CN117746588A - 节能电力设备的标准数字化故障预警方法、装置及系统 - Google Patents
节能电力设备的标准数字化故障预警方法、装置及系统 Download PDFInfo
- Publication number
- CN117746588A CN117746588A CN202311768420.XA CN202311768420A CN117746588A CN 117746588 A CN117746588 A CN 117746588A CN 202311768420 A CN202311768420 A CN 202311768420A CN 117746588 A CN117746588 A CN 117746588A
- Authority
- CN
- China
- Prior art keywords
- early warning
- evaluation index
- frequency
- value
- equipment
- 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
- 238000000034 method Methods 0.000 title claims abstract description 48
- 238000011156 evaluation Methods 0.000 claims abstract description 161
- 230000007613 environmental effect Effects 0.000 claims abstract description 33
- 238000004458 analytical method Methods 0.000 claims abstract description 25
- 238000012544 monitoring process Methods 0.000 claims description 68
- 238000003860 storage Methods 0.000 claims description 4
- 238000012937 correction Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 abstract description 18
- 238000012545 processing Methods 0.000 abstract description 8
- 230000009286 beneficial effect Effects 0.000 abstract description 5
- 238000005516 engineering process Methods 0.000 description 14
- 238000004891 communication Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 9
- 238000007726 management method Methods 0.000 description 8
- 230000005540 biological transmission Effects 0.000 description 7
- 230000002159 abnormal effect Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 238000012423 maintenance Methods 0.000 description 6
- 230000008859 change Effects 0.000 description 5
- 238000007405 data analysis Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 4
- 230000018109 developmental process Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 239000000463 material Substances 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000004590 computer program Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 238000004146 energy storage Methods 0.000 description 3
- 230000002411 adverse Effects 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000005265 energy consumption Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000001931 thermography Methods 0.000 description 2
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000005672 electromagnetic field Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000012447 hatching Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 229910001416 lithium ion Inorganic materials 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000004377 microelectronic Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000013021 overheating Methods 0.000 description 1
- 239000013618 particulate matter Substances 0.000 description 1
- 238000004886 process control Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Landscapes
- Testing And Monitoring For Control Systems (AREA)
Abstract
本申请提供了一种节能电力设备的标准数字化故障预警方法、装置及系统，其中的故障预警方法在预警分析时综合了设备的运行参数和环境参数，根据运行参数和环境参数分别计算运行预警评估指数和环境预警评估指数，进而根据预警评估指数和环境预警评估指数加权计算得到设备的预警等级评估指数；本发明提供的故障预警方法综合考虑了设备的运行参数和环境参数，提高了故障预警分析的全面性和准确性；根据预警等级评估指数确定可能发生故障而需要处理的设备，以及厂区的预警等级，有助于提高对厂区内设备故障的处理速度。
Description
技术领域
本发明属于电力设备管理技术，尤其涉及一种节能电力设备的标准数字化故障预警方法、装置及系统。
背景技术
节能环保电力设备指在发电、传输和使用电能的过程中，采用高效低能耗技术的设备，以减少对环境的影响并提高能源利用效率。节能方式已覆盖发、输、变、配、用全产业链，节能方式的驱动因素在很大程度上决定下游需求的释放，例如变压器、高效电机、变频器。
以变频器为例，变频器是应用变频技术与微电子技术，通过改变电机工作电源频率方式来控制交流电动机的电力控制设备，主要由整流(交流变直流)、滤波、逆变(直流变交流)、制动单元、驱动单元、检测单元微处理单元等组成，随着自动化和电力电子技术的发展，变频器成为电机调速节能的关键设备，改变了普通电动机只能以定速方式运行的陈旧模式，使得电动机及其拖动负载在无需任何改动的情况下就可以按照生产工艺要求调整转速输出，从而降低电机功耗，达到系统高效运行的目的。
随着数据分析和智能化管理的发展，在日常应用中需要对节能电力设备数字化管理，避免设备出现故障影响工厂效率，但是现有的监测管理办法仍有不足，不能基于设备的参数进行监测分析，此外没有考虑设备所处区域的环境因素，分析结果存在局限性。
发明内容
基于此，本发明提供一种节能电力设备的标准数字化故障预警方法、装置及系统，结合设备的运行参数和环境参数，以综合评估变频器的故障风险，至少克服以上现有技术的缺陷。
第一方面，本发明提供一种节能电力设备的标准数字化故障预警方法，包括：
获取设备在监测时间段内的运行参数和环境参数，其中运行参数包括设备的输出频率和振动参数，环境参数包括设备所处区域的温度和湿度；
根据运行参数计算设备的运行预警评估指数，和，根据环境参数计算设备的环境预警评估指数；
对运行预警评估指数和环境预警评估指数加权计算得到设备的预警等级评估指数；
预警等级评估指数低于第一阈值时，根据同一厂区内各设备的预警等级评估指数计算厂区预警评估指数，从设定分级标准中确定与厂区预警评估指数匹配的等级作为厂区在监测时间段内的预警等级。
进一步地，根据运行参数计算运行预警评估指数包括：
根据输出频率绘制频率趋势线和频率阈值线，频率趋势线上的点表示设备在监测时间段内各时刻的输出频率；
根据频率趋势线和频率阈值线计算频率预警评估指数；
采集设备各次振动的分贝值，并计算设备的总振动时长；
根据设备的总振动时长和各次振动的分贝值计算振动预警评估指数；
根据频率预警评估指数和振动预警评估指数计算运行预警评估指数。
进一步地，根据频率趋势线和频率阈值线计算频率预警评估指数包括：
把监测时间段分为若干子时间段，获取各子时间段内频率趋势线位于频率阈值线以上的曲线线段和频率阈值线构成的闭合图域；
计算各子时间段内闭合图域的总面积及其对应的总时长，以及各子时间段内闭合图域的数量；
计算各子时间段内最高频率值和最低频率值之间的频率差；
根据各子时间段内闭合图域的总面积及其对应的总时长、闭合图域的数量和所述频率差计算各子时间段的频率趋势警值，根据各子时间段的频率趋势警值计算设备在监测时间段的频率累加值；
统计警值超出值对应的子时间段数量在子时间段总数量中的占比，并计算各警值超出值的超出值均值，警值超出值为超出第二阈值的频率趋势警值；
根据所述占比、超出值均值和频率累加值计算频率预警评估指数。
进一步地，计算设备的总振动时长包括：
计算监测时间段内相邻两次振动的间隔时长；
计算小于第三阈值的间隔时长的总和作为所述总振动时长。
进一步地，根据设备的总振动时长和各次振动的分贝值计算振动预警评估指数包括：
标签高于第四阈值的分贝值为高分贝值，低于第四阈值的分贝值为低分贝值，计算高分贝值的均值和低分贝值的均值得到高分贝均值和低分贝均值；
分别统计高分贝值和低分贝值的数量，得到高分贝数量和低分贝数量；
根据下式计算设备的振动影响值
其中，FMi表示振动影响值，FAi表示高分贝均值，FBi表示低分贝均值，FCi表示高分贝数量，FDi表示低分贝数量，c1、c2、c3和c4分别表示高分贝均值FAi、高分贝数量FCi、低分贝均值FBi和低分贝数量FDi的权重因子，下标i表示设备标识；
根据总振动时长和振动影响值计算振动预警评估指数。
进一步地，根据频率预警评估指数和振动预警评估指数计算运行预警评估指数包括：
如下式计算运行预警评估指数
其中，YXPi表示运行预警评估指数，PLYi表示频率预警评估指数，PHSi表示振动预警评估指数，df1和df2分别表示频率预警评估指数PLYi和振动预警评估指数PHSi的权重因子，α表示设定修正因子，下标i表示设备标识。
进一步地，根据环境参数计算环境预警评估指数包括：
获取监测时间段内设备所处区域的温度和湿度；
按下式计算环境预警评估指数
其中，HJPi表示环境预警评估指数，Wai表示温度，Wai最适表示温度最适值，ΔWai表示温度Wai和温度最适值Wai最适的允许差值，Wbi表示湿度，Wbi最适表示湿度最适值，ΔWbi表示湿度Wbi和湿度最适值Wbi最适的允许差值，ds1和ds2分别表示温度和湿度的权重因子，下标i表示设备标识。
进一步地，对运行预警评估指数和环境预警评估指数加权计算预警等级评估指数包括：
如下式计算预警等级评估指数
其中，YDJi表示预警等级评估指数，YXPi表示运行预警评估参数，YXPi阈值表示运行预警指数阈值，HJPi表示环境预警评估参数，HJPi阈值表示环境预警指数阈值，iu1和iu2分别表示运行预警评估指数和环境预警评估指数的权重因子，下标i表示设备标识。
进一步地，根据同一厂区内各设备的预警等级评估指数计算厂区预警评估指数包括：
如下式计算厂区预警评估指数
其中，CQP表示厂区预警评估指数，YDJi表示第i个设备的预警等级评估指数，YDJi阈值表示第i个设备的预警等级阈值，gti表示第i个设备的预警等级评估指数的权重因子，K表示同一厂区内设备的数量。
进一步地，上述标准数字化故障预警方法还包括：
把预警等级评估指数高于第一阈值的设备的位置信息及其预警等级评估指数发送至工效值满足设定条件的管理人员，其中，所述工效值根据管理人员与设备的物理距离，和/或，管理人员的工作时间计算得到。
进一步地，工效值的计算有如下表达式：
GX＝LC×re1+GC×re2
其中，GX表示管理人员的工效值，LC表示管理人员与设备的物理距离，GC表示管理人员的工作时长，re1和re2分别表示物理距离LC和工作时长GC的权重因子。
第二方面，本发明提供一种节能电力设备的标准数字化故障预警装置，包括：
参数获取单元，用于获取设备在监测时间段内的运行参数和环境参数，其中运行参数包括设备的输出频率和振动参数，环境参数包括设备所处区域的温度和湿度；
运行分析单元，用于根据输出频率和振动次数计算设备的运行预警评估指数；
区域分析单元，用于根据环境参数计算设备的环境预警评估指数；
综合预警单元，用于对运行预警评估指数和环境预警评估指数加权计算设备的预警等级评估指数，预警等级评估指数低于第一阈值时，根据同一厂区内各设备的预警等级评估指数计算厂区预警评估指数，从设定分级标准中确定与厂区预警评估指数匹配的等级作为厂区在监测时间段内的预警等级。
第三方面，本发明还提供一种标准数字化故障预警系统，包括存储有计算机可执行指令的存储器和处理器，当计算机可执行指令被所述处理器执行时使得该设备执行第一方面提供的标准数字化故障预警方法的各个步骤。
第四方面，本发明提供一种可读存储介质，存储有计算机可执行程序，当该程序被执行时可实现第一方面提供的标准数字化故障预警方法的各个步骤。
从以上技术方案可以看出，本发明具有如下有益效果：
本发明提供了一种节能电力设备的标准数字化故障预警方法、装置及系统，其中的故障预警方法在预警分析时综合了设备的运行参数和环境参数，其中设备的运行参数主要包括设备的输出频率和振动参数，环境参数主要考虑设备所处区域的温度和湿度，根据运行参数和环境参数分别计算得到运行预警评估指数和环境预警评估指数，进而根据预警评估指数和环境预警评估指数加权计算得到设备的预警等级评估指数；本发明提供的故障预警方法综合考虑了设备的运行参数和环境参数，提高了故障预警分析的全面性和准确性；根据预警等级评估指数确定可能发生故障而需要处理的设备，以及厂区的预警等级，有助于提高对厂区内设备故障的处理速度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
图1为本申请实施例提供的节能电力设备的标准数字化故障预警方法实施流程图；
图2为本申请实施例提供的闭合图域的示意图；
图3为本申请实施例提供的节能电力设备的标准数字化故障预警装置结构示意图；
图4为本申请实施例提供的节能电力设备的标准数字化故障预警系统结构框图。
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。基于本发明中的实施例，本领域普通技术人员在没有做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。
节能电力设备是指在电力领域中，通过采用先进的技术和设计理念，以降低能耗、提高能源利用效率为目标，从而减少电力系统运行过程中的能量损失。这些设备的使用有助于减轻对环境的不良影响，同时在长期内也有经济效益。
以下是一些常见的节能电力设备：
高效电动机：高效电动机采用先进的设计和材料，能够在相同功率输出下比传统电动机更加高效，减少能量损失。
变频器：变频器用于调节电机的转速，可以根据需要动态调整电机的运行速度，以适应不同负载条件，从而提高能效。
智能电网技术：智能电网通过先进的通信和控制技术，实现对电力系统的实时监测、优化和管理，从而提高电力系统的稳定性和能源利用效率。
高效照明设备：LED灯和其他高效照明设备相比传统的白炽灯具有更高的光电转换效率，能够提供相同或更好的照明效果，同时减少能耗。
电能储存系统：电能储存设备，如锂离子电池等，可以在低负载时存储多余的电能，在高负载时释放电能，以平衡电力系统负荷，提高能源利用效率。
高压输电线路：采用高压输电线路能够降低输电过程中的电阻损耗，提高输电效率。
智能电表和能源管理系统：通过实时监测和管理电力消耗，帮助用户更好地理解和控制能源使用，从而采取有效的节能措施。
可再生能源设备：使用太阳能光伏板、风力发电机等可再生能源设备，将清洁能源转换为电能，降低对传统能源的依赖。
采用这些节能电力设备可以有效降低电力系统的运行成本，减少环境影响，同时促进可持续发展。随着技术的不断进步，新的节能电力设备也在不断涌现，为电力行业的可持续发展提供更多可能性。
以变频器为例，变频器是一种高技术含量、高附加值、高回报的高科技产品，变频器最初的使用并不是为了节能，而是交流传动代替直流传动，并满足过程化控制的要求。随着自动化、电力电子等技术的发展。变频器作为电机调速节能关键设备，改变了普通电动机只能以定速方式运行的陈旧模式，使得电动机及其拖动负载在无需任何改动的情况下即可以按照生产工艺要求调整转速输出，从而降低电机功耗，达到系统高效运行的目的。目前，一般变频器的节电率在20％-30％左右，最高甚至可超过50％，变频器的节能效果与应用环境的工况参数十分相关，电动机运行工况的参数设置是否合理、所带负载的变化特性，以及设备最初的调节、调速方式均可以直接影响变频器的节电效果。
故障监测是保障电力设备可靠运行和提高系统效率的重要环节。对于节能电力设备，故障监测同样至关重要，因为及时发现和处理故障可以防止能源浪费、提高设备寿命，并确保系统的稳定运行。常用的一些用于节能电力设备故障监测的技术有：
传感器技术：安装在关键设备上的传感器可以监测参数如温度、压力、振动等，从而实时获取设备运行状态的数据。异常的传感器读数可能表明设备存在问题。
智能监控系统：部署基于人工智能(AI)和机器学习(ML)的智能监控系统，可以对设备进行实时监测，并通过分析历史数据来识别潜在的故障模式。这种系统能够在提前出现故障迹象时发出警报，提供及时的干预机会。
振动分析：对电机和其他机械设备进行振动分析，可以检测到机械部件的异常磨损或失衡，提前发现故障迹象。
红外热成像：使用红外热成像技术可以检测设备的热量分布情况，识别潜在的过热或冷却问题，从而预测设备可能的故障。
电力质量监测：监测电力系统的质量，包括电压、电流、频率等，以检测电力波动和谐波等问题，从而防止因电力质量问题引起的设备故障。
远程监控：通过远程监控技术，设备运行状态可以实时传输到中央控制系统。这有助于迅速发现设备异常，并采取远程干预措施。
维护管理系统：使用计算机化的维护管理系统，记录和跟踪设备的维护历史，通过分析设备的维护记录来预测潜在的故障。
数据分析和大数据：利用大数据分析技术，对设备生成的海量数据进行深度分析，以发现潜在的故障模式和趋势。
上述针对节能电力设备的故障监测分析，并没有同时考虑设备的工况参数或环境参数，分析结果不全面，具有局限性，进而不利于管理人员对故障及时响应排查处理，影响厂区的生产效率。
有鉴于此，本申请通过以下各实施例提供一种节能电力设备的标准数字化故障预警方法、装置及系统，对其故障监测分析时综合考虑变频器的运行参数和环境参数，以提高分析结果的全面性和准确性。
参阅图1，在一个实施例中，本申请提供一种节能电力设备的标准数字化故障预警方法，包括如下步骤：
步骤S110.获取设备在监测时间段内的运行参数和环境参数，其中运行参数包括设备的输出频率和振动次数，环境参数包括设备所处区域的温度和湿度。
本步骤中，获取的运行参数考虑了设备的输出频率和振动次数，运行参数可以通过设备与控制台或控制系统的通信连接进行交互获取，也可以通过独立于设备自身的数据采集装置获取；环境参数则主要考虑设备所处区域的温度和湿度，可以通过传感器或常用的一些测量设备获取，例如温度传感器、湿度传感器等。
对于设备的故障监测分析而言，输出频率和振动次数较大程度反映了设备的失衡迹象，有助于及时发现故障并规避风险；对于电力设备来说，环境的温度和湿度对设备的稳定运行有很大的影响，例如过于高温会加快设备的老化，过于低温设备则无法正常运行，而湿度更是会影响设备内相关电路结构的稳定性，潮湿或腐蚀性环境都可能导致设备宕机。
以变频器为例，变频器控制电机时，会改变电源的频率和电压，从而使电机的转速和转矩发生变化。这种变化会导致电机的动态平衡状态发生改变，从而引起电机振动。此外，变频器还会产生谐波，这些谐波会对电机产生影响，从而导致电机振动，因此变频器的振动可以作为故障监测一个考虑因素。
具体地，设备的运行参数通常包括电气数据、材料参数、作业效率、负荷水平、节点状态等，对设备的运行参数的实时监测可以通过传感器、智能监测系统以及远程监控技术来实现。通过对这些参数的分析，可以检测设备运行中的异常情况，预测潜在的故障，并采取相应的维护措施，以确保设备的高效、安全运行，使用先进的数据分析和人工智能技术，可以更精准地识别异常模式，实现更有效的故障监测和预测维护。
示例性的，电动机的关键运行参数包括输入电压、输入电流、输出功率、效率；发电机的关键运行参数包括输出电压、输出电流、输出功率、电流不平衡度、输出频率等；变压器的关键运行参数包括输入电压、输出电压、输入电流、输出电流等，照明设备的关键运行参数包括电流、电压、功率因数、光照度等，变频器的关键运行参数包括输入电压、输入电流、输出电压、输出电流、效率等，储能设备的关键运行参数包括充电状态、电压等。
可以理解的是，本领域技术人员可以根据具体监测的节能电力设备类型确定具体需要获取的运行参数，本发明对于此不做封闭式的限制。
具体地，在节能电力设备故障监测中，除了采集电力设备自身的运行参数外，还可以考虑采集与设备运行环境相关的一些环境参数，这些环境参数可以提供更全面的设备运行状态信息，有助于更准确地进行故障监测和预测。采集的环境参数通常包括温度、湿度、气压、空气质量、声音、环境电磁场等。以温度为例，除了监测设备外部环境的温度，还可以监测设备内部关键部件的温度；又如振动次数，使用振动传感器来监测设备的振动情况，有助于检测机械部件的异常磨损或失衡；再如空气质量，使用空气质量传感器监测空气中的颗粒物、气体浓度，以及可能对设备产生不利影响的空气质量因素。
可以理解的是，本领域技术人员可以根据具体监测的节能电力设备类型确定具体需要获取的环境参数，本发明对于此不做封闭式的限制。
步骤S120.根据运行参数计算设备的运行预警评估指数，和，根据环境参数计算设备的环境预警评估指数。
在本步骤中，运行预警评估指数和环境预警评估指数分别从设备运行角度和环境影响角度反映设备的故障风险，其中运行预警评估指数根据设备的运行参数计算，环境预警评估指数根据设备的环境参数计算。
在一些实施方式中，若运行参数只获取了一项数据类型，可以直接把该一个类型的运行参数视作设备在监测时间段内的运行预警评估指数；若运行参数获取了两项或以上的数据类型，可以对多个数据类型的运行参数进行加权计算，进行加权计算之前，还可以先行对单个数据类型的多个参数值求均值，例如对在监测时间段内每个采集节点获取的运行参数求均值；还可以是把监测时间段划分为多个子时间段，分别计算各子时间段的指数值，再对各子时间段的指数值求均值作为设备在监测时间段内的运行预警评估指数。求解各子时间段的指数值时，可以是取单个数据类型的运行参数作为指数值，还可以是对单个数据类型的多个参数值求均值，也可以是对多个数据类型的均值进行加权计算作为子时间段的指数值，或者取关键采集节点的参数值作为该子时间段的指数值，本申请对此不做封闭式的限制。
在一些示例中，本申请在上述步骤S120中计算运行预警评估指数时，提供以下计算步骤：
步骤S121.根据输出频率绘制频率趋势线和频率阈值线，频率趋势线上的点表示设备在监测时间段内各时刻的输出频率。
步骤S122.根据频率趋势线和频率阈值线计算频率预警评估指数。
本步骤中，频率趋势线如实反映了设备在监测时间段内每个采集节点的输出频率，通过频率阈值线可以划分出超出设定阈值的曲线点，即哪些时刻设备的输出频率超出了设定阈值，根据统计结果计算频率预警评估指数。
具体地，可以是分别统计超出设定阈值和未超出设定阈值的数据点数量，对两个数据点数量赋予不同的权值计算得到频率预警评估指数。
在一些实施方式中，本申请提供了如下一种计算频率预警评估指数的过程，包括：
步骤S1221.把监测时间段分为若干子时间段，获取各子时间段内频率趋势线位于频率阈值线以上的曲线线段和频率阈值线构成的闭合图域。
本步骤中，本申请的实施例采用针对各子时间段分别统计的思路，即把各子时间段视作独立的计算区间，最后可以把各子时间段求得的指数值加权计算或算术平均得到设备在监测时间段内的频率预警评估指数。
具体地，获取各子时间段内各个时刻点设备的输出频率值并绘制成曲线图上的点，点的横坐标表示采集节点，纵坐标表示在该采集节点下设备的输出频率，连接相邻点得到频率趋势线，并在图上绘制当前设备的频率阈值线。可以理解的是，当纵坐标表示输出频率时，频率阈值线为平行曲线图横轴的直线，该直线与绘制的频率趋势线可能会构成闭合图域。
容易理解的是，当频率趋势线上的点表示的输出频率均高于设定的频率阈值或均低于频率阈值时，频率趋势线和频率阈值线将不会相交，也即不构成闭合图域；当频率趋势线和频率阈值线相交时，以频率阈值线为界，闭合图域位于频率阈值线的上方或下方，具体地，频率趋势线位于频率阈值线以上的曲线线段和频率阈值线围成的闭合图域位于频率阈值线的上方，频率趋势线位于频率阈值线以下的曲线线段和频率阈值线围成的闭合图域位于频率阈值线的下方。
由于是对设备进行故障预警，超出频率阈值的输出频率更能体现设备的故障风险，因此本申请实施例取频率趋势线位于频率阈值线以上的曲线线段和频率阈值线构成的闭合图域作为计算基础。
示例性的，图2示出了本申请实施例提供的一种闭合图域示意图，在图2所示意的监测子时间段内，频率趋势线与频率阈值线一共构成3个闭合图域，其中位于频率阈值线以上的有2个，图2中以阴影填充表示。
步骤S1222.计算各子时间段内闭合图域的总面积及其对应的总时长，以及各子时间段内闭合图域的数量。
本步骤中，闭合图域的面积从数学角度即对输出频率进行积分计算，计算结果反映的是相位变化，相位变化常用在振动分析、信号处理等领域，在本申请实施例中由于闭合图域是频率趋势线位于频率阈值线以上的曲线线段和频率阈值线构成的，反映的是设备异常的相位变化。闭合图域对应的总时长反应了设备在该子时间段内输出频率超出设定的频率阈值的持续时长，此外，还考虑了闭合图域的数量，其反映了相位异常变化的波动情况。
示例性的，以图2示出的子时间段为例，步骤S1222计算的该子时间段内闭合图域的总面积为两个阴影填充图域的总面积，及该两个阴影填充图域对应的持续时长的总和，闭合图域的数量即阴影填充图域的数量，为2个。
步骤S1223.计算各子时间段内最高频率值和最低频率值之间的频率差。
本步骤中，所计算的频率差体现了设备在该子时间段内输出频率的波动情况。
步骤S1224.根据各子时间段内闭合图域的总面积及其对应的总时长、闭合图域的数量和所述频率差计算各子时间段的频率趋势警值，根据各子时间段的频率趋势警值计算设备在监测时间段的频率累加值。
本步骤中，可以对各子时间段内闭合图域的总面积及其对应的总时长、闭合图域的数量和所述频率差这几个参数分别赋予不同的权重因子，以计算设备在各子时间段的频率趋势警值，再根据各子时间段的频率趋势警值计算设备在监测时间段的频率累加值。
示例性的，本申请提供了一些实施方式中频率趋势警值的计算方式如下：
其中，QSJi H表示频率趋势警值，YMi H表示第H个子时间段内闭合图域的总面积，YTi H表示闭合图域对应的总时长，YGi H表示闭合图域的数量，YRi H表示频率差，YMi H 允许、YTi H 允许、YGi H 允许、YRi H 允许分别表示闭合图域的总面积YMi H、总时长YTi H、闭合图域的数量YGi H和频率差YRi H的允许值，a1、a2、a3、a4分别表示表示闭合图域的总面积YMi H、总时长YTi H、闭合图域的数量YGi H和频率差YRi H的权重因子，下标i表示设备标识。
示例性的，本申请还提供了一些实施方式中频率累加值的计算方式如下：
其中，ZEi表示频率累加值，QSJi H表示第i个设备在第H个子时间段的频率趋势警值，QSJi H 允许表示警值允许值，gti H表示第i个设备在第H个子时间段的频率趋势警值的权重因子，P表示监测时间段内子时间段的数量。
步骤S1225.统计警值超出值对应的子时间段数量在子时间段总数量中的占比，并计算各频率超出值的超出值均值，频率超出值为超出第二阈值的频率趋势警值。
本步骤中，将设备各子时间段的频率趋势警值QSJi H与设定的警值阈值之间进行比对，若频率趋势警值QSJi H大于阈值，则将其标记为频率超出值，统计频率超出值的数量并标记为超值个数，对当前监测时间段内超值个数与分割子时间段总数P进行比值计算，得到频率趋势警值超出设定的警值阈值所在子时间段在监测时间段内的占比。
步骤S1226.根据所述占比、超出值均值和频率累加值计算频率预警评估指数。
本步骤中，本申请实施例同时考虑了占比、超出值均值和频率累加值三个参数值对频率预警评估指数的影响，具体可以对三个参数值分别赋予不同的权重进行计算。
示例性的，本申请提供了一些实施方式中频率预警评估指数的计算方式如下：
其中，PLYi表示第i个设备在监测时间段内的频率预警评估指数，ZBi、ZNi、ZEi分别表示占比、超出值均值和频率累加值，ZBi阈值、ZNi阈值、ZEi阈值分别表示占比阈值、超出值均值阈值和频率累加值阈值，b1、b2、b3分别表示占比、超出值均值和频率累加值的权重因子。
步骤S123.采集设备各次振动的分贝值，并计算设备的总振动时长。
具体地，步骤S123包括如下步骤：
步骤S1231.计算监测时间段内相邻两次振动的间隔时长。
步骤S1232.计算小于第三阈值的间隔时长的总和作为所述总振动时长。
本步骤中，可以按照固定采集步长采集一次设备的振动参数，计算相邻两次振动的时刻差，即相邻两次振动的间隔时长，把间隔时长与设定的时长阈值进行比对，若小于时长阈值，则将该组间隔时长标记为持续振动时长，将对确定的各组持续振动时长累加得到设备在监测时间段内的振动总时长。
步骤S124.根据设备的总振动时长和各次振动的分贝值计算振动预警评估指数。
本步骤中，利用声音传感器获取各次振动产生的分贝值，并将各组分贝值与设定的分贝阈值进行比对，若高于分贝阈值，则将该组分贝值标记为高分贝值；若小于对应阈值则标记为低分贝值，计算高分贝均值和低分贝均值，并统计高分贝值的数量和低分贝值的数量，得到高分贝数量和低分贝数量。
根据高分贝均值、低分贝均值、高分贝数量和低分贝数量这四个参数计算设备在监测时间段内的振动影响值，再根据总振动时长和振动影响值计算振动预警评估指数。
具体地，计算振动影响值时，可以对各参数赋予不同的权重，也可以是相同的权重，计算振动预警评估指数时，总振动时长和振动影响值可以赋予不同的权重，也可以是相同的权重。
示例性的，本申请提供了一些实施方式中振动影响值的计算方式如下：
其中，FMi表示振动影响值，FAi表示高分贝均值，FBi表示低分贝均值，FCi表示高分贝数量，FDi表示低分贝数量，c1、c2、c3和c4分别表示高分贝均值FAi、高分贝数量FCi、低分贝均值FBi和低分贝数量FDi的权重因子，下标i表示设备标识。
示例性的，本申请还提供了一些实施方式中振动预警评估指数的计算方式如下：
其中，PHSi表示第i台设备在监测时间段内的振动预警评估指数，FEi表示第i台设备在监测时间段内的振动总时长，FMi表示第i台设备在监测时间段内的振动影响值，FEi参考和FMi参考分别表示振动总时长参考值和振动影响值参考值，tr1和tr2分别表示振动总时长和振动影响值的权重因子。
步骤S125.根据频率预警评估指数和振动预警评估指数计算运行预警评估指数。
本步骤中，可以对频率预警评估指数和振动预警评估指数赋予不同或相同的权重。
示例性的，本申请提供了一些实施方式中运行预警评估指数的计算方式如下：
其中，YXPi表示运行预警评估指数，PLYi表示频率预警评估指数，PHSi表示振动预警评估指数，df1和df2分别表示频率预警评估指数PLYi和振动预警评估指数PHSi的权重因子，α表示设定修正因子，下标i表示设备标识。
在一些实施方式中，当选择温度和湿度作为环境参数时，步骤S120根据环境参数计算设备的环境预警评估指数可以有如下计算步骤：
步骤S126.获取监测时间段内设备所处区域的温度和湿度。
步骤S127.按下式计算环境预警评估指数
其中，HJPi表示环境预警评估指数，Wai表示温度，Wai最适表示温度最适值，ΔWai表示温度Wai和温度最适值Wai最适的允许差值，Wbi表示湿度，Wbi最适表示湿度最适值，ΔWbi表示湿度Wbi和湿度最适值Wbi最适的允许差值，ds1和ds2分别表示温度和湿度的权重因子，下标i表示设备标识。
可以理解的是，除了温度和湿度，还可以选择其他环境参数，相应地调整各环境参数的权重，上式仅仅是提供了环境预警评估指数计算过程的其中一种计算形式。
步骤S130.对运行预警评估指数和环境预警评估指数加权计算得到设备的预警等级评估指数，预警等级评估指数低于第一阈值时，根据同一厂区内各设备的预警等级评估指数计算厂区预警评估指数，从设定分级标准中确定与厂区预警评估指数匹配的等级作为厂区在监测时间段内的预警等级。
本步骤中，可以对运行预警评估指数和环境预警评估指数赋予相同或不同的权重。示例性的，本申请以下提供了一些实施方式中预警等级评估指数的计算方式：
其中，YDJi表示预警等级评估指数，YXPi表示运行预警评估参数，YXPi阈值表示运行预警指数阈值，HJPi表示环境预警评估参数，HJPi阈值表示环境预警指数阈值，iu1和iu2分别表示运行预警评估指数和环境预警评估指数的权重因子，下标i表示设备标识。
同样地，上式仅仅是提供了预警等级评估指数计算过程的其中一种计算形式，本领域技术人员可以根据实际采集的数据调整参数权重或者参数类型。
在一些示例中，根据同一厂区内各设备的预警等级评估指数计算厂区预警评估指数包括：
如下式计算厂区预警评估指数
其中，CQP表示厂区预警评估指数，YDJi表示第i个设备的预警等级评估指数，YDJi阈值表示第i个设备的预警等级阈值，gti表示第i个设备的预警等级评估指数的权重因子，K表示同一厂区内设备的数量。
具体地，确定厂区在监测时间段内的预警等级后，还可以把预警等级的数据通过显示终端进行显示。
当本申请提及显示终端时，其可以是智能手机、平板电脑、笔记本电脑、桌上型电脑、可穿戴设备、智能家居、头戴设备等具有图像或文字内容显示功能的智能终端，本发明对此不作限定。
在另一些实施方式中，对于预警等级评估指数高于第一阈值的情况，可以把该设备的位置信息及其预警等级评估指数发送至工效值满足设定条件的管理人员，其中，所述工效值根据管理人员与设备的物理距离，和/或，管理人员的工作时间计算得到。
具体地，工效值的计算有如下表达式：
GX＝LC×re1+GC×re2
其中，GX表示管理人员的工效值，LC表示管理人员与设备的物理距离，GC表示管理人员的工作时长，re1和re2分别表示物理距离LC和工作时长GC的权重因子。
具体地，管理人员的工作时长可以是根据其入职时间确定。
下面对本申请实施例提供的节能电力设备的标准数字化故障预警装置进行描述，下文描述的标准数字化故障预警装置与上文描述的标准数字化故障预警方法可相互对应参照。
参阅图3，在一个具体的实施例中，本申请提供一种节能电力设备的标准数字化故障预警装置，包括参数获取单元310、运行分析单元320、区域分析单元330和综合预警单元340，具体包括如下：
参数获取单元310，用于获取设备在监测时间段内的运行参数和环境参数，其中运行参数包括设备的输出频率和振动参数，环境参数包括设备所处区域的温度和湿度。
运行分析单元320，用于根据输出频率和振动次数计算设备的运行预警评估指数。
区域分析单元330，用于根据环境参数计算设备的环境预警评估指数。
综合预警单元340，用于对运行预警评估指数和环境预警评估指数加权计算设备的预警等级评估指数，预警等级评估指数低于第一阈值时，根据同一厂区内各设备的预警等级评估指数计算厂区预警评估指数，从设定分级标准中确定与厂区预警评估指数匹配的等级作为厂区在监测时间段内的预警等级。
本申请实施例所提供的标准数字化故障预警装置，其实现原理及产生的技术效果和前述方法实施例相同，为简要描述，装置实施例部分未提及之处，可参考前述方法实施例中相应内容。
参阅图4，其示出了一种标准数字化故障预警系统的硬件结构框图，数字化故障预警系统旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图4所示，该系统包括：至少一个处理器1，至少一个通信接口2，至少一个存储器3和至少一个通信总线4；
在本申请实施例中，处理器1、通信接口2、存储器3、通信总线4的数量为至少一个，且处理器1、通信接口2、存储器3通过通信总线4完成相互间的通信；
处理器1可能是一个中央处理器CPU，或者是特定集成电路ASIC(ApplicationSpecific Integrated Circuit)，或者是被配置成实施本发明实施例的一个或多个集成电路等；
存储器3可能包含高速RAM存储器，也可能还包括非易失性存储器(non-volatilememory)等，例如至少一个磁盘存储器；
其中，存储器存储有程序，处理器可调用存储器存储的程序，所述程序用于：实现前述节能电力设备的标准数字化故障预警方案的各个处理流程。
本发明实施例还提供一种可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时，实现上述实施例和/或结合实施例的任一种可能的实施方式提供的节能电力设备的标准数字化故障预警方案的各个处理流程。
上述各实施例已经关于可能的情形尤其详细地描述了本发明，本领域技术人员将认识到可以通过其他实施例实践本发明。部件的具体命名、术语的大小写、属性、数据结构或者任何其他的程序设计或结构方面都不具有强制性或者重要性，实施本发明的机制或其特征可以具有不同的名称、形式或规程。可以通过硬件和软件的组合(如所描述的)，完全通过硬件元素或者完全通过软件元素实施所述系统。文中描述的各种系统部件之间的功能的具体划分只是示范性的，而非强制性的；相反，可以通过多个部件执行单个系统部件执行的功能，或者可以通过单个部件执行多个部件执行的功能。
本领域的技术人员应当理解，上述公开的方法的各个步骤可以通过通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而可以将它们存储在存储装置中由计算装置来执行，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明实施例公开不限制于任何特定的硬件和软件结合。
这些计算装置可执行的程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令，并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的，术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如，磁盘、光盘、存储器、可编程逻辑装置(PLD))，包括，接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
本发明的某些方面包括采取算法形式的文中描述的过程步骤和指令。应指出，本发明的过程步骤和指令可以实现在软件、固件和/或硬件当中，在通过软件实施时，其能够被下载，从而保存在各种操作系统使用的不同平台上并从所述平台对其进行操作。
本领域技术人员可以理解，各附图中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的终端设备的限定，具体的终端设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、“一个具体的实施方式”或“可能的设计”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的技术人员应当理解：其依然可以对前述实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围。
Claims (10)
1.一种节能电力设备的标准数字化故障预警方法，其特征在于，包括：
获取设备在监测时间段内的运行参数和环境参数，其中运行参数包括设备的输出频率和振动参数，环境参数包括设备所处区域的温度和湿度；
根据运行参数计算设备的运行预警评估指数，和，根据环境参数计算设备的环境预警评估指数；
对运行预警评估指数和环境预警评估指数加权计算得到设备的预警等级评估指数；
预警等级评估指数低于第一阈值时，根据同一厂区内各设备的预警等级评估指数计算厂区预警评估指数，从设定分级标准中确定与厂区预警评估指数匹配的等级作为厂区在监测时间段内的预警等级。
2.根据权利要求1所述的标准数字化故障预警方法，其特征在于，所述根据运行参数计算设备的运行预警评估指数包括：
根据输出频率绘制频率趋势线和频率阈值线，频率趋势线上的点表示设备在监测时间段内各时刻的输出频率；
根据频率趋势线和频率阈值线计算频率预警评估指数；
采集设备各次振动的分贝值，并计算设备的总振动时长；
根据设备的总振动时长和各次振动的分贝值计算振动预警评估指数；
根据频率预警评估指数和振动预警评估指数计算运行预警评估指数。
3.根据权利要求2所述的标准数字化故障预警方法，其特征在于，所述根据频率趋势线和频率阈值线计算频率预警评估指数包括：
把监测时间段分为若干子时间段，获取各子时间段内频率趋势线位于频率阈值线以上的曲线线段和频率阈值线构成的闭合图域；
计算各子时间段内闭合图域的总面积及其对应的总时长，以及各子时间段内闭合图域的数量；
计算各子时间段内最高频率值和最低频率值之间的频率差；
根据各子时间段内闭合图域的总面积及其对应的总时长、闭合图域的数量和所述频率差计算各子时间段的频率趋势警值，根据各子时间段的频率趋势警值计算设备在监测时间段的频率累加值；
统计警值超出值对应的子时间段数量在子时间段总数量中的占比，并计算各警值超出值的超出值均值，警值超出值为超出第二阈值的频率趋势警值；
根据所述占比、超出值均值和频率累加值计算频率预警评估指数。
4.根据权利要求2所述的标准数字化故障预警方法，其特征在于，所述根据设备的总振动时长和各次振动的分贝值计算振动预警评估指数包括：
标签高于第四阈值的分贝值为高分贝值，低于第四阈值的分贝值为低分贝值，计算高分贝值的均值和低分贝值的均值得到高分贝均值和低分贝均值；
分别统计高分贝值和低分贝值的数量，得到高分贝数量和低分贝数量；
根据下式计算设备的振动影响值
其中，FMi表示振动影响值，FAi表示高分贝均值，FBi表示低分贝均值，FCi表示高分贝数量，FDi表示低分贝数量，c1、c2、c3和c4分别表示高分贝均值FAi、高分贝数量FCi、低分贝均值FBi和低分贝数量FDi的权重因子，下标i表示设备标识；
根据总振动时长和振动影响值计算振动预警评估指数。
5.根据权利要求2所述的标准数字化故障预警方法，其特征在于，所述根据频率预警评估指数和振动预警评估指数计算运行预警评估指数包括：
如下式计算运行预警评估指数
其中，YXPi表示运行预警评估指数，PLYi表示频率预警评估指数，PHSi表示振动预警评估指数，df1和df2分别表示频率预警评估指数PLYi和振动预警评估指数PHSi的权重因子，α表示设定修正因子，下标i表示设备标识。
6.根据权利要求1所述的标准数字化故障预警方法，其特征在于，所述对运行预警评估指数和环境预警评估指数加权计算预警等级评估指数包括：
如下式计算预警等级评估指数
其中，YDJi表示预警等级评估指数，YXPi表示运行预警评估参数，YXPi阈值表示运行预警指数阈值，HJPi表示环境预警评估参数，HJPi阈值表示环境预警指数阈值，iu1和iu2分别表示运行预警评估指数和环境预警评估指数的权重因子，下标i表示设备标识。
7.根据权利要求1所述的标准数字化故障预警方法，其特征在于，所述根据同一厂区内各设备的预警等级评估指数计算厂区预警评估指数包括：
如下式计算厂区预警评估指数
其中，CQP表示厂区预警评估指数，YDJi表示第i个设备的预警等级评估指数，YDJi阈值表示第i个设备的预警等级阈值，gti表示第i个设备的预警等级评估指数的权重因子，K表示同一厂区内设备的数量。
8.一种节能电力设备的标准数字化故障预警装置，其特征在于，包括：
参数获取单元，用于获取设备在监测时间段内的运行参数和环境参数，其中运行参数包括设备的输出频率和振动参数，环境参数包括设备所处区域的温度和湿度；
运行分析单元，用于根据输出频率和振动次数计算设备的运行预警评估指数；
区域分析单元，用于根据环境参数计算设备的环境预警评估指数；
综合预警单元，用于对运行预警评估指数和环境预警评估指数加权计算设备的预警等级评估指数，预警等级评估指数低于第一阈值时，根据同一厂区内各设备的预警等级评估指数计算厂区预警评估指数，从设定分级标准中确定与厂区预警评估指数匹配的等级作为厂区在监测时间段内的预警等级。
9.一种标准数字化故障预警系统，包括存储有计算机可执行指令的存储器和处理器，当计算机可执行指令被所述处理器执行时使得该设备执行如权利要求1～7任一项所述的标准数字化故障预警方法。
10.一种可读存储介质，其特征在于，存储有计算机可执行程序，当该程序被执行时可实现如权利要求1～7任一项所述的标准数字化故障预警方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311768420.XA CN117746588A (zh) | 2023-12-20 | 2023-12-20 | 节能电力设备的标准数字化故障预警方法、装置及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311768420.XA CN117746588A (zh) | 2023-12-20 | 2023-12-20 | 节能电力设备的标准数字化故障预警方法、装置及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117746588A true CN117746588A (zh) | 2024-03-22 |
Family
ID=90258895
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311768420.XA Pending CN117746588A (zh) | 2023-12-20 | 2023-12-20 | 节能电力设备的标准数字化故障预警方法、装置及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117746588A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118114884A (zh) * | 2024-04-22 | 2024-05-31 | 安徽继远软件有限公司 | 一种自动化的设备精益管理系统 |
| CN118169179A (zh) * | 2024-05-16 | 2024-06-11 | 江苏悦成变压器有限公司 | 一种变压器冷却系统效果评价方法 |
| CN118200025A (zh) * | 2024-04-16 | 2024-06-14 | 南京海汇装备科技有限公司 | 一种基于环境模拟数据的传输安全分析系统及方法 |
| CN118311363A (zh) * | 2024-06-11 | 2024-07-09 | 广东电网有限责任公司 | 变电站设备缺陷检测方法及系统 |
-
2023
- 2023-12-20 CN CN202311768420.XA patent/CN117746588A/zh active Pending
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118200025A (zh) * | 2024-04-16 | 2024-06-14 | 南京海汇装备科技有限公司 | 一种基于环境模拟数据的传输安全分析系统及方法 |
| CN118114884A (zh) * | 2024-04-22 | 2024-05-31 | 安徽继远软件有限公司 | 一种自动化的设备精益管理系统 |
| CN118169179A (zh) * | 2024-05-16 | 2024-06-11 | 江苏悦成变压器有限公司 | 一种变压器冷却系统效果评价方法 |
| CN118169179B (zh) * | 2024-05-16 | 2024-08-02 | 江苏悦成变压器有限公司 | 一种变压器冷却系统效果评价方法 |
| CN118311363A (zh) * | 2024-06-11 | 2024-07-09 | 广东电网有限责任公司 | 变电站设备缺陷检测方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN117746588A (zh) | 节能电力设备的标准数字化故障预警方法、装置及系统 | |
| Sharma et al. | An application of IOT to develop concept of smart remote monitoring system | |
| US11663496B2 (en) | System and method for predicting failure of components using temporal scoping of sensor data | |
| CN105787584B (zh) | 一种基于云平台的风电机群故障预警方法 | |
| CN104951851B (zh) | 一种基于灰关联回归支持向量机的风电机组状态预测模型建立方法 | |
| CN112700032A (zh) | 一种用于低压直流配用电系统的故障预测系统及方法 | |
| US11604502B2 (en) | Systems and methods for intelligent alarm grouping | |
| US9671470B2 (en) | Method and device for monitoring energy efficiency performance of equipment | |
| Chen et al. | Wind power generation fault diagnosis based on deep learning model in internet of things (IoT) with clusters | |
| CN103471729A (zh) | 一种装置温度预警方法及其应用 | |
| EP3972084A2 (en) | Systems and methods for monitoring energy-related data in an electrical system | |
| CN103321839A (zh) | 风机振动监测方法及系统、风机监控器 | |
| CN103236019A (zh) | 一种典型用能系统节能诊断及改造策略自动生成方法和系统 | |
| CN116914940A (zh) | 一种基于建筑工程的光伏变电站的高低压控制监测系统 | |
| CN115907168A (zh) | 一种用于电力负荷预测的异常数据处理系统 | |
| WO2023000826A1 (zh) | 一种逆变器和光伏系统的交流故障识别方法 | |
| CN114826883A (zh) | 一种基于物联网数据传输的网络设备故障报警监测系统 | |
| CN103852255A (zh) | 基于神经网络风力发电机组典型传动故障智能诊断方法 | |
| CN115327264A (zh) | 一种数据中心的异常检测方法、装置、电子设备和介质 | |
| CN117394535A (zh) | 交直流混合配电网数字孪生系统 | |
| CN116345677A (zh) | 一种基于人工智能的低功耗电源监控方法及系统 | |
| CN103472298B (zh) | 一种机电设备谐波能耗的分析方法 | |
| Umadevi et al. | IoT Based Power Grid Losses Using Integrated Distribution Systems Using Decision Tree Algorithm with Automatic Location Tracking | |
| KR102646572B1 (ko) | 신재생 에너지 설비 모니터링 장치 및 방법 | |
| TWI824926B (zh) | 電力負載監測系統及預測方法 |
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 |