CN118112415A - 一种电机绝缘性能的智能测试方法及系统 - Google Patents
一种电机绝缘性能的智能测试方法及系统 Download PDFInfo
- Publication number
- CN118112415A CN118112415A CN202410458360.XA CN202410458360A CN118112415A CN 118112415 A CN118112415 A CN 118112415A CN 202410458360 A CN202410458360 A CN 202410458360A CN 118112415 A CN118112415 A CN 118112415A
- Authority
- CN
- China
- Prior art keywords
- value
- humidity
- motor
- temperature
- resistance value
- 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
- 238000009413 insulation Methods 0.000 title claims abstract description 62
- 238000010998 test method Methods 0.000 title claims abstract description 10
- 238000013507 mapping Methods 0.000 claims abstract description 42
- 239000012774 insulation material Substances 0.000 claims abstract description 23
- 238000012360 testing method Methods 0.000 claims abstract description 22
- 238000013527 convolutional neural network Methods 0.000 claims abstract description 18
- 238000000034 method Methods 0.000 claims abstract description 13
- 238000012549 training Methods 0.000 claims abstract description 10
- 230000002159 abnormal effect Effects 0.000 claims abstract description 9
- 238000001914 filtration Methods 0.000 claims abstract description 7
- 238000009825 accumulation Methods 0.000 claims description 9
- 238000012423 maintenance Methods 0.000 claims description 6
- 238000010276 construction Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 238000011897 real-time detection Methods 0.000 claims description 3
- 238000012795 verification Methods 0.000 claims description 3
- 239000011810 insulating material Substances 0.000 abstract description 8
- 238000012544 monitoring process Methods 0.000 abstract description 2
- 230000015556 catabolic process Effects 0.000 abstract 1
- 238000006731 degradation reaction Methods 0.000 abstract 1
- 230000006870 function Effects 0.000 description 11
- 238000004364 calculation method Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000003647 oxidation Effects 0.000 description 2
- 238000007254 oxidation reaction Methods 0.000 description 2
- 238000004804 winding Methods 0.000 description 2
- 230000032683 aging Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011056 performance test Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
Landscapes
- Tests Of Circuit Breakers, Generators, And Electric Motors (AREA)
Abstract
本发明公开了一种电机绝缘性能的智能测试方法及系统，属于电机测试技术领域，具体包括以下步骤：定期进行电机绝缘电阻测试，采集绝缘材料电阻值及电机运行指标，包括温度、湿度和寿命；过滤异常值后，计算单位时间内的平均运行温度和湿度，生成时间序列并累加；当寿命为n个单位时间时，计算对应的温度和湿度累加值；建立一维卷积神经网络，输入运行指标累加值和绝缘材料电阻值序列进行训练，生成对应关系映射模型并进行验证；将当前电机运行指标输入模型，输出预测绝缘电阻值；若低于预设临界值，则提示检修绝缘材料；本发明有助于提前发现绝缘材料的性能退化，可以在不中断电机正常工作的情况下进行绝缘性能的智能监测。
Description
技术领域
本发明涉及电机测试技术领域，具体涉及一种电机绝缘性能的智能测试方法及系统。
背景技术
发电机定子绕组绝缘就是指发电机线棒的绝缘材料。在电机的运行过程中，绝缘性能的好坏直接关系到电机的安全性和可靠性。在工况条件下，发电机定子绕组绝缘材料往往面临高温、氧化、潮湿等复杂工况，其中，在高温和空气环境下的热氧老化尤为常见。因此，如何实时、准确地评估和预测电机的绝缘性能，成为了当前电机绝缘性能测试领域的一个重要问题。
传统的电机绝缘性能测试方法通常需要停机进行，这不仅影响了生产效率，而且由于测试条件与实际运行条件存在差异，测试结果往往无法准确反映电机在实际运行中的绝缘性能。
尽管有一些现有的技术试图通过建立电机绝缘性能与影响因素之间的模型，来预测电机的绝缘性能，但这些方法通常需要大量的实验数据，且模型的建立过程复杂，计算量大，难以实现实时在线预测。
发明内容
本发明的目的在于提供一种电机绝缘性能的智能测试方法及系统，解决以下技术问题：
传统的电机绝缘性能测试方法通常需要停机进行，这不仅影响了生产效率，而且由于测试条件与实际运行条件存在差异，测试结果往往无法准确反映电机在实际运行中的绝缘性能。
本发明的目的可以通过以下技术方案实现：
一种电机绝缘性能的智能测试方法，包括：
定期对电机进行绝缘电阻测试，采集绝缘材料电阻值R，并定期采集电机的运行指标，所述运行指标包括运行温度、运行湿度和运行寿命Y，所述运行寿命的单位为t0；
将采集到的运行温度和运行湿度进行过滤，去除异常值，并将过滤后的运行温度和运行湿度以单位时间t0为单位进行划分，依次计算每个单位时间t0的平均运行温度t和平均运行湿度h，生成以时间排序的平均运行温度序列和平均运行湿度序列，每隔一个单位时间对序列中所有数值进行累加计算，当运行寿命为n个单位时间t0时，则对应的运行温度累加值为，运行湿度累加值为/>；
建立一维卷积神经网络，将运行指标累加值和对应的绝缘材料电阻值序列输入一维卷积神经网络进行训练，所述运行指标累加值包括运行温度累加值、运行湿度累加值和运行寿命，生成运行指标累加值与绝缘电阻值对应关系的映射模型；
将当前电机的运行指标输入所述映射模型中，输出预测绝缘电阻值，当映射模型输出的绝缘电阻值低于预设的临界电阻值时，提示对绝缘材料进行检修。
作为本发明进一步的方案：去除异常值的过程为：
分别采集每一天的运行温度和运行湿度，以及当天的天气预报温度区间和湿度区间，将与天气预报区间极值差距大于预设阈值的运行温度和/或运行湿度删除。
作为本发明进一步的方案：建立绝缘材料电阻值随运行寿命变化的折线，当任一折线的斜率的绝对值大于预设阈值时，将电机当前的运行温度和运行湿度与历史数据进行对比，若对比差值大于预设阈值，则对当前的运行温度和运行湿度进行调整，否则对电机进行检修。
作为本发明进一步的方案：所述映射模型的验证过程为：
分别以运行温度累加值T、运行湿度累加值H和运行寿命Y为横坐标，以映射模型输出的绝缘材料电阻值R为纵坐标，建立平面直角坐标系，进行一维回归拟合，生成3个一维回归拟合函数公式：
R=aT+b，R=cH+d，R=eY+f；
其中a、b、c、d、e、f为函数参数，根据横坐标数值和纵坐标数值计算得出函数参数的数值。
作为本发明进一步的方案：根据一维回归拟合函数公式的函数参数a、b、c、d、e、f，通过以下公式计算映射模型的相关系数r：
，
分别获得相关性系数r1、r2、r3、r4、r5和r6，若所有相关系数均大于预设阈值，则表示映射模型成立，若存在相关系数小于预设阈值，则重新进行一维卷积神经网络训练。
作为本发明进一步的方案：计算运行温度和运行湿度的平均累加速度，计算未来任一时刻的运行指标累加值，将未来的运行指标累加值输入所述映射模型中，输出预测的绝缘电阻值，获取预测绝缘电阻值低于故障电阻值时对应的预测运行寿命，并进行显示。
作为本发明进一步的方案：当预测运行寿命与当前运行寿命的差值低于预设单位时间t0数时，进行报警提示。
一种电机绝缘性能的智能测试系统，包括：
数据采集模块，用于定期对电机进行绝缘电阻测试，采集绝缘材料电阻值R，并定期采集电机的运行指标，所述运行指标包括运行温度、运行湿度和运行寿命Y，所述运行寿命的单位为t0；
数据处理模块，用于将采集到的运行温度和运行湿度进行过滤，去除异常值，并将过滤后的运行温度和运行湿度以单位时间t0为单位进行划分，依次计算每个单位时间t0的平均运行温度t和平均运行湿度h，生成以时间排序的平均运行温度序列和平均运行湿度序列，每隔一个单位时间对序列中所有数值进行累加计算，当运行寿命为n个单位时间t0时，则对应的运行温度累加值为，运行湿度累加值为/>；
模型构建模块，用于建立一维卷积神经网络，将运行指标累加值和对应的绝缘材料电阻值序列输入一维卷积神经网络进行训练，所述运行指标累加值包括运行温度累加值、运行湿度累加值和运行寿命，生成运行指标累加值与绝缘电阻值对应关系的映射模型，并对映射模型进行验证；
实时检测模块，用于将当前电机的运行指标输入验证后的映射模型中，输出预测绝缘电阻值，当映射模型输出的绝缘电阻值低于预设的临界电阻值时，提示对绝缘材料进行检修。
本发明的有益效果：
本发明通过定期监测电机运行指标和电机的绝缘性能，利用一维卷积神经网络对绝缘材料电阻值与电机运行指标之间关系进行建模和训练，提高了预测结果的准确性，并可以处理复杂的非线性关系，本发明提供了一种非侵入式的测试手段，通过实时采集运行指标并转换为运行指标累加值输入映射模型中，能够更好的体现绝缘材料运行过程中的受到的损耗，从而持续输出预测的绝缘电阻值，为维护提供实时数据支持，有助于提前发现绝缘材料的性能退化，可以在不中断电机正常工作的情况下进行绝缘性能的智能监测，从而减少了因传统测试方法所需停机带来的生产中断，使得维护人员可以提前采取措施，避免突发故障的发生，且本发明能够适应不同类型和不同工作条件下的电机，具备较好的通用性和适应性。
附图说明
下面结合附图对本发明作进一步的说明。
图1是本发明的一种电机绝缘性能的智能测试方法的流程示意图。
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作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
请参阅图1所示，本发明为一种电机绝缘性能的智能测试方法，包括：
当每次检修停机时，对电机进行绝缘电阻测试，记录下当前测试的绝缘材料电阻值R，并且通过温度传感器和湿度传感器实时采集电机的运行指标，所述运行指标包括运行温度、运行湿度，并统计电机的运行寿命，所述运行寿命的单位为小时；
将采集到的运行温度和运行湿度进行过滤，去除异常的极大值或极小值，并将过滤后的运行温度和运行湿度以单位时间小时进行划分，依次计算每个小时内的平均运行温度t和平均运行湿度h，生成以时间排序的平均运行温度序列和平均运行湿度序列，每隔一个小时对序列中所有数值进行累加计算，当运行寿命为n个小时的时候，则对应的运行温度累加值为，运行湿度累加值为/>；而运行寿命本身即为累加值；获得了运行指标累加值；
基于深度学习，建立一维卷积神经网络，将运行指标累加值和对应测试获得的绝缘材料电阻值序列输入一维卷积神经网络进行训练，所述运行指标累加值包括运行温度累加值、运行湿度累加值和运行寿命，通过一维卷积神经网络生成运行指标累加值与绝缘电阻值对应关系的映射模型，然后，通过建立一元函数和相关性系数对获得的映射模型进行验证；
在电机的运行过程中，将当前电机的实时运行指标输入验证后的映射模型中，输出预测的绝缘电阻值，当映射模型输出的绝缘电阻值低于预设的临界电阻值时，提示对绝缘材料进行检修。
在本发明的另一种优选的实施例中，去除异常值的过程为：
分别采集每一天的运行温度和运行湿度，以及当天的天气预报温度区间和湿度区间，将与天气预报区间极值差距大于10摄氏度或者20个湿度百分比以上的运行温度和运行湿度删除。
在本发明的另一种优选的实施例中，建立绝缘材料电阻值随运行寿命变化的折线，当任一折线的斜率的绝对值大于设定的数值时，将电机当前的运行温度和运行湿度与历史数据进行对比，若对比差值大于预设阈值，则通过降温系统和湿度控制系统对当前的运行温度和运行湿度进行调整，否则对电机进行检修。
在本发明的另一种优选的实施例中，所述映射模型的验证过程为：
分别以运行温度累加值T、运行湿度累加值H和运行寿命Y为横坐标，以映射模型输出的绝缘材料电阻值R为纵坐标，建立平面直角坐标系，进行一维回归拟合，生成3个一维回归拟合函数公式：
R=aT+b，R=cH+d，R=eY+f；
其中a、b、c、d、e、f为函数参数，根据采集的大量横坐标数值和纵坐标数值计算得出函数参数的数值。
在实施例的一种优选的情况中，根据一元回归拟合函数公式的函数参数a、b、c、d、e、f，通过以下公式计算映射模型的相关系数r：
，
分别获得相关性系数r1、r2、r3、r4、r5和r6，若所有相关系数均大于0.77，则表示映射模型成立，若存在相关系数小于0.77，则重新进行一维卷积神经网络训练。
根据初始建立的映射模型输出的绝缘电阻结果，以及对应的事实运行指标，通过相关性系数计算公式对映射模型进行反向验证，从而对映射模型进行修正。
在本发明的另一种优选的实施例中，计算运行温度和运行湿度的平均累加速度，计算未来任一时刻的运行指标累加值，将未来的运行指标累加值输入所述映射模型中，输出预测的绝缘电阻值，获取预测绝缘电阻值低于故障电阻值时对应的预测运行寿命，并进行显示。
在本发明的另一种优选的实施例中，当预测运行寿命与当前运行寿命的差值低于一周的时间，进行报警提示。
一种电机绝缘性能的智能测试系统，包括：
数据采集模块，用于采集对电机进行绝缘电阻测试的数据，采集绝缘材料电阻值，并基于传感器定期采集电机的运行指标，所述运行指标包括运行温度、运行湿度和运行寿命，所述运行寿命的单位为小时；
数据处理模块，用于将采集到的运行温度和运行湿度进行过滤，去除异常值，并将过滤后的运行温度和运行湿度以单位时间t0为单位进行划分，依次计算每个单位小时的平均运行温度t和平均运行湿度h，生成以时间排序的平均运行温度序列和平均运行湿度序列，每隔一小时对序列中所有数值进行累加计算，当运行寿命为n个小时的时候，则对应的运行温度累加值为，运行湿度累加值为/>；
模型构建模块，用于建立一维卷积神经网络，将运行指标累加值和对应的绝缘材料电阻值序列输入一维卷积神经网络进行训练，所述运行指标累加值包括运行温度累加值、运行湿度累加值和运行寿命，生成运行指标累加值与绝缘电阻值对应关系的映射模型，并对映射模型进行验证；
实时检测模块，用于将传感器实时采集的当前电机的运行指标输入验证后的映射模型中，输出预测绝缘电阻值，当映射模型输出的绝缘电阻值低于预设的临界电阻值时，提示对绝缘材料进行检修。
以上对本发明的实施例进行了详细说明，但所述内容仅为本发明的较佳实施例，不能被认为用于限定本发明的实施范围。凡依本发明申请范围所作的均等变化与改进等，均应仍归属于本发明的专利涵盖范围之内。
Claims (8)
1.一种电机绝缘性能的智能测试方法，其特征在于，包括：
定期对电机进行绝缘电阻测试，采集绝缘材料电阻值R，并定期采集电机的运行指标，所述运行指标包括运行温度、运行湿度和运行寿命Y，所述运行寿命的单位为t0；
将采集到的运行温度和运行湿度进行过滤，去除异常值，并将过滤后的运行温度和运行湿度以单位时间t0为单位进行划分，依次计算每个单位时间t0的平均运行温度t和平均运行湿度h，生成以时间排序的平均运行温度序列和平均运行湿度序列，每隔一个单位时间对序列中所有数值进行累加计算，当运行寿命为n个单位时间t0时，则对应的运行温度累加值为，运行湿度累加值为/>；
建立一维卷积神经网络，将运行指标累加值和对应的绝缘材料电阻值序列输入一维卷积神经网络进行训练，所述运行指标累加值包括运行温度累加值、运行湿度累加值和运行寿命，生成运行指标累加值与绝缘电阻值对应关系的映射模型，并对映射模型进行验证；
将当前电机的运行指标输入验证后的映射模型中，输出预测绝缘电阻值，当映射模型输出的绝缘电阻值低于预设的临界电阻值时，提示对绝缘材料进行检修。
2.根据权利要求1所述的一种电机绝缘性能的智能测试方法，其特征在于，去除异常值的过程为：
分别采集每一天的运行温度和运行湿度，以及当天的天气预报温度区间和湿度区间，将与天气预报区间极值差距大于预设阈值的运行温度和/或运行湿度删除。
3.根据权利要求1所述的一种电机绝缘性能的智能测试方法，其特征在于，建立绝缘材料电阻值随运行寿命变化的折线，当任一折线的斜率的绝对值大于预设阈值时，将电机当前的运行温度和运行湿度与历史数据进行对比，若对比差值大于预设阈值，则对当前的运行温度和运行湿度进行调整，否则对电机进行检修。
4.根据权利要求1所述的一种电机绝缘性能的智能测试方法，其特征在于，所述映射模型的验证过程为：
分别以运行温度累加值T、运行湿度累加值H和运行寿命Y为横坐标，以映射模型输出的绝缘材料电阻值R为纵坐标，建立平面直角坐标系，进行一维回归拟合，生成3个一维回归拟合函数公式：
R=aT+b，R=cH+d，R=eY+f；
其中a、b、c、d、e、f为函数参数，根据横坐标数值和纵坐标数值计算得出函数参数的数值。
5.根据权利要求4所述的一种电机绝缘性能的智能测试方法，其特征在于，根据一元回归拟合函数公式的函数参数a、b、c、d、e、f，通过以下公式计算映射模型的相关系数r：
，
分别获得相关性系数r1、r2、r3、r4、r5和r6，若所有相关系数均大于预设阈值，则表示映射模型成立，若存在相关系数小于预设阈值，则重新进行一维卷积神经网络训练。
6.根据权利要求1所述的一种电机绝缘性能的智能测试方法，其特征在于，计算运行温度和运行湿度的平均累加速度，计算未来任一时刻的运行指标累加值，将未来的运行指标累加值输入所述映射模型中，输出预测的绝缘电阻值，获取预测绝缘电阻值低于故障电阻值时对应的预测运行寿命，并进行显示。
7.根据权利要求6所述的一种电机绝缘性能的智能测试方法，其特征在于，当预测运行寿命与当前运行寿命的差值低于预设单位时间t0数时，进行报警提示。
8.一种电机绝缘性能的智能测试系统，其特征在于，包括：
数据采集模块，用于定期对电机进行绝缘电阻测试，采集绝缘材料电阻值R，并定期采集电机的运行指标，所述运行指标包括运行温度、运行湿度和运行寿命Y，所述运行寿命的单位为t0；
数据处理模块，用于将采集到的运行温度和运行湿度进行过滤，去除异常值，并将过滤后的运行温度和运行湿度以单位时间t0为单位进行划分，依次计算每个单位时间t0的平均运行温度t和平均运行湿度h，生成以时间排序的平均运行温度序列和平均运行湿度序列，每隔一个单位时间对序列中所有数值进行累加计算，当运行寿命为n个单位时间t0时，则对应的运行温度累加值为，运行湿度累加值为/>；
模型构建模块，用于建立一维卷积神经网络，将运行指标累加值和对应的绝缘材料电阻值序列输入一维卷积神经网络进行训练，所述运行指标累加值包括运行温度累加值、运行湿度累加值和运行寿命，生成运行指标累加值与绝缘电阻值对应关系的映射模型，并对映射模型进行验证；
实时检测模块，用于将当前电机的运行指标输入验证后的映射模型中，输出预测绝缘电阻值，当映射模型输出的绝缘电阻值低于预设的临界电阻值时，提示对绝缘材料进行检修。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410458360.XA CN118112415A (zh) | 2024-04-17 | 2024-04-17 | 一种电机绝缘性能的智能测试方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410458360.XA CN118112415A (zh) | 2024-04-17 | 2024-04-17 | 一种电机绝缘性能的智能测试方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN118112415A true CN118112415A (zh) | 2024-05-31 |
Family
ID=91208807
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410458360.XA Pending CN118112415A (zh) | 2024-04-17 | 2024-04-17 | 一种电机绝缘性能的智能测试方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN118112415A (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS6474043A (en) * | 1987-09-14 | 1989-03-20 | Kawasaki Steel Co | Moisture absorption managing method for rotary machine |
| CN212622810U (zh) * | 2020-03-03 | 2021-02-26 | 成都工业学院 | 绝缘阻抗测试装置及系统 |
| CN112903758A (zh) * | 2021-01-21 | 2021-06-04 | 电子科技大学 | 一种气体传感器重叠分块温湿度智能自校准方法 |
| CN115184674A (zh) * | 2022-07-01 | 2022-10-14 | 苏州清研精准汽车科技有限公司 | 一种绝缘测试方法、装置、电子终端及存储介质 |
| CN117074782A (zh) * | 2023-08-10 | 2023-11-17 | 深圳供电局有限公司 | 一种用于电线电缆的直流电阻测量方法及系统 |
| CN117708523A (zh) * | 2023-12-01 | 2024-03-15 | 国家电网有限公司 | 户内环氧树脂绝缘设备电气绝缘特性分析管理系统 |
-
2024
- 2024-04-17 CN CN202410458360.XA patent/CN118112415A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS6474043A (en) * | 1987-09-14 | 1989-03-20 | Kawasaki Steel Co | Moisture absorption managing method for rotary machine |
| CN212622810U (zh) * | 2020-03-03 | 2021-02-26 | 成都工业学院 | 绝缘阻抗测试装置及系统 |
| CN112903758A (zh) * | 2021-01-21 | 2021-06-04 | 电子科技大学 | 一种气体传感器重叠分块温湿度智能自校准方法 |
| CN115184674A (zh) * | 2022-07-01 | 2022-10-14 | 苏州清研精准汽车科技有限公司 | 一种绝缘测试方法、装置、电子终端及存储介质 |
| CN117074782A (zh) * | 2023-08-10 | 2023-11-17 | 深圳供电局有限公司 | 一种用于电线电缆的直流电阻测量方法及系统 |
| CN117708523A (zh) * | 2023-12-01 | 2024-03-15 | 国家电网有限公司 | 户内环氧树脂绝缘设备电气绝缘特性分析管理系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111639921B (zh) | 一种基于专家系统的设备故障智判与辅助处置方法 | |
| CN111669123B (zh) | 用于对光伏组串进行故障诊断的方法和装置 | |
| CN111930790B (zh) | 一种基于时序分析的阀冷设备进阀温度预测方法 | |
| CN116660672A (zh) | 基于大数据的电网设备故障诊断方法及系统 | |
| CN115689524A (zh) | 一种数据中心机房电气设备预测性维护系统及方法 | |
| CN116976191A (zh) | 一种水轮发电机组轴系稳定性劣化趋势预测方法 | |
| CN117312763B (zh) | 一种基于云平台的变频家电性能可视化监管系统及方法 | |
| CN116796261B (zh) | 一种基于人工智能的封闭开关设备机械特性预测方法 | |
| CN118112415A (zh) | 一种电机绝缘性能的智能测试方法及系统 | |
| CN116736134A (zh) | 一种实时性储能电池数据监测方法及装置 | |
| CN111931969A (zh) | 一种基于时序分析的合并单元设备状态预测方法 | |
| US11339763B2 (en) | Method for windmill farm monitoring | |
| CN116014902A (zh) | 一种光伏并网逆变器用全自动化老化监测系统 | |
| CN115877145A (zh) | 一种变压器重过载工况大数据交叉评估系统及方法 | |
| CN106650154B (zh) | 一种基于热力性能指标的核电常规岛设备可靠性监测方法 | |
| CN113404651B (zh) | 风力发电机组的数据异常检测方法和装置 | |
| CN114412447A (zh) | 一种螺杆泵井的故障检测方法及装置 | |
| CN111044176A (zh) | 一种发电机温度异常的监测方法 | |
| CN117951633B (zh) | 一种光伏发电设备故障诊断方法及系统 | |
| CN117808456B (zh) | 一种基于智慧运营管理的设备故障预警方法及装置 | |
| CN116738158B (zh) | 一种配电箱系统损耗智能评估方法 | |
| CN113624025B (zh) | 基于运行参数相关性的凝汽器真空低跳机征兆捕捉方法 | |
| Wen et al. | Vibration feature extraction via graph-modeled SVD for running stability assessment of industrial machine | |
| CN116816615A (zh) | 一种风力发电机功率在线监测方法及系统 | |
| CN114202173A (zh) | 一种基于多因素回报函数的电力设备检修辅助决策方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination |