CN116301652A - 一种风电机组在线监测历史数据冷热分离系统 - Google Patents
一种风电机组在线监测历史数据冷热分离系统 Download PDFInfo
- Publication number
- CN116301652A CN116301652A CN202310332117.9A CN202310332117A CN116301652A CN 116301652 A CN116301652 A CN 116301652A CN 202310332117 A CN202310332117 A CN 202310332117A CN 116301652 A CN116301652 A CN 116301652A
- Authority
- CN
- China
- Prior art keywords
- data
- cold
- hot
- module
- data set
- 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
- 238000000926 separation method Methods 0.000 title claims abstract description 20
- 238000012544 monitoring process Methods 0.000 title claims abstract description 14
- 238000012545 processing Methods 0.000 claims abstract description 51
- 238000013500 data storage Methods 0.000 claims abstract description 19
- 230000036541 health Effects 0.000 claims description 43
- 238000013480 data collection Methods 0.000 claims description 7
- 230000002159 abnormal effect Effects 0.000 claims description 4
- 238000013523 data management Methods 0.000 abstract description 2
- 230000006870 function Effects 0.000 description 9
- 239000004973 liquid crystal related substance Substances 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 238000012217 deletion Methods 0.000 description 2
- 230000037430 deletion Effects 0.000 description 2
- 238000000034 method Methods 0.000 description 2
- 230000011218 segmentation Effects 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
- 238000010790 dilution Methods 0.000 description 1
- 239000012895 dilution Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/06—Digital input from, or digital output to, record carriers, e.g. RAID, emulated record carriers or networked record carriers
- G06F3/0601—Interfaces specially adapted for storage systems
- G06F3/0602—Interfaces specially adapted for storage systems specifically adapted to achieve a particular effect
- G06F3/0608—Saving storage space on storage systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/21—Design, administration or maintenance of databases
- G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/06—Digital input from, or digital output to, record carriers, e.g. RAID, emulated record carriers or networked record carriers
- G06F3/0601—Interfaces specially adapted for storage systems
- G06F3/0602—Interfaces specially adapted for storage systems specifically adapted to achieve a particular effect
- G06F3/061—Improving I/O performance
- G06F3/0613—Improving I/O performance in relation to throughput
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/06—Digital input from, or digital output to, record carriers, e.g. RAID, emulated record carriers or networked record carriers
- G06F3/0601—Interfaces specially adapted for storage systems
- G06F3/0628—Interfaces specially adapted for storage systems making use of a particular technique
- G06F3/0646—Horizontal data movement in storage systems, i.e. moving data in between storage devices or systems
- G06F3/0652—Erasing, e.g. deleting, data cleaning, moving of data to a wastebasket
-
- 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
- Y02E10/70—Wind energy
- Y02E10/72—Wind turbines with rotation axis in wind direction
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Human Computer Interaction (AREA)
- Databases & Information Systems (AREA)
- Quality & Reliability (AREA)
- Data Mining & Analysis (AREA)
- Wind Motors (AREA)
Abstract
本发明提供了一种风电机组在线监测历史数据冷热分离系统,其特征在于,包括数据采集模块、数据存储模块、数据标识模块和冷热处理模块,所述数据采集模块用于在线采集风电机组的运行数据,所述数据存储模块用于保存采集的运行数据,所述数据标识模块用于对运行数据进行标识处理,所述冷热处理模块根据运行数据的标识结果进行冷热分类并定期删除冷数据;本系统通过对数据进行标识处理,在根据标识结果进行冷热分离处理,保证有效数据的访问效率,有效降低现场硬件成本及数据管理压力。
Description
技术领域
本发明涉及电数字数据处理领域,具体涉及一种风电机组在线监测历史数据冷热分离系统。
背景技术
当前风电机组在线监测系统会在各个不同的位置采集原始数据,风电机组属于低速重载设备,采集的原始数据采样时间长,单个波形文件的体量大、单次采集的数据条目多,风电场现场受制于硬件环境,存储空间有限,过多的数据对存储造成了较大的影响,传统的存储方式或者会占用大量的空间,或者会将历史的数据全部清除。本发明通过基于数据的价值,从时间维度和数据质量维度来考虑不同数据的存储及稀释策略,保障在风电场可以在有限的空间下,保存更多的有效数据。
背景技术的前述论述仅意图便于理解本发明。此论述并不认可或承认提及的材料中的任一种公共常识的一部分。
现在已经开发出了很多数据分离系统,经过我们大量的检索与参考,发现现有的数据分离系统有如公开号为CN112114748B所公开的系统,这些系统一般包括:在预设的时间轴内根据数据被调用的频率将数据标记为冷数据或热数据;利用DMA引擎将热数据拷贝至内存的内核缓冲区,冷数据拷贝至内存中的内核预热区;响应于服务器应用的请求,将内核缓冲区的热数据的属性信息拷贝至套接字缓冲区;网卡调用套接字缓冲区的属性信息获取内核缓冲区的热数据,并将热数据传达至服务器应用。但该系统仅仅根据数据的被调用频次来确定冷数据或热数据,无法应用于风电机组的数据处理。
发明内容
本发明的目的在于,针对所存在的不足,提出了一种风电机组在线监测历史数据冷热分离系统。
本发明采用如下技术方案:
一种风电机组在线监测历史数据冷热分离系统,包括数据采集模块、数据存储模块、数据标识模块和冷热处理模块;
所述数据采集模块用于在线采集风电机组的运行数据,所述数据存储模块用于保存采集的运行数据,所述数据标识模块用于对运行数据进行标识处理,所述冷热处理模块根据运行数据的标识结果进行冷热分类并定期删除冷数据;
所述数据存储模块将存储区域分为常态数据区域、缓冲数据区域和冷热数据区域,所述数据标识模块包括质量标识单元、健康标识单元和工况标识单元,所述质量标识单元对常态数据区域中的数据组进行标识处理,所述健康标识单元和所述工况标识单元对缓冲数据区域中的数据组进行标识处理,所述冷热处理模块对冷热数据区域中的数据组进行分离处理;
所述缓冲数据区域的时间跨度为Tbf,每隔Tbf时间,缓冲数据区域中的数据被转移至冷热数据区域,所述常态数据区域中最早的时间跨度为Tbf的数据组被转移至缓冲数据区域,所述冷热处理模块进行一次分离处理;
进一步的,所述数据采集模块采集的运行数据包括风电机组的转速、功率以及当时的环境风速,所述数据采集模块将每个风电机组连续的运行数据结合风电机组的信息以及采集时间作为一组数据保存在所述数据存储模块中,每组数据的时间跨度为T0;
进一步的,所述质量标识单元根据数据组中的转速和功率计算出叶片的功率系数Cp:
其中,P(t)表示数据组中的功率函数,n(t)表示数据组中的转速函数,ρ表示空气密度,A表示叶片面积,D表示叶片旋转时形成的圆面直径;
当所述功率系数处于一个判断区间[Cpmin,Cpmax]时,将对应数据组的数据质量标识为0,表示正常,否则将对应数据组的数据质量标识为1,表示异常;
对于数据质量标识为1的数据组,直接在常态数据区域中进行删除操作;
进一步的,所述健康标识单元将数据组标识为危险级别、注意级别或正常级别,所述工况标识单元根据数据组中的转速和功率计算出数据组的工况指数Om:
进一步的,所述冷热处理模块根据下式计算出冷热数据区域中的数据组的冷热指数CH:
其中,ΔT为数据组的采集时间与当前时间的时间差,R为健康系数,危险级别的数据组对应的健康系数为1,注意级别的数据组对应的健康系数为2,正常级别的数据组对应的健康系数为3;
所述冷热处理模块将删除冷热指数最高的Dt组数据组,Dt根据下式计算得到:
其中,RB表示缓冲数据区域的存储量,R0表示单组数据组的存储量,RL表示冷热数据区域中剩余的存储量。
本发明所取得的有益效果是:
本系统通过三个标识单元对采集的数据进行标识处理,其中,质量标识单元用于标识数据的准确性,并及时地删除不准确的数据,健康标识单元用于标识风电机组的运行状态,工况标识单元用于标识风电机组的工作状态,冷热处理模块基于健康标识和工况标识并结合采集时间对数据组进行冷热分离处理并删除其中的冷数据,保证有效数据的访问效率,有效降低现场硬件成本及数据管理压力。
为使能更进一步了解本发明的特征及技术内容,请参阅以下有关本发明的详细说明与附图,然而所提供的附图仅用于提供参考与说明,并非用来对本发明加以限制。
附图说明
图1为本发明整体结构框架示意图;
图2为本发明不同存储区域的时间关系示意图;
图3为本发明数据标识模块构成示意图;
图4为本发明健康标识单元进行健康标识的流程示意图;
图5为本发明冷热处理模块构成示意图。
具体实施方式
以下是通过特定的具体实施例来说明本发明的实施方式,本领域技术人员可由本说明书所公开的内容了解本发明的优点与效果。本发明可通过其他不同的具体实施例加以施行或应用,本说明书中的各项细节也可基于不同观点与应用,在不悖离本发明的精神下进行各种修饰与变更。另外,本发明的附图仅为简单示意说明,并非依实际尺寸的描绘,事先声明。以下的实施方式将进一步详细说明本发明的相关技术内容,但所公开的内容并非用以限制本发明的保护范围。
实施例一。
本实施例提供了一种风电机组在线监测历史数据冷热分离系统,结合图1,包括数据采集模块、数据存储模块、数据标识模块和冷热处理模块;
所述数据采集模块用于在线采集风电机组的运行数据,所述数据存储模块用于保存采集的运行数据,所述数据标识模块用于对运行数据进行标识处理,所述冷热处理模块根据运行数据的标识结果进行冷热分类并定期删除冷数据;
所述数据存储模块将存储区域分为常态数据区域、缓冲数据区域和冷热数据区域,所述数据标识模块包括质量标识单元、健康标识单元和工况标识单元,所述质量标识单元对常态数据区域中的数据组进行标识处理,所述健康标识单元和所述工况标识单元对缓冲数据区域中的数据组进行标识处理,所述冷热处理模块对冷热数据区域中的数据组进行分离处理;
所述缓冲数据区域的时间跨度为Tbf,每隔Tbf时间,缓冲数据区域中的数据被转移至冷热数据区域,所述常态数据区域中最早的时间跨度为Tbf的数据组被转移至缓冲数据区域,所述冷热处理模块进行一次分离处理;
所述数据采集模块采集的运行数据包括风电机组的转速、功率以及当时的环境风速,所述数据采集模块将每个风电机组连续的运行数据结合风电机组的信息以及采集时间作为一组数据保存在所述数据存储模块中,每组数据的时间跨度为T0;
所述质量标识单元根据数据组中的转速和功率计算出叶片的功率系数Cp:
其中,P(t)表示数据组中的功率函数,n(t)表示数据组中的转速函数,ρ表示空气密度,A表示叶片面积,D表示叶片旋转时形成的圆面直径;
当所述功率系数处于一个判断区间[Cpmin,Cpmax]时,将对应数据组的数据质量标识为0,表示正常,否则将对应数据组的数据质量标识为1,表示异常;
对于数据质量标识为1的数据组,直接在常态数据区域中进行删除操作;
所述健康标识单元将数据组标识为危险级别、注意级别或正常级别,所述工况标识单元根据数据组中的转速和功率计算出数据组的工况指数Om:
所述冷热处理模块根据下式计算出冷热数据区域中的数据组的冷热指数CH:
其中,ΔT为数据组的采集时间与当前时间的时间差,R为健康系数,危险级别的数据组对应的健康系数为1,注意级别的数据组对应的健康系数为2,正常级别的数据组对应的健康系数为3;
所述冷热处理模块将删除冷热指数最高的Dt组数据组,Dt根据下式计算得到:
其中,RB表示缓冲数据区域的存储量,R0表示单组数据组的存储量,RL表示冷热数据区域中剩余的存储量。
实施例二。
本实施例包含了实施例一中的全部内容,提供了一种风电机组在线监测历史数据冷热分离系统,包括数据采集模块、数据存储模块、数据标识模块和冷热处理模块;
所述数据采集模块用于在线采集风电机组的运行数据,所述数据存储模块用于保存采集的运行数据,所述数据标识模块用于对运行数据进行标识处理,所述冷热处理模块根据运行数据的标识结果进行冷热分类并定期删除冷数据;
所述数据采集模块采集的运行数据包括风电机组的转速、功率以及当时的环境风速,所述数据采集模块将每个风电机组连续的运行数据结合风电机组的信息以及采集时间作为一组数据保存在所述数据存储模块中,每组数据的时间跨度为T0;
所述数据存储模块包括索引单元和存储单元,所述索引单元用于从所述存储单元中索引得到对应的数据组,所述存储单元分为三个存储区域,分别为常态数据区域、缓冲数据区域和冷热数据区域,结合图2,三个存储区域根据时间线进行划分,其中,缓冲数据区域的时间跨度为Tbf,每隔Tbf时间,将缓冲数据区域中的数据组转移至冷热数据区域,将常态数据区域中长达Tbf的早期数据组转移至缓冲数据区域;
结合图3,所述数据标识模块包括质量标识单元、健康标识单元和工况标识单元,所述质量标识单元用于识别数据组的准确性,所述健康标识单元用于诊断风电机组的健康状态,所述工况标识单元用于对风电机组的工作状态进行分级处理,所述健康标识单元和所述工况标识单元对缓冲数据区域中的数据组进行标识处理,所述质量标识单元对常态数据区域中的数据组进行标识处理;
所述质量标识单元根据数据组中的转速和功率计算出叶片的功率系数Cp:
其中,P(t)表示数据组中的功率函数,n(t)表示数据组中的转速函数,ρ表示空气密度,A表示叶片面积,D表示叶片旋转时形成的圆面直径;
当所述功率系数处于一个判断区间[Cpmin,Cpmax]时,将对应数据组的数据质量标识为0,表示正常,否则将对应数据组的数据质量标识为1,表示异常;
判断区间中的Cpmin和Cpmax值由本领域技术人员根据实际情况进行设定;
对于数据质量标识为1的数据组,直接在常态数据区域中进行删除操作,并派出维修人员对对应风电机组的数据采集设备进行检测维修;
结合图4,所述健康标识单元对数据组进行标识处理的过程包括如下步骤:
S1、将数据组中的温度函数分为低风速段和高风速段,临界时间点称为切分点,将转速函数和功率函数在同样的切分点进行分段;
S2、在低风速段采集样本数据点,并根据下式计算出每个样本数据点的转速风速k1比以及功率风速比k2:
其中,n为采集的转速样本,P为采集的功率样本,v为采集的风速样本;
S3、根据下式计算出低风速段的健康指数P1:
其中,m1为低风速段的样本数据点数量,k′1为标准转速风速比,k′2为标准功率风速比,k1(i)表示第i个样本数据点的转速风速比,k2(i)表示第i个样本数据点的功率风速比;
根据健康指数P1的值分为三个级别:[0,Py1]为危险级别,(Py1,Py2]为注意级别,(Py2,1]为正常级别;
S4、在高风速段采集样本数据点,并根据下式计算出每个样本数据点的降效指数Rd:
其中,Pmax为风电机组的最大输出功率,v′为区分低风速段和高分风速段的风速临界值;
S5、根据下式计算出高风速段的健康指数P2:
其中,m2为高风速段的样本数据点数量,Rd(i)表示第i个样本数据点的降效指数;
根据健康指数P2的值分为三个级别:[0,Py3]为正常级别,(Py3,Py4]为注意级别,(Py4,+∞]为危险级别;
S6、标识数据组的健康级别:
当数据组只有低风速段或高风速段,直接将对应风速段的级别作为数据组的健康级别;
当数据组同时存在低风速段和高风速段,两个均为危险级别时,数据组的健康级别为危险级别,两个均为正常级别时,数据组的健康级别为正常级别,其余情况下数据组的健康级别为注意级别;
所述工况标识单元根据数据组中的转速和功率计算出数据组的工况指数Om:
所述工况标识单元用工况指数对数据组进行标识;
结合图5,所述冷热处理模块包括冷热计算处理器和删除处理器,所述冷热计算处理器根据下式计算出冷热数据区域中的数据组的冷热指数CH:
其中,ΔT为数据组的采集时间与当前时间的时间差,R为健康系数,危险级别的数据组对应的健康系数为1,注意级别的数据组对应的健康系数为2,正常级别的数据组对应的健康系数为3;
所述计算处理器根据冷热数据区域中的剩余存储量RL确定需要删除的数据组量Dt:
其中,RB表示缓冲数据区域的存储量,R0表示单组数据组的存储量;
所述冷热计算处理器将冷热指数最高的Dt组数据组信息发送给所述删除处理器,所述删除处理器将对应的数据组从冷热数据区域中删除;
特别的,当冷热数据区域中的剩余存储量RL大于RB时,不进行删除操作;
本系统还能人为的对数据组进行特殊标识,被特殊标识的数据组将不参与冷热指数的排序,特殊标识只能被人为撤销。
以上所公开的内容仅为本发明的优选可行实施例,并非因此局限本发明的保护范围,所以凡是运用本发明说明书及附图内容所做的等效技术变化,均包含于本发明的保护范围内,此外,随着技术发展其中的元素可以更新的。
Claims (5)
1.一种风电机组在线监测历史数据冷热分离系统,其特征在于,包括数据采集模块、数据存储模块、数据标识模块和冷热处理模块;
所述数据采集模块用于在线采集风电机组的运行数据,所述数据存储模块用于保存采集的运行数据,所述数据标识模块用于对运行数据进行标识处理,所述冷热处理模块根据运行数据的标识结果进行冷热分类并定期删除冷数据;
所述数据存储模块将存储区域分为常态数据区域、缓冲数据区域和冷热数据区域,所述数据标识模块包括质量标识单元、健康标识单元和工况标识单元,所述质量标识单元对常态数据区域中的数据组进行标识处理,所述健康标识单元和所述工况标识单元对缓冲数据区域中的数据组进行标识处理,所述冷热处理模块对冷热数据区域中的数据组进行分离处理;
所述缓冲数据区域的时间跨度为Tbf,每隔Tbf时间,缓冲数据区域中的数据被转移至冷热数据区域,所述常态数据区域中最早的时间跨度为Tbf的数据组被转移至缓冲数据区域,所述冷热处理模块进行一次分离处理。
2.如权利要求1所述的一种风电机组在线监测历史数据冷热分离系统,其特征在于,所述数据采集模块采集的运行数据包括风电机组的转速、功率以及当时的环境风速,所述数据采集模块将每个风电机组连续的运行数据结合风电机组的信息以及采集时间作为一组数据保存在所述数据存储模块中,每组数据的时间跨度为T0。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310332117.9A CN116301652A (zh) | 2023-03-31 | 2023-03-31 | 一种风电机组在线监测历史数据冷热分离系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310332117.9A CN116301652A (zh) | 2023-03-31 | 2023-03-31 | 一种风电机组在线监测历史数据冷热分离系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116301652A true CN116301652A (zh) | 2023-06-23 |
Family
ID=86825670
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310332117.9A Pending CN116301652A (zh) | 2023-03-31 | 2023-03-31 | 一种风电机组在线监测历史数据冷热分离系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116301652A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116701380A (zh) * | 2023-08-02 | 2023-09-05 | 长扬科技(北京)股份有限公司 | 基于Openstack清理冗余数据的方法及装置 |
-
2023
- 2023-03-31 CN CN202310332117.9A patent/CN116301652A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116701380A (zh) * | 2023-08-02 | 2023-09-05 | 长扬科技(北京)股份有限公司 | 基于Openstack清理冗余数据的方法及装置 |
CN116701380B (zh) * | 2023-08-02 | 2023-10-27 | 长扬科技(北京)股份有限公司 | 基于Openstack清理冗余数据的方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103291544B (zh) | 数字化风电机组功率曲线绘制方法 | |
CN116301652A (zh) | 一种风电机组在线监测历史数据冷热分离系统 | |
CN108304350B (zh) | 基于大数据集近邻策略的风机指标预测与故障预警方法 | |
CN109918364B (zh) | 一种基于二维概率密度估计和四分位法的数据清洗方法 | |
CN111949809A (zh) | 一种输电线路红外巡检数据智能处理方法 | |
CN109447107B (zh) | 基于信息熵的办公建筑空调日用能模式异常在线检测方法 | |
CN111522808B (zh) | 一种风电机组异常运行数据处理方法 | |
CN103423189B (zh) | 一种服务器风扇功耗测量方法 | |
CN112418687B (zh) | 基于用电特征的用户用电异常识别方法、装置和存储介质 | |
CN117032415B (zh) | 一种基于温度变化的设备数据监管系统及方法 | |
CN116540941B (zh) | 一种基于云计算的数据存储安全控制系统 | |
CN106053090A (zh) | 一种燃气轮机的近邻异常检测系统 | |
CN108521433A (zh) | 一种基于人工智能的关键信息基础设施安全监测及预警系统 | |
CN115096457A (zh) | 一种5g模式下的钢结构间冷塔温度场工程监测方法 | |
CN114878172A (zh) | 一种船舶主机气缸温度信号特征提取方法及系统 | |
CN103472070B (zh) | 发动机机油清净分散性测定方法 | |
CN108131321A (zh) | 一种轴流式风机失速故障监测系统及故障监测方法 | |
CN116956047A (zh) | 一种基于风力发电数据的风电机组性能评估系统 | |
CN115658772A (zh) | 一种无人机光伏巡检数据类资产管理方法及系统 | |
CN115759539A (zh) | 一种食品安全指数评价方法及装置 | |
CN110083804A (zh) | 基于条件分布回归的风电场scada数据缺失的智能修复方法 | |
CN117114500B (zh) | 基于数据分解的行为基线建立方法、系统及介质 | |
CN117911084B (zh) | 一种综合能源服务市场划分系统 | |
CN109102001A (zh) | 一种遗传基因改进神经网络的转子在线故障诊断方法 | |
CN114155452B (zh) | 一种用于工业自动化仪器仪表的信息识别方法 |
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 |