CN114819415B - 一种基于数据分析的电力设备故障预测系统 - Google Patents
一种基于数据分析的电力设备故障预测系统 Download PDFInfo
- Publication number
- CN114819415B CN114819415B CN202210732928.3A CN202210732928A CN114819415B CN 114819415 B CN114819415 B CN 114819415B CN 202210732928 A CN202210732928 A CN 202210732928A CN 114819415 B CN114819415 B CN 114819415B
- Authority
- CN
- China
- Prior art keywords
- power equipment
- important part
- condition data
- prediction
- time
- 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
Images
Classifications
-
- 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
- G06Q10/20—Administration of product repair or maintenance
-
- 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas or water supply
Abstract
本发明公开了一种基于数据分析的电力设备故障预测系统,涉及电力设备故障预测技术领域,解决了现有技术中,无法根据各个部位进行准确预测的技术问题,将电力设备的部位进行划分,以至于能够有针对性的进行预测以及维护,有利于提高了电力设备预测的准确效率,使其运行过程中的故障风险降低;将对应重要部位进行条件数据获取,条件数据包括部位运行温度以及运行时长,通过条件数据获取能够提高了重要部位检测准确性,也为电力设备预测提供数据依据,有利于增强电力设备预测的准确性;将各个重要部位的条件数据进行实时分析,通过条件数据的实时分析对重要部位的运行进行预测,提高了重要部位的运行准确性。
Description
技术领域
本发明涉及电力设备故障预测技术领域,具体为一种基于数据分析的电力设备故障预测系统。
背景技术
随着现代电力系统不断地向大型化、智能化的方向迅速发展,现代电力系统的系统元件和系统结构日趋多样化、复杂化,系统的故障或失效的潜在可能性不断攀升。而目前的电力系统故障领域的研究主要集中在监视当前系统运行状态,诊断系统是否出现故障以及故障定位;无法防止故障的发生,很难保障现代电力系统及其设备的安全、稳定、高效和可靠的运行。
但是在现有技术中,电力设备在预测过程中,无法根据各个部位进行准确预测,在无法保证电力设备运行效率的同时无法保证部位预测的准确性;同时不能够根据部位运行条件数据分析,以至于电力设备预测缺乏可靠性。
针对上述的技术缺陷,现提出一种解决方案。
发明内容
本发明的目的就在于为了解决上述提出的问题,而提出一种基于数据分析的电力设备故障预测系统,将电力设备的部位进行划分,以至于能够有针对性的进行预测以及维护,有利于提高了电力设备预测的准确效率,使其运行过程中的故障风险降低;将对应重要部位进行条件数据获取,条件数据包括部位运行温度以及运行时长,通过条件数据获取能够提高了重要部位检测准确性,也为电力设备预测提供数据依据,有利于增强电力设备预测的准确性;将各个重要部位的条件数据进行实时分析,通过条件数据的实时分析对重要部位的运行进行预测,提高了重要部位的运行准确性。
本发明的目的可以通过以下技术方案实现:
一种基于数据分析的电力设备故障预测系统,包括预测平台,预测平台连接有:
设备部位分析单元,用于将投入使用的电力设备进行部位分析,将电力设备的部位进行划分,将电力设备根据运行流程划分为i个设备部位,通过分析采集到各个设备部位的分析系数,通过分析系数比较将设备部位划分为重要部位和次要部位,并将重要部位和次要部位的编号发送至预测平台;
条件数据获取单元,用于将对应重要部位进行条件数据获取,条件数据包括部位运行温度以及运行时长,通过分析获取到各个重要部位的选中温度范围和选中时长范围,并将其标记为重要部位的条件数据,且将重要部位对应的条件数据发送至预测平台;
条件数据分析单元,用于将各个重要部位的条件数据进行实时分析,通过条件数据的实时分析对重要部位的运行进行预测,通过实时预测分析生成条件数据异常信号和条件数据正常信号,并将其发送至预测平台;
运行状态分析单元,用于将电力设备的重要部位进行运行状态分析,根据重要部位的运行状态进行电力设备预测,通过分析生成运行状态异常信号和运行状态正常信号,并将其发送至预测平台,预测平台接收到运行状态异常信号和运行状态正常信号后,生成预测故障报警信号和预测故障预警信号,并将其发送至管理人员的手机终端。
作为本发明的一种优选实施方式,设备部位分析单元的运行过程如下:
采集到电力设备内各个设备部位的运行频率以及对应设备部位的维护时长,并将电力设备内各个设备部位的运行频率以及对应设备部位的维护时长分别标记为PLi和SCi;采集到电力设备内各个设备部位故障时刻与维修时刻的最短间隔时长,并将电力设备内各个设备部位故障时刻与维修时刻的最短间隔时长标记为DJi;通过分析获取到电力设备内各个设备部位的分析系数Xi,将电力设备内各个设备部位的分析系数Xi与设备部位分析系数阈值进行比较:
若电力设备内各个设备部位的分析系数Xi超过设备部位分析系数阈值,则将对应设备部位标记为重要部位;若电力设备内各个设备部位的分析系数Xi未超过设备部位分析系数阈值,则将对应设备部位标记为次要部位;将重要部位和次要部位的编号发送至预测平台。
作为本发明的一种优选实施方式,条件数据获取单元的运行过程如下:
获取到电力设备的历史运行时间段,根据电力设备的单次运行周期将历史运行时间段划分为o个子时间段,且每个子时间段对应一个电力设备运行周期;若子时间段内电力设备内的重要部位未进行过停用维修操作,则将对应子时间段标记为正常运行子时间段;若子时间段内电力设备内的重要部位进行过停用维修操作,则将对应子时间段标记为异常运行子时间段;
采集到正常运行子时间段内的重要部位运行温度范围和运行时长范围,并将其分别标记为重要部位预设温度范围和预设时长范围,采集到异常运行子时间段内重要部位的运行温度值和运行时长值,若异常运行子时间段内重要部位的运行温度值未处于重要部位预设温度范围内,则将对应运行温度值标记为异常温度值;若异常运行子时间段内重要部位的运行时长值未处于重要部位预设时长范围内,则将对应运行时长值标记为异常时长值;根据异常运行子时间段的异常温度值和异常时长值分别获取到异常温度范围和异常时长范围;
通过重要部位预设温度范围和预设时长范围与异常温度范围和异常时长范围进行筛分,并将完成筛分的温度范围和时长范围标记为重要部位的选中温度范围和选中时长范围,同时将对应选中温度范围和选中时长范围标记为重要部位的条件数据,将重要部位对应的条件数据发送至预测平台。
作为本发明的一种优选实施方式,条件数据分析单元的运行过程如下:
将电力设备的重要部位进行分析,若重要部位的实时运行温度和实时运行时长未均对应处于选中温度范围和选中时长范围,则判定电力设备对应重要部位的条件数据未满足需求,生成条件数据异常信号并将条件数据异常信号发送至预测平台;若重要部位的实时运行温度和实时运行时长均对应处于选中温度范围和选中时长范围,则判定电力设备对应重要部位的条件数据满足需求,生成条件数据正常信号并将条件数据正常信号发送至预测平台。
作为本发明的一种优选实施方式,运行状态分析单元的运行过程如下:
采集到电力设备对应重要部位接收运行指令与执行运行指令的间隔时长以及对应电力设备重要部位的故障增长速度,并将电力设备对应重要部位接收运行指令与执行运行指令的间隔时长以及对应电力设备重要部位的故障增长速度分别与间隔时长阈值和故障增长速度阈值进行比较:
若电力设备对应重要部位接收运行指令与执行运行指令的间隔时长超过间隔时长阈值,或者对应电力设备重要部位的故障增长速度超过故障增长速度阈值,则判定对应重要部位的运行状态不合格,生成运行状态异常信号并将运行状态异常信号发送至预测平台;
若电力设备对应重要部位接收运行指令与执行运行指令的间隔时长未超过间隔时长阈值,且对应电力设备重要部位的故障增长速度未超过故障增长速度阈值,则判定对应重要部位的运行状态合格,生成运行状态正常信号并将运行状态正常信号发送至预测平台。
作为本发明的一种优选实施方式,预测平台接收到运行状态异常信号后,生成预测故障报警信号并将预测故障报警信号发送至管理人员的手机终端,管理人员接收到预测故障报警信号后将对应重要部位进行维修;预测平台接收到运行状态正常信号后,生成预测故障预警信号并将预测故障预警信号发送至管理人员的手机终端,管理人员接收到预测故障预警信号后将对应重要部位进行维护。
与现有技术相比,本发明的有益效果是:
本发明中,将电力设备的部位进行划分,以至于能够有针对性的进行预测以及维护,有利于提高了电力设备预测的准确效率,使其运行过程中的故障风险降低;将对应重要部位进行条件数据获取,条件数据包括部位运行温度以及运行时长,通过条件数据获取能够提高了重要部位检测准确性,也为电力设备预测提供数据依据,有利于增强电力设备预测的准确性;将各个重要部位的条件数据进行实时分析,通过条件数据的实时分析对重要部位的运行进行预测,提高了重要部位的运行准确性,同时能够对重要部位的运行合格性进行检测,保证电力设备的运行效率;将电力设备的重要部位进行运行状态分析,根据重要部位的运行状态进行电力设备预测,提高了电力设备预测的准确性。
附图说明
为了便于本领域技术人员理解,下面结合附图对本发明作进一步的说明。
图1为本发明一种基于数据分析的电力设备故障预测系统的原理框图。
具体实施方式
下面将结合实施例对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
请参阅图1所示,一种基于数据分析的电力设备故障预测系统,包括预测平台,预测平台通讯连接有设备部位分析单元、条件数据获取单元、条件数据分析单元以及运行状态分析单元,其中,设备部位分析单元、条件数据获取单元、条件数据分析单元以及运行状态分析单元与预测平台均为双向通讯连接;
预测平台生成设备部位分析信号并将设备部位分析信号发送至设备部位分析单元,设备部位分析单元接收到设备部位分析信号后,将投入使用的电力设备进行部位分析,将电力设备的部位进行划分,以至于能够有针对性的进行预测以及维护,有利于提高了电力设备预测的准确效率,使其运行过程中的故障风险降低;
将电力设备根据运行流程划分为i个设备部位,i为大于1的自然数,采集到电力设备内各个设备部位的运行频率以及对应设备部位的维护时长,并将电力设备内各个设备部位的运行频率以及对应设备部位的维护时长分别标记为PLi和SCi;采集到电力设备内各个设备部位故障时刻与维修时刻的最短间隔时长,并将电力设备内各个设备部位故障时刻与维修时刻的最短间隔时长标记为DJi;
将电力设备内各个设备部位的分析系数Xi与设备部位分析系数阈值进行比较:
若电力设备内各个设备部位的分析系数Xi超过设备部位分析系数阈值,则将对应设备部位标记为重要部位;若电力设备内各个设备部位的分析系数Xi未超过设备部位分析系数阈值,则将对应设备部位标记为次要部位;
将重要部位和次要部位的编号发送至预测平台;
预测平台接收到重要部位和次要部位的编号后,生成条件数据获取信号并将条件数据获取信号发送至条件数据获取单元,条件数据获取单元接收到条件数据获取信号后,将对应重要部位进行条件数据获取,条件数据包括部位运行温度以及运行时长,通过条件数据获取能够提高了重要部位检测准确性,也为电力设备预测提供数据依据,有利于增强电力设备预测的准确性;
获取到电力设备的历史运行时间段,根据电力设备的单次运行周期将历史运行时间段划分为o个子时间段,且每个子时间段对应一个电力设备运行周期;若子时间段内电力设备内的重要部位未进行过停用维修操作,则将对应子时间段标记为正常运行子时间段;若子时间段内电力设备内的重要部位进行过停用维修操作,则将对应子时间段标记为异常运行子时间段;
采集到正常运行子时间段内的重要部位运行温度范围和运行时长范围,并将其分别标记为重要部位预设温度范围和预设时长范围,采集到异常运行子时间段内重要部位的运行温度值和运行时长值,若异常运行子时间段内重要部位的运行温度值未处于重要部位预设温度范围内,则将对应运行温度值标记为异常温度值;若异常运行子时间段内重要部位的运行时长值未处于重要部位预设时长范围内,则将对应运行时长值标记为异常时长值;根据异常运行子时间段的异常温度值和异常时长值分别获取到异常温度范围和异常时长范围;
通过重要部位预设温度范围和预设时长范围与异常温度范围和异常时长范围进行筛分,并将完成筛分的温度范围和时长范围标记为重要部位的选中温度范围和选中时长范围,同时将对应选中温度范围和选中时长范围标记为重要部位的条件数据,将重要部位对应的条件数据发送至预测平台;
预测平台接收到重要部位的条件数据后,生成条件数据分析信号并将条件数据分析信号发送至条件数据分析单元,条件数据分析单元接收到条件数据分析信号后,将各个重要部位的条件数据进行实时分析,通过条件数据的实时分析对重要部位的运行进行预测,提高了重要部位的运行准确性,同时能够对重要部位的运行合格性进行检测,保证电力设备的运行效率;
将电力设备的重要部位进行分析,若重要部位的实时运行温度和实时运行时长未均对应处于选中温度范围和选中时长范围,则判定电力设备对应重要部位的条件数据未满足需求,生成条件数据异常信号并将条件数据异常信号发送至预测平台;若重要部位的实时运行温度和实时运行时长均对应处于选中温度范围和选中时长范围,则判定电力设备对应重要部位的条件数据满足需求,生成条件数据正常信号并将条件数据正常信号发送至预测平台;
预测平台接收到条件数据异常信号后,生成运行状态分析信号并将运行状态分析信号发送至运行状态分析单元,运行状态分析单元接收到运行状态分析信号后,将电力设备的重要部位进行运行状态分析,根据重要部位的运行状态进行电力设备预测,提高了电力设备预测的准确性;
采集到电力设备对应重要部位接收运行指令与执行运行指令的间隔时长以及对应电力设备重要部位的故障增长速度,并将电力设备对应重要部位接收运行指令与执行运行指令的间隔时长以及对应电力设备重要部位的故障增长速度分别与间隔时长阈值和故障增长速度阈值进行比较:
若电力设备对应重要部位接收运行指令与执行运行指令的间隔时长超过间隔时长阈值,或者对应电力设备重要部位的故障增长速度超过故障增长速度阈值,则判定对应重要部位的运行状态不合格,生成运行状态异常信号并将运行状态异常信号发送至预测平台;预测平台接收到运行状态异常信号后,生成预测故障报警信号并将预测故障报警信号发送至管理人员的手机终端,管理人员接收到预测故障报警信号后将对应重要部位进行维修;
若电力设备对应重要部位接收运行指令与执行运行指令的间隔时长未超过间隔时长阈值,且对应电力设备重要部位的故障增长速度未超过故障增长速度阈值,则判定对应重要部位的运行状态合格,生成运行状态正常信号并将运行状态正常信号发送至预测平台,预测平台接收到运行状态正常信号后,生成预测故障预警信号并将预测故障预警信号发送至管理人员的手机终端,管理人员接收到预测故障预警信号后将对应重要部位进行维护。
上述公式均是采集大量数据进行软件模拟得出且选取与真实值接近的一个公式,公式中的系数是由本领域技术人员根据实际情况进行设置;
本发明在使用时,通过设备部位分析单元将投入使用的电力设备进行部位分析,将电力设备的部位进行划分,将电力设备根据运行流程划分为i个设备部位,通过分析采集到各个设备部位的分析系数,通过分析系数比较将设备部位划分为重要部位和次要部位,并将重要部位和次要部位的编号发送至预测平台;通过条件数据获取单元将对应重要部位进行条件数据获取,条件数据包括部位运行温度以及运行时长,通过分析获取到各个重要部位的选中温度范围和选中时长范围,并将其标记为重要部位的条件数据,且将重要部位对应的条件数据发送至预测平台;通过条件数据分析单元将各个重要部位的条件数据进行实时分析,通过条件数据的实时分析对重要部位的运行进行预测,通过实时预测分析生成条件数据异常信号和条件数据正常信号,并将其发送至预测平台;通过运行状态分析单元将电力设备的重要部位进行运行状态分析,根据重要部位的运行状态进行电力设备预测,通过分析生成运行状态异常信号和运行状态正常信号,并将其发送至预测平台,预测平台接收到运行状态异常信号和运行状态正常信号后,生成预测故障报警信号和预测故障预警信号,并将其发送至管理人员的手机终端。
以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节,也不限制该发明仅为的具体实施方式。显然,根据本说明书的内容,可作很多的修改和变化。本说明书选取并具体描述这些实施例,是为了更好地解释本发明的原理和实际应用,从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。
Claims (4)
1.一种基于数据分析的电力设备故障预测系统,包括预测平台,其特征在于,预测平台连接有:
设备部位分析单元,用于将投入使用的电力设备进行部位分析,将电力设备的部位进行划分,将电力设备根据运行流程划分为i个设备部位,通过分析采集到各个设备部位的分析系数,通过分析系数比较将设备部位划分为重要部位和次要部位,并将重要部位和次要部位的编号发送至预测平台;
条件数据获取单元,用于将对应重要部位进行条件数据获取,条件数据包括部位运行温度以及运行时长,通过分析获取到各个重要部位的选中温度范围和选中时长范围,并将其标记为重要部位的条件数据,且将重要部位对应的条件数据发送至预测平台;
条件数据分析单元,用于将各个重要部位的条件数据进行实时分析,通过条件数据的实时分析对重要部位的运行进行预测,通过实时预测分析生成条件数据异常信号和条件数据正常信号,并将其发送至预测平台;
运行状态分析单元,用于将电力设备的重要部位进行运行状态分析,根据重要部位的运行状态进行电力设备预测,通过分析生成运行状态异常信号和运行状态正常信号,并将其发送至预测平台,预测平台接收到运行状态异常信号和运行状态正常信号后,生成预测故障报警信号和预测故障预警信号,并将其发送至管理人员的手机终端;
采集到电力设备内各个设备部位的运行频率以及对应设备部位的维护时长,并将电力设备内各个设备部位的运行频率以及对应设备部位的维护时长分别标记为PLi和SCi;采集到电力设备内各个设备部位故障时刻与维修时刻的最短间隔时长,并将电力设备内各个设备部位故障时刻与维修时刻的最短间隔时长标记为DJi;通过分析获取到电力设备内各个设备部位的分析系数Xi,将电力设备内各个设备部位的分析系数Xi与设备部位分析系数阈值进行比较:若电力设备内各个设备部位的分析系数Xi超过设备部位分析系数阈值,则将对应设备部位标记为重要部位;若电力设备内各个设备部位的分析系数Xi未超过设备部位分析系数阈值,则将对应设备部位标记为次要部位;将重要部位和次要部位的编号发送至预测平台;
条件数据获取单元的运行过程如下:
获取到电力设备的历史运行时间段,根据电力设备的单次运行周期将历史运行时间段划分为o个子时间段,且每个子时间段对应一个电力设备运行周期;若子时间段内电力设备内的重要部位未进行过停用维修操作,则将对应子时间段标记为正常运行子时间段;若子时间段内电力设备内的重要部位进行过停用维修操作,则将对应子时间段标记为异常运行子时间段;
采集到正常运行子时间段内的重要部位运行温度范围和运行时长范围,并将其分别标记为重要部位预设温度范围和预设时长范围,采集到异常运行子时间段内重要部位的运行温度值和运行时长值,若异常运行子时间段内重要部位的运行温度值未处于重要部位预设温度范围内,则将对应运行温度值标记为异常温度值;若异常运行子时间段内重要部位的运行时长值未处于重要部位预设时长范围内,则将对应运行时长值标记为异常时长值;根据异常运行子时间段的异常温度值和异常时长值分别获取到异常温度范围和异常时长范围;
通过重要部位预设温度范围和预设时长范围与异常温度范围和异常时长范围进行筛分,并将完成筛分的温度范围和时长范围标记为重要部位的选中温度范围和选中时长范围,同时将对应选中温度范围和选中时长范围标记为重要部位的条件数据,将重要部位对应的条件数据发送至预测平台。
2.根据权利要求1所述的一种基于数据分析的电力设备故障预测系统,其特征在于,条件数据分析单元的运行过程如下:
将电力设备的重要部位进行分析,若重要部位的实时运行温度和实时运行时长未均对应处于选中温度范围和选中时长范围,则判定电力设备对应重要部位的条件数据未满足需求,生成条件数据异常信号并将条件数据异常信号发送至预测平台;若重要部位的实时运行温度和实时运行时长均对应处于选中温度范围和选中时长范围,则判定电力设备对应重要部位的条件数据满足需求,生成条件数据正常信号并将条件数据正常信号发送至预测平台。
3.根据权利要求1所述的一种基于数据分析的电力设备故障预测系统,其特征在于,运行状态分析单元的运行过程如下:
采集到电力设备对应重要部位接收运行指令与执行运行指令的间隔时长以及对应电力设备重要部位的故障增长速度,并将电力设备对应重要部位接收运行指令与执行运行指令的间隔时长以及对应电力设备重要部位的故障增长速度分别与间隔时长阈值和故障增长速度阈值进行比较:若电力设备对应重要部位接收运行指令与执行运行指令的间隔时长超过间隔时长阈值,或者对应电力设备重要部位的故障增长速度超过故障增长速度阈值,则判定对应重要部位的运行状态不合格,生成运行状态异常信号并将运行状态异常信号发送至预测平台;
若电力设备对应重要部位接收运行指令与执行运行指令的间隔时长未超过间隔时长阈值,且对应电力设备重要部位的故障增长速度未超过故障增长速度阈值,则判定对应重要部位的运行状态合格,生成运行状态正常信号并将运行状态正常信号发送至预测平台。
4.根据权利要求3所述的一种基于数据分析的电力设备故障预测系统,其特征在于,预测平台接收到运行状态异常信号后,生成预测故障报警信号并将预测故障报警信号发送至管理人员的手机终端,管理人员接收到预测故障报警信号后将对应重要部位进行维修;预测平台接收到运行状态正常信号后,生成预测故障预警信号并将预测故障预警信号发送至管理人员的手机终端,管理人员接收到预测故障预警信号后将对应重要部位进行维护。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210732928.3A CN114819415B (zh) | 2022-06-27 | 2022-06-27 | 一种基于数据分析的电力设备故障预测系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210732928.3A CN114819415B (zh) | 2022-06-27 | 2022-06-27 | 一种基于数据分析的电力设备故障预测系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114819415A CN114819415A (zh) | 2022-07-29 |
CN114819415B true CN114819415B (zh) | 2022-09-20 |
Family
ID=82523032
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210732928.3A Active CN114819415B (zh) | 2022-06-27 | 2022-06-27 | 一种基于数据分析的电力设备故障预测系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114819415B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115130702B (zh) * | 2022-09-02 | 2022-12-02 | 山东汇泓纺织科技有限公司 | 一种基于大数据分析的纺织机故障预测系统 |
CN115528810B (zh) * | 2022-09-28 | 2024-03-26 | 杭州集联科技有限公司 | 一种基于电力设备的测温数据运检分析管理系统 |
CN115372816B (zh) * | 2022-10-25 | 2023-01-24 | 华能辛店发电有限公司 | 基于数据分析的配电开关设备运行故障预测系统及方法 |
CN115600130B (zh) * | 2022-11-15 | 2023-03-07 | 山东锦弘纺织股份有限公司 | 一种基于数据分析的胶合板复合胶装设备运行管控系统 |
CN116011795B (zh) * | 2023-03-27 | 2023-08-01 | 国网山东省电力公司烟台供电公司 | 一种基于数据分析的分布式电源群调群控管理系统 |
CN117035725B (zh) * | 2023-08-02 | 2024-04-30 | 浙江熊创微电网科技有限公司 | 一种基于大数据的光伏电站智能管理系统 |
CN117078113B (zh) * | 2023-10-16 | 2024-04-02 | 超耐斯(深圳)新能源集团有限公司 | 一种基于数据分析的户外电池生产质量管理系统 |
CN117269655B (zh) * | 2023-11-17 | 2024-02-06 | 国网山东省电力公司东营供电公司 | 变电站电力设备温度异常监测方法、系统、终端及介质 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109781277A (zh) * | 2018-12-06 | 2019-05-21 | 安徽凯川电力保护设备有限公司 | 一种基于温度动态视图的电力设备监测方法 |
DE112019007899T5 (de) * | 2019-11-18 | 2022-09-01 | Movic Lab Inc. | System und Methode für die Vorhersage von Gerätefehler mittels akustischer Signale im Ultraschallfrequenzband |
MX2022008256A (es) * | 2020-01-02 | 2022-08-04 | Georgia Pacific Llc | Sistemas y metodos para la optimizacion de linea de produccion. |
CN113298278B (zh) * | 2020-02-19 | 2023-12-05 | 硕天科技股份有限公司 | 具有自我健康状态预测功能的电力设备及其自我健康状态预测方法以及云端服务器 |
CN111382542B (zh) * | 2020-02-26 | 2024-02-02 | 长安大学 | 一种面向全寿命周期的公路机电设备寿命预测系统 |
CN113758604B (zh) * | 2021-07-29 | 2022-12-06 | 湖南五凌电力科技有限公司 | 电气设备运行状态的检测方法、装置、设备及存储介质 |
CN114114003A (zh) * | 2021-11-29 | 2022-03-01 | 山东汇能电气有限公司 | 一种基于数据监测的断路器运行检测系统 |
-
2022
- 2022-06-27 CN CN202210732928.3A patent/CN114819415B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN114819415A (zh) | 2022-07-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114819415B (zh) | 一种基于数据分析的电力设备故障预测系统 | |
CN114137916B (zh) | 基于数据分析的电路板生产用监督管控系统 | |
CN111669123B (zh) | 用于对光伏组串进行故障诊断的方法和装置 | |
CN115102290A (zh) | 一种智能电网实时安全预警系统 | |
CN204269739U (zh) | 基于线路避雷器的雷击诊断及实时报警装置 | |
CN115473331B (zh) | 一种基于动态建模的数字孪生电网用电量监管系统 | |
CN115755738A (zh) | 矿用智能电力监控系统 | |
CN115497610A (zh) | 一种基于数据分析的医疗设备故障预测系统和方法 | |
CN114061770B (zh) | 一种分布式预制光纤母线测温系统 | |
CN109285331B (zh) | 一种基于数据分析和温度预测的电力电缆温度预警系统 | |
CN114594349A (zh) | 一种储能系统中直流绝缘监测方法及终端 | |
CN107328438A (zh) | 一种电力变压器运行综合监测系统 | |
CN116796261B (zh) | 一种基于人工智能的封闭开关设备机械特性预测方法 | |
CN117614487A (zh) | 一种基于北斗系统的输电线路通信方法及系统 | |
CN111537819A (zh) | 一种配电自动化监测方法、系统、终端及存储介质 | |
CN116381380A (zh) | 一种用于智能变电站故障录波器的动态故障监管系统 | |
CN115452031A (zh) | 一种旋转编码开关生产用检测系统 | |
CN115689532A (zh) | 一种电力系统故障分析方法及其装置 | |
CN202870192U (zh) | 一种避雷器在线监测装置 | |
CN201429663Y (zh) | 浪涌保护器的在线检测装置 | |
CN111986469A (zh) | 一种现场终端故障智能化诊断的方法 | |
CN112379211A (zh) | 输电线路故障区域定位装置的检测方法 | |
CN115277079B (zh) | 一种电力终端信息攻击监测方法和系统 | |
CN204086497U (zh) | 中继站和微波站中蓄电池组智能诊断系统 | |
CN117150415B (zh) | 一种基于人工智能的通讯设备状态监测方法及系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |