CN114035537B - 一种燃气轮机控制系统综合诊断平台及方法 - Google Patents
一种燃气轮机控制系统综合诊断平台及方法 Download PDFInfo
- Publication number
- CN114035537B CN114035537B CN202111233610.2A CN202111233610A CN114035537B CN 114035537 B CN114035537 B CN 114035537B CN 202111233610 A CN202111233610 A CN 202111233610A CN 114035537 B CN114035537 B CN 114035537B
- Authority
- CN
- China
- Prior art keywords
- operation data
- fault
- data
- diagnosis
- platform
- 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
- 238000003745 diagnosis Methods 0.000 title claims abstract description 251
- 238000000034 method Methods 0.000 title claims abstract description 28
- 230000007246 mechanism Effects 0.000 claims abstract description 138
- 238000013499 data model Methods 0.000 claims description 24
- 238000004364 calculation method Methods 0.000 claims description 14
- 238000004891 communication Methods 0.000 claims description 11
- 238000012790 confirmation Methods 0.000 claims description 11
- 238000012423 maintenance Methods 0.000 claims description 10
- 230000005540 biological transmission Effects 0.000 claims description 9
- 238000009434 installation Methods 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 8
- 238000012549 training Methods 0.000 claims description 8
- 238000003062 neural network model Methods 0.000 claims description 6
- 238000002405 diagnostic procedure Methods 0.000 claims 1
- 230000008439 repair process Effects 0.000 abstract description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000006073 displacement reaction Methods 0.000 description 3
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000005520 electrodynamics Effects 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 238000011065 in-situ storage Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
- G05B23/0243—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults model based detection method, e.g. first-principles knowledge model
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/20—Pc systems
- G05B2219/24—Pc safety
- G05B2219/24065—Real time diagnostics
-
- 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
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
- Y04S10/52—Outage or fault management, e.g. fault detection or location
Abstract
本发明实施例公开了一种燃气轮机控制系统综合诊断平台及方法，该平台包括至少一个电厂诊断子平台，电厂诊断子平台包括数据采集系统、故障诊断系统和事件信息系统；通过传感器运行数据、执行机构运行数据和电子控制器运行数据对燃气轮机控制系统进行故障识别和定位，采用多种类型的运行数据从整体上对燃气轮机控制系统进行故障分析，故障分析结果更加准确，提高故障定位和分析的准确率，同时精准定位故障等级并给出检修建议，为工作人员进行故障修复提供参考。通过构建混合驱动模型确定故障诊断结果，可以快速、准确的实现故障识别。
Description
技术领域
本发明实施例涉及故障诊断技术领域，尤其涉及一种燃气轮机控制系统综合诊断平台及方法。
背景技术
燃气轮机是一种广泛应用在发电领域的能量转化装置，具有清洁高效、启停快速、运行灵活的优点。燃气轮机控制系统是确保燃气轮机安全、高效、稳定运行的关键设备，随着燃气轮机快速发展，其控制系统的规模不断扩大、复杂度日益提高，不可避免会发生各种各样的故障，严重影响机组的运行，因此对控制系统出现的各种故障快速、准确的识别具有重要意义。
现有技术主要集中在燃气轮机本体的故障诊断，或者针对控制系统某一类部件进行诊断，缺少对控制系统进行综合诊断的方法，故障诊断结果不够准确，无法从整体对燃气轮机控制系统故障进行识别和定位。
发明内容
本发明提供一种燃气轮机控制系统综合诊断平台及方法，以实现对燃气轮机控制系统的故障进行综合诊断。
第一方面，本发明实施例提供了一种燃气轮机控制系统综合诊断平台，所述平台包括：至少一个电厂诊断子平台，所述电厂诊断子平台包括数据采集系统、故障诊断系统和事件信息系统；
所述数据采集系统，用于采集系统运行数据并发送给所述故障诊断系统，所述系统运行数据至少包括传感器运行数据、执行机构运行数据和电子控制器运行数据；
所述故障诊断系统，用于根据所接收的系统运行数据结合预构建的混合驱动模型确定故障诊断结果，并确定执行机构的设备信息，将所述故障诊断结果和设备信息发送给所述事件信息系统；
所述事件信息系统，用于根据所述故障诊断结果和设备信息确定故障等级和检修建议，并对所述故障等级和检修建议进行展示。
第二方面，本发明实施例还提供了一种燃气轮机控制系统综合诊断方法，该方法由本发明实施例中任一所述的燃气轮机控制系统综合诊断平台执行，该方法包括：
电厂诊断子平台中的数据采集系统采集系统运行数据并发送给故障诊断系统，所述系统运行数据至少包括传感器运行数据、执行机构运行数据和电子控制器运行数据；
电厂诊断子平台中的故障诊断系统根据所接收的系统运行数据结合预构建的混合驱动模型确定故障诊断结果，并确定执行机构的设备信息，将所述故障诊断结果和设备信息发送给事件信息系统；
电厂诊断子平台中的事件信息系统根据所述故障诊断结果和设备信息确定故障等级和检修建议，并对所述故障等级和检修建议进行展示。
本发明实施例提供了一种燃气轮机控制系统综合诊断平台及方法，该平台包括至少一个电厂诊断子平台，电厂诊断子平台包括数据采集系统、故障诊断系统和事件信息系统；数据采集系统，用于采集系统运行数据并发送给故障诊断系统，系统运行数据至少包括传感器运行数据、执行机构运行数据和电子控制器运行数据；故障诊断系统，用于根据所接收的系统运行数据结合预构建的混合驱动模型确定故障诊断结果，并确定执行机构的设备信息，将故障诊断结果和设备信息发送给事件信息系统；事件信息系统，用于根据故障诊断结果和设备信息确定故障等级和检修建议，并对故障等级和检修建议进行展示。通过传感器运行数据、执行机构运行数据和电子控制器运行数据对燃气轮机控制系统进行故障识别和定位，采用多种类型的运行数据从整体上对燃气轮机控制系统进行故障分析，故障分析结果更加准确，提高故障定位和分析的准确率，同时精准定位故障等级并给出检修建议，为工作人员进行故障修复提供参考。通过构建混合驱动模型确定故障诊断结果，可以快速、准确的实现故障识别。
附图说明
图1是本发明实施例一中的一种燃气轮机控制系统综合诊断平台的结构示意图；
图2是本发明实施例二中的一种燃气轮机控制系统综合诊断平台的结构示意图；
图3是本发明实施例三中的一种燃气轮机控制系统综合诊断方法的流程示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请实施例方式作进一步地详细描述。应当明确，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本申请保护的范围。
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申请相一致的所有实施方式。相反，它们仅是如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
在本申请的描述中，需要理解的是，术语“第一”、“第二”、“第三”等仅用于区别类似的对象，而不必用于描述特定的顺序或先后次序，也不能理解为指示或暗示相对重要性。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本申请中的具体含义。此外，在本申请的描述中，除非另有说明，“多个”是指两个或两个以上。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
实施例一
图1给出了本申请实施例一提供的一种燃气轮机控制系统综合诊断平台的结构示意图，该平台包括：至少一个电厂诊断子平台10，所述电厂诊断子平台10包括数据采集系统11、故障诊断系统12和事件信息系统13；
数据采集系统11，用于采集系统运行数据并发送给故障诊断系统12，系统运行数据至少包括传感器运行数据、执行机构运行数据和电子控制器运行数据；
故障诊断系统12，用于根据所接收的系统运行数据结合预构建的混合驱动模型确定故障诊断结果，并确定执行机构的设备信息，将故障诊断结果和设备信息发送给事件信息系统13；
事件信息系统13，用于根据故障诊断结果和设备信息确定故障等级和检修建议，并对故障等级和检修建议进行展示。
在本实施例中，电厂诊断子平台具体可以理解为对某一电厂进行故障诊断的子平台。一个电厂诊断子平台诊断一个电厂的故障，即一个电厂对应一个电厂诊断子平台。燃气轮机控制系统综合诊断平台包含一个或者多个电厂诊断子平台，对一个或电厂进行故障诊断和定位。数据采集系统11具体可以理解为采集燃气轮机控制系统中各部件运行数据的系统。故障诊断系统12具体可以理解为对燃气轮机控制系统进行故障诊断的数据处理系统。事件信息系统13具体可以理解为确定故障事件对应的故障等级和检修建议的数据处理系统。
在本实施例中，系统运行数据具体可以理解为燃气轮机控制系统中各部件运行过程中产生的数据。系统运行数据至少包括传感器运行数据、执行机构运行数据和电子控制器运行数据。传感器运行数据为传感器的运行数据，传感器可以是温度传感器、速度传感器等。执行机构运行数据为执行机构的运行数据，执行机构可以是燃料阀门、可调导叶等器件的执行机构。电子控制器运行数据为电子控制器的运行数据，电子控制器可以是CPU、I/O模块等信号处理或逻辑运算电子单元。数据采集系统11对传感器、执行机构、电子控制器的运行数据进行实时采集，形成系统运行数据并发送给故障诊断系统12进行故障诊断。
在本实施例中，混合驱动模型具体可以理解为预先根据机理和数据搭建的模型。故障诊断结果可以是无故障或故障类型，正常状态下模型直接输出无故障，异常情况下模型可以输出故障类型，以便工作人员进行排查。设备信息具体可以理解为执行机构的设备类型、设备等级、安装位置及运行环境。
具体的，预先构建混合驱动模型，故障诊断系统12装载用于故障诊断的混合驱动模型，根据混合驱动模型对系统运行数据进行处理，混合驱动模型对传感器运行数据和电子控制器运行数据，执行机构运行数据分别进行处理，得到两种诊断结果，综合两种诊断结果确定最终的故障诊断结果，同时通过执行机构运行数据确定执行机构的设备信息，将故障诊断结果和设备信息发送给事件信息系统13。故障诊断系统12为电厂中就地部署的边缘计算设备，装载混合驱动模型后通过接收实时的系统运行数据，进行控制系统在线故障诊断。
在本实施例中，故障等级具体可以理解为故障的不同级别，用于区别不同故障的危险程度和重要程度。检修建议具体可以理解为对故障进行检修时的检修方式。
具体的，预先根据不同故障诊断结果和设备信息对系统运行的影响为不同故障诊断和设备信息设置不同的故障等级。并预先根据历史检修经验或设备的维修说明设置不同故障诊断结果对应的检修建议，检修建议也可以与设备信息相关，例如，安装在不同位置的同一类型器件，在发生相同的故障时检修方式不同。根据故障诊断结果和设备信息，结合预先设置的故障等级和检修建议对应关系确定故障等级和检修建议。通过文字、表格、图片等方式在显示屏幕上对故障等级和检修建议进行展示。
需要知道的是，本申请的混合驱动模型可以根据不同类型的传感器、执行机构和电子控制器进行故障诊断。在进行故障诊断时，系统运行数据中的传感器运行数据、执行机构运行数据和电子控制器运行数据为一种硬件结构所关联的数据，例如执行机构为阀门，相应的，传感器所采集的数据为与此阀门相关的数据，电子控制器同样也与此阀门工作状态关联。此时用于进行故障诊断的数据是相关联的数据，故障诊断的结果可靠性更高。一次故障诊断的系统运行数据是相互关联的数据，且针对一个或一组结构(如阀门工作所涉及的所有器件)。数据采集系统11可以采集不同类型的系统运行数据，实现对不同结构的故障诊断。
本发明实施例提供了一种燃气轮机控制系统综合诊断平台，该平台包括至少一个电厂诊断子平台，电厂诊断子平台包括数据采集系统、故障诊断系统和事件信息系统；数据采集系统，用于采集系统运行数据并发送给故障诊断系统，系统运行数据至少包括传感器运行数据、执行机构运行数据和电子控制器运行数据；故障诊断系统，用于根据所接收的系统运行数据结合预构建的混合驱动模型确定故障诊断结果，并确定执行机构的设备信息，将故障诊断结果和设备信息发送给事件信息系统；事件信息系统，用于根据故障诊断结果和设备信息确定故障等级和检修建议，并对故障等级和检修建议进行展示。通过传感器运行数据、执行机构运行数据和电子控制器运行数据对燃气轮机控制系统进行故障识别和定位，采用多种类型的运行数据从整体上对燃气轮机控制系统进行故障分析，故障分析结果更加准确，提高故障定位和分析的准确率，同时精准定位故障等级并给出检修建议，为工作人员进行故障修复提供参考。通过构建混合驱动模型确定故障诊断结果，可以快速、准确的实现故障识别。
实施例二
图2为本发明实施例二提供的一种燃气轮机控制系统综合诊断平台的结构示意图。本实施例的技术方案在上述技术方案的基础上，对数据采集系统11、故障诊断系统12和事件信息系统13进行进一步细化：
数据采集系统11包括：
传感器数据采集模块111，用于通过信号分配器采集传感器输入到控制柜的传感器运行数据；
执行机构数据采集模块112，用于通过预定义的通信协议从燃气轮机控制系统中采集执行机构运行数据；
电子控制器数据采集模块113，用于通过预定义的通信协议从燃气轮机控制系统中采集电子控制器运行数据；
数据发送模块114，用于将所述传感器运行数据、执行机构运行数据和电子控制器运行数据作为系统运行数据发送给所述故障诊断系统12。
在本实施例中，传感器数据采集模块111具体可以理解为对传感器的运行数据进行采集的模块。信号分配器具体可以理解为对各种工业信号变送、转换、隔离、传输、运算的仪表，可与各种工业传感器配合，取回参数信号，隔离变送传输，满足用户本地监视远程数据采集的需求。控制柜是指包含了符合电气接线要求的开关设备、测量仪表、保护电器和辅助设备等的封闭或半封闭金属柜。
具体的，各传感器安装在相应的位置采集系统运行中产生的数据。传感器采集到传感器运行数据后将传感器运行数据输入到控制柜，在传感器运行数据输入到控制柜之前通过信号分配器进行采集。在保留传感器运行数据的信号特征的同时，避免对燃气轮机正常控制产生影响。
在本实施例中，执行机构数据采集模块112具体可以理解为对执行机构的运行数据进行采集的模块，执行机构运行数据可以是控制执行机构执行相应操作的控制指令，移动的距离等数据。预定义的通信协议可以是任意一种通信协议，例如OPC通信协议。燃气轮机控制系统通过控制指令控制执行机构运动，并采集执行机构运动过程中产生的相应数据，例如，位移距离，控制指令与运动过程中产生的数据构成执行机构运行数据。执行机构数据采集模块112通过预定义的通信协议从燃气轮机控制系统中采集执行机构运行数据。
在本实施例中，电子控制器数据采集模块113具体可以理解为对电子控制器的运行数据进行采集的模块。电子控制器运行数据可以是电流、电压等类型的数据。燃气轮机控制系统与电子控制器通信，通过信息交互控制电子控制器的工作状态，电子控制器工作过程中会产生电压、电流等数据。电子控制器数据采集模块113通过预定义的通信协议从燃气轮机控制系统中采集电子控制器运行数据。
在本实施例中，数据发送模块114具体可以理解为向故障诊断系统12发送数据的模块。数据发送模块114将传感器运行数据、执行机构运行数据和电子控制器运行数据作为系统运行数据发送给故障诊断系统12。
进一步地，故障诊断系统12包括：
第一诊断模块121，用于将系统运行数据中的传感器运行数据和电子控制器运行数据输入到混合驱动模型的数据模型中，根据数据模型的输出结果确定第一诊断结果及第一概率；
设备信息确定模块122，用于根据执行机构运行数据对应的执行机构的机构标识确定执行机构的设备信息，设备信息至少包括设备种类、安装位置和运行环境；
第二诊断模块123，用于通过设备信息和混合驱动模型的机理模型对系统运行数据中的执行机构运行数据进行处理，根据机理模型的输出结果确定第二诊断结果及第二概率；
诊断结果确定模块124，用于对第一诊断结果、第一概率、第二诊断结果和第二概率进行综合分析，确定故障诊断结果；
信息发送模块125，用于将故障诊断结果和设备信息发送给事件信息系统13。
在本实施例中，第一诊断模块121,具体可以理解为混合驱动模型进行第一次故障诊断的模块。数据模型具体可以理解为仅根据数据进行故障判断的模型，数据模型可以对神经网络模型进行训练得到。第一诊断结果具体可以理解为采用数据模型进行故障诊断所得到的诊断结果。第一概率可以理解为第一诊断结果产生的概率。
具体的，预先根据传感器和电子控制器的历史运行数据对神经网络模型进行训练，得到满足收敛条件的数据模型。第一诊断模块121将系统运行数据中的传感器运行数据和电子控制器运行数据输入到混合驱动模型的数据模型中，数据模型可以输出预测的诊断结果，即是否故障，发生故障时的故障类型以及此预测结果发生的概率，根据输出结果确定第一诊断结果及第一概率。
在本实施例中，设备信息确定模块122具体可以理解为确定执行机构设备信息的模块。机构标识具体可以理解为区分各执行机构，唯一标识执行机构的信息。执行机构运行数据是执行机构运行过程中产生的，唯一对应一个执行机构，在采集执行机构运行数据的同时需确定执行机构运行数据所对应的执行机构的机构标识。在已知机构标识后，设备信息确定模块122根据预先确定的映射关系可以查找并确定设备信息。设备信息至少包括设备种类、安装位置和运行环境，设备种类包括设备类型和等级。
可以知道的是，不同的执行机构在部署安装后，其安装位置是固定的，其运行环境可以根据安装位置确定，运行环境也可以直接与机构标识关联。
在本实施例中，第二诊断模块123具体可以理解为混合驱动模型进行第二次故障诊断的模块。机理模型具体可以理解为对数据进行机理建模，实现故障判断的模型。第二诊断结果具体可以理解为采用机理模型进行故障诊断所得到的诊断结果。第二概率可以理解为第二诊断结果产生的概率。
具体的，预先构建不同设备信息下的机理模型，设备信息不同，其对应的设备结构和工作原理也可能存在不同，设备的不同结构及工作原理对应不同的机理模型。通过设备信息从混合驱动模型中包含的一个或多个机理模型从筛选出对应的机理模型，通过对应的机理模型对执行机构运行数据进行处理，得到机理模型的输出结果，根据输出结果确定第二诊断结果及第二概率。
在本实施例中，诊断结果确定模块124具体可以理解为确定最终的故障诊断结果的模块。诊断结果确定模块124综合考虑两种诊断结果确定故障诊断结果。例如，第一诊断结果或第二诊断结果出现了发生故障的情况，确定故障诊断结果为发生故障，如果两个诊断结果均为发生故障，故障类型可以取概率值较高的诊断结果，如果两个诊断结果有一个为发生故障，故障类型为发生故障的诊断结果对应的类型；或者，先比较第一概率和第二概率的大小，取概率值较大的诊断结果作为故障诊断结果；或者，设置概率阈值，当概率超过概率阈值时，认为此诊断结果有效，根据有效的诊断结果确定故障诊断结果；或者，通过加权的方式对概率值进行加权计算，根据加权结果确定第一诊断结果和第二诊断结果的概率，取概率值高的为故障诊断结果。上述实施方式仅为示例性说明，本领域技术人员还可以根据需求选择不同的故障诊断结果确定方式，本申请对此不进行限定。
在本实施例中，信息发送模块125具体可以理解为向事件信息系统1313发送信息的模块。信息发送模块125将确定好的故障诊断结果和设备信息发送给事件信息系统1313。
进一步地，第二诊断模块123，包括：
公式确定单元1231，用于根据所述设备信息确定执行机构对应的目标机理模型和数据阈值范围；
运行值确定单元1232，用于确定所述执行机构运行数据中的实际运行值，以及所述执行机构运行数据中控制指令所携带的控制值，基于所述控制值和数据计算公式确定标准运行值；
诊断结果确定单元1233，用于将所述实际运行值与标准运行值的差值与所述数据阈值范围进行比较，根据比较结果确定第二诊断结果；
概率确定单元1234，用于根据所述实际运行值与标准运行值确定第二概率。
在本实施例中，公式确定单元1231具体可以理解为确定计算公式的数据处理单元。目标机理模型具体可以理解为当前进行故障分析的执行机构对应的机理模型。数据阈值范围具体可以理解执行机构在此设备信息下工作时的数据范围。
具体的，设备种类、安装位置和运行环境等设备信息影响数据的计算。公式确定单元1231根据设备信息从各机理模型中找到对应的目标机理模型，并查找存储阈值范围的数据表，确定数据阈值范围。
在本实施例中，运行值确定单元1232具体可以理解为对执行机构数据进行分析，确定执行机构运行时的相关运行值的数据处理单元。实际运行值具体可以理解为执行机构根据控制指令执行相应操作或进行相应运动时产生的相应数值，例如，位移距离。控制指令为燃气轮机控制系统控制执行机构时的指令。控制值可以理解为控制指令中包括的模拟量，例如，控制开度为x度，力为y牛顿，其中，x、y为控制值，在控制指令中通过模拟量表示。数据计算公式具体可以理解为根据执行机构工作原理建立的计算公式。标准运行值具体可以理解为无故障情况下，执行机构在控制指令的控制下所产生的相应数据。
具体的，运行值确定单元1232对执行机构运行数据进行分析，确定实际运行值，同时通过对执行机构运行数据中的控制指令进行分析，确定控制值，将控制值带入目标机理模型的数据计算公式中进行计算，确定标准运行值。
示例性的，本申请实施例提供一种阀门的数据计算公式：
x是可以理解成阀门的开度，FVC是当前需要的推力，为控制指令中携带的控制值。p为气源的供气压力，Ae是气动薄膜的截面积，m是位移部件的质量，g是重力加速度，Ff是阀杆受到的摩擦力；x0是压缩弹簧的预紧量；kS和kd为相应位置的压缩弹簧的弹性系数。其中Ae、m、g、x0、kS、kd为常数，可以根据设备信息中的设备参数确定，p可以看做常数，可以确定后不变，也可以实时获取。Ff是变化的，因此在计算时需要实时获取。为x的二阶导数。计算公式最终为推力和阀门开度的关系。一个推力指令对应特性的开度，若将推力带入计算公式，得到的标准运行值为开度，计算此开度与实际运行值对应的开度的差值。在故障情况下，开度偏离标准运行值。
在本实施例中，诊断结果确定单元1233具体可以理解为确定第二诊断结果的数据处理单元。诊断结果确定单元1233计算实际运行值与标准运行值的差值，将差值与数据阈值范围进行比较，如果差值不在数据阈值范围内，确定第二诊断结果为发生故障，故障类型根据执行机构类型确定，例如，阀门故障。如果差值在数据阈值范围内，确定第二诊断结果为正常运行。
故障类型可以是简单的执行机构m发生故障，也可以深入分析故障原因，例如供气压力不足导致p变小、机构卡涩导致摩擦力增大，在x偏离标准运行值时，分析p和Ff是否超过相应的阈值。
在本实施例中，概率确定单元1234具体可以理解为计算第二概率的数据处理单元。概率确定单元1234计算第二概率的方式可以是：计算实际运行值和标准运行值的差值，根据差值计算偏离度(例如将差值与标准运行值的比值作为偏离度)，将偏离度确定为第二概率；或者计算实际运行值和标准运行值的置信度，将置信度确定为第二概率。
进一步地，事件信息系统13，包括：
故障等级确定模块131，用于根据所述故障诊断结果和设备信息查找预确定的故障等级表，确定故障等级；
检修建议确定模块132，用于根据所述故障诊断结果和设备信息查找预确定的检修规则库，确定检修建议。
在本实施例中，故障等级确定模块131具体可以理解为确定故障等级的模块。故障等级表具体可以理解为对应存储故障诊断结果、设备信息和故障等级的数据表。根据故障诊断结果和设备信息查找预确定的故障等级表，找到与故障诊断结果和设备信息匹配的故障等级。
在本实施例中，检修建议确定模块132具体可以理解为确定检修建议的模块。检修规则库具体可以理解为对应存储了故障诊断结果、设备信息和检修建议的数据库或数据表。根据故障诊断结果和设备信息查找预确定的检修规则库，找到与故障诊断结果和设备信息匹配的检修建议。
进一步地，该平台还包括：云计算子平台20，云计算子平台20用于：
根据传感器历史运行数据和电子控制器历史运行数据对预构建的神经网络模型进行训练，得到数据模型；
根据待检测执行机构的待检测设备信息确定物理平衡方程，根据所述待检测机构的执行机构历史运行数据确定所述物理平衡方程的常量信息；
根据所述物理平衡方程以及常量信息，形成机理模型，并将所述待检测执行机构的待检测设备信息与机理模型进行关联；
根据数据模型和各所述机理模型确定混合驱动模型。
在本实施例中，传感器历史运行数据具体可以理解为传感器的历史运行数据；电子控制器历史运行数据具体可以理解为电子控制的历史运行数据。获取传感器历史运行数据和电子控制器历史运行数据，并对传感器历史运行数据和电子控制器历史运行数据进行相应的故障类型或正常运行的状态标注。将标注好的传感器历史运行数据和电子控制器历史运行数据输入到神经网络模型中进行训练，得到满足收敛条件的数据模型。数据模型在实现故障诊断的同时还可以进行相应的概率估计。
在本实施例中，待检测执行机构具体可以理解为具有故障诊断需求的执行机构。待检测设备信息具体可以理解为待检测执行机构的设备信息。物理平衡方程具体可以理解为从物理学对待检测执行机构进行分析得到的计算方程。物理平衡方程与待检测执行机构的待检测设备信息有关。不同设备类型的待检测执行机构的物理平衡方程可能不同，例如，阀门分为气动力、液动力以及电动，对于不同类型，其物理平衡方程也不相同。常量信息具体可以理解为作为方程中的常数的参数。方程中变量的参数即为变量信息。
具体的，通过对待检测执行机构的待检测设备信息进行分析，建立不同的物理平衡方程。根据待检测机构的执行机构历史运行数据对物理平衡方程中的各参数进行分析，确定常量信息和变量信息。以上述公式为例，x和Fvc为变量信息，Ae、m、g为常量信息。确定常量信息对应的数值，将常量信息对应的数值带入到物理平衡方程中的相应位置，形成机理模型。并将待检测执行机构的待检测设备信息与机理模型进行关联。对于不同的待检测执行机构形成不同的机理模型。数据模型和各机理模型构成混合驱动模型。云计算子平台20将混合驱动模型发送给各故障诊断系统12进行部署。
进一步地，数据采集系统11，还用于：在满足数据上传条件时，将所述系统运行数据发送给云计算子平台20。
在本实施例中，数据上传条件具体可以理解为用于判断是否进行系统运行数据上传的条件。数据上传条件可以是数据量累计到一定数量，或者到达一定时间，例如，定时进行数据上传。数据采集系统11将系统运行数据存储在本地，建立历史数据库，当满足数据上传条件时，将历史数据库中未上传到云计算子平台20的各系统运行数据通过隔离网关上传到云计算子平台20。
进一步地，事件信息系统13还用于：
在所述故障诊断结果为故障类型时，对所述系统运行数据进行故障标识；
接收用户输入的检修确认结果；
将故障标识后的系统运行数据和对应的检修确认结果发送给云计算子平台20。
在本实施例中，检修确认结果具体可以理解为对故障进行检修后，针对检修建议给出的评价。
在故障诊断结果为故障类型时，此时可以确定发生了故障，因此，对系统运行数据进行故障标识。故障标识可以是通过对每条故障信息通过时间标签进行标识，进而与运行数据进行匹配。也可以是直接对相应的系统运行数据进行标识，使其与相应的故障类型进行关联。同时接收用户针对此故障诊断结果所反馈的检修确认结果。用户可以通过手动输入，或者点击、滑动等触发操作完成检修确认结果的输入。以故障类型为阀门故障为例，事件信息系统13针对阀门故障给出相应的检修建议，检修人员根据故障类型和检修建议进行检修，在检修完成后，对诊断的故障类型和检修建议进行评价，例如，输入评分值作为评价，或者输入实际排查确定的故障类型及检修方法，完成检修确认结果的输入。将故障标识后的系统运行数据和对应的检修确认结果发送给云计算子平台20，以便云计算子平台20训练模型。
进一步地，云计算子平台20，还用于：在满足模型更新条件时，根据所接收的系统运行数据对所述混合驱动模型进行更新。
在本实施例中，模型更新条件具体可以理解为判断混合驱动模型是否进行更新的条件。满足模型更新条件可以是接收到用户针对模型更新输入的触发操作，或者混合驱动模型距离上次更新的时间已达到一定时间等等。根据接收到的系统运行数据对混合驱动模型重新进行训练，完成混合驱动模型的更新，系统运行数据可以是正常状态下的运行数据，也可以是故障状态下的运行数据。训练混合驱动模型所用的数据优选的选择与当前的训练时间具有一定时长距离的系统运行数据，即选择历史运行数据中时间与当前时间的差值大于一定阈值的系统运行数据，例如，选择一年前的系统运行数据。避免使用电厂实时运行数据，确保电厂信息安全。
本发明实施例提供了一种燃气轮机控制系统综合诊断平台，该平台包括云计算子平台和至少一个电厂诊断子平台，电厂诊断子平台包括数据采集系统、故障诊断系统和事件信息系统。通过传感器运行数据、执行机构运行数据和电子控制器运行数据对燃气轮机控制系统进行故障识别和定位，采用多种类型的运行数据从整体上对燃气轮机控制系统进行故障分析，故障分析结果更加准确，提高故障定位和分析的准确率，同时精准定位故障等级并给出检修建议，为工作人员进行故障修复提供参考。考虑多参数动态变化的多耦合性，根据采集得到的多个电厂的燃气轮机控制系统的海量历史运行数据、诊断对象的参数数据和运行原理，搭建机理模型与数据模型相结合的混合驱动模型。通过混合驱动模型进行故障诊断，确定故障诊断结果，可以快速、准确的实现故障识别。通过云计算子平台离线建模，以及通过故障诊断系统就地在线诊断的方式，保障燃气轮机控制系统安全运行的同时，避免了电厂实时数据泄露，保障了电厂信息安全。
实施例三
图3为本发明实施例三提供的一种燃气轮机控制系统综合诊断方法的流程示意图，该方法由本发明任意实施例所提供的燃气轮机控制系统综合诊断平台执行，该方法包括：
S201、电厂诊断子平台中的数据采集系统采集系统运行数据并发送给故障诊断系统，所述系统运行数据至少包括传感器运行数据、执行机构运行数据和电子控制器运行数据；
S202、电厂诊断子平台中的故障诊断系统根据所接收的系统运行数据结合预构建的混合驱动模型确定故障诊断结果，并确定执行机构的设备信息，将所述故障诊断结果和设备信息发送给事件信息系统；
S203、电厂诊断子平台中的事件信息系统根据所述故障诊断结果和设备信息确定故障等级和检修建议，并对所述故障等级和检修建议进行展示。
本发明实施例提供了一种燃气轮机控制系统综合诊断方法，通过传感器运行数据、执行机构运行数据和电子控制器运行数据对燃气轮机控制系统进行故障识别和定位，采用多种类型的运行数据从整体上对燃气轮机控制系统进行故障分析，故障分析结果更加准确，提高故障定位和分析的准确率，同时精准定位故障等级并给出检修建议，为工作人员进行故障修复提供参考。通过构建混合驱动模型确定故障诊断结果，可以快速、准确的实现故障识别。
进一步地，数据采集系统包括：传感器数据采集模块、执行机构数据采集模块、电子控制器数据采集模块和数据发送模块；
相应的，电厂诊断子平台中的数据采集系统采集系统运行数据并发送给故障诊断系统，包括：
传感器数据采集模块通过信号分配器采集传感器输入到控制柜的传感器运行数据；
执行机构数据采集模块通过预定义的通信协议从燃气轮机控制系统中采集执行机构运行数据；
电子控制器数据采集模块通过预定义的通信协议从燃气轮机控制系统中采集电子控制器运行数据；
数据发送模块将所述传感器运行数据、执行机构运行数据和电子控制器运行数据作为系统运行数据发送给所述故障诊断系统。
进一步地，故障诊断系统包括：第一诊断模块、设备信息确定模块、第二诊断模块、诊断结果确定模块和信息发送模块；
相应的，电厂诊断子平台中的故障诊断系统根据所接收的系统运行数据结合预构建的混合驱动模型确定故障诊断结果，并确定执行机构的设备信息，将所述故障诊断结果和设备信息发送给事件信息系统，包括：
第一诊断模块将所述系统运行数据中的传感器运行数据和电子控制器运行数据输入到混合驱动模型的数据模型中，根据所述数据模型的输出结果确定第一诊断结果及第一概率；
设备信息确定模块根据所述执行机构运行数据对应的执行机构的机构标识确定所述执行机构的设备信息，所述设备信息至少包括设备种类、安装位置和运行环境；
第二诊断模块通过所述设备信息和混合驱动模型的机理模型对所述系统运行数据中的执行机构运行数据进行处理，根据所述机理模型的输出结果确定第二诊断结果及第二概率；
诊断结果确定模块对所述第一诊断结果、第一概率、第二诊断结果和第二概率进行综合分析，确定故障诊断结果；
信息发送模块将所述故障诊断结果和设备信息发送给所述事件信息系统。
进一步地，第二诊断模块包括：公式确定单元、运行值确定单元、诊断结果确定单元和概率确定单元；
相应的，第二诊断模块通过所述设备信息和混合驱动模型的机理模型对所述系统运行数据中的执行机构运行数据进行处理，根据所述机理模型的输出结果确定第二诊断结果及第二概率，包括：
公式确定单元根据所述设备信息确定执行机构对应的目标机理模型和数据阈值范围；
运行值确定单元确定所述执行机构运行数据中的实际运行值，以及所述执行机构运行数据中控制指令所携带的控制值，基于所述控制值和所述目标机理模型的数据计算公式确定标准运行值；
诊断结果确定单元将所述实际运行值与标准运行值的差值与所述数据阈值范围进行比较，根据比较结果确定第二诊断结果；
概率确定单元根据所述实际运行值与标准运行值确定第二概率。
进一步地，事件信息系统，包括：故障等级确定模块和故障等级确定模块；
相应的，电厂诊断子平台中的事件信息系统根据所述故障诊断结果和设备信息确定故障等级和检修建议，包括：
故障等级确定模块，用于根据所述故障诊断结果和设备信息查找预确定的故障等级表，确定故障等级；
故障等级确定模块，用于根据所述故障诊断结果和设备信息查找预确定的检修规则库，确定检修建议。
进一步地，该平台还包括：云计算子平台，用于：
根据传感器历史运行数据和电子控制器历史运行数据对预构建的神经网络模型进行训练，得到数据模型；
根据待检测执行机构的待检测设备信息确定物理平衡方程，根据所述待检测机构的执行机构历史运行数据确定所述物理平衡方程的常量信息；
根据所述物理平衡方程以及常量信息，形成机理模型，并将所述待检测执行机构的待检测设备信息与机理模型进行关联；
根据数据模型和各所述机理模型确定混合驱动模型。
进一步地，数据采集系统，还用于：在满足数据上传条件时，将所述系统运行数据发送给云计算子平台。
进一步地，事件信息系统还用于：
在所述故障诊断结果为故障类型时，对所述系统运行数据进行故障标识；
接收用户输入的检修确认结果；
将故障标识后的系统运行数据和对应的检修确认结果发送给云计算子平台。
进一步地，云计算子平台，还用于：在满足模型更新条件时，根据所接收的系统运行数据对所述混合驱动模型进行更新。
值得注意的是，上述燃气轮机控制系统综合诊断平台的实施例中，所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。
Claims (10)
1.一种燃气轮机控制系统综合诊断平台，其特征在于，包括：至少一个电厂诊断子平台，所述电厂诊断子平台包括数据采集系统、故障诊断系统和事件信息系统；
所述数据采集系统，用于采集系统运行数据并发送给所述故障诊断系统，所述系统运行数据至少包括传感器运行数据、执行机构运行数据和电子控制器运行数据；
所述故障诊断系统，用于根据所接收的系统运行数据结合预构建的混合驱动模型确定故障诊断结果，并确定执行机构的设备信息，将所述故障诊断结果和设备信息发送给所述事件信息系统；
所述事件信息系统，用于根据所述故障诊断结果和设备信息确定故障等级和检修建议，并对所述故障等级和检修建议进行展示；
其中，所述故障诊断系统包括：
第一诊断模块，用于将所述系统运行数据中的传感器运行数据和电子控制器运行数据输入到混合驱动模型的数据模型中，根据所述数据模型的输出结果确定第一诊断结果及第一概率；
设备信息确定模块，用于根据所述执行机构运行数据对应的执行机构的机构标识确定所述执行机构的设备信息；
第二诊断模块，用于通过所述设备信息和混合驱动模型的机理模型对所述系统运行数据中的执行机构运行数据进行处理，根据所述机理模型的输出结果确定第二诊断结果及第二概率；
诊断结果确定模块，用于对所述第一诊断结果、第一概率、第二诊断结果和第二概率进行综合分析，确定故障诊断结果；
信息发送模块，用于将所述故障诊断结果和设备信息发送给所述事件信息系统。
2.根据权利要求1所述的平台，其特征在于，所述数据采集系统包括：
传感器数据采集模块，用于通过信号分配器采集传感器输入到控制柜的传感器运行数据；
执行机构数据采集模块，用于通过预定义的通信协议从燃气轮机控制系统中采集执行机构运行数据；
电子控制器数据采集模块，用于通过预定义的通信协议从燃气轮机控制系统中采集电子控制器运行数据；
数据发送模块，用于将所述传感器运行数据、执行机构运行数据和电子控制器运行数据作为系统运行数据发送给所述故障诊断系统。
3.根据权利要求1所述的平台，其特征在于，所述设备信息至少包括设备种类、安装位置和运行环境。
4.根据权利要求1所述的平台，其特征在于，所述第二诊断模块，包括：
公式确定单元，用于根据所述设备信息确定执行机构对应的目标机理模型和数据阈值范围；
运行值确定单元，用于确定所述执行机构运行数据中的实际运行值，以及所述执行机构运行数据中控制指令所携带的控制值，基于所述控制值和所述目标机理模型的数据计算公式确定标准运行值；
诊断结果确定单元，用于将所述实际运行值与标准运行值的差值与所述数据阈值范围进行比较，根据比较结果确定第二诊断结果；
概率确定单元，用于根据所述实际运行值与标准运行值确定第二概率。
5.根据权利要求1所述的平台，其特征在于，所述事件信息系统，包括：
故障等级确定模块，用于根据所述故障诊断结果和设备信息查找预确定的故障等级表，确定故障等级；
检修建议确定模块，用于根据所述故障诊断结果和设备信息查找预确定的检修规则库，确定检修建议。
6.根据权利要求1所述的平台，其特征在于，还包括：云计算子平台，用于：
根据传感器历史运行数据和电子控制器历史运行数据对预构建的神经网络模型进行训练，得到数据模型；
根据待检测执行机构的待检测设备信息确定物理平衡方程，根据所述待检测执行机构历史运行数据确定所述物理平衡方程的常量信息；
根据所述物理平衡方程以及常量信息，形成机理模型，并将所述待检测执行机构的待检测设备信息与机理模型进行关联；
根据数据模型和各所述机理模型确定混合驱动模型。
7.根据权利要求6所述的平台，其特征在于，所述数据采集系统，还用于：在满足数据上传条件时，将所述系统运行数据发送给云计算子平台。
8.根据权利要求6所述的平台，其特征在于，所述事件信息系统还用于：
在所述故障诊断结果为故障类型时，对所述系统运行数据进行故障标识；
接收用户输入的检修确认结果；
将故障标识后的系统运行数据和对应的检修确认结果发送给云计算子平台。
9.根据权利要求7或8所述的平台，其特征在于，所述云计算子平台，还用于：在满足模型更新条件时，根据所接收的系统运行数据对所述混合驱动模型进行更新。
10.一种燃气轮机控制系统综合诊断方法，其特征在于，由权利要求1-9任一项所述的燃气轮机控制系统综合诊断平台执行，包括：
电厂诊断子平台中的数据采集系统采集系统运行数据并发送给故障诊断系统，所述系统运行数据至少包括传感器运行数据、执行机构运行数据和电子控制器运行数据；
电厂诊断子平台中的故障诊断系统根据所接收的系统运行数据结合预构建的混合驱动模型确定故障诊断结果，并确定执行机构的设备信息，将所述故障诊断结果和设备信息发送给事件信息系统；
电厂诊断子平台中的事件信息系统根据所述故障诊断结果和设备信息确定故障等级和检修建议，并对所述故障等级和检修建议进行展示；
其中，故障诊断系统包括：第一诊断模块、设备信息确定模块、第二诊断模块、诊断结果确定模块和信息发送模块；
相应的，电厂诊断子平台中的故障诊断系统根据所接收的系统运行数据结合预构建的混合驱动模型确定故障诊断结果，并确定执行机构的设备信息，将所述故障诊断结果和设备信息发送给事件信息系统，包括：
第一诊断模块将所述系统运行数据中的传感器运行数据和电子控制器运行数据输入到混合驱动模型的数据模型中，根据所述数据模型的输出结果确定第一诊断结果及第一概率；
设备信息确定模块根据所述执行机构运行数据对应的执行机构的机构标识确定所述执行机构的设备信息；
第二诊断模块通过所述设备信息和混合驱动模型的机理模型对所述系统运行数据中的执行机构运行数据进行处理，根据所述机理模型的输出结果确定第二诊断结果及第二概率；
诊断结果确定模块对所述第一诊断结果、第一概率、第二诊断结果和第二概率进行综合分析，确定故障诊断结果；
信息发送模块将所述故障诊断结果和设备信息发送给所述事件信息系统。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111233610.2A CN114035537B (zh) | 2021-10-22 | 2021-10-22 | 一种燃气轮机控制系统综合诊断平台及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111233610.2A CN114035537B (zh) | 2021-10-22 | 2021-10-22 | 一种燃气轮机控制系统综合诊断平台及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114035537A CN114035537A (zh) | 2022-02-11 |
| CN114035537B true CN114035537B (zh) | 2024-03-01 |
Family
ID=80135200
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111233610.2A Active CN114035537B (zh) | 2021-10-22 | 2021-10-22 | 一种燃气轮机控制系统综合诊断平台及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114035537B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114595271B (zh) * | 2022-02-24 | 2022-12-13 | 北京中数睿智科技有限公司 | 一种大数据挖掘方法及系统 |
| CN115237181B (zh) * | 2022-08-19 | 2023-04-18 | 中国人民解放军海军工程大学 | 燃气轮机温度监控及故障模拟系统 |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6519552B1 (en) * | 1999-09-15 | 2003-02-11 | Xerox Corporation | Systems and methods for a hybrid diagnostic approach of real time diagnosis of electronic systems |
| JP2007286924A (ja) * | 2006-04-17 | 2007-11-01 | Fuji Xerox Co Ltd | 故障診断モデル生成装置、故障診断モデル生成方法、故障診断システム、及び、故障診断方法 |
| WO2010051128A1 (en) * | 2008-10-31 | 2010-05-06 | General Electric Company | System and method for article monitoring |
| EP2853972A2 (en) * | 2013-09-30 | 2015-04-01 | YPF Tecnologia S.A. | Device and method for detection and/or diagnosis of faults in a process, equipment and sensors |
| CN110598736A (zh) * | 2019-08-06 | 2019-12-20 | 西安理工大学 | 一种电力设备红外图像故障定位、识别与预测方法 |
| CN111650921A (zh) * | 2020-05-20 | 2020-09-11 | 国网江苏省电力有限公司泰州供电分公司 | 一种智能电网调控控制系统设备故障诊断方法及系统 |
| CN211554733U (zh) * | 2020-02-10 | 2020-09-22 | 上海工业自动化仪表研究院有限公司 | 燃气轮机控制系统的故障诊断与容错控制装置 |
| CN111857098A (zh) * | 2020-07-27 | 2020-10-30 | 华北电力大学 | 基于信息统计分析的燃气轮机电动执行器的故障诊断方法 |
| CN112346941A (zh) * | 2019-08-08 | 2021-02-09 | 北京国双科技有限公司 | 一种故障诊断方法及装置 |
| KR20210061517A (ko) * | 2019-11-19 | 2021-05-28 | 한국생산기술연구원 | 머신러닝에 의해 생성된 가상 데이터를 이용한 고장 진단 방법 및 장치 |
| CN213634198U (zh) * | 2020-09-15 | 2021-07-06 | 上海工业自动化仪表研究院有限公司 | 燃气轮机电子控制器故障自诊断装置 |
| EP3865963A1 (en) * | 2020-02-14 | 2021-08-18 | Mobility Asia Smart Technology Co. Ltd. | Method and device for analyzing vehicle failure |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8720258B2 (en) * | 2012-09-28 | 2014-05-13 | United Technologies Corporation | Model based engine inlet condition estimation |
-
2021
- 2021-10-22 CN CN202111233610.2A patent/CN114035537B/zh active Active
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6519552B1 (en) * | 1999-09-15 | 2003-02-11 | Xerox Corporation | Systems and methods for a hybrid diagnostic approach of real time diagnosis of electronic systems |
| JP2007286924A (ja) * | 2006-04-17 | 2007-11-01 | Fuji Xerox Co Ltd | 故障診断モデル生成装置、故障診断モデル生成方法、故障診断システム、及び、故障診断方法 |
| WO2010051128A1 (en) * | 2008-10-31 | 2010-05-06 | General Electric Company | System and method for article monitoring |
| EP2853972A2 (en) * | 2013-09-30 | 2015-04-01 | YPF Tecnologia S.A. | Device and method for detection and/or diagnosis of faults in a process, equipment and sensors |
| CN110598736A (zh) * | 2019-08-06 | 2019-12-20 | 西安理工大学 | 一种电力设备红外图像故障定位、识别与预测方法 |
| CN112346941A (zh) * | 2019-08-08 | 2021-02-09 | 北京国双科技有限公司 | 一种故障诊断方法及装置 |
| KR20210061517A (ko) * | 2019-11-19 | 2021-05-28 | 한국생산기술연구원 | 머신러닝에 의해 생성된 가상 데이터를 이용한 고장 진단 방법 및 장치 |
| CN211554733U (zh) * | 2020-02-10 | 2020-09-22 | 上海工业自动化仪表研究院有限公司 | 燃气轮机控制系统的故障诊断与容错控制装置 |
| EP3865963A1 (en) * | 2020-02-14 | 2021-08-18 | Mobility Asia Smart Technology Co. Ltd. | Method and device for analyzing vehicle failure |
| CN111650921A (zh) * | 2020-05-20 | 2020-09-11 | 国网江苏省电力有限公司泰州供电分公司 | 一种智能电网调控控制系统设备故障诊断方法及系统 |
| CN111857098A (zh) * | 2020-07-27 | 2020-10-30 | 华北电力大学 | 基于信息统计分析的燃气轮机电动执行器的故障诊断方法 |
| CN213634198U (zh) * | 2020-09-15 | 2021-07-06 | 上海工业自动化仪表研究院有限公司 | 燃气轮机电子控制器故障自诊断装置 |
Non-Patent Citations (4)
| Title |
|---|
| 基于深度学习的飞机故障诊断系统关键技术研究;唐启东;刘清平;刘文娟;;航空维修与工程(第10期) * |
| 孔庆春 ; 肖明清 ; 齐晓林 ; .基于1553B总线的航电故障诊断专家系统的设计.火炮发射与控制学报.2009,(03),全文. * |
| 李在成 ; 赵德安 ; 武斌 ; 蒋佳琳 ; .基于PLC及FTA的柔性涂装输送线故障诊断研究.信息技术.2016,(09),全文. * |
| 蚁群优化BP神经网络的电机故障诊断设计与实现;谢辅雯;;制造业自动化(第10期) * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114035537A (zh) | 2022-02-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114035537B (zh) | 一种燃气轮机控制系统综合诊断平台及方法 | |
| US8914149B2 (en) | Platform health monitoring system | |
| CN104390657B (zh) | 一种发电机组运行参数测量传感器故障诊断方法及系统 | |
| CN110515351B (zh) | 异常检测器 | |
| CN1854706B (zh) | 诊断机器的方法和系统 | |
| EP3055747B1 (en) | Correlation and annotation of time series data sequences to extracted or existing discrete data | |
| US7395188B1 (en) | System and method for equipment life estimation | |
| RU2313815C2 (ru) | Устройство и способ для контроля технической установки, содержащей множество систем, в частности установки электростанции | |
| JP2009053938A (ja) | 複数モデルに基づく設備診断システム及びその設備診断方法 | |
| US7933754B2 (en) | System and method for damage propagation estimation | |
| CN102681527B (zh) | 用于监测飞行器的飞行控制致动器的系统、方法及飞行器 | |
| EP3055746B1 (en) | Correlation and annotation of time series data sequences to extracted or existing discrete data | |
| WO2013034420A1 (en) | Condition monitoring of a system containing a feedback controller | |
| CN107462425B (zh) | 一种车载装备系统的故障预测方法及故障预测平台 | |
| US20090326784A1 (en) | Methods and Apparatuses For Monitoring A System | |
| KR20180010634A (ko) | 엘리베이터의 고장 예측 시스템 | |
| CN101799365A (zh) | 飞行器气动控制阀的性能监测和预报 | |
| JPH08202444A (ja) | 機械設備の異常診断方法および装置 | |
| KR102343752B1 (ko) | 프로세스 장치에서 전체 프로세스 섹션의 상태를 자동 모니터링하고 측정하는 컴퓨터 실행 방법 및 시스템 | |
| JP2008511922A (ja) | システムモニタリングモデルの更新用システム、デバイス、及び方法 | |
| CN103499921A (zh) | 变结构模糊系统传感器故障诊断方法及其在飞控系统的应用 | |
| CN107678416A (zh) | 用于监控工程设施的运行的诊断装置和方法 | |
| WO2014117967A1 (en) | Method and apparatus for deriving diagnostic data about a technical system | |
| EP2722823A2 (en) | Platform health monitoring system | |
| JP2020187516A (ja) | 異常診断装置及び方法 |
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 |