CN115977855A - 一种基于人工智能的水电站故障诊断系统 - Google Patents
一种基于人工智能的水电站故障诊断系统 Download PDFInfo
- Publication number
- CN115977855A CN115977855A CN202310030112.0A CN202310030112A CN115977855A CN 115977855 A CN115977855 A CN 115977855A CN 202310030112 A CN202310030112 A CN 202310030112A CN 115977855 A CN115977855 A CN 115977855A
- Authority
- CN
- China
- Prior art keywords
- fault
- hydropower station
- time
- fault diagnosis
- sudden
- 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
Images
Abstract
本发明公开了一种基于人工智能的水电站故障诊断系统,涉及水电站故障诊断技术领域,解决了现有技术中,在故障诊断效率无法满足当前需求时,不能够通过物理信号辅助监测以弥补故障诊断效率的不足的技术问题,包括服务器,服务器通讯连接有故障诊断效率分析单元、实时物理信号监测单元、诊断故障分析单元以及故障整顿控制单元;本发明是将水电站在运行过程中进行物理监测,通过物理信号的辅助监测提高水电站的故障诊断准确性,防止水电站的故障诊断效率无法满足需求,以至于造成水电站的故障无法及时管控,还通过物理信号监测大大提高故障诊断效率,在当前故障诊断方式无法满足需求时能够及时进行弥补,保证水电站的运行效率。
Description
技术领域
本发明涉及水电站故障诊断技术领域,具体为一种基于人工智能的水电站故障诊断系统。
背景技术
水电站是能将水能转换为电能的综合工程设施,一般由挡水、泄水建筑物形成的水库和水电站引水系统、发电厂房、机电设备等构成,水库的高水位水经引水系统流入厂房推动水轮发电机组发出电能,再经升压变压器、开关站和输电线路输入电网;
但是在现有技术中,在水电站进行故障诊断时,在故障诊断效率无法满足当前需求时,不能够通过物理信号辅助监测以弥补故障诊断效率的不足,以至于无法水电站无法准确进行故障诊断,同时不能够根据诊断故障类型进行针对性管控,以至于故障诊断效率降低;
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,而提出一种基于人工智能的水电站故障诊断系统,是根据水电站对应诊断出的故障类型进行分析,准确分析出水电站当前故障的引发原因,便于针对性的提高故障维护效率,防止故障筛查浪费时间,影响水电站运行效率的同时增加水电站本身设备的磨损,以至于进一步加大故障风险;将水电站进行故障整顿控制,根据突发性故障和非突发性故障不同类型进行故障针对性整顿,提高故障整顿的效率,保证故障通过整顿能够规避,促进水电站的运行效率。
本发明的目的可以通过以下技术方案实现:
一种基于人工智能的水电站故障诊断系统,包括服务器,服务器通讯连接有:
故障诊断效率分析单元,用于对水电站实时运行过程中的故障诊断效率进行分析,获取到水电站的实时运行时间段并将其标记为分析时间段,获取到分析时间段内水电站的故障诊断效率分析系数,根据故障诊断效率分析系数比较生成故障诊断效率不合格信号或者故障诊断效率合格信号,并将其发送至服务器;
实时物理信号监测单元,用于将水电站在运行过程中进行物理监测,在水电站运行过程中,对水电站机械系统运行振动进行监测,获取到水电站机械系统的振动数据,其中,振动数据表示为时域、幅值域以及频域,时域,通过分析生成故障高风险预警信号或者故障低风险监测信号,并将其发送至服务器;
诊断故障分析单元,用于将水电站在运行过程中的诊断故障进行分析,将水电站诊断出的故障标记为已知故障,根据已知故障的诊断以及维护过程中获取到已知故障发生时对应故障部位出现浮动的运行参数,并将其标记为影响参数,通过分析将已知故障划分为突发性故障和非突发性故障,并将其发送至服务器;
故障整顿控制单元,用于将水电站进行故障整顿控制。
作为本发明的一种优选实施方式,故障诊断效率分析单元的运行过程如下:
采集到分析时间段内水电站故障发生前可提前预警的概率以及水电站进行故障预警后仍出现故障的概率;采集到分析时间段内水电站故障出现且完成诊断后再次发生同类型故障的最短间隔时长;通过分析获取到分析时间段内水电站的故障诊断效率分析系数;
将分析时间段内水电站的故障诊断效率分析系数与故障诊断效率分析系数阈值进行比较:
若分析时间段内水电站的故障诊断效率分析系数超过故障诊断效率分析系数阈值,则判定分析时间段内水电站的故障诊断效率分析合格,生成故障诊断效率合格信号并将故障诊断效率合格信号发送至服务器;若分析时间段内水电站的故障诊断效率分析系数未超过故障诊断效率分析系数阈值,则判定分析时间段内水电站的故障诊断效率分析不合格,生成故障诊断效率不合格信号并将故障诊断效率不合格信号发送至服务器。
作为本发明的一种优选实施方式,实时物理信号监测单元的运行过程如下:
根据水电站历史运行过程中的故障分析,获取到水电站存在故障时对应机械系统的振动数据,根据对应故障时刻点判断故障时刻点前后振动数据的浮动值,若振动数据的浮动值超过浮动值阈值,则将对应振动数据标记为故障数据,并根据振动数据的浮动趋势以及故障数据的对应数值,获取到故障数据达到前的预警数据;
在获取到故障数据和预警数据后将实时水电站运行进行监测,采集到水电站实时运行过程中机械系统实时振动数据达到预警数据的往复频率以及机械系统实时振动数据与故障数据的最小数值差,并将其进行比较。
作为本发明的一种优选实施方式,比较过程如下:
若水电站实时运行过程中机械系统实时振动数据达到预警数据的往复频率超过往复频率阈值,或者机械系统实时振动数据与故障数据的最小数值差未超过最小数值差阈值,则判定水电站存在高故障风险,生成故障高风险预警信号并将故障高风险预警信号发送至服务器;
若水电站实时运行过程中机械系统实时振动数据达到预警数据的往复频率未超过往复频率阈值,且机械系统实时振动数据与故障数据的最小数值差超过最小数值差阈值,则生成故障低风险监测信号并将故障低风险监测信号发送至服务器,服务器接收到故障低风险监测信号后,将故障诊断效率进行评估,在当前匹配的故障诊断方式满足当前需求时物理信号监测可终止。
作为本发明的一种优选实施方式,诊断故障分析单元的运行过程如下:
采集到已知故障出现前影响参数数值浮动的最大瞬时跨度以及已知故障出现前影响参数数值浮动过程中的趋势改变频率,并将其分别与最大瞬时跨度阈值和趋势改变频率阈值进行比较:
若已知故障出现前影响参数数值浮动的最大瞬时跨度超过最大瞬时跨度阈值,或者已知故障出现前影响参数数值浮动过程中的趋势改变频率超过趋势改变频率阈值,则将对应已知故障标记为突发性故障;
若已知故障出现前影响参数数值浮动的最大瞬时跨度未超过最大瞬时跨度阈值,且已知故障出现前影响参数数值浮动过程中的趋势改变频率未超过趋势改变频率阈值,则将对应已知故障标记为非突发性故障;将突发性故障和非突发性故障一同发送至服务器。
作为本发明的一种优选实施方式,故障整顿控制单元的运行过程如下:
采集到水电站的突发性故障发生时刻与对应前一时刻的影响参数浮动跨度值以及突发性故障发生时刻与对应前一时刻的影响参数浮动速度,并将其分别与浮动跨度值阈值和浮动速度阈值进行比较:
若水电站的突发性故障发生时刻与对应前一时刻的影响参数浮动跨度值超过浮动跨度值阈值,或者突发性故障发生时刻与对应前一时刻的影响参数浮动速度超过浮动速度阈值,则将突发性故障的预警值重设定,将对应突发性故障影响参数的预警值与故障时刻的影响参数值对应间隔数值进行扩大;
若水电站的突发性故障发生时刻与对应前一时刻的影响参数浮动跨度值未超过浮动跨度值阈值,且突发性故障发生时刻与对应前一时刻的影响参数浮动速度未超过浮动速度阈值,则将突发性故障出现时刻与整顿开始时刻的间隔时长进行缩短。
作为本发明的一种优选实施方式,针对水电站的非突发性故障,将非突发性故障的影响参数控制进行管理,在非突发性故障影响参数浮动趋势为故障趋势,或者影响参数已浮动时长超过已浮动时长阈值时,则保证非突发性故障影响参数达到预警值时,对应非突发性故障维护的间隔时长须控制在间隔时长阈值以内。
与现有技术相比,本发明的有益效果是:
1、本发明中,判断水电站运行过程中故障的诊断效率是否满足需求,从而保证水电站的运行合格性,便于及时对水电站的故障进行预警以及维护,使得水电站运行过程的故障影响降至最低,最大程度的提高水电站的运行效率;将水电站在运行过程中进行物理监测,通过物理信号的辅助监测提高水电站的故障诊断准确性,防止水电站的故障诊断效率无法满足需求,以至于造成水电站的故障无法及时管控,通过物理信号监测大大提高故障诊断效率,在当前故障诊断方式无法满足需求时能够及时进行弥补,保证水电站的运行效率;
2、本发明中,根据水电站对应诊断出的故障类型进行分析,准确分析出水电站当前故障的引发原因,便于针对性的提高故障维护效率,防止故障筛查浪费时间,影响水电站运行效率的同时增加水电站本身设备的磨损,以至于进一步加大故障风险;将水电站进行故障整顿控制,根据突发性故障和非突发性故障不同类型进行故障针对性整顿,提高故障整顿的效率,保证故障通过整顿能够规避,促进水电站的运行效率。
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为本发明一种基于人工智能的水电站故障诊断系统的原理框图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,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、完整的描述,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他实施例,都属于本发明保护的范围。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本发明的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
请参阅图1所示,一种基于人工智能的水电站故障诊断系统,包括服务器,服务器通讯连接有故障诊断效率分析单元、实时物理信号监测单元、诊断故障分析单元以及故障整顿控制单元,其中,服务器与故障诊断效率分析单元、实时物理信号监测单元、诊断故障分析单元以及故障整顿控制单元均为双向通讯连接;
服务器生成故障诊断效率分析信号并将故障诊断效率分析信号发送至故障诊断效率分析单元,故障诊断效率分析单元接收到故障诊断效率分析信号后,对水电站实时运行过程中的故障诊断效率进行分析,判断水电站运行过程中故障的诊断效率是否满足需求,从而保证水电站的运行合格性,便于及时对水电站的故障进行预警以及维护,使得水电站运行过程的故障影响降至最低,最大程度的提高水电站的运行效率;
获取到水电站的实时运行时间段并将其标记为分析时间段,采集到分析时间段内水电站故障发生前可提前预警的概率以及水电站进行故障预警后仍出现故障的概率,并将分析时间段内水电站故障发生前可提前预警的概率以及水电站进行故障预警后仍出现故障的概率分别标记为YGL和GGL;采集到分析时间段内水电站故障出现且完成诊断后再次发生同类型故障的最短间隔时长,并将分析时间段内水电站故障出现且完成诊断后再次发生同类型故障的最短间隔时长标记为JGS;
将分析时间段内水电站的故障诊断效率分析系数C与故障诊断效率分析系数阈值进行比较:
若分析时间段内水电站的故障诊断效率分析系数C超过故障诊断效率分析系数阈值,则判定分析时间段内水电站的故障诊断效率分析合格,生成故障诊断效率合格信号并将故障诊断效率合格信号发送至服务器;
若分析时间段内水电站的故障诊断效率分析系数C未超过故障诊断效率分析系数阈值,则判定分析时间段内水电站的故障诊断效率分析不合格,生成故障诊断效率不合格信号并将故障诊断效率不合格信号发送至服务器;
服务器接收到故障诊断效率不合格信号后,生成实时物理信号监测信号并将实时物理信号监测信号发送至实时物理信号监测单元,实时物理信号监测单元接收到实时物理信号监测信号后,将水电站在运行过程中进行物理监测,通过物理信号的辅助监测提高水电站的故障诊断准确性,防止水电站的故障诊断效率无法满足需求,以至于造成水电站的故障无法及时管控,通过物理信号监测大大提高故障诊断效率,在当前故障诊断方式无法满足需求时能够及时进行弥补,保证水电站的运行效率;
在水电站运行过程中,对水电站机械系统运行振动进行监测,获取到水电站机械系统的振动数据,其中,振动数据表示为时域、幅值域以及频域,时域;表示为现有技术中一随机变量或一组数据的平均值等数据,幅值域表示为现有技术中幅值的概率分布,即描述随机振动瞬时幅值低于某一特定值的概率;频域表示为现有技术中频率的浮动跨度值;
根据水电站历史运行过程中的故障分析,获取到水电站存在故障时对应机械系统的振动数据,根据对应故障时刻点判断故障时刻点前后振动数据的浮动值,若振动数据的浮动值超过浮动值阈值,则将对应振动数据标记为故障数据,并根据振动数据的浮动趋势以及故障数据的对应数值,获取到故障数据达到前的预警数据;
在获取到故障数据和预警数据后将实时水电站运行进行监测,采集到水电站实时运行过程中机械系统实时振动数据达到预警数据的往复频率以及机械系统实时振动数据与故障数据的最小数值差,并将水电站实时运行过程中机械系统实时振动数据达到预警数据的往复频率以及机械系统实时振动数据与故障数据的最小数值差分别与往复频率阈值和最小数值差阈值进行比较:
可以理解的是,振动数据实时浮动,且在达到预警数据后仍会浮动,因此达到预警数据的频率越大风险越大,同时在超过预警数据后与故障数据越接近则故障风险越大;
若水电站实时运行过程中机械系统实时振动数据达到预警数据的往复频率超过往复频率阈值,或者机械系统实时振动数据与故障数据的最小数值差未超过最小数值差阈值,则判定水电站存在高故障风险,生成故障高风险预警信号并将故障高风险预警信号发送至服务器;服务器接收到故障高风险预警信号后,将对应水电站运行进行整顿管控;
若水电站实时运行过程中机械系统实时振动数据达到预警数据的往复频率未超过往复频率阈值,且机械系统实时振动数据与故障数据的最小数值差超过最小数值差阈值,则判定水电站不存在高故障风险,生成故障低风险监测信号并将故障低风险监测信号发送至服务器,服务器接收到故障低风险监测信号后,将故障诊断效率进行评估,在当前匹配的故障诊断方式满足当前需求时物理信号监测可终止;
服务器生成诊断故障分析信号并将诊断故障分析信号发送至诊断故障分析单元,诊断故障分析单元接收到诊断故障分析信号后,将水电站在运行过程中的诊断故障进行分析,根据水电站对应诊断出的故障类型进行分析,准确分析出水电站当前故障的引发原因,便于针对性的提高故障维护效率,防止故障筛查浪费时间,影响水电站运行效率的同时增加水电站本身设备的磨损,以至于进一步加大故障风险;
将水电站诊断出的故障标记为已知故障,根据已知故障的诊断以及维护过程中获取到已知故障发生时对应故障部位出现浮动的运行参数,并将其标记为影响参数,对应故障部位即为水电站对应出现已知故障的部位,运行参数则对应故障部位的运行相关参数,如噪音值、温度值等参数;
采集到已知故障出现前影响参数数值浮动的最大瞬时跨度以及已知故障出现前影响参数数值浮动过程中的趋势改变频率,并将已知故障出现前影响参数数值浮动的最大瞬时跨度以及已知故障出现前影响参数数值浮动过程中的趋势改变频率分别与最大瞬时跨度阈值和趋势改变频率阈值进行比较:其中,最大瞬时跨度表示为水电站在相邻工作单位时刻的影响参数数值浮动最大跨度,趋势改变频率表示为浮动趋势的改变频率,如增长趋势变为降低趋势,则为一次改变,改变频率低则表示趋势变化的一致性强,若出现故障则表明故障原因持续存在;
若已知故障出现前影响参数数值浮动的最大瞬时跨度超过最大瞬时跨度阈值,或者已知故障出现前影响参数数值浮动过程中的趋势改变频率超过趋势改变频率阈值,则将对应已知故障标记为突发性故障;若已知故障出现前影响参数数值浮动的最大瞬时跨度未超过最大瞬时跨度阈值,且已知故障出现前影响参数数值浮动过程中的趋势改变频率未超过趋势改变频率阈值,则将对应已知故障标记为非突发性故障;
将突发性故障和非突发性故障一同发送至服务器;
服务器接收到突发性故障和非突发性故障后,生成故障整顿控制信号并将故障整顿控制信号发送至故障整顿控制单元,故障整顿控制单元接收到故障整顿控制信号后,将水电站进行故障整顿控制,根据突发性故障和非突发性故障不同类型进行故障针对性整顿,提高故障整顿的效率,保证故障通过整顿能够规避,促进水电站的运行效率;
采集到水电站的突发性故障发生时刻与对应前一时刻的影响参数浮动跨度值以及突发性故障发生时刻与对应前一时刻的影响参数浮动速度,并将水电站的突发性故障发生时刻与对应前一时刻的影响参数浮动跨度值以及突发性故障发生时刻与对应前一时刻的影响参数浮动速度分别与浮动跨度值阈值和浮动速度阈值进行比较:
若水电站的突发性故障发生时刻与对应前一时刻的影响参数浮动跨度值超过浮动跨度值阈值,或者突发性故障发生时刻与对应前一时刻的影响参数浮动速度超过浮动速度阈值,则将突发性故障的预警值重设定,将对应突发性故障影响参数的预警值与故障时刻的影响参数值对应间隔数值进行扩大;
若水电站的突发性故障发生时刻与对应前一时刻的影响参数浮动跨度值未超过浮动跨度值阈值,且突发性故障发生时刻与对应前一时刻的影响参数浮动速度未超过浮动速度阈值,则将突发性故障出现时刻与整顿开始时刻的间隔时长进行缩短;
针对水电站的非突发性故障,将非突发性故障的影响参数控制进行管理,在非突发性故障影响参数浮动趋势为故障趋势,或者影响参数已浮动时长超过已浮动时长阈值时,则保证非突发性故障影响参数达到预警值时,对应非突发性故障维护的间隔时长须控制在间隔时长阈值以内。
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,通过故障诊断效率分析单元对水电站实时运行过程中的故障诊断效率进行分析,获取到水电站的实时运行时间段并将其标记为分析时间段,获取到分析时间段内水电站的故障诊断效率分析系数,将故障诊断效率分析系数进行比较判断故障真的效率;通过实时物理信号监测单元将水电站在运行过程中进行物理监测,在水电站运行过程中,对水电站机械系统运行振动进行监测,获取到水电站机械系统的振动数据,通过分析生成故障高风险预警信号或者故障低风险监测信号,并将其发送至服务器;通过诊断故障分析单元将水电站在运行过程中的诊断故障进行分析,通过分析将已知故障划分为突发性故障和非突发性故障,并将其发送至服务器;通过故障整顿控制单元将水电站进行故障整顿控制。
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 (7)
1.一种基于人工智能的水电站故障诊断系统,其特征在于,包括服务器,服务器通讯连接有:
故障诊断效率分析单元,用于对水电站实时运行过程中的故障诊断效率进行分析,获取到水电站的实时运行时间段并将其标记为分析时间段,获取到分析时间段内水电站的故障诊断效率分析系数,根据故障诊断效率分析系数比较生成故障诊断效率不合格信号或者故障诊断效率合格信号,并将其发送至服务器;
实时物理信号监测单元,用于将水电站在运行过程中进行物理监测,在水电站运行过程中,对水电站机械系统运行振动进行监测,获取到水电站机械系统的振动数据,其中,振动数据表示为时域、幅值域以及频域,时域,通过分析生成故障高风险预警信号或者故障低风险监测信号,并将其发送至服务器;
诊断故障分析单元,用于将水电站在运行过程中的诊断故障进行分析,将水电站诊断出的故障标记为已知故障,根据已知故障的诊断以及维护过程中获取到已知故障发生时对应故障部位出现浮动的运行参数,并将其标记为影响参数,通过分析将已知故障划分为突发性故障和非突发性故障,并将其发送至服务器;
故障整顿控制单元,用于将水电站进行故障整顿控制。
2.根据权利要求1所述的一种基于人工智能的水电站故障诊断系统,其特征在于,故障诊断效率分析单元的运行过程如下:
采集到分析时间段内水电站故障发生前可提前预警的概率以及水电站进行故障预警后仍出现故障的概率;采集到分析时间段内水电站故障出现且完成诊断后再次发生同类型故障的最短间隔时长;通过分析获取到分析时间段内水电站的故障诊断效率分析系数;
将分析时间段内水电站的故障诊断效率分析系数与故障诊断效率分析系数阈值进行比较:
若分析时间段内水电站的故障诊断效率分析系数超过故障诊断效率分析系数阈值,则判定分析时间段内水电站的故障诊断效率分析合格,生成故障诊断效率合格信号并将故障诊断效率合格信号发送至服务器;若分析时间段内水电站的故障诊断效率分析系数未超过故障诊断效率分析系数阈值,则判定分析时间段内水电站的故障诊断效率分析不合格,生成故障诊断效率不合格信号并将故障诊断效率不合格信号发送至服务器。
3.根据权利要求1所述的一种基于人工智能的水电站故障诊断系统,其特征在于,实时物理信号监测单元的运行过程如下:
根据水电站历史运行过程中的故障分析,获取到水电站存在故障时对应机械系统的振动数据,根据对应故障时刻点判断故障时刻点前后振动数据的浮动值,若振动数据的浮动值超过浮动值阈值,则将对应振动数据标记为故障数据,并根据振动数据的浮动趋势以及故障数据的对应数值,获取到故障数据达到前的预警数据;
在获取到故障数据和预警数据后将实时水电站运行进行监测,采集到水电站实时运行过程中机械系统实时振动数据达到预警数据的往复频率以及机械系统实时振动数据与故障数据的最小数值差,并将其进行比较。
4.根据权利要求3所述的一种基于人工智能的水电站故障诊断系统,其特征在于,比较过程如下:
若水电站实时运行过程中机械系统实时振动数据达到预警数据的往复频率超过往复频率阈值,或者机械系统实时振动数据与故障数据的最小数值差未超过最小数值差阈值,则判定水电站存在高故障风险,生成故障高风险预警信号并将故障高风险预警信号发送至服务器;
若水电站实时运行过程中机械系统实时振动数据达到预警数据的往复频率未超过往复频率阈值,且机械系统实时振动数据与故障数据的最小数值差超过最小数值差阈值,则生成故障低风险监测信号并将故障低风险监测信号发送至服务器,服务器接收到故障低风险监测信号后,将故障诊断效率进行评估,在当前匹配的故障诊断方式满足当前需求时物理信号监测可终止。
5.根据权利要求1所述的一种基于人工智能的水电站故障诊断系统,其特征在于,诊断故障分析单元的运行过程如下:
采集到已知故障出现前影响参数数值浮动的最大瞬时跨度以及已知故障出现前影响参数数值浮动过程中的趋势改变频率,并将其分别与最大瞬时跨度阈值和趋势改变频率阈值进行比较:
若已知故障出现前影响参数数值浮动的最大瞬时跨度超过最大瞬时跨度阈值,或者已知故障出现前影响参数数值浮动过程中的趋势改变频率超过趋势改变频率阈值,则将对应已知故障标记为突发性故障;
若已知故障出现前影响参数数值浮动的最大瞬时跨度未超过最大瞬时跨度阈值,且已知故障出现前影响参数数值浮动过程中的趋势改变频率未超过趋势改变频率阈值,则将对应已知故障标记为非突发性故障;将突发性故障和非突发性故障一同发送至服务器。
6.根据权利要求1所述的一种基于人工智能的水电站故障诊断系统,其特征在于,故障整顿控制单元的运行过程如下:
采集到水电站的突发性故障发生时刻与对应前一时刻的影响参数浮动跨度值以及突发性故障发生时刻与对应前一时刻的影响参数浮动速度,并将其分别与浮动跨度值阈值和浮动速度阈值进行比较:
若水电站的突发性故障发生时刻与对应前一时刻的影响参数浮动跨度值超过浮动跨度值阈值,或者突发性故障发生时刻与对应前一时刻的影响参数浮动速度超过浮动速度阈值,则将突发性故障的预警值重设定,将对应突发性故障影响参数的预警值与故障时刻的影响参数值对应间隔数值进行扩大;
若水电站的突发性故障发生时刻与对应前一时刻的影响参数浮动跨度值未超过浮动跨度值阈值,且突发性故障发生时刻与对应前一时刻的影响参数浮动速度未超过浮动速度阈值,则将突发性故障出现时刻与整顿开始时刻的间隔时长进行缩短。
7.根据权利要求6所述的一种基于人工智能的水电站故障诊断系统,其特征在于,针对水电站的非突发性故障,将非突发性故障的影响参数控制进行管理,在非突发性故障影响参数浮动趋势为故障趋势,或者影响参数已浮动时长超过已浮动时长阈值时,则保证非突发性故障影响参数达到预警值时,对应非突发性故障维护的间隔时长须控制在间隔时长阈值以内。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310030112.0A CN115977855A (zh) | 2023-01-09 | 2023-01-09 | 一种基于人工智能的水电站故障诊断系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310030112.0A CN115977855A (zh) | 2023-01-09 | 2023-01-09 | 一种基于人工智能的水电站故障诊断系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115977855A true CN115977855A (zh) | 2023-04-18 |
Family
ID=85959615
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310030112.0A Pending CN115977855A (zh) | 2023-01-09 | 2023-01-09 | 一种基于人工智能的水电站故障诊断系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115977855A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117092578A (zh) * | 2023-10-18 | 2023-11-21 | 青岛悠进电装有限公司 | 一种基于数据采集处理的线束导通智能检测系统 |
CN117390402A (zh) * | 2023-12-11 | 2024-01-12 | 青岛可颂食品有限公司 | 一种混合奶油生产管理系统 |
-
2023
- 2023-01-09 CN CN202310030112.0A patent/CN115977855A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117092578A (zh) * | 2023-10-18 | 2023-11-21 | 青岛悠进电装有限公司 | 一种基于数据采集处理的线束导通智能检测系统 |
CN117092578B (zh) * | 2023-10-18 | 2024-01-16 | 青岛悠进电装有限公司 | 一种基于数据采集处理的线束导通智能检测系统 |
CN117390402A (zh) * | 2023-12-11 | 2024-01-12 | 青岛可颂食品有限公司 | 一种混合奶油生产管理系统 |
CN117390402B (zh) * | 2023-12-11 | 2024-03-08 | 青岛可颂食品有限公司 | 一种混合奶油生产管理系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115977855A (zh) | 一种基于人工智能的水电站故障诊断系统 | |
CN114819415B (zh) | 一种基于数据分析的电力设备故障预测系统 | |
CN101425686A (zh) | 电力系统在线安全稳定评估预想故障集自适应筛选方法 | |
CN114264952B (zh) | 一种基于数据处理的断路器运行状态特征管理系统 | |
Amayri et al. | Condition based maintenance of wind turbine systems considering different turbine types | |
CN112417612B (zh) | 风电齿轮箱退化状态跟踪与失效聚集风险评估方法 | |
CN115495315A (zh) | 一种大型医疗设备的故障预警系统 | |
CN113609637B (zh) | 一种考虑故障连锁的多灾害配电网弹性评估方法 | |
CN104050377A (zh) | 一种时变设备故障概率确定方法 | |
CN117365677A (zh) | 一种汽轮机组性能健康状态评价方法 | |
CN115759521B (zh) | 一种基于大数据的海上风力发电机运行故障预测系统 | |
CN110608133B (zh) | 一种海上风力发电控制系统及方法 | |
CN112731827A (zh) | 一种用于电力设备的智能传感器的监控系统 | |
CN110159474A (zh) | 一种水轮发电机组的发电机设备状态远程监控方法 | |
CN116465059A (zh) | 基于数据分析的节能空调器运行监管系统 | |
CN114320773A (zh) | 一种基于功率曲线分析与神经网络的风电机组故障预警方法 | |
CN112699104B (zh) | 一种电力设备的智能传感器的数据处理方法及智能传感器 | |
CN115345519A (zh) | 海上风电风险评估方法、装置、设备及存储介质 | |
Tian et al. | Maintenance of wind turbine systems under continuous monitoring | |
CN117034157B (zh) | 一种结合多模态运行数据的水电设备故障识别方法与系统 | |
CN117195136B (zh) | 一种电网新能源异常数据监测方法 | |
Bi et al. | Wind turbine mechanical load estimation based on adaptive network-based fuzzy inference system | |
CN117761468A (zh) | 一种新能源发电站多参数运行状态监控方法及系统 | |
Chao et al. | Reliability Assessment of Offshore Wind Farms Considering Severe Weather Conditions | |
CN105787810A (zh) | 一种评估风力发电机发电能力的方法 |
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 |