CN114442543A - 一种适用于水电站故障预警的计算机监测方法 - Google Patents
一种适用于水电站故障预警的计算机监测方法 Download PDFInfo
- Publication number
- CN114442543A CN114442543A CN202111270282.3A CN202111270282A CN114442543A CN 114442543 A CN114442543 A CN 114442543A CN 202111270282 A CN202111270282 A CN 202111270282A CN 114442543 A CN114442543 A CN 114442543A
- Authority
- CN
- China
- Prior art keywords
- data
- fault
- hydropower station
- early warning
- monitoring
- 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 82
- 238000000034 method Methods 0.000 title claims abstract description 49
- 238000003745 diagnosis Methods 0.000 claims abstract description 36
- 238000004458 analytical method Methods 0.000 claims abstract description 29
- 238000012549 training Methods 0.000 claims abstract description 10
- 238000007781 pre-processing Methods 0.000 claims abstract description 7
- 238000012360 testing method Methods 0.000 claims description 14
- 238000004891 communication Methods 0.000 claims description 10
- 238000009826 distribution Methods 0.000 claims description 7
- 230000008569 process Effects 0.000 claims description 7
- 238000001514 detection method Methods 0.000 claims description 6
- 238000010276 construction Methods 0.000 claims description 4
- 230000002159 abnormal effect Effects 0.000 claims description 3
- 230000008859 change Effects 0.000 claims description 3
- 238000004140 cleaning Methods 0.000 claims description 3
- 238000013500 data storage Methods 0.000 claims description 3
- 238000013139 quantization Methods 0.000 claims description 3
- 238000013024 troubleshooting Methods 0.000 claims description 2
- 230000008901 benefit Effects 0.000 description 4
- 238000004088 simulation Methods 0.000 description 4
- 238000013461 design Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
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
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
- G05B19/05—Programmable logic controllers, e.g. simulating logic interconnections of signals according to ladder diagrams or function charts
- G05B19/058—Safety, monitoring
-
- 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
- G05B2219/10—Plc systems
- G05B2219/14—Plc safety
- G05B2219/14006—Safety, monitoring in general
Abstract
本发明公开了一种适用于水电站故障预警的计算机监测方法，包括：采集水电站监测的历史运行数据以及实时运行数据，预处理所述数据，并将预处理后的数据分类存储于数据库中；提取所述历史运行数据中的特征数据，利用所述特征数据对构建的故障分析诊断模型进行训练；将所述实时运行数据输入到训练好的故障分析诊断模型中，输出故障分析诊断结果，并对所述故障信息进行实时预警，实现水电站故障信息的实时监测。本发明通过计算机监控系统实时监测水电站运行状态数据，能够根据运行状态数据诊断故障并对故障进行预警，从而提高了故障诊断的效率，继而提高了水电站运行的安全性及可靠性。
Description
技术领域
本发明涉及水电站安全管理、故障监控的技术领域，尤其涉及一种适用于水 电站故障预警的计算机监测方法。
背景技术
近年来，新建的大中型水电站已基本采用计算机监控系统。采用水电站发电 监控系统，能够对水电站的各种设备信息进行采集、处理，实现自动监视、控制、 调节和保护，从而保证水电站设备充分利用水能安全稳定的运行，实现无人值守 或少人值守。具体来说，有如下优点：减员增效，改革水电站值班方式；优化运 行，提高水电站发电效益；竞价上网，争取水电站上网机会；简化设计，改变水 电站设计模式。
在水电站的运行中，数据通信被广泛使用，而且在水电站计算机监控系统中 占有相当重要的位置。水电站中的计算机监控系统通常是分布式系统，分为电站 主控层、通信网络层和面向控制对象的现地控制单元。现地控制单元保存水电站 设备的运行状态、运行参数的能力较弱，数据查询能力也较弱。通常的做法是通 过计算机数据通信，将现地控制单元设备的运行状态、运行参数传输到电站主控 层的上位计算机并打印出来。同时，上位机对现地控制单元的控制指令、优化运 行指令通过计算机数据通信传送到现地控制单元中，由现地控制单元执行完成。 计算机数据通信具有如下优点：信息共享；使现地控制单元具有最佳性能；可 以共享硬件设备；远距离通信。
如上所述，随着电子技术的发展、数字通讯技术的推广应用，电力系统的工 程监测自动化已全面展开。目前水电站监测项目如变形、渗流、应力应变等内观 测量均实现了自动化监测，在大坝的竣工阶段就逐步实现监测系统自动化建设 和集中调试。但是目前的水电站安全监测自动化系统在运行过程中，大多是设定 相应监测参数的预警阈值或者预警范围，一旦超出预警阈值或者预警范围就发 出预警信息，而监测人员需根据预警信息，调取相应的监测参数来人工分析预警 原因以及监测参数对应的故障因素，这样的诊断方式依赖于人工的经验判断，实 际实施过程中不够方便、智能，须待改进。
发明内容
本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳 实施例。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省 略以避免使本部分、说明书摘要和发明名称的目的模糊，而这种简化或省略不能 用于限制本发明的范围。
鉴于上述现有存在的问题，提出了本发明。
因此，本发明解决的技术问题是：现有诊断方式依赖于人工的经验判断，实 际实施过程中不够便捷、智能，从而导致水电站运行的安全可靠性低。
为解决上述技术问题，本发明提供如下技术方案：采集水电站监测的历史运 行数据以及实时运行数据，预处理所述数据，并将预处理后的数据分类存储于数 据库中；提取所述历史运行数据中的特征数据，利用所述特征数据对构建的故障 分析诊断模型进行训练；将所述实时运行数据输入到训练好的故障分析诊断模 型中，输出故障分析诊断结果，并对所述故障信息进行实时预警，实现水电站故 障信息的实时监测。
作为本发明所述的适用于水电站故障预警的计算机监测方法的一种优选方 案，其中：所述历史运行数据以及实时运行数据的监测采集系统包括自主可控的 水电站计算机监控系统软件以及与所述水电站计算机监控系统软件相连接的监 测传感器。
作为本发明所述的适用于水电站故障预警的计算机监测方法的一种优选方 案，其中：所述水电站监测数据采集过程包括，在所述水电站安装监测传感器、 测量模块和网络交换机的PLC控制器；所述PLC控制器通过所述测量模块获取 所述监测传感器的传感数据，所述PLC控制器再通过所述网络交换机上传水电 站基础监测数据；所述水电站监测数据集包括所述监测传感器的传感数据、监测 传感器和PLC控制器内各器件之间的通讯参数以及监测传感器和PLC控制器内 各器件的工作参数。
作为本发明所述的适用于水电站故障预警的计算机监测方法的一种优选方 案，其中：所述数据预处理包括，清洗空缺值、格式内容、逻辑错误、非需求信 息；对所述运行数据进行特征构造、数据分级及数据量化；对变换后的运行数据 进行数据统计，将数据合并到统一的数据存储中；采用基于聚类的离群样本检测 策略对数据样本中仍可能出现异常的样本进行检测剔除。
作为本发明所述的适用于水电站故障预警的计算机监测方法的一种优选方 案，其中：利用RANSAC算法提取所述历史运行数据中的特征数据。
作为本发明所述的适用于水电站故障预警的计算机监测方法的一种优选方 案，其中：所述故障分析诊断模型的建立包括，获取分类存储于数据库中的特征 数据；根据所述特征数据建立所述故障分析诊断模型；将所述历史运行特征数据 分为训练集和测试集对所述故障分析诊断模型进行训练和更改，得到最终的故 障分析诊断模型；所述训练集和测试集的分配比例为7:3。
作为本发明所述的适用于水电站故障预警的计算机监测方法的一种优选方 案，其中：利用配准算法将输出的故障分析诊断结果与数据库中故障信息进行匹 配，得到故障类型。
作为本发明所述的适用于水电站故障预警的计算机监测方法的一种优选方 案，其中：将所述故障类型分为两个不同预警等级：一级预警为需要人工进行故 障检修的故障因素；其他故障因素定义为二级预警；其中每个故障因素对应唯一 的分类编码。
本发明的有益效果：本发明通过计算机监控系统实时监测水电站运行状态 数据，能够根据运行状态数据诊断故障并对故障进行预警，从而提高了故障诊断 的效率，继而提高了水电站运行的安全性及可靠性。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需 要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一 些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还 可以根据这些附图获得其它的附图。其中：
图1为本发明一个实施例提供的一种适用于水电站故障预警的计算机监测 方法的基本流程示意图；
图2为本发明一个实施例提供的一种适用于水电站故障预警的计算机监测 方法的恒定失效率指数分布示意图；
图3为本发明一个实施例提供的一种适用于水电站故障预警的计算机监测 方法的周期性检测的潜在故障的不可用度示意图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合说明书附 图对本发明的具体实施方式做详细的说明，显然所描述的实施例是本发明的一 部分实施例，而不是全部实施例。基于本发明中的实施例，本领域普通人员在没 有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明的保护 的范围。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是本发明 还可以采用其他不同于在此描述的其它方式来实施，本领域技术人员可以在不 违背本发明内涵的情况下做类似推广，因此本发明不受下面公开的具体实施例 的限制。
其次，此处所称的“一个实施例”或“实施例”是指可包含于本发明至少 一个实现方式中的特定特征、结构或特性。在本说明书中不同地方出现的“在一 个实施例中”并非均指同一个实施例，也不是单独的或选择性的与其他实施例 互相排斥的实施例。
本发明结合示意图进行详细描述，在详述本发明实施例时，为便于说明，表 示器件结构的剖面图会不依一般比例作局部放大，而且所述示意图只是示例，其 在此不应限制本发明保护的范围。此外，在实际制作中应包含长度、宽度及深度 的三维空间尺寸。
同时在本发明的描述中，需要说明的是，术语中的“上、下、内和外”等指 示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本 发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以 特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一、 第二或第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。
本发明中除非另有明确的规定和限定，术语“安装、相连、连接”应做广义 理解，例如：可以是固定连接、可拆卸连接或一体式连接；同样可以是机械连接、 电连接或直接连接，也可以通过中间媒介间接相连，也可以是两个元件内部的连 通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的 具体含义。
实施例1
参照图1～3，为本发明的一个实施例，提供了一种适用于水电站故障预警的 计算机监测方法，包括：
S1：采集水电站监测的历史运行数据以及实时运行数据，预处理数据，并将 预处理后的数据分类存储于数据库中；
需要说明的是，历史运行数据以及实时运行数据的监测采集系统包括自主 可控的水电站计算机监控系统软件以及与水电站计算机监控系统软件相连接的 监测传感器。
进一步的，水电站监测数据采集过程包括：
在水电站安装监测传感器、测量模块和网络交换机的PLC控制器；
PLC控制器通过测量模块获取监测传感器的传感数据，PLC控制器再通过 网络交换机上传水电站基础监测数据；
水电站监测数据集包括监测传感器的传感数据、监测传感器和PLC控制器 内各器件之间的通讯参数以及监测传感器和PLC控制器内各器件的工作参数。
数据预处理包括:
清洗空缺值、格式内容、逻辑错误、非需求信息；
对运行数据进行特征构造、数据分级及数据量化；
对变换后的运行数据进行数据统计，将数据合并到统一的数据存储中；
采用基于聚类的离群样本检测策略对数据样本中仍可能出现异常的样本进 行检测剔除。
其中，所采集的数据按照不同的故障影响因素进行划分。
S2：提取历史运行数据中的特征数据，利用特征数据对构建的故障分析诊断 模型进行训练；
需要说明的是，利用RANSAC算法提取历史运行数据中的特征数据，具体 的部分程序代码为：
进一步的，故障分析诊断模型的建立包括：
获取分类存储于数据库中的特征数据；
根据特征数据建立故障分析诊断模型；
将历史运行特征数据分为训练集和测试集对故障分析诊断模型进行训练和 更改，得到最终的故障分析诊断模型；
训练集和测试集的分配比例为7：3。
其中，故障分析诊断模型所涉及的算法故障树分析算法，具体的，对于满足 恒定失效率指数分布的元器件，其不可用度和失效频率可用下面的公式计算：
Q(t)＝1-e-λt
w(t)＝λ(1-Q(t))
其中，Q(t)表示不可用度，w(t)是失效频率，λ是失效率，指数分布描述独立 事件时间间隔的概率分布，Q(t)表示在t时间内元器件发生失效的概率，也是元 器件在t时刻不可用的概率，其表示如图2所示。
进一步的，周期性检测的潜在故障的不可用度：假设检测周期为τ。如果没 有任何检测，τ就是产品的生命周期时间，其计算公式为：
Qmax＝1-e-λτ
因为潜在故障在τ时刻会被检测，超过τ时刻，潜在故障的概率又会从0开始， 平滑曲线就是检测周期为τ的潜在故障的不可用度的曲线。
S3：将实时运行数据输入到训练好的故障分析诊断模型中，输出故障分析诊 断结果，并对故障信息进行实时预警，实现水电站故障信息的实时监测。
需要说明的是，将故障类型分为两个不同预警等级：
一级预警为需要人工进行故障检修的故障因素；
其他故障因素定义为二级预警；
其中每个故障因素对应唯一的分类编码。
进一步的，利用配准算法将输出的故障分析诊断结果与数据库中故障信息 进行匹配，得到故障类型；
具体的，将故障信息转为图像坐标点形式，其中，配准算法的误差计算为：
其中，，
表示原始样本V1中的原始匹配点像素坐标，
表示Ii中 的匹配点坐标经过透视变换后的坐标值，Nc表示匹配点对数目。
实施例2
本实施例为本发明另一个实施例，该实施例不同于第一个实施例的是，提供 了一种适用于水电站故障预警的计算机监测方法的验证测试，为对本方法中采 用的技术效果加以验证说明，本实施例采用传统技术方案与本发明方法进行对 比测试，以科学论证的手段对比试验结果，以验证本方法所具有的真实效果。
传统的技术方案：现有诊断方式依赖于人工的经验判断，实际实施过程中不 够便捷、智能，从而导致水电站运行的安全可靠性低，为验证本方法相对传统方 法具有较高故障诊断准确率、效率以及运行安全性和可靠性。本实施例中将采用 传统人工诊断方法和本方法分别对仿真水电站的故障进行实时测量对比。
测试环境：在仿真平台模拟水电站的运行以及故障的发生，分别利用传统方 法的人工操作进行水电站故障测试并获得测试结果数据。采用本方法，则开启自 动化测试设备并运用MATLB软件编程实现本方法的仿真测试，根据实验结果得 到仿真数据，结果如下表所示。
表1：实验结果对比表。
从上表可以看出，本发明方法相较于传统方法具有更好的鲁棒性。
应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照 较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对 本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的精神和 范围，其均应涵盖在本发明的权利要求范围当中。
Claims (8)
1.一种适用于水电站故障预警的计算机监测方法，其特征在于，包括：
采集水电站监测的历史运行数据以及实时运行数据，预处理所述数据，并将预处理后的数据分类存储于数据库中；
提取所述历史运行数据中的特征数据，利用所述特征数据对构建的故障分析诊断模型进行训练；
将所述实时运行数据输入到训练好的故障分析诊断模型中，输出故障分析诊断结果，并对所述故障信息进行实时预警，实现水电站故障信息的实时监测。
2.如权利要求1所述的适用于水电站故障预警的计算机监测方法，其特征在于：所述历史运行数据以及实时运行数据的监测采集系统包括自主可控的水电站计算机监控系统软件以及与所述水电站计算机监控系统软件相连接的监测传感器。
3.如权利要求1或2所述的适用于水电站故障预警的计算机监测方法，其特征在于：所述水电站监测数据采集过程包括，
在所述水电站安装监测传感器、测量模块和网络交换机的PLC控制器；
所述PLC控制器通过所述测量模块获取所述监测传感器的传感数据，所述PLC控制器再通过所述网络交换机上传水电站基础监测数据；
所述水电站监测数据集包括所述监测传感器的传感数据、监测传感器和PLC控制器内各器件之间的通讯参数以及监测传感器和PLC控制器内各器件的工作参数。
4.如权利要求3所述的适用于水电站故障预警的计算机监测方法，其特征在于：所述数据预处理包括，
清洗空缺值、格式内容、逻辑错误、非需求信息；
对所述运行数据进行特征构造、数据分级及数据量化；
对变换后的运行数据进行数据统计，将数据合并到统一的数据存储中；
采用基于聚类的离群样本检测策略对数据样本中仍可能出现异常的样本进行检测剔除。
5.如权利要求4所述的适用于水电站故障预警的计算机监测方法，其特征在于：利用RANSAC算法提取所述历史运行数据中的特征数据。
6.如权利要求5所述的适用于水电站故障预警的计算机监测方法，其特征在于：所述故障分析诊断模型的建立包括，
获取分类存储于数据库中的特征数据；
根据所述特征数据建立所述故障分析诊断模型；
将所述历史运行特征数据分为训练集和测试集对所述故障分析诊断模型进行训练和更改，得到最终的故障分析诊断模型；
所述训练集和测试集的分配比例为7:3。
7.如权利要求6所述的适用于水电站故障预警的计算机监测方法，其特征在于：利用配准算法将输出的故障分析诊断结果与数据库中故障信息进行匹配，得到故障类型。
8.如权利要求7所述的适用于水电站故障预警的计算机监测方法，其特征在于：将所述故障类型分为两个不同预警等级：
一级预警为需要人工进行故障检修的故障因素；
其他故障因素定义为二级预警；
其中每个故障因素对应唯一的分类编码。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111270282.3A CN114442543A (zh) | 2021-10-29 | 2021-10-29 | 一种适用于水电站故障预警的计算机监测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111270282.3A CN114442543A (zh) | 2021-10-29 | 2021-10-29 | 一种适用于水电站故障预警的计算机监测方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114442543A true CN114442543A (zh) | 2022-05-06 |
Family
ID=81362697
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111270282.3A Pending CN114442543A (zh) | 2021-10-29 | 2021-10-29 | 一种适用于水电站故障预警的计算机监测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114442543A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115951170A (zh) * | 2022-12-16 | 2023-04-11 | 中国南方电网有限责任公司超高压输电公司广州局 | 输电线路故障监测方法、装置、计算机设备和存储介质 |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103745229A (zh) * | 2013-12-31 | 2014-04-23 | 北京泰乐德信息技术有限公司 | 一种基于svm的轨道交通故障诊断方法及系统 |
| CN105928710A (zh) * | 2016-04-15 | 2016-09-07 | 中国船舶工业系统工程研究院 | 一种柴油机故障监测方法 |
| CN106201828A (zh) * | 2016-07-18 | 2016-12-07 | 云南电网有限责任公司信息中心 | 一种基于数据挖掘的虚拟机故障检测方法和系统 |
| CN108830335A (zh) * | 2018-06-26 | 2018-11-16 | 广东石油化工学院 | 光伏电站故障预警方法及系统 |
| CN108875841A (zh) * | 2018-06-29 | 2018-11-23 | 国家电网有限公司 | 一种抽蓄机组振动趋势预测方法 |
| CN109292567A (zh) * | 2018-02-28 | 2019-02-01 | 武汉大学 | 一种基于bp神经网络的电梯故障预测方法 |
| CN109586239A (zh) * | 2018-12-10 | 2019-04-05 | 国网四川省电力公司电力科学研究院 | 智能变电站实时诊断及故障预警方法 |
| WO2019224539A1 (en) * | 2018-05-22 | 2019-11-28 | Neuville Grid Data Management Limited | Methods and apparatus for the sensing, collecting, transmission, storage, and dissemination of high-resolution power grid electrical measurement data |
| CN111628570A (zh) * | 2020-04-20 | 2020-09-04 | 国电大渡河流域水电开发有限公司 | 水电站安全监测故障诊断方法及系统 |
| CN112803592A (zh) * | 2021-01-13 | 2021-05-14 | 广东省电力开发有限公司 | 一种适用于分布式电站的智能故障预警方法及系统 |
| CN113077172A (zh) * | 2021-04-19 | 2021-07-06 | 瑞湖智科数据(苏州)有限公司 | 一种设备状态趋势分析及故障诊断方法 |
| CN113466627A (zh) * | 2021-07-09 | 2021-10-01 | 广东电网有限责任公司广州供电局 | 一种适用于恶劣天气引起的电网故障预测方法 |
-
2021
- 2021-10-29 CN CN202111270282.3A patent/CN114442543A/zh active Pending
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103745229A (zh) * | 2013-12-31 | 2014-04-23 | 北京泰乐德信息技术有限公司 | 一种基于svm的轨道交通故障诊断方法及系统 |
| CN105928710A (zh) * | 2016-04-15 | 2016-09-07 | 中国船舶工业系统工程研究院 | 一种柴油机故障监测方法 |
| CN106201828A (zh) * | 2016-07-18 | 2016-12-07 | 云南电网有限责任公司信息中心 | 一种基于数据挖掘的虚拟机故障检测方法和系统 |
| CN109292567A (zh) * | 2018-02-28 | 2019-02-01 | 武汉大学 | 一种基于bp神经网络的电梯故障预测方法 |
| WO2019224539A1 (en) * | 2018-05-22 | 2019-11-28 | Neuville Grid Data Management Limited | Methods and apparatus for the sensing, collecting, transmission, storage, and dissemination of high-resolution power grid electrical measurement data |
| CN108830335A (zh) * | 2018-06-26 | 2018-11-16 | 广东石油化工学院 | 光伏电站故障预警方法及系统 |
| CN108875841A (zh) * | 2018-06-29 | 2018-11-23 | 国家电网有限公司 | 一种抽蓄机组振动趋势预测方法 |
| CN109586239A (zh) * | 2018-12-10 | 2019-04-05 | 国网四川省电力公司电力科学研究院 | 智能变电站实时诊断及故障预警方法 |
| CN111628570A (zh) * | 2020-04-20 | 2020-09-04 | 国电大渡河流域水电开发有限公司 | 水电站安全监测故障诊断方法及系统 |
| CN112803592A (zh) * | 2021-01-13 | 2021-05-14 | 广东省电力开发有限公司 | 一种适用于分布式电站的智能故障预警方法及系统 |
| CN113077172A (zh) * | 2021-04-19 | 2021-07-06 | 瑞湖智科数据(苏州)有限公司 | 一种设备状态趋势分析及故障诊断方法 |
| CN113466627A (zh) * | 2021-07-09 | 2021-10-01 | 广东电网有限责任公司广州供电局 | 一种适用于恶劣天气引起的电网故障预测方法 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115951170A (zh) * | 2022-12-16 | 2023-04-11 | 中国南方电网有限责任公司超高压输电公司广州局 | 输电线路故障监测方法、装置、计算机设备和存储介质 |
| CN115951170B (zh) * | 2022-12-16 | 2024-04-02 | 中国南方电网有限责任公司超高压输电公司广州局 | 输电线路故障监测方法、装置、计算机设备和存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110320892A (zh) | 基于Lasso回归的污水处理设备故障诊断系统及方法 | |
| CN111461555A (zh) | 一种生产线质量监测方法、装置及系统 | |
| CN104200396A (zh) | 一种风力发电机部件故障预警方法 | |
| CN111754020A (zh) | 基于数据分析的智能电厂设备巡检系统及方法 | |
| CN111581597A (zh) | 基于自组织核回归模型的风电机组齿轮箱轴承温度状态监测方法 | |
| CN101799674A (zh) | 一种数控装备服役状态分析方法 | |
| CN115614292B (zh) | 一种立式水泵机组振动监测装置及其方法 | |
| CN113780375A (zh) | 一种基于数字孪生的虚实交互风电场风力监测系统及应用 | |
| CN115453267A (zh) | 一种电力信息系统故障诊断系统 | |
| CN114442543A (zh) | 一种适用于水电站故障预警的计算机监测方法 | |
| CN111367909A (zh) | 一种智能制造设备的健康管理方法及系统 | |
| CN110033102A (zh) | 一种巨型水电厂具有学习功能的智能诊断方法及专家系统 | |
| CN112926656A (zh) | 一种核电厂循环水泵状态预测方法、系统及设备 | |
| CN111242329A (zh) | 一种港口起重机传动部件大数据监控系统及监控方法 | |
| CN208431106U (zh) | 风电机组偏航系统在线监测机构 | |
| US11339763B2 (en) | Method for windmill farm monitoring | |
| CN211015603U (zh) | 一种港口起重机传动部件大数据监控系统 | |
| CN114065651A (zh) | 一种用于旋转类设备的故障时间预测方法 | |
| CN114417704A (zh) | 一种基于改进栈式自编码的风电机组发电机健康评估方法 | |
| CN112966358A (zh) | 一种基于数据修补的主动配电网状态感知方法 | |
| CN117560300B (zh) | 一种智能物联网流量预测与优化系统 | |
| CN113806351B (zh) | 一种火电机组发电数据异常值处理方法及装置 | |
| CN113323819B (zh) | 一种基于模糊专家系统的风机安全链故障分析方法及系统 | |
| CN117723917B (zh) | 基于光纤非本征法珀型超声波传感器的监测应用方法 | |
| CN113269435B (zh) | 一种新能源场站运行状态耦合监测评估系统 |
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 |