CN115049370A - 一种风电场智能管控软件 - Google Patents
一种风电场智能管控软件 Download PDFInfo
- Publication number
- CN115049370A CN115049370A CN202210798746.6A CN202210798746A CN115049370A CN 115049370 A CN115049370 A CN 115049370A CN 202210798746 A CN202210798746 A CN 202210798746A CN 115049370 A CN115049370 A CN 115049370A
- Authority
- CN
- China
- Prior art keywords
- module
- wind power
- power plant
- information
- spare part
- 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
- 238000004519 manufacturing process Methods 0.000 claims abstract description 9
- 238000010248 power generation Methods 0.000 claims abstract description 8
- 238000012545 processing Methods 0.000 claims abstract description 6
- 238000007726 management method Methods 0.000 claims description 48
- 238000004458 analytical method Methods 0.000 claims description 35
- 230000001537 neural effect Effects 0.000 claims description 26
- 238000012549 training Methods 0.000 claims description 20
- 238000012423 maintenance Methods 0.000 claims description 16
- 238000007689 inspection Methods 0.000 claims description 14
- 239000000284 extract Substances 0.000 claims description 11
- 238000004891 communication Methods 0.000 claims description 9
- 238000012544 monitoring process Methods 0.000 claims description 9
- 238000012360 testing method Methods 0.000 claims description 9
- 238000001514 detection method Methods 0.000 claims description 8
- 230000002159 abnormal effect Effects 0.000 claims description 7
- 238000004088 simulation Methods 0.000 claims description 6
- 238000000034 method Methods 0.000 claims description 5
- 238000012795 verification Methods 0.000 claims description 4
- 238000011156 evaluation Methods 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 230000007774 longterm Effects 0.000 claims description 3
- 238000011176 pooling Methods 0.000 claims description 3
- 230000005856 abnormality Effects 0.000 claims 1
- 238000010276 construction Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000002360 explosive Substances 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 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
- G06Q10/10—Office automation; Time management
- G06Q10/103—Workflow collaboration or project management
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Health & Medical Sciences (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Data Mining & Analysis (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种风电场智能管控软件,属于智能管控领域,包括生产信息模块、中控室值班模块、备件台账模块、巡视记录模块、安全管理模块以及学习模块,所述生产信息模块用于实时记录风电场产电量,并绘制产电量折线图;本发明能够根据不同的部门,出不同的类型的考试题,同部门的题都不相同,保证考核结果的真实性,可以根据不同的项目需求,生成项目部相关的工作内容,能够防止各部门员工进行重复作业,有效对各项目部进行规划,提高各部门人员工作处理效率。
Description
技术领域
本发明涉及智能管控领域,尤其涉及一种风电场智能管控软件。
背景技术
海上风电场是指水深10米左右的近海风电。与陆上风电场相比,海上风电场的优点主要是不占用土地资源,基本不受地形地貌影响,风速更高,风能资源更丰富,风电机组单机容量更大,年利用小时数更高。但是海上风电场建设的技术难度也较大,建设成本一般是陆上风电场的2~3倍,从全球范围来看,自20世纪90年代以来,海上风电经过十多年的探索,技术已日趋成熟。到2006年底,全球海上风电装机容量已达到90万千瓦,随着国内海上风电爆发式增长,对海上风电场智慧运行维护需求日益增加。但由于我国海上风电行业起步晚、积累经验少,导致海上风电场运行维护中存在较多问题;
经检索,中国专利号CN110222851A公开了一种海上风电场智慧运维管理系统及管理方法,该发明虽然减小风电场因风机故障造成的停机损失,同时保证了海上运维作业安全高效执行,但是各部门考核题目相同,降低考核结果的真实性,且容易出现各部门员工进行重复作业,无法对各项目部进行有效的规划;为此,我们提出一种风电场智能管控软件。
发明内容
本发明的目的是为了解决现有技术中存在的缺陷,而提出的一种风电场智能管控软件。
为了实现上述目的,本发明采用了如下技术方案:
一种风电场智能管控软件,包括生产信息模块、中控室值班模块、备件台账模块、巡视记录模块、安全管理模块以及学习模块;
其中,所述生产信息模块用于实时记录风电场产电量,并绘制产电量折线图;
所述中控值班模块包括故障记录单元、两票管理单元以及学习培训记录单元;
所述故障记录单元用于实时更新风电场各设备历史故障信息,并进行保存;
所述两票管理单元用于生成电子工作票和电子操作票,并将其反馈给相关管理人员以及工作人员进行作业管控;
所述学习记录单元用于接收学习模块发送的各组数据,并生成相对应部门人员的学习日志进行记录;
所述备件台账模块用于实时记录风电场常用备件信息,并实时进行消耗分析;
所述巡视记录模块用于接收对风电场各处进行智能巡检,并定期更新巡检结果;
所述安全管理模块用于接受各风电场设备运行情况,并对其进行异常分析;
所述学习模块用于风电场各工作人员学习、查阅风机资料资源以及对各部门人员进行考试检测。
作为本发明的进一步方案,所述备件台账模块消耗分析具体步骤如下:
步骤一:自行生成备件记录表,同时对存储的各组备件名称、型号、数量以及位置进行记录,同时与外部服务器端与网页端通信连接;
步骤二:当管理人员或工作人员需要使用备件时,通过网页端输入相关备件名称,备件台账模块依据输入的备件名称对该备件存储位置进行定位,同时将其反馈给相对应得管理人员或工作人员;
步骤三:当管理人员或工作人员取出并使用某一备件时,备件记录表更新该备件数量信息,记录该备件使用详情,当备件数量达到系统默认或管理人员设定的最低阈值时,则判断该备件缺货,同时依据各备件存储量生成相关采购计划并发送至相关部门。
作为本发明的进一步方案,所述巡检记录模块智能巡检具体步骤如下:
步骤(1):巡检记录模块与风电场各处监控摄像头通信连接,并实时获取各监控摄像头获取的影像信息,之后依据管理人员上传的风电场建筑参数信息构建该风电场三维模型;
步骤(2):巡检记录模块按照获取的影像信息的显示比例来确定分块数量,并对各组影像信息进行分块处理,同时对分块完成的视频图像通过低通滤波进行模糊处理;
步骤(3):对处理完成的影像信息中的每一个像素逐点进行阈值计算,并通过灰度阀值寻找区域,对该区域中的各组像素点进行特征点提取,同时依据各组特征点提取影像信息中的人脸图像;
步骤(4):将提取出得人脸图像与外部服务器中存储的各人员面部信息进行对比,若不存在相对应的人员信息,则将该人员位置以及面部信息实时反馈给管理人员。
作为本发明的进一步方案,所述安全管理模块异常分析具体步骤如下:
第一步:安全管理模块与各风电场设备传感器通信连接,并实时接收传感器采集到的运行数据,同时构建并训练一组神经分析网络,之后将各组运行数据导入神经分析网络中;
第二步:神经分析网络对各组运行数据进行特征提取,并对提取出的各组特征信息进行归一化处理,并将处理里后的数据通过输入、卷积、池化、全连接和输出进行分析;
第三步:若存在异常特征信息,则对相对应的风电场设备进行定位,并发出警报,同时向相关人员发送警示信息,并实时监测该风电场设备维护进度,维修完成后,记录相关维护人员名称以及维护时长。
作为本发明的进一步方案,所述神经分析网络训练具体步骤如下:
S1.1:神经分析网络从外部服务器中提取各组异常评估信息,并将各组信息作为模拟数据,同时将模拟数据分为测试集以及训练集;
S1.2:通过测试集来对该神经分析网络的精度进行验证,同时对测试集中每组数据都进行一次预测,收集满足期望值的预测值,并将预测值中最好的数据作为最优参数输出;
S1.3:依据最优参数将训练集通过学习训练以生成训练样本,最后将训练样本输送到神经分析网络中,并采用长期迭代法对该神经分析网络进行实时优化,并对满足期望值的神经分析网络进行准确率、检出率和误报率评估,同时生成相对应的曲线走势图。
作为本发明的进一步方案,所述学习模块考试检测具体步骤如下:
S2.1:学习模块接收待检测人员输入的个人信息,并对接收到的各组信息进行身份核验,同时将各待检测人员按照不同部门进行分类,并对各待检测人员职位信息进行确认以及记录;
S2.2:之后学习模块根据各待检测人员不同部门以及职位,自行从外部题库提取不同的类型的考试题,同时学习模块分配给同部门以及职位的题都不相同;
S2.3:当考试结束后,学习模块自行计算各人员考试成绩,同时将同部门人员考试成绩由高到低进行排序,并将不及格的各人员发送补考提醒。
作为本发明的进一步方案,所述两票管理单元作业管控具体步骤如下:
P1:两票管理单元实时接收各子模块发送的信息,并对监测风电场设备是否需要开票的作业,当存在需要开票的作业时,两票管理单元选择需要作业的位置及作业类型;
P2:同时根据不同部位及作业形成相关的安全措施和风险辨识以及风险预控措施信息,并将各组数据反馈给相关人员,同时生成电子工作票和电子操作票;
P3:之后两票管理单元监督相关人员的工作完成情况以及两票执行情况,并及时观察相关风电场设备各项指标,当工作结束后,通过安全管理模块对设备运行参数变化情况进行记录。
相比于现有技术,本发明的有益效果在于:
本发明通过学习模块接收待检测人员输入的个人信息,并对接收到的各组信息进行身份核验,同时将各待检测人员按照不同部门进行分类,并对各待检测人员职位信息进行确认以及记录,之后学习模块根据各待检测人员不同部门以及职位,自行从外部题库提取不同的类型的考试题,同时学习模块分配给同部门以及职位的题都不相同,同时本系统通过中控值班模块中的两票管理单元实时接收各子模块发送的信息,并对监测风电场设备是否需要开票的作业,当存在需要开票的作业时,两票管理单元选择需要作业的位置及作业类型,同时根据不同部位及作业形成相关的安全措施和风险辨识以及风险预控措施信息,并将各组数据反馈给相关人员,并监督相关人员的工作完成情况以及两票执行情况,并及时观察相关风电场设备各项指标,当工作结束后,通过安全管理模块对设备运行参数变化情况进行记录,能够根据不同的部门,出不同的类型的考试题,同部门的题都不相同,保证考核结果的真实性,可以根据不同的项目需求,生成项目部相关的工作内容,能够防止各部门员工进行重复作业,有效对各项目部进行规划,提高各部门人员工作处理效率。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。
图1为本发明提出的一种风电场智能管控软件的系统框图;
图2为本发明提出的一种风电场智能管控软件中中控值班模块的结构框图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中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。
实施例1
参照图1-2,一种风电场智能管控软件,包括生产信息模块、中控室值班模块、备件台账模块、巡视记录模块、安全管理模块以及学习模块。
生产信息模块用于实时记录风电场产电量,并绘制产电量折线图。
中控值班模块包括故障记录单元、两票管理单元以及学习培训记录单元。
故障记录单元用于实时更新风电场各设备历史故障信息,并进行保存。
两票管理单元用于生成电子工作票和电子操作票,并将其反馈给相关管理人员以及工作人员进行作业管控。
具体的,两票管理单元实时接收各子模块发送的信息,并对监测风电场设备是否需要开票的作业,当存在需要开票的作业时,两票管理单元选择需要作业的位置及作业类型,同时根据不同部位及作业形成相关的安全措施和风险辨识以及风险预控措施信息,并将各组数据反馈给相关人员,同时生成电子工作票和电子操作票,之后两票管理单元监督相关人员的工作完成情况以及两票执行情况,并及时观察相关风电场设备各项指标,当工作结束后,通过安全管理模块对设备运行参数变化情况进行记录。
学习记录单元用于接收学习模块发送的各组数据,并生成相对应部门人员的学习日志进行记录。
备件台账模块用于实时记录风电场常用备件信息,并实时进行消耗分析。
具体的,备件台账模块自行生成备件记录表,同时对存储的各组备件名称、型号、数量以及位置进行记录,同时与外部服务器端与网页端通信连接,当管理人员或工作人员需要使用备件时,通过网页端输入相关备件名称,备件台账模块依据输入的备件名称对该备件存储位置进行定位,同时将其反馈给相对应得管理人员或工作人员,之后当管理人员或工作人员取出并使用某一备件时,备件记录表更新该备件数量信息,记录该备件使用详情,当备件数量达到系统默认或管理人员设定的最低阈值时,则判断该备件缺货,同时依据各备件存储量生成相关采购计划并发送至相关部门。
实施例2
参照图1-2,一种风电场智能管控软件,包括生产信息模块、中控室值班模块、备件台账模块、巡视记录模块、安全管理模块以及学习模块。
巡视记录模块用于接收对风电场各处进行智能巡检,并定期更新巡检结果。
具体的,巡检记录模块与风电场各处监控摄像头通信连接,并实时获取各监控摄像头获取的影像信息,之后依据管理人员上传的风电场建筑参数信息构建该风电场三维模型,之后按照获取的影像信息的显示比例来确定分块数量,并对各组影像信息进行分块处理,同时对分块完成的视频图像通过低通滤波进行模糊处理,再对处理完成的影像信息中的每一个像素逐点进行阈值计算,并通过灰度阀值寻找区域,对该区域中的各组像素点进行特征点提取,同时依据各组特征点提取影像信息中的人脸图像,之后将提取出得人脸图像与外部服务器中存储的各人员面部信息进行对比,若不存在相对应的人员信息,则将该人员位置以及面部信息实时反馈给管理人员。
安全管理模块用于接受各风电场设备运行情况,并对其进行异常分析。
具体的,安全管理模块与各风电场设备传感器通信连接,并实时接收传感器采集到的运行数据,同时构建并训练一组神经分析网络,之后将各组运行数据导入神经分析网络中,之后神经分析网络对各组运行数据进行特征提取,并对提取出的各组特征信息进行归一化处理,并将处理里后的数据通过输入、卷积、池化、全连接和输出进行分析,若存在异常特征信息,则对相对应的风电场设备进行定位,并发出警报,同时向相关人员发送警示信息,并实时监测该风电场设备维护进度,维修完成后,记录相关维护人员名称以及维护时长。
神经分析网络从外部服务器中提取各组异常评估信息,并将各组信息作为模拟数据,同时将模拟数据分为测试集以及训练集,再通过测试集来对该神经分析网络的精度进行验证,同时对测试集中每组数据都进行一次预测,收集满足期望值的预测值,并将预测值中最好的数据作为最优参数输出,依据最优参数将训练集通过学习训练以生成训练样本,最后将训练样本输送到神经分析网络中,并采用长期迭代法对该神经分析网络进行实时优化,并对满足期望值的神经分析网络进行准确率、检出率和误报率评估,同时生成相对应的曲线走势图。
学习模块用于风电场各工作人员学习、查阅风机资料资源以及对各部门人员进行考试检测。
具体的,学习模块接收待检测人员输入的个人信息,并对接收到的各组信息进行身份核验,同时将各待检测人员按照不同部门进行分类,并对各待检测人员职位信息进行确认以及记录,之后学习模块根据各待检测人员不同部门以及职位,自行从外部题库提取不同的类型的考试题,同时学习模块分配给同部门以及职位的题都不相同,当考试结束后,学习模块自行计算各人员考试成绩,同时将同部门人员考试成绩由高到低进行排序,并将不及格的各人员发送补考提醒。
Claims (7)
1.一种风电场智能管控软件,其特征在于,包括生产信息模块、中控室值班模块、备件台账模块、巡视记录模块、安全管理模块以及学习模块;
其中,所述生产信息模块用于实时记录风电场产电量,并绘制产电量折线图;
所述中控值班模块包括故障记录单元、两票管理单元以及学习培训记录单元;
所述故障记录单元用于实时更新风电场各设备历史故障信息,并进行保存;
所述两票管理单元用于生成电子工作票和电子操作票,并将其反馈给相关管理人员以及工作人员进行作业管控;
所述学习记录单元用于接收学习模块发送的各组数据,并生成相对应部门人员的学习日志进行记录;
所述备件台账模块用于实时记录风电场常用备件信息,并实时进行消耗分析;
所述巡视记录模块用于接收对风电场各处进行智能巡检,并定期更新巡检结果;
所述安全管理模块用于接受各风电场设备运行情况,并对其进行异常分析;
所述学习模块用于风电场各工作人员学习、查阅风机资料资源以及对各部门人员进行考试检测。
2.根据权利要求1所述的一种风电场智能管控软件,其特征在于,所述备件台账模块消耗分析具体步骤如下:
步骤一:自行生成备件记录表,同时对存储的各组备件名称、型号、数量以及位置进行记录,同时与外部服务器端与网页端通信连接;
步骤二:当管理人员或工作人员需要使用备件时,通过网页端输入相关备件名称,备件台账模块依据输入的备件名称对该备件存储位置进行定位,同时将其反馈给相对应得管理人员或工作人员;
步骤三:当管理人员或工作人员取出并使用某一备件时,备件记录表更新该备件数量信息,记录该备件使用详情,当备件数量达到系统默认或管理人员设定的最低阈值时,则判断该备件缺货,同时依据各备件存储量生成相关采购计划并发送至相关部门。
3.根据权利要求1所述的一种风电场智能管控软件,其特征在于,所述巡检记录模块智能巡检具体步骤如下:
步骤(1):巡检记录模块与风电场各处监控摄像头通信连接,并实时获取各监控摄像头获取的影像信息,之后依据管理人员上传的风电场建筑参数信息构建该风电场三维模型;
步骤(2):巡检记录模块按照获取的影像信息的显示比例来确定分块数量,并对各组影像信息进行分块处理,同时对分块完成的视频图像通过低通滤波进行模糊处理;
步骤(3):对处理完成的影像信息中的每一个像素逐点进行阈值计算,并通过灰度阀值寻找区域,对该区域中的各组像素点进行特征点提取,同时依据各组特征点提取影像信息中的人脸图像;
步骤(4):将提取出得人脸图像与外部服务器中存储的各人员面部信息进行对比,若不存在相对应的人员信息,则将该人员位置以及面部信息实时反馈给管理人员。
4.根据权利要求1所述的一种风电场智能管控软件,其特征在于,所述安全管理模块异常分析具体步骤如下:
第一步:安全管理模块与各风电场设备传感器通信连接,并实时接收传感器采集到的运行数据,同时构建并训练一组神经分析网络,之后将各组运行数据导入神经分析网络中;
第二步:神经分析网络对各组运行数据进行特征提取,并对提取出的各组特征信息进行归一化处理,并将处理里后的数据通过输入、卷积、池化、全连接和输出进行分析;
第三步:若存在异常特征信息,则对相对应的风电场设备进行定位,并发出警报,同时向相关人员发送警示信息,并实时监测该风电场设备维护进度,维修完成后,记录相关维护人员名称以及维护时长。
5.根据权利要求4所述的一种风电场智能管控软件,其特征在于,所述神经分析网络训练具体步骤如下:
S1.1:神经分析网络从外部服务器中提取各组异常评估信息,并将各组信息作为模拟数据,同时将模拟数据分为测试集以及训练集;
S1.2:通过测试集来对该神经分析网络的精度进行验证,同时对测试集中每组数据都进行一次预测,收集满足期望值的预测值,并将预测值中最好的数据作为最优参数输出;
S1.3:依据最优参数将训练集通过学习训练以生成训练样本,最后将训练样本输送到神经分析网络中,并采用长期迭代法对该神经分析网络进行实时优化,并对满足期望值的神经分析网络进行准确率、检出率和误报率评估,同时生成相对应的曲线走势图。
6.根据权利要求1所述的一种风电场智能管控软件,其特征在于,所述学习模块考试检测具体步骤如下:
S2.1:学习模块接收待检测人员输入的个人信息,并对接收到的各组信息进行身份核验,同时将各待检测人员按照不同部门进行分类,并对各待检测人员职位信息进行确认以及记录;
S2.2:之后学习模块根据各待检测人员不同部门以及职位,自行从外部题库提取不同的类型的考试题,同时学习模块分配给同部门以及职位的题都不相同;
S2.3:当考试结束后,学习模块自行计算各人员考试成绩,同时将同部门人员考试成绩由高到低进行排序,并将不及格的各人员发送补考提醒。
7.根据权利要求6所述的一种风电场智能管控软件,其特征在于,所述两票管理单元作业管控具体步骤如下:
P1:两票管理单元实时接收各子模块发送的信息,并对监测风电场设备是否需要开票的作业,当存在需要开票的作业时,两票管理单元选择需要作业的位置及作业类型;
P2:同时根据不同部位及作业形成相关的安全措施和风险辨识以及风险预控措施信息,并将各组数据反馈给相关人员,同时生成电子工作票和电子操作票;
P3:之后两票管理单元监督相关人员的工作完成情况以及两票执行情况,并及时观察相关风电场设备各项指标,当工作结束后,通过安全管理模块对设备运行参数变化情况进行记录。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210798746.6A CN115049370A (zh) | 2022-07-06 | 2022-07-06 | 一种风电场智能管控软件 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210798746.6A CN115049370A (zh) | 2022-07-06 | 2022-07-06 | 一种风电场智能管控软件 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115049370A true CN115049370A (zh) | 2022-09-13 |
Family
ID=83164965
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210798746.6A Pending CN115049370A (zh) | 2022-07-06 | 2022-07-06 | 一种风电场智能管控软件 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115049370A (zh) |
-
2022
- 2022-07-06 CN CN202210798746.6A patent/CN115049370A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110674189B (zh) | 一种智能变电站二次状态监测与故障定位的方法 | |
CN113450065B (zh) | 一种用于风电场的生产运营管理系统及方法 | |
CN109343395A (zh) | 一种核电厂dcs操作日志的异常检测系统和方法 | |
CN105574593B (zh) | 基于云计算和大数据的轨道状态静态检控系统及方法 | |
CN112801431B (zh) | 基于人工智能分析的企业经营风险评估方法及系统 | |
CN112863134A (zh) | 一种农村污水处理设施运行异常的智能诊断系统及方法 | |
CN113339204B (zh) | 一种基于混合神经网络的风力发电机故障识别方法 | |
CN115865649B (zh) | 一种智能运维管理控制方法、系统和存储介质 | |
CN114418177B (zh) | 基于生成对抗网络的数字孪生车间的新产品物料配送预测方法 | |
CN112990656A (zh) | 一种it设备监测数据的健康评价系统及健康评价方法 | |
CN109345076A (zh) | 一种全过程工程咨询项目风险管理方法 | |
CN115358155A (zh) | 一种电力大数据异常预警方法、装置、设备及可读存储介质 | |
CN110728381A (zh) | 一种基于rfid和数据处理的发电厂智能巡检方法及系统 | |
CN116914917A (zh) | 一种基于大数据的配电柜运行状态监测管理系统 | |
CN111159487A (zh) | 一种汽车发动机主轴预测性维护智能系统 | |
CN114519923A (zh) | 一种电厂智能诊断预警方法和系统 | |
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 | |
CN115719283A (zh) | 一种智能化会计管理系统 | |
CN117370919B (zh) | 污水处理设备远程监控系统 | |
CN115049370A (zh) | 一种风电场智能管控软件 | |
CN113902222B (zh) | 一种新能源智慧运维系统 | |
CN115953279A (zh) | 基于区块链技术的碳排放管理系统及方法 | |
CN115392663A (zh) | 一种基于大数据的数据采集处理方法 | |
CN111539642B (zh) | 一种基于面向对象的电厂数据采集处理系统及其方法 | |
CN115905319A (zh) | 一种海量用户电费异常的自动识别方法及系统 |
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 |