量和开关量，并转换成相应的string、float、int等格式后存储在云端服务器的时序数据库InfluxDB中；另外使用流媒体数据库EasyDarwin存储Web监控页面所需的图片文件，深化了前端数据可视化能力，流媒体数据库EasyDarwin还用于存储工控机上传的视频流文件，故障发生或人为输入指令查看时，数据监控模块读取设定的两个时间戳范围内的视频流文件，转换成视频在Web监控页面呈现。
实施例3
本实施例公开了一种水轮发电机组系统的监控方法，作为本发明一种基本的实施方案，包括数据采集、数据处理、数据存储和数据监控；
数据采集：包括利用励磁控制器以模拟量数据采集励磁系统的实时参数，并以开关量数据采集励磁系统的机理状态信息，以此获得励磁系统的可靠实时参数和相关机理状态信息；利用调速器控制器以模拟量数据采集调速器系统的实时参数，并以开关量数据采集调速器系统的机理状，以此获得调速器系统的可靠实时参数和相关机理状态信息态；通过在水轮发电机组系统的各个监测点分别安装传感器，以对相关数据进行采集，此处的相关数据可包括温度、压力、电压、电流和/或氢气浓度等模拟量，其中，温度和氢气浓度可用于补充数据储备，为特定监控/诊断功能提供数据；通过安装网络摄像头对励磁系统和调速器系统进行实时视频监控；
数据处理：基于工控机设置数据清洗单元和数据分类单元，利用工控机接收励磁控制器、调速器控制器和传感器所采集的数据，以及网络摄像头上传的视频流数据，并对数据进行初清洗、分类和在清洗处理，然后将经过处理后的数据发送至云端进行数据存储；
数据存储：基于云端建立的时序数据库InfluxDB和流媒体数据库EasyDarwin，将经过处理后的数据存储在云端服务器中，采用时序数据库InfluxDB来存储工控机上传的数据，同时根据程序设定进行机器学习；利用流媒体数据库EasyDarwin存储Web监控页面所需的图片文件和工控机上传的视频流文件；
数据监控：包括基于上位机建立Web监控页面，通过WebAPI接口读取工控机上传至云端数据缓存区域的实时监控数据，并基于Web监控页面将数据可视化，以对励磁系统和调速系统进行实时监控；通过Ajax对时序数据库influxdb中的励磁系统数据、调速系统数据和机器学习结果进行异步调用，以将包括故障预警和故障诊断的结果展示在Web监控页面中。
本技术方案提供的一种监控方法实现了对励磁系统和调速器系统的相关数据进行了全面采集，确保了对励磁系统和调速器系统实时监控的可靠性，并对采集到的数据进行了分类和清洗处理，减轻了系统通讯负荷，确保了数据性能资源的完整性并避免了机器停止、机器启动等特殊时期的数据与机器正常运行时的数据混淆，防止了数据分析的算法和机器学习模型被机组非常态下的数据污染。
实施例4
本实施例公开了一种水轮发电机组系统的监控方法，作为本发明一种优选的实施方案，即实施例3中，时序数据库influxDB的底层采用TSM存储引擎建立实时监控、故障诊断和故障预测的数据查询检索条件，同时向机器学习模型开放数据查询与写入，并使用连续查询进行自动汇总和预聚合对云端查询操作进行预计算加速查询；时序数据库influxDB中，每一组数据都是由时间戳、数据本体和标签组成，时间戳对应了数据采样时间，数据本体即为实际数据值，标签则对应了数据种类。进一步的，数据监控还包括建立励磁系统和调速系统的3d模型，并在Web监控页面将3d模型可视化，且3d模型中的相关组件带有匹配标签，带有该匹配标签的组件与时序数据库InfluxDB中带有同样标签的数据一一对应，使3d模型实时对应机组实际运行状态。
本技术方案通过将建立3d模型，并将3d模型标签与数据标签对应，实现了励磁系统和调速器系统的三维可视化，使温度、压力、电压、电流等参数通过3d模型中设备部件颜色、标记等视觉效果体现出来，机组数据异常时，3d模型异常组件会更改可视化方式，以视觉凸显的方式提示运维人员故障部件位置，提高了运维效率。针对视频实时监控和回放功能，数据监控模块通过将rtsp转http后，使用ffmpeg对EasyDarwin的最新流媒体文件进行编译与播放，实现励磁、调速器系统的实时视频监控功能；发生故障时，ffmpeg编译故障发生时刻前后一段时间的时间戳范围内的流媒体文件并进行播放，实现故障时刻视频回放功能。
实施例5
本实施例公开了一种水轮发电机组系统的监控方法，作为本发明一种优选的实施方案，即实施例3中，所述数据处理的过程中，初清洗是通过数据清洗单元过滤掉发电机组系统完全停机后的空值数据和包括网络波动原因形成的不合格数据；数据分类是通过数据分类单元对数据进行相互独立的两路分类，一路分类是将数据分为机组状态数据、外部输入的指令、系统报警数据和各传感器采集的特定数据，另一路分类是根据发电机组系统的不同工况，将数据分为包括停机、启机、空载、并网、起励和退励状态下的数据；再清洗是通过数据清洗单元将无法根据不同工况进行分类的数据进行集中处理，此处的集中处理具体具体是将这部分数据集中建立成一个新的种类，并对该类数据设置待分类标签，若后续计算有需要再进行细化分类，分类后设置类别标签并覆盖待分类标签，以便于后期根据需要对该部分数据进行选择使用。
实施例6
本实施例公开了一种水轮发电机组系统的监控方法，作为本发明一种优选的实施方案，即实施例3中，每一个励磁控制器和一个调速器控制器分别采用多个通道传输。具体的，励磁控制器为双通道，每个通道独占一个ip，其中一个通道生效，当该通道出现故障时，另一个通道立刻生效。以励磁控制器为例，假设实际情况下存在两个发电机机组系统，分别为设置有1号励磁控制器的1号机组和设置有2号励磁控制器的2号机组，其中，1号励磁控制器的通道有通道1和通道2，2号励磁控制器的通道有通道3和通道4传输信号1号。具体的，1号励磁控制器可先通过通道1传输1号机组的机理状态信息，当通道1出现故障时，通道2立即生效；2号励磁控制器可先通过通道3传输2号机组的机理状态信息，当通道3出现故障时，通道4立即生效。
Claims (10)
1.一种水轮发电机组系统的监控系统，其特征在于：包括依次通讯连接的数据采集单元、数据处理单元、数据存储单元和数据监控单元；
所述数据采集单元，用于实时采集水轮发电机励磁系统和调速器系统的相关参数；
所述数据处理单元，用于对采集数据进行整理清洗和边缘计算，并将清洗后的数据及计算结果传输至数据存储单元；
所述数据存储单元，用于存储所采集的各项数据及程序中间数据；
所述数据监控单元，用于通过数据可视化展示励磁系统和调速器系统的实时监控数据，显示设备3D模型和机组设备状态信息，并进行故障预警、专家诊断和生成报表。
2.如权利要求1一种水轮发电机组系统的监控系统，其特征在于：所述数据采集单元包括励磁控制器、调速器控制器、网络摄像头和若干传感器。
3.如权利要求1一种水轮发电机组系统的监控系统，其特征在于：所述数据处理单元包括基于工控机建立的数据清洗单元和数据分类单元。
4.如权利要求1一种水轮发电机组系统的监控系统，其特征在于：所述数据监控单元包括基于上位机建立的Web监控页面。
5.如权利要求1一种水轮发电机组系统的监控系统，其特征在于：所述数据存储单元包括基于云端建立的时序数据库InfluxDB、流媒体数据库EasyDarwin和数据缓存区域。
6.一种水轮发电机组系统的监控方法，其特征在于：包括数据采集、数据处理、数据存储和数据监控；
所述数据采集：包括利用励磁控制器以模拟量数据采集励磁系统的实时参数，并以开关量数据采集励磁系统的机理状态信息；利用调速器控制器以模拟量数据采集调速器系统的实时参数，并以开关量数据采集调速器系统的机理状态信息；通过在水轮发电机组系统的各个监测点分别安装传感器，以对相关数据进行采集；通过安装网络摄像头对励磁系统和调速器系统进行实时视频监控；
所述数据处理：基于工控机设置数据清洗单元和数据分类单元，利用工控机接收励磁控制器、调速器控制器和传感器所采集的数据，以及网络摄像头上传的视频流数据，并对数据进行初清洗、分类和在清洗处理，然后将经过处理后的数据发送至云端进行数据存储；
所述数据存储：基于云端建立的时序数据库InfluxDB和流媒体数据库EasyDarwin；将经过处理后的数据存储在云端服务器中，采用时序数据库InfluxDB来存储工控机上传的数据，同时根据程序设定进行机器学习；利用流媒体数据库EasyDarwin存储Web监控页面所需的图片文件和工控机上传的视频流文件；
所述数据监控：包括基于上位机建立Web监控页面，通过WebAPI接口读取工控机上传至云端数据缓存区域的实时监控数据，并基于Web监控页面将数据可视化，以对励磁系统和调速系统进行实时监控；通过Ajax对时序数据库influxdb中的励磁系统数据、调速系统数据和机器学习结果进行异步调用，以将包括故障预警和故障诊断的结果展示在Web监控页面中。
7.如权利要求6所述一种水轮发电机组系统的监控方法，其特征在于：所述时序数据库influxDB的底层采用TSM存储引擎建立实时监控、故障诊断和故障预测的数据查询检索条件，同时向机器学习模型开放数据查询与写入，并使用连续查询进行自动汇总和预聚合对云端查询操作进行预计算加速查询。
8.如权利要求6所述一种水轮发电机组系统的监控方法，其特征在于：所述时序数据库influxDB中，每一组数据都是由时间戳、数据本体和标签组成，时间戳对应了数据采样时间，数据本体即为实际数据值，标签则对应了数据种类。
9.如权利要求8所述一种水轮发电机组系统的监控方法，其特征在于：所述数据监控还包括建立励磁系统和调速系统的3d模型，并在Web监控页面将3d模型可视化，且3d模型中的相关组件带有匹配标签，带有该匹配标签的组件与时序数据库InfluxDB中带有同样标签的数据一一对应，使3d模型实时对应机组实际运行状态。
10.如权利要求6所述一种水轮发电机组系统的监控方法，其特征在于：所述数据处理的过程中，初清洗是通过数据清洗单元过滤掉发电机组系统完全停机后的空值数据和包括网络波动原因形成的不合格数据；数据分类是通过数据分类单元对数据进行相互独立的两路分类，一路分类是将数据分为机组状态数据、外部输入的指令、系统报警数据和各传感器采集的特定数据，另一路分类是根据发电机组系统的不同工况，将数据分为包括停机、启机、空载、并网、起励和退励状态下的数据；再清洗是通过数据清洗单元将无法根据不同工况进行分类的数据进行集中处理。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110428170.XA CN113157679A (zh) | 2021-04-21 | 2021-04-21 | 一种水轮发电机组系统的监控系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110428170.XA CN113157679A (zh) | 2021-04-21 | 2021-04-21 | 一种水轮发电机组系统的监控系统及方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113157679A true CN113157679A (zh) | 2021-07-23 |
Family
ID=76869120
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110428170.XA Pending CN113157679A (zh) | 2021-04-21 | 2021-04-21 | 一种水轮发电机组系统的监控系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113157679A (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113882997A (zh) * | 2021-08-16 | 2022-01-04 | 国网新源控股有限公司 | 基于区块链的水电机组调节方法及系统 |
| CN114297265A (zh) * | 2021-12-31 | 2022-04-08 | 重庆钢铁集团电子有限责任公司 | 基于物联技术的智能运维方法 |
| CN114415027A (zh) * | 2022-03-30 | 2022-04-29 | 中国长江三峡集团有限公司 | 一种发电机组开机过程中违规行为监测方法及装置 |
| CN114876716A (zh) * | 2022-06-16 | 2022-08-09 | 西安热工研究院有限公司 | 一种水轮发电机组振动保护方法及系统 |
| CN114924889A (zh) * | 2022-06-21 | 2022-08-19 | 浙江大学 | 一种基于云边端协同的超低排放智能调控系统及方法 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105446328A (zh) * | 2016-01-15 | 2016-03-30 | 廖金能 | 发电机组远程故障诊断和健康监测系统及数据捕获方法 |
| US20170124497A1 (en) * | 2015-10-28 | 2017-05-04 | Fractal Industries, Inc. | System for automated capture and analysis of business information for reliable business venture outcome prediction |
| CN107968482A (zh) * | 2017-11-29 | 2018-04-27 | 山东中车风电有限公司 | 一种新能源发电场站管理平台 |
| CN111525684A (zh) * | 2019-02-01 | 2020-08-11 | 上海电气风电集团有限公司 | 一种基于云平台的风电场集群化监控的运维系统 |
| CN112085930A (zh) * | 2020-09-14 | 2020-12-15 | 武汉瑞莱保能源技术有限公司 | 一种发电机组智能监测预警系统及方法 |
| CN112486143A (zh) * | 2020-11-27 | 2021-03-12 | 沈阳航天新光集团有限公司 | 柴油发电机组远程监控及专家诊断系统 |
| CN112614019A (zh) * | 2020-12-30 | 2021-04-06 | 深圳瑞莱保核能技术发展有限公司 | 一种海上风电运维智能管理平台及方法 |
-
2021
- 2021-04-21 CN CN202110428170.XA patent/CN113157679A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20170124497A1 (en) * | 2015-10-28 | 2017-05-04 | Fractal Industries, Inc. | System for automated capture and analysis of business information for reliable business venture outcome prediction |
| CN105446328A (zh) * | 2016-01-15 | 2016-03-30 | 廖金能 | 发电机组远程故障诊断和健康监测系统及数据捕获方法 |
| CN107968482A (zh) * | 2017-11-29 | 2018-04-27 | 山东中车风电有限公司 | 一种新能源发电场站管理平台 |
| CN111525684A (zh) * | 2019-02-01 | 2020-08-11 | 上海电气风电集团有限公司 | 一种基于云平台的风电场集群化监控的运维系统 |
| CN112085930A (zh) * | 2020-09-14 | 2020-12-15 | 武汉瑞莱保能源技术有限公司 | 一种发电机组智能监测预警系统及方法 |
| CN112486143A (zh) * | 2020-11-27 | 2021-03-12 | 沈阳航天新光集团有限公司 | 柴油发电机组远程监控及专家诊断系统 |
| CN112614019A (zh) * | 2020-12-30 | 2021-04-06 | 深圳瑞莱保核能技术发展有限公司 | 一种海上风电运维智能管理平台及方法 |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113882997A (zh) * | 2021-08-16 | 2022-01-04 | 国网新源控股有限公司 | 基于区块链的水电机组调节方法及系统 |
| CN113882997B (zh) * | 2021-08-16 | 2023-06-09 | 国网新源控股有限公司 | 基于区块链的水电机组调节方法及系统 |
| CN114297265A (zh) * | 2021-12-31 | 2022-04-08 | 重庆钢铁集团电子有限责任公司 | 基于物联技术的智能运维方法 |
| CN114415027A (zh) * | 2022-03-30 | 2022-04-29 | 中国长江三峡集团有限公司 | 一种发电机组开机过程中违规行为监测方法及装置 |
| CN114876716A (zh) * | 2022-06-16 | 2022-08-09 | 西安热工研究院有限公司 | 一种水轮发电机组振动保护方法及系统 |
| CN114924889A (zh) * | 2022-06-21 | 2022-08-19 | 浙江大学 | 一种基于云边端协同的超低排放智能调控系统及方法 |
| CN114924889B (zh) * | 2022-06-21 | 2024-05-14 | 浙江大学 | 一种基于云边端协同的超低排放智能调控系统及方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113157679A (zh) | 一种水轮发电机组系统的监控系统及方法 | |
| CN110109445B (zh) | 一种船舶机舱辅机监控系统及监控方法 | |
| CN108873842B (zh) | 一站式无人值守泵站自动化控制系统 | |
| CN116846987B (zh) | 一种工业互联网的交互界面生成方法及系统 | |
| CN112594142B (zh) | 一种基于5g的端云协同风电运维诊断系统 | |
| CN110362037A (zh) | 一种用于数控机床的综合维护系统平台 | |
| CN109491341B (zh) | 用于油田作业设备的监控与数据分析系统 | |
| CN109782712B (zh) | 一种火力发电机组控制系统及方法 | |
| CN103092169B (zh) | 数字营区设备管控装置 | |
| CN112943911B (zh) | 风电机组齿轮箱润滑油在线监控装置、监控方法及系统 | |
| CN109695106B (zh) | 一种物联网缝纫机 | |
| CN109847200B (zh) | 一种用于医用重离子加速器的真空监控系统 | |
| CN111708798A (zh) | 一种风电机组故障诊断与处理方法及系统 | |
| CN115115091A (zh) | 一种基于全景展示的园区智慧用能管控平台 | |
| CN112486143A (zh) | 柴油发电机组远程监控及专家诊断系统 | |
| CN111159487A (zh) | 一种汽车发动机主轴预测性维护智能系统 | |
| CN113689123A (zh) | 一种天然气模块化采集智能管理平台 | |
| CN108665132A (zh) | 一种造纸设备智能点巡检管理系统及使用方法 | |
| CN114648212A (zh) | 一种基于云计算的船舶设备性能智能管理系统及方法 | |
| CN113572260A (zh) | 一种基于数字孪生技术的分布式能源站智慧运维系统 | |
| CN117875933A (zh) | 一种机载测试系统综合运维保障系统及方法 | |
| CN117424336A (zh) | 一种基于云端监控的变电站全流程可视化处理系统 | |
| CN116257006A (zh) | 一种卷烟工厂电力设备智能化点检系统及方法 | |
| CN111539642B (zh) | 一种基于面向对象的电厂数据采集处理系统及其方法 | |
| CN114875999A (zh) | 一种用于二次供水系统的泵房运维管理系统 |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210723 |