CN114881335A - 基于大数据的水电机组运行数据趋势分析预警方法及系统 - Google Patents
基于大数据的水电机组运行数据趋势分析预警方法及系统 Download PDFInfo
- Publication number
- CN114881335A CN114881335A CN202210520155.2A CN202210520155A CN114881335A CN 114881335 A CN114881335 A CN 114881335A CN 202210520155 A CN202210520155 A CN 202210520155A CN 114881335 A CN114881335 A CN 114881335A
- Authority
- CN
- China
- Prior art keywords
- data
- component
- early warning
- generating set
- preset
- 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.)
- Granted
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 38
- 238000000034 method Methods 0.000 title claims abstract description 33
- 238000012544 monitoring process Methods 0.000 claims abstract description 132
- 238000004891 communication Methods 0.000 claims abstract description 36
- 238000012423 maintenance Methods 0.000 claims description 63
- 238000004590 computer program Methods 0.000 claims description 11
- 238000007405 data analysis Methods 0.000 claims description 9
- 238000003860 storage Methods 0.000 claims description 5
- 238000004519 manufacturing process Methods 0.000 abstract description 6
- 239000000306 component Substances 0.000 description 177
- 238000011156 evaluation Methods 0.000 description 7
- 238000001514 detection method Methods 0.000 description 6
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000010977 unit operation Methods 0.000 description 2
- 230000015556 catabolic process Effects 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 239000008358 core component Substances 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000010183 spectrum analysis Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
- 239000010723 turbine oil Substances 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- 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—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
-
- 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
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Control Of Water Turbines (AREA)
- Control Of Eletrric Generators (AREA)
Abstract
本申请涉及一种基于大数据的水电机组运行数据趋势分析预警方法及系统,所述方法包括:获取预设主要监测部件的第一实时运行位置和停机时的主要部件停机形态,以及预设辅助监测部件的第二实时运行位置和停机时的辅助部件停机形态;生成所述预设主要监测部件和所述预设辅助监测部件之间的实时相对配合位置;基于预设的大数据通信模块获取所述预设主要监测部件和所述预设辅助监测部件之间的标准工作配合位置,生成当前相对位置差异数据;若判断所述当前相对位置差异数据大于预设的正常工作范围参考值,则生成第一预警指示,并基于所述第一预警指示进行水电机组的报警。本发明实现极大提高预警准确度和可靠性,同时实现了生产效率的极大提高。
Description
技术领域
本申请涉及机组运行数据分析技术领域,特别是涉及一种基于大数据的水电机组运行数据趋势分析预警方法及系统。
背景技术
水电机组,又称水轮发电机组,是指由水轮机、水轮发电机及其附属设备组成的水力发电设备。水轮发电机组是水电站的核心设备,为监测、控制和保证水轮发电机组正常运行,做到安全可靠、经济高效,在水电站安装了一整套附属设备系统,如快速闸门、透平油系统、压缩空气系统、供排水系统和自动化设备,具体为自动励磁装置、调速器、水轮机自动控制系统和自动化元件等。随着现代化计算机技术的不断发展和广泛应用,水电站综合自动化水平也不断提高,许多大中型水电站已经采用计算机监控,实现无人值班或是少人值守,以提升智能化。
当然,随着水电机组的使用普及,关于水电机组的运行数据分析也愈加重要,如申请号为CN201510513787.6的发明专利中,公开了一种应用水电机组状态分析评估方法,包括如下步骤:一)规模化状态数据采集;二)状态监测数据分析评估;三)状态监测数据大值历史对比及分布;四)状态监测数据历史趋势及频谱分析。该方案分析评估方法的优点:1、本发明获得一种海量数据的评估方法,摆脱了目前状态评估方法针对少量数据、单一特征的孤立分析方法。2、本发明采用监测数据大值、特征参数异常、现象征兆异常评估因素,开展水机运行的劣化趋势评估优于传统评估方法。3、本发明将机组状态评估、检修计划、试验测试结合,实现了检修优化及测试合理化。
虽然上述水电机组的数据分析方法具有一定的效果,但是其关于数据的处理并未对机组运行数据的预警起到促进作用,导致现有技术中仍然存在需要人工根据定时监控的数据来进行定时检修,进而导致准确率低以及生产效率低的技术问题。
发明内容
基于此,有必要针对上述技术问题,提供一种能够提高预警准确度、可靠性以及生产效率的基于大数据的水电机组运行数据趋势分析预警方法及系统。
为实现上述目的,本发明技术方案如下:
一种基于大数据的水电机组运行数据趋势分析预警方法,所述方法包括:
获取预设主要监测部件的第一实时运行位置和停机时的主要部件停机形态,以及预设辅助监测部件的第二实时运行位置和停机时的辅助部件停机形态;根据所述第一实时运行位置和所述第二实时运行位置生成所述预设主要监测部件和所述预设辅助监测部件之间的实时相对配合位置;基于预设的大数据通信模块获取所述预设主要监测部件和所述预设辅助监测部件之间的标准工作配合位置,并将所述实时相对配合位置与所述标准工作配合位置对比,在对比完成后生成当前相对位置差异数据;若判断所述当前相对位置差异数据大于预设的正常工作范围参考值,则生成第一预警指示,并基于所述第一预警指示进行水电机组的报警。
进一步地说,若判断所述当前相对位置差异数据大于预设的正常工作范围参考值,则生成第一预警指示,并基于所述第一预警指示进行水电机组的报警,之后还包括:
若判断所述当前相对位置差异数据小于预设的正常工作范围参考值,则提取所述实时相对配合位置中超出所述标准工作配合位置的当前风险工作点;基于所述大数据通信模块获取各所述当前风险工作点所对应的水电机组运行数据记录数据;对所述水电机组运行数据记录数据进行数据分析,并在分析完成后获取所述水电机组运行数据记录数据中运行故障历史数据;获取所述运行故障历史数据在所述水电机组运行数据记录数据中的实际数据量占比;判断所述实际数据量占比是否大于等于预设的标准预警占比;若判断所述实际数据量占比大于等于预设的标准预警占比,则生成故障预报警指示,所述故障预报警指示用于指示用户进行故障监测;若判断所述实际数据量占比小于预设的标准预警占比,则生成重点监控标记,并将所述重点监控标记对应的部件展示至所述水电机组的运维人员。
进一步地说,若判断所述当前相对位置差异数据大于预设的正常工作范围参考值,则生成第一预警指示,并基于所述第一预警指示进行水电机组的报警,之后还包括:
若判断所述当前相对位置差异数据小于预设的正常工作范围参考值,则根据所述辅助部件停机形态调取第一位置参考点;根据所述主要部件停机形态调取第二位置参考点;根据所述第一位置参考点和所述第二位置参考点生成当前实际参考位置点距离数据;根据所述当前实际参考位置点距离数据判断是否处于预存的合理距离范围内,其中,所述合理距离范围存储于所述大数据通信模块内;若判断所述当前实际参考位置点距离数据处于预存的合理距离范围内,则生成当前工作趋势正常指示;若判断所述当前实际参考位置点距离数据不处于预存的合理距离范围内,则生成当前机组预警提醒指示。
进一步地说,若判断所述当前相对位置差异数据大于预设的正常工作范围参考值,则生成第一预警指示,并基于所述第一预警指示进行水电机组的报警,之后还包括:
获取所述预设主要监测部件在水电机组运行时的主要部件实时工作形态;获取所述预设辅助监测部件在水电机组运行时的辅助部件实时工作形态;根据所述主要部件实时工作形态和所述辅助部件实时工作形态生成组合部件实时工作形态;根据所述主要部件实时工作形态、所述辅助部件实时工作形态和所述组合部件实时工作形态判断水电机组是否发生部件形态损坏问题;若判断水电机组发生部件形态损坏问题,则生成部件损坏预警信息;若判断水电机组未发生部件形态损坏问题,则生成部件运行正常信息。
进一步地说,若判断水电机组发生部件形态损坏问题,则生成部件损坏预警信息;之后还包括:
根据所述部件损坏预警信息生成机组部件检修指令,并同时根据所述部件损坏预警信息调取预损坏部件的机组部件供应主体;将所述机组部件检修指令发送至水电机组的运维人员,所述机组部件检修指令用于提醒运维人员对水电机组进行质量检修;将所述机组部件检修指令发送至水电机组的运维人员的同时,生成部件供应指令,并将所述部件供应指令发送至所述机组部件供应主体,所述部件供应指令用于指示所述机组部件供应主体配送当前问题部件替代部件至当前的水电机组;获取运维人员反馈的当前机组检修数据;根据所述当前机组检修数据从所述当前问题部件替代部件中调配选中部件,并根据所述当前机组检修数据对当前的水电机组进行部件更替。
进一步地说,一种基于大数据的水电机组运行数据趋势分析预警系统,所述系统包括:
形态获取模块,用于获取预设主要监测部件的第一实时运行位置和停机时的主要部件停机形态,以及预设辅助监测部件的第二实时运行位置和停机时的辅助部件停机形态;
位置生成模块,用于根据所述第一实时运行位置和所述第二实时运行位置生成所述预设主要监测部件和所述预设辅助监测部件之间的实时相对配合位置;
位置对比模块,用于基于预设的大数据通信模块获取所述预设主要监测部件和所述预设辅助监测部件之间的标准工作配合位置,并将所述实时相对配合位置与所述标准工作配合位置对比,在对比完成后生成当前相对位置差异数据;
预警指示模块,用于若判断所述当前相对位置差异数据大于预设的正常工作范围参考值,则生成第一预警指示,并基于所述第一预警指示进行水电机组的报警。
进一步地说,所述系统还包括预警占比数据模块,所述预警占比数据模块用于:
若判断所述当前相对位置差异数据小于预设的正常工作范围参考值,则提取所述实时相对配合位置中超出所述标准工作配合位置的当前风险工作点;基于所述大数据通信模块获取各所述当前风险工作点所对应的水电机组运行数据记录数据;对所述水电机组运行数据记录数据进行数据分析,并在分析完成后获取所述水电机组运行数据记录数据中运行故障历史数据;获取所述运行故障历史数据在所述水电机组运行数据记录数据中的实际数据量占比;判断所述实际数据量占比是否大于等于预设的标准预警占比;若判断所述实际数据量占比大于等于预设的标准预警占比,则生成故障预报警指示,所述故障预报警指示用于指示用户进行故障监测;若判断所述实际数据量占比小于预设的标准预警占比,则生成重点监控标记,并将所述重点监控标记对应的部件展示至所述水电机组的运维人员;
所述预警占比数据模块还用于:
若判断所述当前相对位置差异数据小于预设的正常工作范围参考值,则根据所述辅助部件停机形态调取第一位置参考点;根据所述主要部件停机形态调取第二位置参考点;根据所述第一位置参考点和所述第二位置参考点生成当前实际参考位置点距离数据;根据所述当前实际参考位置点距离数据判断是否处于预存的合理距离范围内,其中,所述合理距离范围存储于所述大数据通信模块内;若判断所述当前实际参考位置点距离数据处于预存的合理距离范围内,则生成当前工作趋势正常指示;若判断所述当前实际参考位置点距离数据不处于预存的合理距离范围内,则生成当前机组预警提醒指示。
进一步地说,所述系统还包括形态预警判断模块,所述形态预警判断模块用于:
获取所述预设主要监测部件在水电机组运行时的主要部件实时工作形态;获取所述预设辅助监测部件在水电机组运行时的辅助部件实时工作形态;根据所述主要部件实时工作形态和所述辅助部件实时工作形态生成组合部件实时工作形态;根据所述主要部件实时工作形态、所述辅助部件实时工作形态和所述组合部件实时工作形态判断水电机组是否发生部件形态损坏问题;若判断水电机组发生部件形态损坏问题,则生成部件损坏预警信息;若判断水电机组未发生部件形态损坏问题,则生成部件运行正常信息;
所述形态预警判断模块还用于:
根据所述部件损坏预警信息生成机组部件检修指令,并同时根据所述部件损坏预警信息调取预损坏部件的机组部件供应主体;将所述机组部件检修指令发送至水电机组的运维人员,所述机组部件检修指令用于提醒运维人员对水电机组进行质量检修;将所述机组部件检修指令发送至水电机组的运维人员的同时,生成部件供应指令,并将所述部件供应指令发送至所述机组部件供应主体,所述部件供应指令用于指示所述机组部件供应主体配送当前问题部件替代部件至当前的水电机组;获取运维人员反馈的当前机组检修数据;根据所述当前机组检修数据从所述当前问题部件替代部件中调配选中部件,并根据所述当前机组检修数据对当前的水电机组进行部件更替。
进一步地说,一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现上述基于大数据的水电机组运行数据趋势分析预警方法所述的步骤。
进一步地说,一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述基于大数据的水电机组运行数据趋势分析预警方法所述的步骤。
与现有技术相比,本发明技术效果如下:
本发明基于大数据的水电机组运行数据趋势分析预警方法及系统,依次通过获取预设主要监测部件的第一实时运行位置和停机时的主要部件停机形态,以及预设辅助监测部件的第二实时运行位置和停机时的辅助部件停机形态;根据所述第一实时运行位置和所述第二实时运行位置生成所述预设主要监测部件和所述预设辅助监测部件之间的实时相对配合位置;基于预设的大数据通信模块获取所述预设主要监测部件和所述预设辅助监测部件之间的标准工作配合位置,并将所述实时相对配合位置与所述标准工作配合位置对比,在对比完成后生成当前相对位置差异数据;若判断所述当前相对位置差异数据大于预设的正常工作范围参考值,则生成第一预警指示,并基于所述第一预警指示进行水电机组的报警,明显可以看出,本发明为了方便后续进行对所述预设主要监测部件和所述预设辅助监测部件的形态是否运磨损而发生变形的判断,进而本步骤中通过获取所述主要部件停机形态和所述辅助部件停机形态,然后为了实现更精准且高效地进行判断,进而通过设置所述正常工作范围参考值,若判断所述当前相对位置差异数据大于预设的正常工作范围参考值,那么说明此时所述当前相对位置差异数据大于正常的工作范畴,进而实现极大提高预警准确度和可靠性,同时实现了生产效率的极大提高。
附图说明
图1为一个实施例中基于大数据的水电机组运行数据趋势分析预警方法的流程示意图;
图2为一个实施例中基于大数据的水电机组运行数据趋势分析预警系统的结构框图;
图3为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
在一个实施例中,所述基于大数据的水电机组运行数据趋势分析预警方法应用于一应用场景中。该应用场景中包括数据监测模块,所述数据监测模块的数量为多个并安装于所述水电机组内,大数据通信模块与数据监测模块通信连接,终端与大数据通信模块通信连接。其中,终端通过数据监测模块获取预设主要监测部件的第一实时运行位置和停机时的主要部件停机形态,以及预设辅助监测部件的第二实时运行位置和停机时的辅助部件停机形态;根据所述第一实时运行位置和所述第二实时运行位置生成所述预设主要监测部件和所述预设辅助监测部件之间的实时相对配合位置;基于预设的大数据通信模块获取所述预设主要监测部件和所述预设辅助监测部件之间的标准工作配合位置,并将所述实时相对配合位置与所述标准工作配合位置对比,在对比完成后生成当前相对位置差异数据;若判断所述当前相对位置差异数据大于预设的正常工作范围参考值,则生成第一预警指示,并基于所述第一预警指示进行水电机组的报警。
在一个实施例中,如图1所示,提供了一种基于大数据的水电机组运行数据趋势分析预警方法,所述方法包括:
步骤S100:获取预设主要监测部件的第一实时运行位置和停机时的主要部件停机形态,以及预设辅助监测部件的第二实时运行位置和停机时的辅助部件停机形态;
具体地说,本步骤中,所述预设主要监测部件为水电机组中预先设置的需要重点关注的核心部件,而所述预设辅助监测部件为与所述预设主要监测部件相辅相成,一起工作的部件,其为辅助的部件。为了方便后续进行对所述预设主要监测部件和所述预设辅助监测部件的形态是否运磨损而发生变形的判断,进而本步骤中通过获取所述主要部件停机形态和所述辅助部件停机形态。
此外,所述预设主要监测部件和所述预设辅助监测部件在水电机组中均具有对应的工作位置,无论是正常工作过程中或者是停机工作状态,所述预设主要监测部件和所述预设辅助监测部件均具有一个正常的区域,基于一旦脱离该所谓的正常的区域,则会发生零部件的移位,因而可能出现水电机组故障问题。
因此,为了后续精准判断所述预设主要监测部件和所述预设辅助监测部件是否发生位置的移动,进而通过先分别获取所述第一实时运行位置和所述第二实时运行位置。
进一步地,所述预设主要监测部件为故障检测装置、压力罐压力传感器以及机组轴承。
所述预设辅助监测部件则可以为调速器、电调盘面以及熔断器等。
步骤S200:根据所述第一实时运行位置和所述第二实时运行位置生成所述预设主要监测部件和所述预设辅助监测部件之间的实时相对配合位置;
具体地说,本步骤中,所述实时相对配合位置用于表征所述第一实时运行位置和所述第二实时运行位置之间的距离信息。
步骤S300:基于预设的大数据通信模块获取所述预设主要监测部件和所述预设辅助监测部件之间的标准工作配合位置,并将所述实时相对配合位置与所述标准工作配合位置对比,在对比完成后生成当前相对位置差异数据;
具体地说,本步骤中,通过所述大数据通信模块实现对海量的数据的获取,也即,可以理解,所述大数据通信模块为基于大数据技术而生成,通过所述大数据通信模块实现获取所述标准工作配合位置。具体为,通过所述大数据通信模块与多个水轮发电机组的维护者进行通信,多个水轮发电机组包括已经使用报废的水轮发电机组。以所述预设主要监测部件为故障检测装置,而所述预设辅助监测部件为熔断器为例,那么分别预先获取已经使用或正在使用且正常工作的水轮发电机组中故障检测装置和所述熔断器的配合位置,此时,因所述水轮发电机组中的故障检测装置和所述熔断器的配合位置可以设定为合理的配合位置,而基于所述大数据通信模块,可以实现对数量较多的能够正在使用且正常工作的水轮发电机组中故障检测装置和所述熔断器的配合位置的获取,也即获取了多个所述合理的配合位置,并对这些合理的配合位置进行汇总并进行位置合并,进而实现所述标准工作配合位置的获取。
更进一步地,所述标准工作配合位置为所述预设主要监测部件和所述预设辅助监测部件能够正常协调配合且正常工作的位置,所述标准工作配合位置包括二者正常工作时所处的整个区域以及二者之间的距离。
更进一步地,为了实现后续精准且高效地判断,进而通过所述当前相对位置差异数据来表征,也即通过将所述实时相对配合位置与所述标准工作配合位置中的整个区域以及二者之间工作时的距离范围分别进行对比,并生成包含二者的所述当前相对位置差异数据。
更进一步地,所述当前相对位置差异数据中包含了所述预设主要监测部件和所述预设辅助监测部件能够正常协调配合且正常工作的区域,该区域主要针对所述预设主要监测部件和所述预设辅助监测部件能够发生相对配合且相对移动的零部件。如水电机组中的主轴和轴瓦。
步骤S410:若判断所述当前相对位置差异数据大于预设的正常工作范围参考值,则生成第一预警指示,并基于所述第一预警指示进行水电机组的报警。
进一步地,为了实现更精准且高效地进行判断,进而通过设置所述正常工作范围参考值,所述正常工作范围参考值也为预先设置,并经过大数据技术,来获取其他正常工作水电机组在正常工作时的参数值,因而若判断所述当前相对位置差异数据大于预设的正常工作范围参考值,那么说明此时所述当前相对位置差异数据大于正常的工作范畴,进而此时设定为可能出现故障,进而生成第一预警指示,并基于所述第一预警指示进行水电机组的报警。
综上所述,本发明依次通过获取预设主要监测部件的第一实时运行位置和停机时的主要部件停机形态,以及预设辅助监测部件的第二实时运行位置和停机时的辅助部件停机形态;根据所述第一实时运行位置和所述第二实时运行位置生成所述预设主要监测部件和所述预设辅助监测部件之间的实时相对配合位置;基于预设的大数据通信模块获取所述预设主要监测部件和所述预设辅助监测部件之间的标准工作配合位置,并将所述实时相对配合位置与所述标准工作配合位置对比,在对比完成后生成当前相对位置差异数据;若判断所述当前相对位置差异数据大于预设的正常工作范围参考值,则生成第一预警指示,并基于所述第一预警指示进行水电机组的报警,明显可以看出,本发明为了方便后续进行对所述预设主要监测部件和所述预设辅助监测部件的形态是否运磨损而发生变形的判断,进而本步骤中通过获取所述主要部件停机形态和所述辅助部件停机形态,然后为了实现更精准且高效地进行判断,进而通过设置所述正常工作范围参考值,若判断所述当前相对位置差异数据大于预设的正常工作范围参考值,那么说明此时所述当前相对位置差异数据大于正常的工作范畴,进而实现极大提高预警准确度和可靠性,同时实现了生产效率的极大提高。
在一个实施例中,步骤S400:若判断所述当前相对位置差异数据大于预设的正常工作范围参考值,则生成第一预警指示,并基于所述第一预警指示进行水电机组的报警,之后还包括:
步骤S421:若判断所述当前相对位置差异数据小于预设的正常工作范围参考值,则提取所述实时相对配合位置中超出所述标准工作配合位置的当前风险工作点;
步骤S422:基于所述大数据通信模块获取各所述当前风险工作点所对应的水电机组运行数据记录数据;
进一步地,为了实现更精准的判断,进行潜在报警的预警分析,进而在若判断所述当前相对位置差异数据小于预设的正常工作范围参考值时,提取所述实时相对配合位置中超出所述标准工作配合位置的当前风险工作点,其中,所述超出所述标准工作配合位置的当前风险工作点为局部超出了所述标准工作配合位置的位置点,那么存在该位置点,则说明有可能会出现故障,当然也可能是正常运行所会发生的情况。
那么,为了进一步判断是否有出现故障的趋势,或是正常运行情况,故通过所述大数据通信模块获取各所述当前风险工作点所对应的水电机组运行数据记录数据。其中,所述水电机组运行数据记录数据是基于大数据通信模块获取其他水电机组在出现该当前风险工作点时的工作记录。
步骤S423:对所述水电机组运行数据记录数据进行数据分析,并在分析完成后获取所述水电机组运行数据记录数据中运行故障历史数据;
步骤S424:获取所述运行故障历史数据在所述水电机组运行数据记录数据中的实际数据量占比;
进一步地,为了实现更精准的进行预警,且提升生产效率,进而通过对所述水电机组运行数据记录数据进行数据分析,并在分析完成后获取所述水电机组运行数据记录数据中运行故障历史数据,所述运行故障历史数据为具体出现了故障的数据。
那么,为了进一步地判断,进而通过获取所述运行故障历史数据在所述水电机组运行数据记录数据中的实际数据量占比,其中的所述实际数据量占比为所述运行故障历史数据在所述水电机组运行数据记录数据中的数据占比,如以所述运行故障历史数据的数据数量为12为例,而所述水电机组运行数据记录数据的总数量为10000,那么所述实际数据量占比则为12/10000,具体为0.0012,也即本实施例中,所述实际数据量占比为0.0012。
步骤S425:判断所述实际数据量占比是否大于等于预设的标准预警占比;
步骤S426:若判断所述实际数据量占比大于等于预设的标准预警占比,则生成故障预报警指示,所述故障预报警指示用于指示用户进行故障监测;若判断所述实际数据量占比小于预设的标准预警占比,则生成重点监控标记,并将所述重点监控标记对应的部件展示至所述水电机组的运维人员。
进一步地,为了更精准的判断,进而通过预设的标准预警占比,如预设的所述标准预警占比为0.0015,所述标准预警占比为一个自定义的衡量值,若超出标准预警占比,则可能出现故障,故需要报警,若未超出,则只需要重点关注即可。也即本步骤中,若判断所述实际数据量占比大于等于预设的标准预警占比,则生成故障预报警指示,所述故障预报警指示用于指示用户进行故障监测;若判断所述实际数据量占比小于预设的标准预警占比,则生成重点监控标记,并将所述重点监控标记对应的部件展示至所述水电机组的运维人员,并且,通过展示至所述水电机组的运维人员,实现提醒运维人员进行细化监控,提升监控效率。
在一个实施例中,步骤S400:若判断所述当前相对位置差异数据大于预设的正常工作范围参考值,则生成第一预警指示,并基于所述第一预警指示进行水电机组的报警,之后还包括:
步骤S431:若判断所述当前相对位置差异数据小于预设的正常工作范围参考值,则根据所述辅助部件停机形态调取第一位置参考点;
其中,所述正常工作范围参考值也是基于所述大数据通信模块进行获取,也即通过所述大数据通信模块进行数据提前,进而生成所述正常工作范围参考值。
步骤S432:根据所述主要部件停机形态调取第二位置参考点;
步骤S433:根据所述第一位置参考点和所述第二位置参考点生成当前实际参考位置点距离数据;
进一步地说,为了更精准的判断和预警,进而通过位置参考点来进行分析,也即在判断所述当前相对位置差异数据小于预设的正常工作范围参考值时,分别获取所述第一位置参考点和所述第二位置参考点,并生成当前实际参考位置点距离数据。
其中,所述第一位置参考点和所述第二位置参考点是预先标定好,这样在获取所述辅助部件停机形态和所述主要部件停机形态时,即可快速进行获取,进而提升预警分析效率。
步骤S434:根据所述当前实际参考位置点距离数据判断是否处于预存的合理距离范围内,其中,所述合理距离范围存储于所述大数据通信模块内;
步骤S435:若判断所述当前实际参考位置点距离数据处于预存的合理距离范围内,则生成当前工作趋势正常指示;若判断所述当前实际参考位置点距离数据不处于预存的合理距离范围内,则生成当前机组预警提醒指示。
进一步地,本实施例中,通过基于参考点的设置,判断是否需要进行预警,也即先根据所述当前实际参考位置点距离数据判断是否处于预存的合理距离范围内,然后若判断所述当前实际参考位置点距离数据处于预存的合理距离范围内,则生成当前工作趋势正常指示;若判断所述当前实际参考位置点距离数据不处于预存的合理距离范围内,则生成当前机组预警提醒指示,那么此时生成的预警分析多了一种数据考量,实现更加精准预警。
在一个实施例中,步骤S410:若判断所述当前相对位置差异数据大于预设的正常工作范围参考值,则生成第一预警指示,并基于所述第一预警指示进行水电机组的报警,之后还包括:
步骤S441:获取所述预设主要监测部件在水电机组运行时的主要部件实时工作形态;
步骤S442:获取所述预设辅助监测部件在水电机组运行时的辅助部件实时工作形态;
步骤S443:根据所述主要部件实时工作形态和所述辅助部件实时工作形态生成组合部件实时工作形态;
进一步地,为了实现多信息探测,进而通过根据获取所述预设主要监测部件在水电机组运行时的主要部件实时工作形态;再获取所述预设辅助监测部件在水电机组运行时的辅助部件实时工作形态;然后,根据所述主要部件实时工作形态和所述辅助部件实时工作形态生成组合部件实时工作形态,方便后续进行具化判断,为实现精准判断,提供准确数据支撑。
步骤S444:根据所述主要部件实时工作形态、所述辅助部件实时工作形态和所述组合部件实时工作形态判断水电机组是否发生部件形态损坏问题;
步骤S445:若判断水电机组发生部件形态损坏问题,则生成部件损坏预警信息;若判断水电机组未发生部件形态损坏问题,则生成部件运行正常信息。
进一步地,根据所述主要部件实时工作形态、所述辅助部件实时工作形态和所述组合部件实时工作形态判断水电机组是否发生部件形态损坏问题时,基于所述大数据通信模块获取第一标准形态数据、第二标准形态数据和第三标准形态数据,当所述主要部件实时工作形态与所述第一标准形态数据不匹配,所述辅助部件实时工作形态与所述第二标准形态数据不匹配,所述组合部件实时工作形态与所述第三标准形态数据不匹配,任一情况发生时,均判断水电机组发生部件形态损坏问题,并生成部件损坏预警信息;若判断水电机组未发生部件形态损坏问题,则生成部件运行正常信息,进而实现了基于部件形态的预警,因此实现了高效且多维度数据预警。
在一个实施例中,步骤S445:若判断水电机组发生部件形态损坏问题,则生成部件损坏预警信息;之后还包括:
步骤S4451:根据所述部件损坏预警信息生成机组部件检修指令,并同时根据所述部件损坏预警信息调取预损坏部件的机组部件供应主体;
步骤S4452:将所述机组部件检修指令发送至水电机组的运维人员,所述机组部件检修指令用于提醒运维人员对水电机组进行质量检修;
步骤S4453:将所述机组部件检修指令发送至水电机组的运维人员的同时,生成部件供应指令,并将所述部件供应指令发送至所述机组部件供应主体,所述部件供应指令用于指示所述机组部件供应主体配送当前问题部件替代部件至当前的水电机组;
步骤S4454:获取运维人员反馈的当前机组检修数据;
步骤S4455:根据所述当前机组检修数据从所述当前问题部件替代部件中调配选中部件,并根据所述当前机组检修数据对当前的水电机组进行部件更替。
进一步地,为了实现更精准高效地进行零部件更换,进而通过将所述机组部件检修指令发送至水电机组的运维人员的同时,生成部件供应指令,并将所述部件供应指令发送至所述机组部件供应主体,所述部件供应指令用于指示所述机组部件供应主体配送当前问题部件替代部件至当前的水电机组,这样能够获取运维人员反馈的当前机组检修数据;然后,根据所述当前机组检修数据从所述当前问题部件替代部件中调配选中部件,并根据所述当前机组检修数据对当前的水电机组进行部件更替,实现快速更换,在提前预警的基础上实现了零部件的同时运输,进而实现所述水电机组的快速运行,进而保证快速工作。
更进一步地说,本申请中对所述第一实时运行位置、所述第二实时运行位置、所述主要部件停机形态和所述辅助部件停机形态等一些列数据的获取可以采用Time offlight传感器或者FMCW微波传感器进行检测,也即将上述传感器固定设置于所述水电机组内,进而实现数据监控,利用了上述传感器的高精准测量,进而匹配本发明中对位置、形态的高精度监控,进而提升预警分析的准确性和可靠性。
在一个实施例中,如图2所示,本发明还提供一种基于大数据的水电机组运行数据趋势分析预警系统,所述系统包括:
形态获取模块,用于获取预设主要监测部件的第一实时运行位置和停机时的主要部件停机形态,以及预设辅助监测部件的第二实时运行位置和停机时的辅助部件停机形态;
位置生成模块,用于根据所述第一实时运行位置和所述第二实时运行位置生成所述预设主要监测部件和所述预设辅助监测部件之间的实时相对配合位置;
位置对比模块,用于基于预设的大数据通信模块获取所述预设主要监测部件和所述预设辅助监测部件之间的标准工作配合位置,并将所述实时相对配合位置与所述标准工作配合位置对比,在对比完成后生成当前相对位置差异数据;
预警指示模块,用于若判断所述当前相对位置差异数据大于预设的正常工作范围参考值,则生成第一预警指示,并基于所述第一预警指示进行水电机组的报警。
在一个实施例中,所述系统还包括预警占比数据模块,所述预警占比数据模块用于:
若判断所述当前相对位置差异数据小于预设的正常工作范围参考值,则提取所述实时相对配合位置中超出所述标准工作配合位置的当前风险工作点;基于所述大数据通信模块获取各所述当前风险工作点所对应的水电机组运行数据记录数据;对所述水电机组运行数据记录数据进行数据分析,并在分析完成后获取所述水电机组运行数据记录数据中运行故障历史数据;获取所述运行故障历史数据在所述水电机组运行数据记录数据中的实际数据量占比;判断所述实际数据量占比是否大于等于预设的标准预警占比;若判断所述实际数据量占比大于等于预设的标准预警占比,则生成故障预报警指示,所述故障预报警指示用于指示用户进行故障监测;若判断所述实际数据量占比小于预设的标准预警占比,则生成重点监控标记,并将所述重点监控标记对应的部件展示至所述水电机组的运维人员;
所述预警占比数据模块还用于:
若判断所述当前相对位置差异数据小于预设的正常工作范围参考值,则根据所述辅助部件停机形态调取第一位置参考点;根据所述主要部件停机形态调取第二位置参考点;根据所述第一位置参考点和所述第二位置参考点生成当前实际参考位置点距离数据;根据所述当前实际参考位置点距离数据判断是否处于预存的合理距离范围内,其中,所述合理距离范围存储于所述大数据通信模块内;若判断所述当前实际参考位置点距离数据处于预存的合理距离范围内,则生成当前工作趋势正常指示;若判断所述当前实际参考位置点距离数据不处于预存的合理距离范围内,则生成当前机组预警提醒指示。
在一个实施例中,所述系统还包括形态预警判断模块,所述形态预警判断模块用于:
获取所述预设主要监测部件在水电机组运行时的主要部件实时工作形态;获取所述预设辅助监测部件在水电机组运行时的辅助部件实时工作形态;根据所述主要部件实时工作形态和所述辅助部件实时工作形态生成组合部件实时工作形态;根据所述主要部件实时工作形态、所述辅助部件实时工作形态和所述组合部件实时工作形态判断水电机组是否发生部件形态损坏问题;若判断水电机组发生部件形态损坏问题,则生成部件损坏预警信息;若判断水电机组未发生部件形态损坏问题,则生成部件运行正常信息;
所述形态预警判断模块还用于:
根据所述部件损坏预警信息生成机组部件检修指令,并同时根据所述部件损坏预警信息调取预损坏部件的机组部件供应主体;将所述机组部件检修指令发送至水电机组的运维人员,所述机组部件检修指令用于提醒运维人员对水电机组进行质量检修;将所述机组部件检修指令发送至水电机组的运维人员的同时,生成部件供应指令,并将所述部件供应指令发送至所述机组部件供应主体,所述部件供应指令用于指示所述机组部件供应主体配送当前问题部件替代部件至当前的水电机组;获取运维人员反馈的当前机组检修数据;根据所述当前机组检修数据从所述当前问题部件替代部件中调配选中部件,并根据所述当前机组检修数据对当前的水电机组进行部件更替。
在一个实施例中,如图3所示,一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现上述基于大数据的水电机组运行数据趋势分析预警方法所述的步骤。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述基于大数据的水电机组运行数据趋势分析预警方法所述的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种基于大数据的水电机组运行数据趋势分析预警方法,其特征在于,所述方法包括:
获取预设主要监测部件的第一实时运行位置和停机时的主要部件停机形态,以及预设辅助监测部件的第二实时运行位置和停机时的辅助部件停机形态;根据所述第一实时运行位置和所述第二实时运行位置生成所述预设主要监测部件和所述预设辅助监测部件之间的实时相对配合位置;基于预设的大数据通信模块获取所述预设主要监测部件和所述预设辅助监测部件之间的标准工作配合位置,并将所述实时相对配合位置与所述标准工作配合位置对比,在对比完成后生成当前相对位置差异数据;若判断所述当前相对位置差异数据大于预设的正常工作范围参考值,则生成第一预警指示,并基于所述第一预警指示进行水电机组的报警。
2.根据权利要求1所述的基于大数据的水电机组运行数据趋势分析预警方法,其特征在于,若判断所述当前相对位置差异数据大于预设的正常工作范围参考值,则生成第一预警指示,并基于所述第一预警指示进行水电机组的报警,之后还包括:
若判断所述当前相对位置差异数据小于预设的正常工作范围参考值,则提取所述实时相对配合位置中超出所述标准工作配合位置的当前风险工作点;基于所述大数据通信模块获取各所述当前风险工作点所对应的水电机组运行数据记录数据;对所述水电机组运行数据记录数据进行数据分析,并在分析完成后获取所述水电机组运行数据记录数据中运行故障历史数据;获取所述运行故障历史数据在所述水电机组运行数据记录数据中的实际数据量占比;判断所述实际数据量占比是否大于等于预设的标准预警占比;若判断所述实际数据量占比大于等于预设的标准预警占比,则生成故障预报警指示,所述故障预报警指示用于指示用户进行故障监测;若判断所述实际数据量占比小于预设的标准预警占比,则生成重点监控标记,并将所述重点监控标记对应的部件展示至所述水电机组的运维人员。
3.根据权利要求1所述的基于大数据的水电机组运行数据趋势分析预警方法,其特征在于,若判断所述当前相对位置差异数据大于预设的正常工作范围参考值,则生成第一预警指示,并基于所述第一预警指示进行水电机组的报警,之后还包括:
若判断所述当前相对位置差异数据小于预设的正常工作范围参考值,则根据所述辅助部件停机形态调取第一位置参考点;根据所述主要部件停机形态调取第二位置参考点;根据所述第一位置参考点和所述第二位置参考点生成当前实际参考位置点距离数据;根据所述当前实际参考位置点距离数据判断是否处于预存的合理距离范围内,其中,所述合理距离范围存储于所述大数据通信模块内;若判断所述当前实际参考位置点距离数据处于预存的合理距离范围内,则生成当前工作趋势正常指示;若判断所述当前实际参考位置点距离数据不处于预存的合理距离范围内,则生成当前机组预警提醒指示。
4.根据权利要求1-3任一项所述的基于大数据的水电机组运行数据趋势分析预警方法,其特征在于,若判断所述当前相对位置差异数据大于预设的正常工作范围参考值,则生成第一预警指示,并基于所述第一预警指示进行水电机组的报警,之后还包括:
获取所述预设主要监测部件在水电机组运行时的主要部件实时工作形态;获取所述预设辅助监测部件在水电机组运行时的辅助部件实时工作形态;根据所述主要部件实时工作形态和所述辅助部件实时工作形态生成组合部件实时工作形态;根据所述主要部件实时工作形态、所述辅助部件实时工作形态和所述组合部件实时工作形态判断水电机组是否发生部件形态损坏问题;若判断水电机组发生部件形态损坏问题,则生成部件损坏预警信息;若判断水电机组未发生部件形态损坏问题,则生成部件运行正常信息。
5.根据权利要求4所述的基于大数据的水电机组运行数据趋势分析预警方法,其特征在于,若判断水电机组发生部件形态损坏问题,则生成部件损坏预警信息;之后还包括:
根据所述部件损坏预警信息生成机组部件检修指令,并同时根据所述部件损坏预警信息调取预损坏部件的机组部件供应主体;将所述机组部件检修指令发送至水电机组的运维人员,所述机组部件检修指令用于提醒运维人员对水电机组进行质量检修;将所述机组部件检修指令发送至水电机组的运维人员的同时,生成部件供应指令,并将所述部件供应指令发送至所述机组部件供应主体,所述部件供应指令用于指示所述机组部件供应主体配送当前问题部件替代部件至当前的水电机组;获取运维人员反馈的当前机组检修数据;根据所述当前机组检修数据从所述当前问题部件替代部件中调配选中部件,并根据所述当前机组检修数据对当前的水电机组进行部件更替。
6.一种基于大数据的水电机组运行数据趋势分析预警系统,其特征在于,所述系统包括:
形态获取模块,用于获取预设主要监测部件的第一实时运行位置和停机时的主要部件停机形态,以及预设辅助监测部件的第二实时运行位置和停机时的辅助部件停机形态;
位置生成模块,用于根据所述第一实时运行位置和所述第二实时运行位置生成所述预设主要监测部件和所述预设辅助监测部件之间的实时相对配合位置;
位置对比模块,用于基于预设的大数据通信模块获取所述预设主要监测部件和所述预设辅助监测部件之间的标准工作配合位置,并将所述实时相对配合位置与所述标准工作配合位置对比,在对比完成后生成当前相对位置差异数据;
预警指示模块,用于若判断所述当前相对位置差异数据大于预设的正常工作范围参考值,则生成第一预警指示,并基于所述第一预警指示进行水电机组的报警。
7.根据权利要求6所述的基于大数据的水电机组运行数据趋势分析预警系统,其特征在于,所述系统还包括预警占比数据模块,所述预警占比数据模块用于:
若判断所述当前相对位置差异数据小于预设的正常工作范围参考值,则提取所述实时相对配合位置中超出所述标准工作配合位置的当前风险工作点;基于所述大数据通信模块获取各所述当前风险工作点所对应的水电机组运行数据记录数据;对所述水电机组运行数据记录数据进行数据分析,并在分析完成后获取所述水电机组运行数据记录数据中运行故障历史数据;获取所述运行故障历史数据在所述水电机组运行数据记录数据中的实际数据量占比;判断所述实际数据量占比是否大于等于预设的标准预警占比;若判断所述实际数据量占比大于等于预设的标准预警占比,则生成故障预报警指示,所述故障预报警指示用于指示用户进行故障监测;若判断所述实际数据量占比小于预设的标准预警占比,则生成重点监控标记,并将所述重点监控标记对应的部件展示至所述水电机组的运维人员;
所述预警占比数据模块还用于:
若判断所述当前相对位置差异数据小于预设的正常工作范围参考值,则根据所述辅助部件停机形态调取第一位置参考点;根据所述主要部件停机形态调取第二位置参考点;根据所述第一位置参考点和所述第二位置参考点生成当前实际参考位置点距离数据;根据所述当前实际参考位置点距离数据判断是否处于预存的合理距离范围内,其中,所述合理距离范围存储于所述大数据通信模块内;若判断所述当前实际参考位置点距离数据处于预存的合理距离范围内,则生成当前工作趋势正常指示;若判断所述当前实际参考位置点距离数据不处于预存的合理距离范围内,则生成当前机组预警提醒指示。
8.根据权利要求6所述的基于大数据的水电机组运行数据趋势分析预警系统,其特征在于,所述系统还包括形态预警判断模块,所述形态预警判断模块用于:
获取所述预设主要监测部件在水电机组运行时的主要部件实时工作形态;获取所述预设辅助监测部件在水电机组运行时的辅助部件实时工作形态;根据所述主要部件实时工作形态和所述辅助部件实时工作形态生成组合部件实时工作形态;根据所述主要部件实时工作形态、所述辅助部件实时工作形态和所述组合部件实时工作形态判断水电机组是否发生部件形态损坏问题;若判断水电机组发生部件形态损坏问题,则生成部件损坏预警信息;若判断水电机组未发生部件形态损坏问题,则生成部件运行正常信息;
所述形态预警判断模块还用于:
根据所述部件损坏预警信息生成机组部件检修指令,并同时根据所述部件损坏预警信息调取预损坏部件的机组部件供应主体;将所述机组部件检修指令发送至水电机组的运维人员,所述机组部件检修指令用于提醒运维人员对水电机组进行质量检修;将所述机组部件检修指令发送至水电机组的运维人员的同时,生成部件供应指令,并将所述部件供应指令发送至所述机组部件供应主体,所述部件供应指令用于指示所述机组部件供应主体配送当前问题部件替代部件至当前的水电机组;获取运维人员反馈的当前机组检修数据;根据所述当前机组检修数据从所述当前问题部件替代部件中调配选中部件,并根据所述当前机组检修数据对当前的水电机组进行部件更替。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至5中任一项所述方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至5中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210520155.2A CN114881335B (zh) | 2022-05-12 | 2022-05-12 | 基于大数据的水电机组运行数据趋势分析预警方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210520155.2A CN114881335B (zh) | 2022-05-12 | 2022-05-12 | 基于大数据的水电机组运行数据趋势分析预警方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114881335A true CN114881335A (zh) | 2022-08-09 |
CN114881335B CN114881335B (zh) | 2024-06-28 |
Family
ID=82675305
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210520155.2A Active CN114881335B (zh) | 2022-05-12 | 2022-05-12 | 基于大数据的水电机组运行数据趋势分析预警方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114881335B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115118357A (zh) * | 2022-08-29 | 2022-09-27 | 成都市克莱微波科技有限公司 | 一种收发组件故障检测方法、装置及存储介质 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015034198A1 (ko) * | 2013-09-03 | 2015-03-12 | Cho Yong Hyun | 저수율차 발전시스템 및 그 제어방법 |
CN105512812A (zh) * | 2015-12-02 | 2016-04-20 | 中广核工程有限公司 | 基于动态仿真模型的核电厂设备故障预警分析方法及系统 |
CN106327812A (zh) * | 2015-06-18 | 2017-01-11 | 中兴通讯股份有限公司 | 一种报警方法及其装置 |
CN107069963A (zh) * | 2017-04-13 | 2017-08-18 | 华能澜沧江水电股份有限公司小湾水电厂 | 一种无人值班水电厂智能监盘方法及系统 |
CN107218997A (zh) * | 2017-05-16 | 2017-09-29 | 南京南瑞继保电气有限公司 | 一种基于工况识别的水电机组振动监测通道异常检测方法 |
CN110020965A (zh) * | 2019-04-10 | 2019-07-16 | 华能澜沧江水电股份有限公司 | 一种巨型水电厂智能开停机指导策略及系统 |
CN114004123A (zh) * | 2021-11-03 | 2022-02-01 | 国能大渡河大岗山发电有限公司 | 一种水工钢闸门传感器布置方法、监测方法及系统 |
CN114078207A (zh) * | 2021-11-19 | 2022-02-22 | 华能国际电力股份有限公司 | 一种基于空间坐标反馈的燃机孔窥检查部件辅助识别方法 |
CN114091792A (zh) * | 2022-01-21 | 2022-02-25 | 华电电力科学研究院有限公司 | 基于稳定工况的水轮发电机劣化预警方法、设备及介质 |
CN114281113A (zh) * | 2021-11-18 | 2022-04-05 | 南方电网调峰调频发电有限公司 | 一种水电设备智能运行信息模型的构建方法及其系统 |
-
2022
- 2022-05-12 CN CN202210520155.2A patent/CN114881335B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015034198A1 (ko) * | 2013-09-03 | 2015-03-12 | Cho Yong Hyun | 저수율차 발전시스템 및 그 제어방법 |
CN106327812A (zh) * | 2015-06-18 | 2017-01-11 | 中兴通讯股份有限公司 | 一种报警方法及其装置 |
CN105512812A (zh) * | 2015-12-02 | 2016-04-20 | 中广核工程有限公司 | 基于动态仿真模型的核电厂设备故障预警分析方法及系统 |
CN107069963A (zh) * | 2017-04-13 | 2017-08-18 | 华能澜沧江水电股份有限公司小湾水电厂 | 一种无人值班水电厂智能监盘方法及系统 |
CN107218997A (zh) * | 2017-05-16 | 2017-09-29 | 南京南瑞继保电气有限公司 | 一种基于工况识别的水电机组振动监测通道异常检测方法 |
CN110020965A (zh) * | 2019-04-10 | 2019-07-16 | 华能澜沧江水电股份有限公司 | 一种巨型水电厂智能开停机指导策略及系统 |
CN114004123A (zh) * | 2021-11-03 | 2022-02-01 | 国能大渡河大岗山发电有限公司 | 一种水工钢闸门传感器布置方法、监测方法及系统 |
CN114281113A (zh) * | 2021-11-18 | 2022-04-05 | 南方电网调峰调频发电有限公司 | 一种水电设备智能运行信息模型的构建方法及其系统 |
CN114078207A (zh) * | 2021-11-19 | 2022-02-22 | 华能国际电力股份有限公司 | 一种基于空间坐标反馈的燃机孔窥检查部件辅助识别方法 |
CN114091792A (zh) * | 2022-01-21 | 2022-02-25 | 华电电力科学研究院有限公司 | 基于稳定工况的水轮发电机劣化预警方法、设备及介质 |
Non-Patent Citations (7)
Title |
---|
唐卫平: "水电机组状态监测系统的设计及应用探讨", 《华中电力》, no. 04, 20 August 2003 (2003-08-20), pages 22 - 25 * |
孙江波;刘宏利;: "大型立式泵机组单电机检修方法探讨", 山东工业技术, no. 23, 15 December 2014 (2014-12-15), pages 57 * |
张飞等: "水电机组振动监测与评价技术综述", 《大电机技术》, no. 04, 25 July 2021 (2021-07-25), pages 45 - 54 * |
朱静华;田璨;杨经纶;: "水电厂辅助设备状态检修系统研究", 创新科技, no. 07, 8 July 2013 (2013-07-08), pages 73 - 75 * |
李正凡等: "基于时间序列的国产化水电站计算机监控系统异常行为报警方法应用", 《中国农村水利水电》, no. 12, 10 May 2022 (2022-05-10), pages 222 - 226 * |
杨向前;李倩;李春静;: "状态监测系统在水电站机组中的应用", 电站系统工程, no. 05, 15 September 2013 (2013-09-15), pages 66 * |
王启媛;董洋;李相颉;: "抽水蓄能机组调速器系统构成及常见故障分析", 内蒙古电力技术, no. 06, 28 December 2019 (2019-12-28), pages 81 - 84 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115118357A (zh) * | 2022-08-29 | 2022-09-27 | 成都市克莱微波科技有限公司 | 一种收发组件故障检测方法、装置及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN114881335B (zh) | 2024-06-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109188227B (zh) | 一种双馈型风力发电机绝缘状态评估方法及系统 | |
CN116316613B (zh) | 电力设备运行监测方法、系统、电子设备及存储介质 | |
CN113703410B (zh) | 一种智慧电厂的智慧运行平台 | |
CN114881335A (zh) | 基于大数据的水电机组运行数据趋势分析预警方法及系统 | |
CN103226651A (zh) | 基于相似度统计的风电机组状态评估预警方法和系统 | |
CN110020965A (zh) | 一种巨型水电厂智能开停机指导策略及系统 | |
CN113156058A (zh) | 核电站变压器轻瓦斯报警响应方法、装置、设备及介质 | |
CN112434826A (zh) | 一种充电桩充电设施运维故障智能分析与预警系统 | |
CN114323665A (zh) | 一种燃气轮机燃料供给系统故障的检测方法 | |
CN108506171A (zh) | 一种大型半直驱机组齿轮箱冷却系统故障预警方法 | |
CN102722156B (zh) | 冶金行业生产过程控制系统故障显示及容错控制方法 | |
CN114703922A (zh) | 一种二次供水安全体系的物联网系统及方法 | |
CN104763576B (zh) | 一种抽水蓄能机组保护辅助信号异常判别和修正方法 | |
CN110533891B (zh) | 抽水蓄能电站水轮机顶盖螺栓工况实时报警方法及系统 | |
CN112381242A (zh) | 核电站设备维修项目数据处理方法及系统 | |
CN112445196A (zh) | 基于调度应急预案的矿井风机自愈决策支持系统及方法 | |
CN105512761A (zh) | 一种电力变压器的经济寿命确定方法及装置 | |
CN109087721A (zh) | 一种压水堆核电厂故障诊断方法 | |
CN111584106B (zh) | 核电站燃料机组替代方法、装置、设备和存储介质 | |
CN114095536A (zh) | 一种基于物联网的电力输变电安全提示系统及方法 | |
CN113947153A (zh) | 用于油压装置螺杆泵内部的磨损故障预测方法及系统 | |
CN112598141A (zh) | 一种用于区域光伏电站的运维检修方法及系统 | |
CN109520740A (zh) | 燃气轮机健康状态预测方法 | |
CN115839735B (zh) | 一种垃圾发电企业的物理设备运行管理系统 | |
CN113900865B (zh) | 智能的电网设备自动化测试方法、系统和可读存储介质 |
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 |