CN113809786A - 通过大数据对ups整流和逆变模块进行故障预测的方法 - Google Patents
通过大数据对ups整流和逆变模块进行故障预测的方法 Download PDFInfo
- Publication number
- CN113809786A CN113809786A CN202010714161.2A CN202010714161A CN113809786A CN 113809786 A CN113809786 A CN 113809786A CN 202010714161 A CN202010714161 A CN 202010714161A CN 113809786 A CN113809786 A CN 113809786A
- Authority
- CN
- China
- Prior art keywords
- data
- fault
- voltage
- training set
- random forest
- 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 24
- 238000012549 training Methods 0.000 claims abstract description 56
- 238000007637 random forest analysis Methods 0.000 claims abstract description 31
- 230000002159 abnormal effect Effects 0.000 claims abstract description 8
- 230000005856 abnormality Effects 0.000 claims abstract description 4
- 238000003066 decision tree Methods 0.000 claims description 15
- 238000001514 detection method Methods 0.000 claims description 11
- 238000005516 engineering process Methods 0.000 claims description 6
- 238000005070 sampling Methods 0.000 claims description 6
- 238000012360 testing method Methods 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 claims description 5
- 238000007664 blowing Methods 0.000 claims description 3
- 238000004891 communication Methods 0.000 claims description 3
- 230000002596 correlated effect Effects 0.000 claims description 3
- 230000000875 corresponding effect Effects 0.000 claims description 3
- 238000000354 decomposition reaction Methods 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 claims description 3
- 230000035939 shock Effects 0.000 claims description 3
- 238000012423 maintenance Methods 0.000 abstract description 4
- 230000000694 effects Effects 0.000 abstract description 3
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011897 real-time detection Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
-
- 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
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
- H01M10/00—Secondary cells; Manufacture thereof
- H01M10/42—Methods or arrangements for servicing or maintenance of secondary cells or secondary half-cells
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J9/00—Circuit arrangements for emergency or stand-by power supply, e.g. for emergency lighting
- H02J9/04—Circuit arrangements for emergency or stand-by power supply, e.g. for emergency lighting in which the distribution system is disconnected from the normal source and connected to a standby source
- H02J9/06—Circuit arrangements for emergency or stand-by power supply, e.g. for emergency lighting in which the distribution system is disconnected from the normal source and connected to a standby source with automatic change-over, e.g. UPS systems
-
- 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
- Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
- Y02E60/10—Energy storage using batteries
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Power Engineering (AREA)
- Quality & Reliability (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Manufacturing & Machinery (AREA)
- Primary Health Care (AREA)
- Emergency Management (AREA)
- Water Supply & Treatment (AREA)
- Chemical & Material Sciences (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Electrochemistry (AREA)
- General Chemical & Material Sciences (AREA)
- Public Health (AREA)
- Measurement Of Current Or Voltage (AREA)
Abstract
本发明涉及电池的维保技术领域，尤其是通过大数据对UPS整流和逆变模块进行故障预测的方法；它包括选取历史数据作为数据特征以及故障信息，将数据特征按照不同电池型号、编号以及时间进行关联得到关联数据；将关联数据根据不同的电池型号和故障信息进行聚类，得到故障前数据异常的时间范围，并对时间范围内的异常数据附加故障预警标签；将附带有故障预警标签的异常数据和正常数据引入随机森林分类器进行迭代训练，直到所有随机森林分类器的分类准确率达到阈值，得到训练好的分类器；利用训练好的分类器对实时数据进行分析，通过预设路径进行预警，通过随机森林模型对未来一定时间内可能出现的故障以及故障信息已经预测，可有效提高电池维保效果。
Description
技术领域
本发明涉及电池的维保技术领域，尤其是通过大数据对UPS整流和逆变模块进行故障预测的方法。
背景技术
UPS电池由于需要接受充电以及为其他设备供电的任务，故设置有整流和逆变两个模块。具体来说整流就是将交流电转换成直流电，相对的，逆变就是将直流电转换成交流电。但应该指出的是，现在的整流模块或者逆变模块已经不是单纯的由单块电路板组成的简单电路，而是包括了显示板、指示灯、按键、电压检测、电流检测、温度检测、断路器、过压关断电路、整流器关断电路、电流限制电路、功率限制电路、风扇、均流检测等电子元件的复杂系统。现有技术依然采用实时检测电流、电压和温度的方式进行监控并不能很好的起到故障检测的效果。
发明内容
针对现有技术的不足，本发明提供一种通过大数据对UPS整流和逆变模块进行故障预测的方法。以期提前发现整流和逆变功能可能出现的故障。
本发明的技术方案为：
通过大数据对UPS整流和逆变模块进行故障预测的方法，其特征在于：它包括以下步骤：
步骤一，选取历史数据作为数据特征以及故障信息，其中数据特征和对应的故障信息的类型如下：
显示器读数-显示板FPB故障
指示灯是否闪烁-指示灯故障
市电指示灯是否闪烁-电源保险烧断
交流输入是否高于标准-交流输入电压过高
交流输入是否低于标准-交流输入电压过低
交流输入三相是否平衡-交流输入电源三相不平衡
功率控制板是否通电-功率控制板故障
断路器是否跳断-功率电路故障
过压关断电压-关断电压设置与实际工作电压太接近导致非故障关断
控制电路是否通电-控制电路故障
是否存在反馈信号-PMB板故障
CDEM信号电压-FPB板故障
整流器内部电压-模块内部高压故障
电池端电压-低压引起电流和功率限制
限流区间-限流点设置过低
电流反馈-回路故障
风扇转速-风机故障
气流速度-风道受阻
风扇指示灯-风扇保险丝烧断
系统温度-系统热失控
系统电压-电路故障
整流器均流-均流电路故障
功率母板电压-防冲击电流保险烧毁
桥式变换电路是否通电-电路损坏
阈值检测电路是否通电-阈值检测故障
放大器监控模块与整流模块是否存在信号交换-通信故障
负载电流-低于2A，低负载
微处理器是否工作-触发看门狗计时
逆变器是否通电-逆变器损坏；
步骤二，将数据特征按照不同电池型号、编号以及时间进行关联得到关联数据；
步骤三，将关联数据根据不同的电池型号和故障信息进行聚类，得到故障前数据异常的时间范围，并对时间范围内的异常数据附加故障预警标签；
步骤四，将附带有故障预警标签的异常数据和正常数据引入随机森林分类器进行迭代训练，直到所有随机森林分类器的分类准确率达到阈值，得到训练好的分类器；
步骤五，利用训练好的分类器对实时数据进行分析，通过预设路径进行预警。
具体的，所述随机森林分类器的实现方法：
S11、读入训练数据集作为初始训练集；
S12、基于所述初始训练集采用预设随机抽样方法获取新的训练集以形成随机森林训练集，其中，所述随机森林训练集包括采用随机子空间技术训练决策树模型；
S13、基于所述随机森林训练集中的决策树模型构建张量模型；
S14、利用预设张量分解技术对所述张量模型进行分解；
S15、将分解后的张量进行调整以得到调整后的张量；
S16、在调整后的张量中选取具有整体最优的决策树子集作为最优基分类器子集；
S17、利用测试样本集对所述最优基分类器子集进行测试。
在步骤S11中，读入训练数据集作为初始训练集；输入的数据必须是可以转化为二维矩阵的数据，而且数据的元素可以是连续值也可以是离散值，然后将读入训练数据集作为初始训练集。
在步骤S12中，基于所述初始训练集采用预设随机抽样方法获取新的训练集以形成随机森林训练集，其中，所述随机森林训练集包括采用随机子空间技术训练决策树模型。
在步骤S13中，基于所述随机森林训练集中的决策树模型构建张量模型。
本发明的有益效果为：以整流和逆变模块中的显示板、指示灯、按键、电压检测、电流检测、温度检测、断路器、过压关断电路、整流器关断电路、电流限制电路、功率限制电路、风扇、均流检测等电子元件数据作为训练样本，通过随机森林模型对未来一定时间内可能出现的故障以及故障信息已经预测，可有效提高电池维保效果。
具体实施方式
下面结合具体实施方式作进一步说明：
通过大数据对UPS整流和逆变模块进行故障预测的方法，其特征在于：它包括以下步骤：
步骤一，选取历史数据作为数据特征以及故障信息，其中数据特征和对应的故障信息的类型如下：
显示器读数-显示板FPB故障
指示灯是否闪烁-指示灯故障
市电指示灯是否闪烁-电源保险烧断
交流输入是否高于标准-交流输入电压过高
交流输入是否低于标准-交流输入电压过低
交流输入三相是否平衡-交流输入电源三相不平衡
功率控制板是否通电-功率控制板故障
断路器是否跳断-功率电路故障
过压关断电压-关断电压设置与实际工作电压太接近导致非故障关断
控制电路是否通电-控制电路故障
是否存在反馈信号-PMB板故障
CDEM信号电压-FPB板故障
整流器内部电压-模块内部高压故障
电池端电压-低压引起电流和功率限制
限流区间-限流点设置过低
电流反馈-回路故障
风扇转速-风机故障
气流速度-风道受阻
风扇指示灯-风扇保险丝烧断
系统温度-系统热失控
系统电压-电路故障
整流器均流-均流电路故障
功率母板电压-防冲击电流保险烧毁
桥式变换电路是否通电-电路损坏
阈值检测电路是否通电-阈值检测故障
放大器监控模块与整流模块是否存在信号交换-通信故障
负载电流-低于2A，低负载
微处理器是否工作-触发看门狗计时
逆变器是否通电-逆变器损坏；
步骤二，将数据特征按照不同电池型号、编号以及时间进行关联得到关联数据；
步骤三，将关联数据根据不同的电池型号和故障信息进行聚类，得到故障前数据异常的时间范围，并对时间范围内的异常数据附加故障预警标签；
步骤四，将附带有故障预警标签的异常数据和正常数据引入随机森林分类器进行迭代训练，直到所有随机森林分类器的分类准确率达到阈值，得到训练好的分类器；
步骤五，利用训练好的分类器对实时数据进行分析，通过预设路径进行预警。
具体的，所述随机森林分类器的实现方法：
S11、读入训练数据集作为初始训练集；
S12、基于所述初始训练集采用预设随机抽样方法获取新的训练集以形成随机森林训练集，其中，所述随机森林训练集包括采用随机子空间技术训练决策树模型；
S13、基于所述随机森林训练集中的决策树模型构建张量模型；
S14、利用预设张量分解技术对所述张量模型进行分解；
S15、将分解后的张量进行调整以得到调整后的张量；
S16、在调整后的张量中选取具有整体最优的决策树子集作为最优基分类器子集；
S17、利用测试样本集对所述最优基分类器子集进行测试。
在步骤S11中，读入训练数据集作为初始训练集；输入的数据必须是可以转化为二维矩阵的数据，而且数据的元素可以是连续值也可以是离散值，然后将读入训练数据集作为初始训练集。
在步骤S12中，基于所述初始训练集采用预设随机抽样方法获取新的训练集以形成随机森林训练集，其中，所述随机森林训练集包括采用随机子空间技术训练决策树模型。
在步骤S13中，基于所述随机森林训练集中的决策树模型构建张量模型。
上述实施例和说明书中描述的只是说明本发明的原理和最佳实施例，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。
Claims (5)
1.通过大数据对UPS整流和逆变模块进行故障预测的方法，其特征在于：它包括以下步骤：
步骤一，选取历史数据作为数据特征以及故障信息，其中数据特征和对应的故障信息的类型如下：
显示器读数-显示板FPB故障
指示灯是否闪烁-指示灯故障
市电指示灯是否闪烁-电源保险烧断
交流输入是否高于标准-交流输入电压过高
交流输入是否低于标准-交流输入电压过低
交流输入三相是否平衡-交流输入电源三相不平衡
功率控制板是否通电-功率控制板故障
断路器是否跳断-功率电路故障
过压关断电压-关断电压设置与实际工作电压太接近导致非故障关断
控制电路是否通电-控制电路故障
是否存在反馈信号-PMB板故障
CDEM信号电压-FPB板故障
整流器内部电压-模块内部高压故障
电池端电压-低压引起电流和功率限制
限流区间-限流点设置过低
电流反馈-回路故障
风扇转速-风机故障
气流速度-风道受阻
风扇指示灯-风扇保险丝烧断
系统温度-系统热失控
系统电压-电路故障
整流器均流-均流电路故障
功率母板电压-防冲击电流保险烧毁
桥式变换电路是否通电-电路损坏
阈值检测电路是否通电-阈值检测故障
放大器监控模块与整流模块是否存在信号交换-通信故障
负载电流-低于2A，低负载
微处理器是否工作-触发看门狗计时
逆变器是否通电-逆变器损坏；
步骤二，将数据特征按照不同电池型号、编号以及时间进行关联得到关联数据；
步骤三，将关联数据根据不同的电池型号和故障信息进行聚类，得到故障前数据异常的时间范围，并对时间范围内的异常数据附加故障预警标签；
步骤四，将附带有故障预警标签的异常数据和正常数据引入随机森林分类器进行迭代训练，直到所有随机森林分类器的分类准确率达到阈值，得到训练好的分类器；
步骤五，利用训练好的分类器对实时数据进行分析，通过预设路径进行预警。
2.根据权利要求1所述的通过大数据对UPS整流和逆变模块进行故障预测的方法，其特征在于：所述随机森林分类器的实现方法：
S11、读入训练数据集作为初始训练集；
S12、基于所述初始训练集采用预设随机抽样方法获取新的训练集以形成随机森林训练集，其中，所述随机森林训练集包括采用随机子空间技术训练决策树模型；
S13、基于所述随机森林训练集中的决策树模型构建张量模型；
S14、利用预设张量分解技术对所述张量模型进行分解；
S15、将分解后的张量进行调整以得到调整后的张量；
S16、在调整后的张量中选取具有整体最优的决策树子集作为最优基分类器子集；
S17、利用测试样本集对所述最优基分类器子集进行测试。
3.根据权利要求2所述的通过大数据对UPS整流和逆变模块进行故障预测的方法，其特征在于：在步骤S11中，读入训练数据集作为初始训练集；输入的数据必须是可以转化为二维矩阵的数据，而且数据的元素可以是连续值也可以是离散值，然后将读入训练数据集作为初始训练集。
4.根据权利要求3所述的通过大数据对UPS整流和逆变模块进行故障预测的方法，其特征在于：在步骤S12中，基于所述初始训练集采用预设随机抽样方法获取新的训练集以形成随机森林训练集，其中，所述随机森林训练集包括采用随机子空间技术训练决策树模型。
5.根据权利要求4所述的通过大数据对UPS整流和逆变模块进行故障预测的方法，其特征在于：在步骤S13中，基于所述随机森林训练集中的决策树模型构建张量模型。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010714161.2A CN113809786A (zh) | 2020-07-23 | 2020-07-23 | 通过大数据对ups整流和逆变模块进行故障预测的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010714161.2A CN113809786A (zh) | 2020-07-23 | 2020-07-23 | 通过大数据对ups整流和逆变模块进行故障预测的方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113809786A true CN113809786A (zh) | 2021-12-17 |
Family
ID=78943402
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010714161.2A Pending CN113809786A (zh) | 2020-07-23 | 2020-07-23 | 通过大数据对ups整流和逆变模块进行故障预测的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113809786A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116520817A (zh) * | 2023-07-05 | 2023-08-01 | 贵州宏信达高新科技有限责任公司 | 基于高速公路的etc系统运行状态实时监控系统及方法 |
| CN117110936A (zh) * | 2023-10-25 | 2023-11-24 | 深圳市强晟电子科技有限公司 | 基于时序分析的ups运行状态预测维护系统 |
| CN117289143A (zh) * | 2023-11-27 | 2023-12-26 | 宁德时代新能源科技股份有限公司 | 一种故障预测方法、装置、设备、系统和介质 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105389585A (zh) * | 2015-10-20 | 2016-03-09 | 深圳大学 | 一种基于张量分解的随机森林优化方法及系统 |
| CN206657092U (zh) * | 2017-03-27 | 2017-11-21 | 四川觉晓科技有限公司 | 数据机房ups系统维护装置 |
| CN108009582A (zh) * | 2017-11-30 | 2018-05-08 | 厦门理工学院 | 一种电子设备标准工作指标设置的方法 |
| CN108848252A (zh) * | 2018-05-15 | 2018-11-20 | 广东工业大学 | 一种基于手机app应用实现ups数据监控的方法 |
| CN109460004A (zh) * | 2018-10-26 | 2019-03-12 | 国网天津市电力公司 | 基于大数据的配电网故障预测方法及系统 |
| CN109635873A (zh) * | 2018-12-19 | 2019-04-16 | 佛山科学技术学院 | 一种ups故障预测方法 |
| CN109754110A (zh) * | 2017-11-03 | 2019-05-14 | 株洲中车时代电气股份有限公司 | 一种牵引变流器故障的预警方法及系统 |
-
2020
- 2020-07-23 CN CN202010714161.2A patent/CN113809786A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105389585A (zh) * | 2015-10-20 | 2016-03-09 | 深圳大学 | 一种基于张量分解的随机森林优化方法及系统 |
| CN206657092U (zh) * | 2017-03-27 | 2017-11-21 | 四川觉晓科技有限公司 | 数据机房ups系统维护装置 |
| CN109754110A (zh) * | 2017-11-03 | 2019-05-14 | 株洲中车时代电气股份有限公司 | 一种牵引变流器故障的预警方法及系统 |
| CN108009582A (zh) * | 2017-11-30 | 2018-05-08 | 厦门理工学院 | 一种电子设备标准工作指标设置的方法 |
| CN108848252A (zh) * | 2018-05-15 | 2018-11-20 | 广东工业大学 | 一种基于手机app应用实现ups数据监控的方法 |
| CN109460004A (zh) * | 2018-10-26 | 2019-03-12 | 国网天津市电力公司 | 基于大数据的配电网故障预测方法及系统 |
| CN109635873A (zh) * | 2018-12-19 | 2019-04-16 | 佛山科学技术学院 | 一种ups故障预测方法 |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116520817A (zh) * | 2023-07-05 | 2023-08-01 | 贵州宏信达高新科技有限责任公司 | 基于高速公路的etc系统运行状态实时监控系统及方法 |
| CN116520817B (zh) * | 2023-07-05 | 2023-08-29 | 贵州宏信达高新科技有限责任公司 | 基于高速公路的etc系统运行状态实时监控系统及方法 |
| CN117110936A (zh) * | 2023-10-25 | 2023-11-24 | 深圳市强晟电子科技有限公司 | 基于时序分析的ups运行状态预测维护系统 |
| CN117110936B (zh) * | 2023-10-25 | 2023-12-26 | 深圳市强晟电子科技有限公司 | 基于时序分析的ups运行状态预测维护系统 |
| CN117289143A (zh) * | 2023-11-27 | 2023-12-26 | 宁德时代新能源科技股份有限公司 | 一种故障预测方法、装置、设备、系统和介质 |
| CN117289143B (zh) * | 2023-11-27 | 2024-04-19 | 宁德时代新能源科技股份有限公司 | 一种故障预测方法、装置、设备、系统和介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113809786A (zh) | 通过大数据对ups整流和逆变模块进行故障预测的方法 | |
| US11106985B1 (en) | Power device with self-health status prediction function and self-health status prediction method thereof and cloud server suitable for a plurality of power devices | |
| CN111352003A (zh) | 一种用于电气设备故障的分析系统 | |
| US9547545B2 (en) | Apparatus and program for detecting abnormality of a system | |
| US20210319633A1 (en) | Anomaly prediction and detection for aircraft equipment | |
| CN111060839A (zh) | 通用的led电源智能检测方法及系统 | |
| CN107748504A (zh) | 智能检测广告灯箱安全的系统及方法 | |
| CN112163297A (zh) | 设备健康预测系统 | |
| WO2019177233A1 (ko) | 구동부의 정밀 예지 보전방법 | |
| CN112986708B (zh) | 一种判断母线电容需要检修或更换的方法及装置 | |
| CN114137302B (zh) | 一种电能计量器具检定全过程监控系统 | |
| CN111786041B (zh) | 一种用于光电技术的电池管理系统 | |
| CN112036694B (zh) | 一种高速公路机电设备生命周期预测方法及系统 | |
| CN104865959B (zh) | 一种消防电源控制系统的故障自诊断方法 | |
| CN115587312A (zh) | 一种基于多维大数据分析的故障点定位方法和系统 | |
| Catterson et al. | On-line transformer condition monitoring through diagnostics and anomaly detection | |
| CN202522638U (zh) | 一种电网故障智能识别设备 | |
| CN115934714A (zh) | 一种用于微电网的信息储存分类整理系统 | |
| CN115758066A (zh) | 一种统计变压器全寿命周期内碳排放量的方法 | |
| CN114492869A (zh) | 一种基于物联网技术的配电系统健康诊断方法 | |
| CN107450030B (zh) | 一种通信蓄电池遥测数据处理方法、装置及系统 | |
| CN109308529B (zh) | 一种应用在网源平台的机组励磁功能综合性能评价方法 | |
| CN220457173U (zh) | 一种适用于电网监控维护的数据分析系统 | |
| CN118261577A (zh) | 一种前置式体系的变电微站电力设备运行状态分级方法 | |
| CN108874636A (zh) | 一种新型计算机硬件安全检测系统 |
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 |