CN118008675A - 抽水蓄能系统及其控制方法、存储介质、程序产品 - Google Patents
抽水蓄能系统及其控制方法、存储介质、程序产品 Download PDFInfo
- Publication number
- CN118008675A CN118008675A CN202410258538.6A CN202410258538A CN118008675A CN 118008675 A CN118008675 A CN 118008675A CN 202410258538 A CN202410258538 A CN 202410258538A CN 118008675 A CN118008675 A CN 118008675A
- Authority
- CN
- China
- Prior art keywords
- information
- control unit
- state
- evaluation value
- acquiring
- 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
- 238000003860 storage Methods 0.000 title claims abstract description 65
- 238000000034 method Methods 0.000 title claims abstract description 64
- 238000004891 communication Methods 0.000 claims abstract description 56
- 230000002159 abnormal effect Effects 0.000 claims abstract description 47
- 238000004146 energy storage Methods 0.000 claims abstract description 22
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 16
- 238000011156 evaluation Methods 0.000 claims description 115
- 238000012423 maintenance Methods 0.000 claims description 89
- 238000004088 simulation Methods 0.000 claims description 43
- 238000012545 processing Methods 0.000 claims description 25
- 238000001514 detection method Methods 0.000 claims description 18
- 238000004590 computer program Methods 0.000 claims description 10
- 238000007781 pre-processing Methods 0.000 claims description 10
- 238000007689 inspection Methods 0.000 claims description 5
- 238000012544 monitoring process Methods 0.000 description 20
- 230000008569 process Effects 0.000 description 15
- 230000006870 function Effects 0.000 description 11
- 238000012549 training Methods 0.000 description 10
- 238000004458 analytical method Methods 0.000 description 6
- 230000009286 beneficial effect Effects 0.000 description 6
- 238000013136 deep learning model Methods 0.000 description 6
- 238000010801 machine learning Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 238000010606 normalization Methods 0.000 description 5
- 230000005856 abnormality Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 238000010276 construction Methods 0.000 description 3
- 230000008439 repair process Effects 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000010365 information processing Effects 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000000737 periodic effect Effects 0.000 description 2
- 230000003449 preventive effect Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000012854 evaluation process Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000005381 potential energy Methods 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000013526 transfer learning Methods 0.000 description 1
Landscapes
- Testing And Monitoring For Control Systems (AREA)
Abstract
本申请提供了一种抽水蓄能系统及其控制方法、存储介质、程序产品。抽水蓄能系统包括:水轮发电机组、传感器模块、控制模块和通信模块;控制模块被配置成:获取运行信息;对运行信息进行分析,得到水轮发电机组的运行状态信息;当运行状态信息指示水轮发电机组有异常时,生成第一提示信息并通过通信模块发送至用户设备,进行展示;当在第一预设时长内运行状态信息均指示水轮发电机组没有异常时,对控制模块进行自检;当自检失败时,生成故障预警信息并通过通信模块发送至用户设备。通过运行状态信息了解水轮发电机组的运行状态,在特定条件下对控制模块进行自检,减少误判的可能性,提高了故障预警的准确性。
Description
技术领域
本申请涉及新能源产业、抽水蓄能的技术领域,尤其涉及抽水蓄能系统及其控制方法、存储介质、程序产品。
背景技术
新能源产业是指利用可再生能源或非常规能源进行开发利用的产业,是应对能源危机、促进可持续发展的重要手段。抽水蓄能则是新能源产业中的一种储能技术,利用水作为储能介质,通过电能与势能相互转化,实现电能的储存和管理,其应用场景愈发广阔。例如,海洋抽水蓄能电站具有靠近负荷中心的优势,且仅建设一个下水库、省略了上水库和连接上下水库的长程隧道,简化结构可以减少建设难度和成本,同时缩短了建设周期。因此,抽水蓄能在新能源产业中发挥着重要作用。
然而,现有的抽水蓄能电站在水轮发电机组运行状态监测和故障预警方面存在不足,难以及时发现以处理异常情况,给电站的运行带来潜在风险。目前,虽然已有一些技术用于监测抽水蓄能系统中的水轮发电机的运行状态,但这些技术提供的抽水蓄能系统,往往存在对故障预警不准确的问题。示例性地,以申请号CN202311542210.9公开的一种抽水蓄能系统、水轮发电机组状态评估方法及装置为例,所述系统包括水轮发电机组、多个温度传感器、多个可编程逻辑控制器以及监测平台;其中,各温度传感器用于采集各水轮发电机的温度,并将各水轮发电机的温度上传至对应的可编程逻辑控制器;可编程逻辑控制器用于将各水轮发电机的温度传输至监测平台;监测平台用于根据各水轮发电机的温度,对水轮发电机组的运行状态进行评估。但是其仅是将各水轮发电机的单一类型的传感器数据进行分析,同样会存在对故障预警不准确的问题。
因此,本申请旨在提供一种抽水蓄能系统及其控制方法、存储介质、程序产品,以解决上述问题。
发明内容
本申请的目的在于提供抽水蓄能系统及其控制方法、存储介质、程序产品,提高了抽水蓄能系统对故障预警的准确度。
本申请的目的采用以下技术方案实现:
本申请提供了一种抽水蓄能系统控制方法,用于抽水蓄能系统,所述抽水蓄能系统包括:
水轮发电机组,包括多个水轮发电机;
传感器模块,包括多个传感器,分别设置于各个所述水轮发电机;
控制模块,所述控制模块分别与每个所述传感器电连接;
通信模块,所述通信模块设置于所述控制模块和用户设备之间,实现所述控制模块和用户设备的通信连接。
所述控制方法包括:
获取运行信息,所述运行信息是通过所述传感器模块获取各个所述水轮发电机的传感数据并按照时序排列后得到的;
对所述运行信息进行分析,得到所述水轮发电机组的运行状态信息;
当所述运行状态信息指示所述水轮发电机组有异常时,生成第一提示信息并通过所述通信模块发送至所述用户设备,进行展示;
当在第一预设时长内所述运行状态信息均指示所述水轮发电机组没有异常时,对所述控制模块进行自检;
当自检失败时,生成故障预警信息并通过所述通信模块发送至所述用户设备。
进一步地,当所述运行状态信息指示所述水轮发电机组有异常时,所述控制方法还包括:
根据所述运行信息获取维修策略信息,并将所述维修策略信息通过所述通信模块发送至维修人员设备;
当维修完成后,将待分析信息发送至所述用户设备,所述待分析信息包括所述维修策略信息和维修人员输入的维修信息。
进一步的,所述控制模块包括第一控制单元和第二控制单元;所述控制方法还包括:
利用第一控制单元获取运行信息,所述运行信息是通过所述传感器模块获取各个所述水轮发电机的传感数据并按照时序排列后生成的;
利用第一控制单元对所述运行信息进行分析,得到所述水轮发电机组的运行状态信息;
当所述运行状态信息指示所述水轮发电机组有异常时,利用第一控制单元生成第一提示信息并通过所述通信模块发送至所述用户设备,进行展示;
当在所述第一预设时长内所述运行状态信息均指示所述水轮发电机组没有异常时,利用第二控制单元对所述第一控制单元进行检验,以实现所述控制模块的自检;
当对所述第一控制单元的检验失败时,利用第二控制单元生成故障预警信息并通过所述通信模块发送至所述用户设备。
进一步的,当在所述第一预设时长内所述运行状态信息均指示所述水轮发电机组没有异常时,所述第二控制单元通过如下方式对所述第一控制单元进行检验:
周期性发送模拟运行信息至所述第一控制单元,并获取所述第一控制单元生成的模拟状态信息;
根据所述模拟状态信息和所述模拟运行信息对应的预设状态信息,获取所述第一控制单元的检测结果;
当第二预设时长内未获取所述第一控制单元生成的模拟状态信息时,确定所述第一控制单元的检测结果为故障。
进一步地,所述第一控制单元通过如下方式对所述运行信息进行分析,得到所述水轮发电机组的运行状态信息:
针对每个所述水轮发电机,基于所述运行信息获取所述水轮发电机所对应的典型评价值和平均评价值;
基于所述典型评价值和所述平均评价值,利用所述水轮发电机的状态评分模型获取所述水轮发电机的状态评分;
将各个所述水轮发电机组的状态评分作为状态评分集合,并基于所述状态评分集合获取所述水轮发电机组的运行状态信息。
进一步地,所述状态评分模型指的是:
Sy=w1×{Sa+(Sm-Sy)×[1-(1+D/Dm)×P]}+w2×Sc
其中,Sy为状态评分,Sa为平均评价值,Sm为典型评价值,D为当前水轮发电机的评分达标持续时间,Dm为当前水轮发电机的历史评分达标的最长持续时间,P为当前水轮发电机的故障概率,w1和w2为预设权重且二者和为1,Sc为最近的一次的状态评分。
进一步的,所述运行信息包括水轮发电机的运行时间数据、温度、电气数据和振动摆度数据;所述第一控制单元通过如下方式获取所述水轮发电机所对应的典型评价值和平均评价值:
对所述运行信息进行包括缺失值处理、除噪和数据标准化处理的预处理,得到所述水轮发电机所对应的评价值集合,所述评价值集合包括温度评价值、电气评价值和振动评价值;
基于所述评价值集合,获取所述水轮发电机的平均评价值和典型评价值。
进一步地,所述第一控制单元通过如下方式基于所述状态评分集合获取所述水轮发电机组的运行状态信息:
基于所述状态评分集合,获取所述水轮发电机组的状态等级;
根据当前的所述状态等级和所述水轮发电机组最近得到的N个状态等级,对所述水轮发电机组的状态判断标准信息进行更新;其中,N为大于1的正整数;
基于更新后的所述状态判断标准信息和当前的所述状态等级,获取所述水轮发电机组的运行状态信息。
第二方面,本申请还提供了一种抽水蓄能系统,所述抽水蓄能系统包括:
水轮发电机组,包括多个水轮发电机;
传感器模块,包括多个传感器,分别设置于各个所述水轮发电机;
控制模块,所述控制模块分别与每个所述传感器电连接;
通信模块,所述通信模块设置于所述控制模块和用户设备之间,实现所述控制模块和所述用户设备的通信连接;
所述控制模块被配置成:
获取运行信息,所述运行信息是通过所述传感器模块获取各个所述水轮发电机的传感数据并按照时序排列后得到的;
对所述运行信息进行分析,得到所述水轮发电机组的运行状态信息;
当所述运行状态信息指示所述水轮发电机组有异常时,生成第一提示信息并通过所述通信模块发送至所述用户设备,进行展示;
当在第一预设时长内所述运行状态信息均指示所述水轮发电机组没有异常时,对所述控制模块进行自检;
当自检失败时,生成故障预警信息并通过所述通信模块发送至所述用户设备。
第三方面,本申请还提供了一种计算机可读存储介质,其上存储有指令,所述指令被处理器执行时,以使得处理器实现如第一方面任一项所述的方法。
第四方面,本申请还提供了一种计算机程序产品,所述计算机程序产品包括计算机程序,所述计算机程序被至少一个处理器执行时实现第一方面任一项所述控制方法的步骤。
本申请的有益效果:通过传感器模块获取各个水轮发电机的传感数据,并按照时间顺序排列,形成完整的运行信息。传感器例如包括温度、压力、转速等传感器,用于监测水轮发电机组的运行状态。对通过传感器模块获取的运行信息进行分析,以得到水轮发电机组的运行状态信息。如果分析结果表明水轮发电机组存在异常情况,生成第一提示信息。第一提示信息通过通信模块发送到用户设备,以便操作人员及时了解并采取必要的措施。另外,在第一预设时长内,如果运行状态信息显示水轮发电机组没有异常,对控制模块进行自检,有助于确保控制模块对水轮发电机组的运行状态进行分析的稳定性和可靠性。如果自检失败,将生成故障预警信息,并通过通信模块发送至用户设备,有助于提前发现潜在的问题,并采取修复措施,以防止更大的故障影响。
综上所述,本申请提供的抽水蓄能系统及其控制方法、存储介质和程序产品,可以对抽水蓄能系统提供实时监测与预警,通过持续获取和分析运行信息,实时监测水轮发电机组的状态,并在发现异常时及时发出警报,有助于减少故障造成的损失;利用自检功能提升可靠性,以及早发现潜在问题,降低故障的风险;通过通信模块将提示信息发送至用户设备,操作人员可以及时获知抽水蓄能系统状态,方便管理和维护;及时的异常检测和预警可以减少非计划停机时间,提高抽水蓄能系统的运行效率和稳定性,进而提高了抽水蓄能系统对故障预警的准确度。
附图说明
下面结合附图和实施例对本申请进一步说明。
图1是本申请实施例提供的抽水蓄能系统的一种控制方法的流程示意图;
图2是本申请实施例提供的抽水蓄能系统的另一种控制方法的流程示意图;
图3是本申请实施例提供的抽水蓄能系统的又一种控制方法的流程示意图;
图4是本申请实施例提供的抽水蓄能系统的结构框图。
具体实施方式
下面,结合附图以及具体实施方式,对本申请做进一步描述,需要说明的是,在不相冲突的前提下,以下描述的各实施例之间或各技术特征之间可以任意组合形成新的实施例。以下将参照附图和优选实施例来说明本申请的实施程序,本领域技术人员可由本说明书中所揭露的内容轻易地了解本申请的其他优点与功效。本申请还可以通过另外不同的具体实施程序加以实施或应用,本说明书中的各项细节也可以基于不同观点与应用,在没有背离本申请的精神下进行各种修饰或改变。应当理解,优选实施例仅为了说明本申请,而不是为了限制本申请的保护范围。
以下,对本申请中的部分用语进行解释说明,以便于本领域技术人员理解。
海洋抽水蓄能,可以将海洋抽水蓄能电站的电力负荷中心靠近海天然的海洋盆地位置设置,按低水头水力发电站标准建设。具体应用中,可以将潮汐电站等与海洋抽水蓄能电站相结合,实现储能的效益最大化。
机器学习(Machine Learning,ML)是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。计算机程序可以在给定某种类别的任务T和性能度量P下学习经验E,如果其在任务T中的性能恰好可以用P度量,则随着经验E而提高。机器学习专门研究计算机怎样模拟或实现人类的学习行为,以获取新的知识或技能,重新组织已有的知识结构使之不断改善自身的性能。机器学习是人工智能的核心,是使计算机具有智能的根本途径,其应用遍及人工智能的各个领域。
深度学习是一种特殊的机器学习,通过学习将使用嵌套的概念层次来表示并实现巨大的功能和灵活性,其中每个概念都定义为与简单概念相关联,而更为抽象的表示则以较不抽象的方式来计算。机器学习和深度学习通常包括人工神经网络、置信网络、强化学习、迁移学习、归纳学习、示教学习等技术。
目前,虽然已有一些技术用于监测水轮发电机的运行状态,但这些技术往往存在故障预警不准确的问题。申请人认为,原因在于其主要是对水轮发电机组的单一类型的数据进行采集,并未考虑各种数据之间如何形成有用的关联,造成监测不全面的情况。进一步地,其也没有认识到抽水蓄能系统中的监测系统随着使用时间的增长本身会出现不可靠性。
基于此,本申请提供了抽水蓄能系统及其控制方法、存储介质、程序产品,会对水轮发电机组中的每个水轮发电机的多个方面进行综合评估(温度、电气数据、振动等),得到机组的运行状态信息,以更全面地了解水轮发电机的运行状态,减少误判的可能性。当运行状态信息均指示没有异常时,在特定条件下对控制模块进行自检,确保抽水蓄能系统的控制过程本身的稳定性和可靠性,从而减少了水轮发电机组的故障指示(报警)不准确的可能性。下文将先对抽水蓄能系统控制方法进行说明,再对抽水蓄能系统等进行说明。
方法实施例。
参见图1,图1是本申请实施例提供的抽水蓄能系统的控制方法的流程示意图。
本实施例提供了一种控制方法,用于抽水蓄能系统,所述抽水蓄能系统包括:
水轮发电机组,包括多个水轮发电机;
传感器模块,包括多个传感器,分别设置于各个所述水轮发电机;
控制模块,所述控制模块分别与每个所述传感器电连接;
通信模块,所述通信模块设置于所述控制模块和用户设备之间,实现所述控制模块和用户设备的通信连接。
所述控制方法包括:
S101,获取运行信息,所述运行信息是通过所述传感器模块获取各个所述水轮发电机的传感数据并按照时序排列后得到的;
S102,对所述运行信息进行分析,得到所述水轮发电机组的运行状态信息;
S103,当所述运行状态信息指示所述水轮发电机组有异常时,生成第一提示信息并通过所述通信模块发送至所述用户设备,进行展示;
S104,当在第一预设时长内所述运行状态信息均指示所述水轮发电机组没有异常时,对所述控制模块进行自检;
S105,当自检失败时,生成故障预警信息并通过所述通信模块发送至所述用户设备。
通过传感器模块获取各个水轮发电机的传感数据,并按照时间顺序排列,形成完整的运行信息。传感器例如包括温度、压力、转速等传感器,用于监测水轮发电机组的运行状态。对通过传感器模块获取的运行信息进行分析,以得到水轮发电机组的运行状态信息。如果分析结果表明水轮发电机组存在异常情况,生成第一提示信息。本申请实施例对第一提示信息和故障预警信息的表示形式不进行限制,例如是通过图像、视频、文字或语音的形式。第一提示信息通过通信模块发送到用户设备,以便操作人员及时了解并采取必要的措施。另外,在第一预设时长内,如果运行状态信息显示水轮发电机组没有异常,对控制模块进行自检,有助于确保控制模块对水轮发电机组的运行状态进行分析的稳定性和可靠性。如果自检失败,将生成故障预警信息,并通过通信模块发送至用户设备,有助于提前发现潜在的问题,并采取修复措施,以防止更大的故障影响。
其中,用户设备例如是抽水蓄能电站的包括显示屏的监控设备、操作控制台等。第一预设时长例如是10分钟、15分钟、2小时或10小时。作为一个示例,通过通信模块,使用RS485作为物理层接口,并搭配Modbus RTU或其他基于RS485的通信协议,或者选择CAN作为物理层接口并使用CAN通信协议,实现控制模块和用户设备之间的通信连接。抽水蓄能系统例如是海洋抽水蓄能系统,以适用于海洋抽水蓄能;也可以是内陆的抽水蓄能系统。
相较于相关技术中:主要对水轮发电机组的单一类型的数据进行采集,并未考虑各种数据之间如何形成有用的关联,造成监测不全面的情况;没有认识到抽水蓄能系统中的监测系统随着使用时间的增长本身会出现不可靠性的情况。本实施例提供的技术方案可以对抽水蓄能系统提供实时监测与预警,通过持续获取和分析运行信息,实时监测水轮发电机组的状态,并在发现异常时及时发出警报,有助于减少故障造成的损失;利用自检功能提升可靠性,以及早发现潜在问题,降低故障的风险;通过通信模块将提示信息发送至用户设备,操作人员可以及时获知抽水蓄能系统状态,方便管理和维护;及时的异常检测和预警可以减少非计划停机时间,提高抽水蓄能系统的运行效率和稳定性,进而提高了抽水蓄能系统对故障预警的准确度。
在一个示例性的实施例中,当所述运行状态信息指示所述水轮发电机组有异常时,所述控制方法还包括:
S106,根据所述运行信息获取维修策略信息,并将所述维修策略信息通过所述通信模块发送至维修人员设备;
S107,当维修完成后,将待分析信息发送至所述用户设备,所述待分析信息包括所述维修策略信息和维修人员输入的维修信息。
当运行状态信息表明水轮发电机组存在异常时,会根据运行信息获取相应的维修策略信息。可以认为维修策略信息包括了针对不同类型异常的维修指导、维修步骤、安全注意事项等,维修策略信息可以以文字、图片或语音等形式展示给维修人员。获取到维修策略信息后,通过通信模块将其发送至维修人员设备,以便维修人员及时了解需要采取的维修措施。维修人员设备例如是平板电脑、手机或笔记本等。维修完成后,将待分析信息发送至用户设备。待分析信息包括了维修策略信息和维修人员输入的维修信息,维修信息可以是维修过程中的操作记录、维修结果反馈、维修人员的建议等。
由此,通过自动获取维修策略信息并发送至维修人员设备,可以使维修人员快速了解需要采取的维修措施,提高了对故障的响应速度和处理效率。及时提供维修策略信息可以减少维修人员在查找维修方法和步骤上的时间,从而缩短了维修时间,减少了故障停机时间。待分析信息的反馈包括了维修策略信息和维修人员的实际操作反馈,可用于全面了解维修过程和结果,有助于后续对维修质量和效果的评估。维修人员可以根据维修策略信息进行规范操作,并及时将维修情况反馈回系统,有利于提高维修的规范性和质量。
在一个示例性的实施例中,根据所述运行信息获取维修策略信息,可以包括推荐维修操作、维护计划安排、零部件更换建议等。例如,如果运行信息指示振动超过了预设阈值,维修策略信息用于指示对轴承进行检查和维护。
参见图2,图2是本申请实施例提供的抽水蓄能系统的另一种控制方法的流程示意图。
在一个示例性的实施例中,所述控制模块包括第一控制单元和第二控制单元;所述控制方法包括:
S201,利用第一控制单元获取运行信息,所述运行信息是通过所述传感器模块获取各个所述水轮发电机的传感数据并按照时序排列后生成的;
S202,利用第一控制单元对所述运行信息进行分析,得到所述水轮发电机组的运行状态信息;
S203,当所述运行状态信息指示所述水轮发电机组有异常时,利用第一控制单元生成第一提示信息并通过所述通信模块发送至所述用户设备,进行展示;
S204,当在所述第一预设时长内所述运行状态信息均指示所述水轮发电机组没有异常时,利用第二控制单元对所述第一控制单元进行检验,以实现所述控制模块的自检;
S205,当对所述第一控制单元的检验失败时,利用第二控制单元生成故障预警信息并通过所述通信模块发送至所述用户设备。
其中,控制模块中的第一控制单元和第二控制单元分别可以包括PLC或可编程自动化控制器(PAC)中的任一种,其都具有处理器、输入/输出接口和编程能力,能够执行控制算法并与其他设备通信,本申请对其选取不进行限制。
本实施例中,利用第一控制单元获取水轮发电机组的运行信息,并对运行信息进行分析,以获取水轮发电机组的运行状态信息,以用于判断水轮发电机组是否存在异常情况。当运行状态信息指示水轮发电机组存在异常时,第一控制单元生成第一提示信息,并通过通信模块发送至用户设备进行展示,使操作人员可以及时了解到异常情况,并采取必要的措施进行处理。
同时,第二控制单元仅用于实现控制模块的自检功能(即判断第一控制单元是否故障),不用于水轮发电机组的运行信息的获取和信息处理。在第一预设时长内,如果运行状态信息表明水轮发电机组没有异常,第二控制单元将自动对第一控制单元进行检验,以实现控制模块的自检功能。自检有助于发现第一控制单元是否正常工作,以确保第一控制单元对水轮发电机组信息处理的可靠性。如果第一控制单元的自检失败,第二控制单元将生成故障预警信息,并通过通信模块发送至用户设备,有助于及时通知操作人员存在问题,并采取相应的维修措施,以防止故障造成更大的损失。
由此,将控制模块分为第一控制单元和第二控制单元,由于第二控制单元仅用于实现自检功能,不参与水轮发电机组的运行信息获取和处理,在第一控制单元出现故障时,不会影响到第二控制单元对第一控制单元的监测,降低了第一控制单元故障对水轮发电机组正常运行的影响,提高了抽水蓄能系统的可靠性;将不同功能拆分到不同的控制单元中,使得每个控制单元的功能相对独立,减少了复杂度,进而降低了开发和维护的成本;通过持续监测和分析运行信息,可以实时监测水轮发电机组的状态,并在发现异常时及时生成提示信息,有助于快速处理问题,减少停机时间;定期的自检功能可以及时发现第一控制单元是否存在问题,从而提高水轮发电机组的运行信息的获取和信息处理的可靠性和稳定性;自检失败时生成的故障预警信息可以帮助操作人员快速发现潜在问题,并采取相应的维修措施,有助于减少故障对抽水蓄能系统造成的影响;通过通信模块将提示信息和故障预警信息发送至用户设备,操作人员可以及时了解系统状态,方便管理和维护。
综上所述,该技术方案通过结合实时监测、自检功能和异常处理机制,可以有效提升水轮发电机组的管理和运行效率,降低故障风险,增强系统的可靠性和稳定性。
在一个示例性的实施例中,控制模块包括一个第一控制单元和多个第二控制单元,各个第二控制单元按照预设次序对第一控制单元进行检验,以实现所述控制模块的自检。
进一步地,在任一时间点仅有一个第二控制单元根据预设次序对第一控制单元进行检验,而其他第二控制单元则处于待命状态,等待它们的检验轮次。由此,确保了对第一控制单元的一对一有序检验,即避免了检验过程的不必要的能耗,又提供足够冗余提高了控制模块的自检的可靠性。例如第二控制单元包括第二控制单元A、第二控制单元B和第二控制单元C,上述第二控制单元顺次对第一控制单元进行检验。
在一个示例性的实施例中,当在所述第一预设时长内所述运行状态信息均指示所述水轮发电机组没有异常时,所述第二控制单元通过如下方式对所述第一控制单元进行检验:
S301,周期性发送模拟运行信息至所述第一控制单元,并获取所述第一控制单元生成的模拟状态信息;
S302,根据所述模拟状态信息和所述模拟运行信息对应的预设状态信息,获取所述第一控制单元的检测结果;
S303,当第二预设时长内未获取所述第一控制单元生成的模拟状态信息时,确定所述第一控制单元的检测结果为故障。
其中,模拟运行信息可以包括预先设定的多个模拟数据,用于模拟水轮发电机组的运行情况;预设状态信息是与模拟运行信息对应匹配的状态信息,用于指示水轮发电机组是否处于正常工作状态。第一控制单元接收到模拟运行信息后,会根据模拟运行信息生成相应的模拟状态信息,以反映水轮发电机组的模拟运行状态。第二控制单元获取模拟状态信息,将模拟状态信息与预设状态信息进行对比。根据模拟状态信息和预设状态信息的对比,第二控制单元得出第一控制单元的检测结果。可以认为,如果模拟状态信息与预设状态信息一致,说明第一控制单元正常;否则,存在故障。同时,如果在第二预设时长内未能获取到第一控制单元生成的模拟状态信息,第二控制单元直接确定第一控制单元存在故障,以用于进行进一步处理。其中,第二预设时长例如是10分钟、20分钟或3小时。
由此,通过周期性发送模拟运行信息和获取模拟状态信息,第二控制单元可以实时监测第一控制单元的运行状态,及时发现其潜在故障;第二控制单元根据模拟状态信息和预设状态信息的对比,可以准确判断第一控制单元是否正常工作,提高了故障诊断的准确性;如果第一控制单元存在故障,第二控制单元在第二预设时长内即可判定出故障,从而可以快速采取相应的维修措施,减少非计划停机时间,同时上述自检机制实现了对控制模块的自动化运维,减轻了人工管理的负担,从硬件层面提高了其可靠性和稳定性;通过周期性的自检,可以及时发现潜在问题并采取预防性维护措施,降低了故障的风险。
在一个示例性的实施例中,根据所述模拟状态信息和所述模拟运行信息对应的预设状态信息,获取所述第一控制单元的检测结果,指的是:
将所述模拟状态信息和所述模拟运行信息对应的预设状态信息输入至相似度模型,以得到所述检测相似度;
当检测到所述检测相似度低于第一预设相似度阈值时,确定第一控制单元存在故障。
其中,第一预设相似度阈值可以是预先设置好的数值,例如是90%、98%或0.95。
作为一个示例,所述第一相似度模型的训练过程可以包括:
获取训练集,所述训练集包括多个训练数据,每个所述训练数据包括第一样本对象、第二样本对象以及所述第一样本对象和所述第二样本对象的标注相似度;
针对所述训练集中的每个训练数据,执行以下处理:将所述训练数据中的第一样本对象和第二样本对象输入预设的深度学习模型,以得到所述第一样本对象和所述第二样本对象的预测相似度;
基于所述第一样本对象和所述第二样本对象的预测相似度和标注相似度,对所述深度学习模型的模型参数进行更新;
检测是否满足预设的训练结束条件;若是,则将训练出的深度学习模型作为所述相似度模型;若否,则利用下一个所述训练数据继续训练所述深度学习模型。
其中,第一样本对象和第二样本对象分别包括样本状态信息。通过设计,建立适量的神经元计算节点和多层运算层次结构,选择合适的输入层和输出层,就可以得到预设的深度学习模型,通过该预设的深度学习模型的学习和调优,建立起从输入到输出的函数关系,虽然不能100%找到输入与输出的函数关系,但是可以尽可能地逼近现实的关联关系,由此训练得到的相似度模型,计算结果准确性高、可靠性高。
在一个示例性的实施例中,所述第一控制单元通过如下方式对所述运行信息进行分析,得到所述水轮发电机组的运行状态信息:
S401,针对每个所述水轮发电机,基于所述运行信息获取所述水轮发电机所对应的典型评价值和平均评价值;
S402,基于所述典型评价值和所述平均评价值,利用所述水轮发电机的状态评分模型获取所述水轮发电机的状态评分;
S403,将各个所述水轮发电机组的状态评分作为状态评分集合,并基于所述状态评分集合获取所述水轮发电机组的运行状态信息。
针对每个水轮发电机,根据运行信息获取其对应的典型评价值和平均评价值。由于上述评价值基于各种传感器数据得到的,反映了水轮发电机的运行情况和性能指标。状态评分模型包括了对各种评价值的加权组合,用于综合评估水轮发电机的状态,基于每个水轮发电机的典型评价值和平均评价值,利用水轮发电机的状态评分模型能够客观地计算出其状态评分。同时,可以认为每个水轮发电机对应一个状态评分模型,以提高其状态评分的客观性。将各个水轮发电机的状态评分组合成一个状态评分集合,以反映整个水轮发电机组的运行状态情况。基于状态评分集合,第一控制单元得到水轮发电机组的运行状态信息。
由此,通过考虑每个水轮发电机的典型评价值和平均评价值,并结合每个水轮发电机分别对应的状态评分模型,可以实现对水轮发电机组的综合评估,有助于全面了解水轮发电机组的整体运行状态;状态评分模型可以根据各种评价值的权重和关系,准确地评估水轮发电机的运行状态,有助于及时发现潜在问题,并准确判断是否存在异常情况;基于状态评分集合,第一控制单元可以快速获取水轮发电机组的运行状态信息,有助于及时采取必要的措施,以确保水轮发电机组的安全运行;通过综合评估各个水轮发电机的状态,可以优化维护策略,合理安排维护计划,延长设备的使用寿命,并减少维护成本。
综上所述,通过综合考虑各个水轮发电机的评价值和状态评分,实现了对水轮发电机组的全面评估和准确判断,有助于提高抽水蓄能系统的运行效率和可靠性。
在一个示例性的实施例中,所述状态评分模型指的是:
Sy=w1×{Sa+(Sm-Sy)×[1-(1+D/Dm)×P]}+w2×Sc
其中,Sy为状态评分,Sa为平均评价值,Sm为典型评价值,D为当前水轮发电机的评分达标持续时间,Dm为当前水轮发电机的历史评分达标的最长持续时间(当D不小于Dm时其比值取0.9,然后根据D的值对Dm进行更新),P为当前水轮发电机的故障概率(可以理解为不同的水轮发电机的故障概率可能不同),w1和w2为预设权重且二者和为1,Sc为最近的一次的状态评分(即上一状态评分)。考量到最大评价值更能体现出其对应的风险情况,典型评价值其例如是最大评价值;评分达标持续时间指的是状态评分不低于当前水轮发电机的预设评分阈值的时间长度。
其中,当前水轮发电机的故障概率可以通过以下公式得到:
P=Nf/T
其中,Nf是当前水轮发电机在总运行时间T内记录的故障次数;T是当前水轮发电机的总运行时间,例如以小时或分钟为单位。由此,以使每个水轮发电机对应的P值在同一时刻不同,进而使得每个水轮发电机对应一个状态评分模型,以提高其状态评分的客观性。
在一个示例性的实施例中,所述运行信息包括水轮发电机的运行时间数据、温度、电气数据和振动摆度数据。温度数据例如用于指示水轮发电机B的温度为50℃,其获取方式可以通过安装在水轮发电机上的温度传感器实时采集得到。电气数据例如是电流数据,例如是水轮发电机C的电流为20安培,其获取方式例如是通过安装在水轮发电机电路中的电流传感器实时采集得到。振动摆度数据例如用于指示水轮发电机D的振动摆度为0.5毫米,振动摆度数据可以通过安装在水轮发电机上的振动传感器实时采集和处理后得到。
在一个示例性的实施例中,所述运行信息是水轮发电机的运行时间数据、温度、电气数据和振动摆度数据类型的数据组成的,以使评价值集合涵盖了水轮发电机在温度、电气和振动等方面的运行状态,可以全面评估水轮发电机的运行情况。这种情况下,所述运行信息专注于水轮发电机的关键参数(运行时间数据、温度、电气数据和振动摆度数据),而不包括其他不相关或次要类型的数据,使得数据集更为聚焦和简洁,避免了不必要的数据冗余,简化了数据处理和分析的复杂性。由于数据量较小且针对性强,数据处理和分析的效率得到提高,同时专注于关键参数有助于更准确地评估水轮发电机的运行状态和性能,提高效率和准确性。因为数据处理和分析的时间减少了,专注于关键数据有助于实现更快速地实时监测和响应。
这种情况下,针对每个水轮发电机,根据运行信息获取其对应的典型评价值和平均评价值,同时通过状态评分模型中的公式或逻辑关系进行计算,实现对水轮发电机运行状态的高效评估。
所述第一控制单元通过如下方式获取所述水轮发电机所对应的典型评价值和平均评价值:
S501,对所述运行信息进行包括缺失值处理、除噪和数据标准化处理的预处理,得到所述水轮发电机所对应的评价值集合,所述评价值集合包括温度评价值、电气评价值和振动评价值;
S502,基于所述评价值集合,获取所述水轮发电机的平均评价值和典型评价值。
其中,运行信息包括通过传感器模块实时采集、并传输至第一控制单元的水轮发电机的运行时间数据、温度、电气数据和振动摆度数据。第一控制单元对获取到的运行信息进行包括缺失值处理、除噪和数据标准化处理等的预处理,可以认为是对包括当前时间的一个预设时间段内的传感器模块采集得到的数据进行预处理,由于运行信息是通过传感器模块获取各个水轮发电机的传感数据并按照时序排列后得到的,即其包含时序信息,可以对其对应的预设时间段内的数据进行缺失值处理、除噪。由于传感器故障、数据传输错误或其他原因,可能会出现数据缺失的情况,缺失值处理的目标是填补这些缺失的数据,以保证数据的完整性和连续性。然后通过移动平均、中值滤波、小波变换等方式中的一种或多种以平滑数据并过滤掉不必要的波动。数据标准化处理可以将不同维度的数据转换为相同的尺度,使它们在同一个维度上进行分析具体到本实施例,将温度、电气数据和振动摆度数据进行标准化处理后,它们的数值范围会被调整为相似的范围,从而消除了因为不同数据尺度带来的影响,使得它们可以在同一个尺度上进行比较和分析。
作为一个示例,温度数据以摄氏度为单位,电气数据以安培(A)为单位,振动摆度数据以毫米(mm)为单位。在标准化处理后,这些数据都会被转换为相似的数值范围,例如0到1之间,或者均值为0、标准差为1的标准正态分布,以将它们放在同一个维度上进行比较和分析,而不会因为数据的尺度不同而引起误差或偏差。这些步骤旨在保证数据的准确性和可靠性,为后续评价值的计算做好准备。第一控制单元根据预处理后的数据,计算出水轮发电机所对应的评价值集合。可以认为,评价值集合包括预处理后的温度评价值、电气评价值和振动评价值等,每种类型的评价值反映了水轮发电机在不同方面的运行状态。基于评价值集合,第一控制单元可以计算出水轮发电机的平均评价值和典型评价值。平均评价值反映了水轮发电机在一段时间内的平均运行状态,而典型评价值则表示该水轮发电机在该时间段内的典型“极端”运行状态,例如是该水轮发电机在该时间段内的评价值(温度评价值、电气评价值和振动评价值等)中的最大值。
由此,通过对运行信息进行预处理,可以有效除去噪声、处理缺失值,保证数据的准确性和可靠性,从而提高了评价值的计算精度;评价值集合涵盖了水轮发电机在温度、电气和振动等方面的运行状态,可以全面评估水轮发电机的运行情况,有助于及时发现潜在问题;通过计算典型评价值和平均评价值,可以更加直观地了解水轮发电机的极端和平均运行状态,有助于制定相应的维护和优化策略;基于评价值集合的计算结果,可以及时发出警报并采取措施,防止水轮发电机出现故障。
综上所述,该技术方案通过对水轮发电机的运行信息进行预处理,实现了对水轮发电机运行状态的全面评估和准确判断,为抽水蓄能系统运行的安全稳定提供了有力支持。
在一个示例性的实施例中,所述第一控制单元通过如下方式基于所述状态评分集合获取所述水轮发电机组的运行状态信息:
S601,基于所述状态评分集合,获取所述水轮发电机组的状态等级;
S602,根据当前的所述状态等级和所述水轮发电机组最近得到的N个状态等级,对所述水轮发电机组的状态判断标准信息进行更新;
S603,基于更新后的所述状态判断标准信息和当前的所述状态等级,获取所述水轮发电机组的运行状态信息。
其中,N为大于1的正整数。
第一控制单元基于状态评分集合获取水轮发电机组的状态等级。状态等级反映了水轮发电机组的整体运行状态,作为示例,其例如是A、B、C+、80分档、70分档、A、E、正常级或异常级等。根据当前的状态等级和最近得到的N个状态等级,对水轮发电机组的状态判断标准信息进行更新。状态判断标准信息包括了状态等级的判定条件等,用于判断水轮发电机组的运行状态。基于更新后的状态判断标准信息和当前的状态等级,获取水轮发电机组的运行状态信息。运行状态信息例如包括当前状态的描述、可能存在的异常情况以及建议的处理措施等。
其中,N的取值可以根据水轮发电机组中的水轮发电机的数量确定的,作为一个示例,当水轮发电机数量(M)小于等于5时,N值设定为2,确保了即使在较小的系统中也有足够的历史状态等级用于更新状态判断标准信息。当水轮发电机数量(M)大于5时,N值随着水轮发电机数量的增加而线性增长,每增加5台水轮发电机,N值增加1,但最小值为3,以提供可控数量的历史状态等级用于更新状态判断标准信息。
由此,通过根据最近N次的状态等级更新状态判断标准信息,可以使得判断水轮发电机组运行状态的标准更加灵活和实时,有助于准确判断当前的运行状态;随着状态等级和判断标准信息的动态更新,可以更准确地预警水轮发电机组可能出现的异常情况,有助于及时采取措施防止故障的发生;根据获取的运行状态信息,可以制定更合理的维护策略,包括提前预防性维护、及时修复故障等,从而减少故障损失和提高设备的可靠性;通过持续监测和更新状态判断标准信息,可以更准确地发现水轮发电机组运行状态的变化趋势,并对设备性能进行持续改进和优化,提高抽水蓄能系统的稳定性和效率。
综上所述,该技术方案通过动态更新状态判断标准信息,实现了对水轮发电机组运行状态的准确判断和有效监测,有助于提高抽水蓄能系统的可靠性和稳定性。
在一个示例性的实施例中,状态评分集合可以是列表、数组的形式。基于所述状态评分集合,获取所述水轮发电机组的状态等级,包括:
对状态评分集合中的数据进行如去除异常值、标准化或归一化的处理,以确保数据的一致性和可比性;
通过加权平均、层次分析法或模糊综合评价法中的任一方式,对上述处理后的状态评分集进行计算,得到整个水轮发电机组的整体状态评分;
根据状态等级和整体状态评分的对应关系,获取上述水轮发电机组的整体状态评分在对应关系中对应的状态等级。
以加权平均法为例,获取每个水轮发电机的加权权重(加权权重是根据每个水轮发电机在机组中的重要性、容量、对整体性能的影响等因素,提前分配得到的,或专家评估得到的);将每个水轮发电机的状态评分与其对应的权重相乘,得到加权评分;将所有水轮发电机的加权评分相加,得到整个水轮发电机组的整体状态评分。
参见图3,图3是本申请实施例提供的抽水蓄能系统的又一种控制方法的流程示意图。
在一个具体应用中,提供了一种抽水蓄能系统控制方法,其中的运行信息包括水轮发电机的运行时间数据、温度、电气数据和振动摆度数据;所述控制方法包括S1至S5。
S1,信息采集过程。利用第一控制单元获取运行信息,所述运行信息是通过所述传感器模块获取各个所述水轮发电机的传感数据并按照时序排列后生成的。
S2,信息评估过程。针对每个所述水轮发电机,利用第一控制单元对所述运行信息进行包括缺失值处理、除噪和数据标准化处理的预处理,得到所述水轮发电机所对应的评价值集合,所述评价值集合包括温度评价值、电气评价值和振动评价值;基于所述评价值集合,获取所述水轮发电机的平均评价值和典型评价值;基于所述典型评价值和所述平均评价值,利用所述水轮发电机的状态评分模型获取所述水轮发电机的状态评分;将各个所述水轮发电机组的状态评分作为状态评分集合,并基于所述状态评分集合,获取所述水轮发电机组的状态等级;根据当前的所述状态等级和所述水轮发电机组最近得到的N个状态等级,对所述水轮发电机组的状态判断标准信息进行更新;N为大于1的正整数;基于更新后的所述状态判断标准信息和当前的所述状态等级,获取所述水轮发电机组的运行状态信息;当所述运行状态信息指示所述水轮发电机组有异常时,利用第一控制单元生成第一提示信息并通过所述通信模块发送至所述用户设备,进行展示。
S3,维修策略提供过程。根据所述运行信息获取维修策略信息,并将所述维修策略信息通过所述通信模块发送至维修人员设备。
S4,待分析信息提供过程。当维修完成后,将待分析信息发送至所述用户设备,所述待分析信息包括所述维修策略信息和维修人员输入的维修信息。
S5,自检过程。当在所述第一预设时长内所述运行状态信息均指示所述水轮发电机组没有异常时,周期性发送模拟运行信息至所述第一控制单元,并获取所述第一控制单元生成的模拟状态信息;根据所述模拟状态信息和所述模拟运行信息对应的预设状态信息,获取所述第一控制单元的检测结果;当第二预设时长内未获取所述第一控制单元生成的模拟状态信息时,确定所述第一控制单元的检测结果为故障;当对所述第一控制单元的检验失败时,利用第二控制单元生成故障预警信息并通过所述通信模块发送至所述用户设备,以实现所述控制模块的自检。
基于上述方法实施例所陈述的内容,所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,下文描述的系统、存储介质和程序产品的具体工作过程,可以参考前述方法实施例中的对应过程,不再赘述。
系统实施例。
图4是本申请实施例提供的抽水蓄能系统的结构框图。
本实施例提供了一种抽水蓄能系统,所述抽水蓄能系统包括:
水轮发电机组,包括多个水轮发电机;
传感器模块,包括多个传感器,分别设置于各个所述水轮发电机;
控制模块,所述控制模块分别与每个所述传感器电连接;
通信模块,所述通信模块设置于所述控制模块和用户设备之间,实现所述控制模块和用户设备的通信连接;
所述控制模块被配置成:
获取运行信息,所述运行信息是通过所述传感器模块获取各个所述水轮发电机的传感数据并按照时序排列后得到的;
对所述运行信息进行分析,得到所述水轮发电机组的运行状态信息;
当所述运行状态信息指示所述水轮发电机组有异常时,生成第一提示信息并通过所述通信模块发送至所述用户设备,进行展示;
当在第一预设时长内所述运行状态信息均指示所述水轮发电机组没有异常时,对所述控制模块进行自检;
当自检失败时,生成故障预警信息并通过所述通信模块发送至所述用户设备。
在一个示例性的实施例中,当所述运行状态信息指示所述水轮发电机组有异常时,所述控制模块还被配置成:
根据所述运行信息获取维修策略信息,并将所述维修策略信息通过所述通信模块发送至维修人员设备;
当维修完成后,将待分析信息发送至所述用户设备,所述待分析信息包括所述维修策略信息和维修人员输入的维修信息。
在一个示例性的实施例中,所述控制模块包括第一控制单元和第二控制单元;
所述第一控制单元被配置成:
获取运行信息,所述运行信息是通过所述传感器模块获取各个所述水轮发电机的传感数据并按照时序排列后生成的;
对所述运行信息进行分析,得到所述水轮发电机组的运行状态信息;
当所述运行状态信息指示所述水轮发电机组有异常时,生成第一提示信息并通过所述通信模块发送至所述用户设备,进行展示;
所述第二控制单元被配置成:
当在所述第一预设时长内所述运行状态信息均指示所述水轮发电机组没有异常时,对所述第一控制单元进行检验,以实现所述控制模块的自检;
当对所述第一控制单元的检验失败时,生成故障预警信息并通过所述通信模块发送至所述用户设备。
在一个示例性的实施例中,当在所述第一预设时长内所述运行状态信息均指示所述水轮发电机组没有异常时,所述第二控制单元被配置成通过如下方式对所述第一控制单元进行检验:
周期性发送模拟运行信息至所述第一控制单元,并获取所述第一控制单元生成的模拟状态信息;
根据所述模拟状态信息和所述模拟运行信息对应的预设状态信息,获取所述第一控制单元的检测结果;
当第二预设时长内未获取所述第一控制单元生成的模拟状态信息时,确定所述第一控制单元的检测结果为故障。
在一个示例性的实施例中,所述第一控制单元被配置成通过如下方式对所述运行信息进行分析,得到所述水轮发电机组的运行状态信息:
针对每个所述水轮发电机,基于所述运行信息获取所述水轮发电机所对应的典型评价值和平均评价值;
基于所述典型评价值和所述平均评价值,利用所述水轮发电机的状态评分模型获取所述水轮发电机的状态评分;
将各个所述水轮发电机组的状态评分作为状态评分集合,并基于所述状态评分集合获取所述水轮发电机组的运行状态信息。
在一个示例性的实施例中,所述运行信息包括水轮发电机的运行时间数据、温度、电气数据和振动摆度数据;
所述第一控制单元被配置成通过如下方式获取所述水轮发电机所对应的典型评价值和平均评价值:
对所述运行信息进行包括缺失值处理、除噪和数据标准化处理的预处理,得到所述水轮发电机所对应的评价值集合,所述评价值集合包括温度评价值、电气评价值和振动评价值;
基于所述评价值集合,获取所述水轮发电机的平均评价值和典型评价值。
在一个示例性的实施例中,所述第一控制单元被配置成通过如下方式基于所述状态评分集合获取所述水轮发电机组的运行状态信息:
基于所述状态评分集合,获取所述水轮发电机组的状态等级;
根据当前的所述状态等级和所述水轮发电机组最近得到的N个状态等级,对所述水轮发电机组的状态判断标准信息进行更新,N为大于1的正整数;
基于更新后的所述状态判断标准信息和当前的所述状态等级,获取所述水轮发电机组的运行状态信息。
存储介质实施例。
本实施例提供了一种计算机可读存储介质,其上存储有指令,所述指令被处理器执行时,以使得处理器实现方法实施例中所述的任一方法。
程序产品实施例。
本实施例提供了一种计算机程序产品,所述计算机程序产品包括计算机程序,所述计算机程序被至少一个处理器执行时实现方法实施例中所述的任一方法的步骤。
计算机程序产品可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码,并可以在终端设备,例如个人电脑上运行。然而,本申请的计算机程序产品不限于此,计算机程序产品可以采用一个或多个计算机可读介质的任意组合。
本申请的说明书的各种实施方式中,各过程的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请的实施过程构成任何限定。
本申请的说明书和权利要求书及所述附图中的术语“第一”“第二”“第三”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例例如能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“对应于”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
本申请从使用目的上,效能上,进步及新颖性等观点进行阐述,已符合专利法所强调的功能增进及使用要件,本申请以上的说明书及说明书附图,仅为本申请的较佳实施例而已,并非以此局限本申请,因此,凡一切与本申请构造,装置,特征等近似、雷同的,即凡依本申请专利申请范围所作的等同替换或修饰等,皆应属本申请的专利申请保护的范围之内。
Claims (10)
1.一种抽水蓄能系统,其特征在于,所述抽水蓄能系统包括:
水轮发电机组,包括多个水轮发电机;
传感器模块,包括多个传感器,分别设置于各个所述水轮发电机;
控制模块,所述控制模块分别与每个所述传感器电连接;
通信模块,所述通信模块设置于所述控制模块和用户设备之间,实现所述控制模块和用户设备的通信连接;
所述控制模块被配置成:
获取运行信息,所述运行信息是通过所述传感器模块获取各个所述水轮发电机的传感数据并按照时序排列后得到的;
对所述运行信息进行分析,得到所述水轮发电机组的运行状态信息;
当所述运行状态信息指示所述水轮发电机组有异常时,生成第一提示信息并通过所述通信模块发送至所述用户设备,进行展示;
当在第一预设时长内所述运行状态信息均指示所述水轮发电机组没有异常时,对所述控制模块进行自检;
当自检失败时,生成故障预警信息并通过所述通信模块发送至所述用户设备。
2.根据权利要求1所述的抽水蓄能系统,其特征在于,当所述运行状态信息指示所述水轮发电机组有异常时,所述控制模块还被配置成:
根据所述运行信息获取维修策略信息,并将所述维修策略信息通过所述通信模块发送至维修人员设备;
当维修完成后,将待分析信息发送至所述用户设备,所述待分析信息包括所述维修策略信息和维修人员输入的维修信息。
3.根据权利要求1所述的抽水蓄能系统,其特征在于,所述控制模块包括第一控制单元和第二控制单元;
所述第一控制单元被配置成:
获取运行信息,所述运行信息是通过所述传感器模块获取各个所述水轮发电机的传感数据并按照时序排列后生成的;
对所述运行信息进行分析,得到所述水轮发电机组的运行状态信息;
当所述运行状态信息指示所述水轮发电机组有异常时,生成第一提示信息并通过所述通信模块发送至所述用户设备,进行展示;
所述第二控制单元被配置成:
当在所述第一预设时长内所述运行状态信息均指示所述水轮发电机组没有异常时,对所述第一控制单元进行检验,以实现所述控制模块的自检;
当对所述第一控制单元的检验失败时,生成故障预警信息并通过所述通信模块发送至所述用户设备。
4.根据权利要求3所述的抽水蓄能系统,其特征在于,当在所述第一预设时长内所述运行状态信息均指示所述水轮发电机组没有异常时,所述第二控制单元被配置成通过如下方式对所述第一控制单元进行检验:
周期性发送模拟运行信息至所述第一控制单元,并获取所述第一控制单元生成的模拟状态信息;
根据所述模拟状态信息和所述模拟运行信息对应的预设状态信息,获取所述第一控制单元的检测结果;
当第二预设时长内未获取所述第一控制单元生成的模拟状态信息时,确定所述第一控制单元的检测结果为故障。
5.根据权利要求3所述的抽水蓄能系统,其特征在于,所述第一控制单元被配置成通过如下方式对所述运行信息进行分析,得到所述水轮发电机组的运行状态信息:
针对每个所述水轮发电机,基于所述运行信息获取所述水轮发电机所对应的典型评价值和平均评价值;
基于所述典型评价值和所述平均评价值,利用所述水轮发电机的状态评分模型获取所述水轮发电机的状态评分;
将各个所述水轮发电机组的状态评分作为状态评分集合,并基于所述状态评分集合获取所述水轮发电机组的运行状态信息。
6.根据权利要求5所述的抽水蓄能系统,其特征在于,所述运行信息包括水轮发电机的运行时间数据、温度、电气数据和振动摆度数据;
所述第一控制单元被配置成通过如下方式获取所述水轮发电机所对应的典型评价值和平均评价值:
对所述运行信息进行包括缺失值处理、除噪和数据标准化处理的预处理,得到所述水轮发电机所对应的评价值集合,所述评价值集合包括温度评价值、电气评价值和振动评价值;
基于所述评价值集合,获取所述水轮发电机的平均评价值和典型评价值。
7.根据权利要求5所述的抽水蓄能系统,其特征在于,所述第一控制单元被配置成通过如下方式基于所述状态评分集合获取所述水轮发电机组的运行状态信息:
基于所述状态评分集合,获取所述水轮发电机组的状态等级;
根据当前的所述状态等级和所述水轮发电机组最近得到的N个状态等级,对所述水轮发电机组的状态判断标准信息进行更新,N为大于1的正整数;
基于更新后的所述状态判断标准信息和当前的所述状态等级,获取所述水轮发电机组的运行状态信息。
8.一种抽水蓄能系统控制方法,其特征在于,用于抽水蓄能系统,所述抽水蓄能系统包括:
水轮发电机组,包括多个水轮发电机;
传感器模块,包括多个传感器,分别设置于各个所述水轮发电机;
控制模块,所述控制模块分别与每个所述传感器电连接;
通信模块,所述通信模块设置于所述控制模块和用户设备之间,实现所述控制模块和用户设备的通信连接;
所述控制方法包括:
获取运行信息,所述运行信息是通过传感器模块获取各个所述水轮发电机的传感数据并按照时序排列后得到的;
对所述运行信息进行分析,得到所述水轮发电机组的运行状态信息;
当所述运行状态信息指示所述水轮发电机组有异常时,生成第一提示信息并通过所述通信模块发送至所述用户设备,进行展示;
当在第一预设时长内所述运行状态信息均指示所述水轮发电机组没有异常时,对所述控制模块进行自检;
当自检失败时,生成故障预警信息并通过所述通信模块发送至所述用户设备。
9.一种计算机可读存储介质,其特征在于,其上存储有指令,所述指令被处理器执行时,以使得处理器实现如权利要求8所述的控制方法。
10.一种计算机程序产品,其特征在于,所述计算机程序产品包括计算机程序,所述计算机程序被至少一个处理器执行时实现权利要求8所述的控制方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410258538.6A CN118008675A (zh) | 2024-03-07 | 2024-03-07 | 抽水蓄能系统及其控制方法、存储介质、程序产品 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410258538.6A CN118008675A (zh) | 2024-03-07 | 2024-03-07 | 抽水蓄能系统及其控制方法、存储介质、程序产品 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN118008675A true CN118008675A (zh) | 2024-05-10 |
Family
ID=90957729
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410258538.6A Pending CN118008675A (zh) | 2024-03-07 | 2024-03-07 | 抽水蓄能系统及其控制方法、存储介质、程序产品 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN118008675A (zh) |
-
2024
- 2024-03-07 CN CN202410258538.6A patent/CN118008675A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zaher et al. | A multi-agent fault detection system for wind turbine defect recognition and diagnosis | |
CN110977614B (zh) | 一种数控机床健康诊断方法 | |
CN112817280A (zh) | 一种用于火电厂智慧监盘报警系统实现方法 | |
CN108801334A (zh) | 一种移动式变压器状态信息综合监控诊断系统 | |
CN112926257A (zh) | 往复式天然气压缩机故障诊断系统以及诊断方法 | |
CN105512448A (zh) | 一种配电网健康指数的评估方法 | |
Mayadevi | A Review on Expert System Applications in Power Plants | |
CN109492790A (zh) | 基于神经网络与数据挖掘的风电机组健康管理方法 | |
CN116455085B (zh) | 一种电池储能电站智能监控系统 | |
CN110852484B (zh) | 一种风力发电机组故障预警系统与方法 | |
CN212895016U (zh) | 一种基于LoRa无线测控技术的铝电解槽况诊断系统 | |
KR101853480B1 (ko) | 해양플랜트 예지보전 시스템 | |
WO2023065580A1 (zh) | 风电机组齿轮箱的故障诊断方法及装置 | |
CN113987294A (zh) | 一种基于遗传优化gru神经网络的cvt在线故障诊断方法 | |
CN114019935A (zh) | 一种基于工业物联网设备实时检测诊断系统 | |
CN105426665B (zh) | 基于状态监测的动态可靠度确定方法 | |
RU2668487C2 (ru) | Система информационной поддержки принятия управленческих решений для обслуживающего персонала судовой энергетической установки | |
KR20220089853A (ko) | 머신러닝 기술을 활용한 신재생에너지 발전설비의 고장예지 및 건전성관리 방법 | |
CN117674249A (zh) | 一种含分布式光伏的配电网故障自愈控制与评价方法 | |
CN118008675A (zh) | 抽水蓄能系统及其控制方法、存储介质、程序产品 | |
CN114442543A (zh) | 一种适用于水电站故障预警的计算机监测方法 | |
CN112884170A (zh) | 一种综合管廊预测性智能运维系统及方法 | |
CN117589444B (zh) | 一种基于联邦学习的风力发电机齿轮箱故障诊断方法 | |
CN117272844B (zh) | 配电盘工作寿命的预测方法及系统 | |
RU2791597C1 (ru) | Система мониторинга, диагностирования и управления техническим состоянием силовых трансформаторов |
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 |