CN105045253B - 电气设备异常运行工况快速甄别方法 - Google Patents
电气设备异常运行工况快速甄别方法 Download PDFInfo
- Publication number
- CN105045253B CN105045253B CN201510279682.9A CN201510279682A CN105045253B CN 105045253 B CN105045253 B CN 105045253B CN 201510279682 A CN201510279682 A CN 201510279682A CN 105045253 B CN105045253 B CN 105045253B
- Authority
- CN
- China
- Prior art keywords
- record
- value
- switching value
- operating mode
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 26
- 238000012423 maintenance Methods 0.000 claims abstract description 10
- 238000007689 inspection Methods 0.000 claims abstract description 6
- 230000002159 abnormal effect Effects 0.000 claims abstract description 5
- 230000005856 abnormality Effects 0.000 claims abstract description 4
- BULVZWIRKLYCBC-UHFFFAOYSA-N phorate Chemical compound CCOP(=S)(OCC)SCSCC BULVZWIRKLYCBC-UHFFFAOYSA-N 0.000 claims 11
- 230000007547 defect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000686 essence Substances 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- General Factory Administration (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供电气设备异常运行工况快速甄别方法。该方法具体步骤如下:首先从运行设备的开关量记录中剔除设备检修期间的开关量记录;接着计算设备的运行时间及其概率分布;然后根据概率密度分布是否左右对称,以平均值或最大频值为中心,1.96倍均方差以外的开关量记录即为异常运行工况的开关量记录;最后计算剔除异常运行工况记录后的概率分布的均方差,若均方差小于阈值δ 0时,则设备运行不稳定,需对该设备进行及时维护,若均方差大于阈值δ 0时,则设备运行稳定,无需对该设备进行检查维护。该方法能快速从开关量记录中分离出异常运行状态下的开关量记录,为运行设备的状态评估及其状态检修提供可靠的方案。
Description
技术领域
本发明涉及电气设备技术领域,具体涉及电气设备异常运行工况快速甄别方法。
背景技术
运行设备正常处于备用状态,通常可随时启动且可通过送出开关量,记录下此时时刻和此时的“on”状态,也可随时停下且通过送出开关量,记录下此时时刻和此时的“off”状态的设备。
这些含有设备“on”或“off”状态、对应时刻、相应设备描述的记录即为本发明中所述的开关量记录。工程中,可通过计算开关量记录中两种态记录的间隔时差,获得设备运行的持续时间,以及通过开关量记录的数目获知设备的启动频次。
然而由于开关量记录的数目较为庞大,且缺乏从开关量记录中直接分离出异常运行记录的技术方法,导致无法从开关量记录中萃取反映设备异常运行状态的关键信息,致使相应的状态检修举步维艰。
此外,若仅通过传统的最大值、最小值、平均值等指标对开关量记录进行分析,也仅能得出设备总体的运行参数。让人不容忽视的是,若开关量记录中存在较多异常运行记录时,通过平均值等指标进行分析,往往可能会得出错误的结论。
后来在本发明的工程实践中发现正常情况下运行状态良好的设备,其开关量记录总体应呈现以平均值为中心或以最大频值为中心,频次数据依次向正负坐标方向快速锐减,类似于正态分布的概率分布。考虑到正态分布中,1.96倍均方差以外的分布为小概率事件,若将概率分布应用于开关量记录的频次分析中,无疑为快速从开关量记录中分离出异常运行状态下的开关量记录,为及时掌握运行设备的运行状况,运行设备的状态评估及其状态检修提供线索提供了技术借鉴。
发明内容
本发明的目的在于提供电气设备异常运行工况快速甄别方法,能快速从指定历史时期内运行设备的开关量记录中分离出异常运行状态下的开关量记录,能快速甄别运行设备的状态并进行必要的检修维护。
本发明的电气设备异常运行工况快速甄别方法,包括如下步骤:
(1)采集指定历史时期内运行设备的开关量记录V0,从V0剔除设备检修期间的开关量记录Vm后,获得开关量记录V1;
(2)通过开关量记录V1计算获得设备的运行时间T1及运行时间T1的概率分布f1并绘出f1的分布图;
(3)若概率分布图左右对称,则选择以平均值xav为中心,1.96倍均方差σ以外的开关量记录Vu1,即为异常运行工况的开关量记录,若概率分布图左右不对称,则选择以最大频值xmax为中心,1.96倍均方差σ以外的开关量记录Vu2,即为异常运行工况的开关量记录;
(4)剔除异常运行工况记录后,获得开关量记录V2,重新计算获得设备的运行时间T2及运行时间T2的概率分布f2,并算出概率分布f2的均方差η,若η小于阈值δ0时,则设备运行不稳定,需对该设备进行检查维护,若η大于阈值δ0时,则设备运行稳定,则无需对该设备进行检查维护。
上述方法中,所述设备是指正常处于备用状态,可随时启动且可通过信号送出开关量记录下此时时刻和此时的“on”状态,也可随时停下且通过信号送出开关量记录下此时时刻和此时的“off”状态的设备。
开关量包含两种状态记录,分别是代表“on”的“1”状态记录和代表“off”的“0”状态记录。开关量记录则至少包含三个记录内容,分别是精确至毫秒的时间记录、状态记录、设备描述。
设备的运行时间T1由以下计算获得:
(1)从开关量记录V1中找出“on”状态记录V1on和“off”状态记录V1off,并数出记录V1on的条数n1on和记录V1off的条数n1off;
(2)将1至n1on作为记录V1on的序号,将1至n1off作为记录V1off的序号;
(3)将序号相同的记录V1off和记录V1on中的时间记录两两作差后获得的差值即为设备的运行时间T1。
概率分布f1由以下计算获得:
(1)将运行时间T1的最大值向正方向取整后获得max;
(2)将运行时间T1的最小值向负方向取整后获得min;
(3)默认设运行时间最小刻度rati为1,若(max-min)/rati大于100,则rati改为(max-min)/100,若(max-min)/rati小于4,则rati改为(max-min)/20,若(max-min)/rati的值既不大于100,也不小于4,则rati取默认值1;
(4)以min为最小值,max为最大值,rati为公差,获得数列x和数列x的个数lengthx;
(5)将运行时间T1按数值大小,由小至大进行排序,获得数列TT1、数列TT1的个数m和数列TT1各数在数列T1中的序号;
(6)设i=1,将数列TT1中满足数值小于或等于x(1)条件的数存在数组xx(1)中,xx(1)中数的个数存在数列y(1)中;
(7)i的值加1,若i的值不大于lengthx,并进行第(8)步,若i的值大于lengthx,则转至第(9)步;
(8)将数列TT1中满足数值小于或等于x(i)而又大于x(i-1)条件的数存在数组xx(i)中,xx(i)中数的个数存在数列y(i)中,转至第(7)步;
(9)概率分布f1等于数列y中各数与m的比值。
上述中的概率分布f1的分布图是以数列x为横坐标,概率分布f1为纵坐标,绘出的二维柱状图。
最大频值xmax是f1的分布图中f1的最大值对应的横坐标x的值。平均值xav是运行时间T1的平均值。均方差σ是运行时间T1的均方差。
其中,概率密度分布图左右对称是指最大频值xmax在(1±0.1)xav的区间内,所述概率密度分布图左右不对称,是指最大频值xmax在(1±0.1)xav的区间外。
异常运行工况的开关量记录由以下步骤获得:
(1)以平均值xav为中心,从数列x中找出数值小于(xav-1.96×σ)和大于(xav+1.96×σ)的数所对应的序号,再根据序号对应在数列xx中找到相应的运行时间T1的序号,找出的序号即为异常运行工况的开关量记录Vu1;
(2)以最大频值xmax为中心,从数列x中找出数值小于(xmax-1.96×σ)和大于(xmax+1.96×σ)的数所对应的序号,再根据序号对应在数列xx中找到相应的运行时间T1的序号,找出的序号即为异常运行工况的开关量记录Vu2。
概率分布的均方差η由以下步骤获得:
(1)从数列f1中删去异常运行工况的开关量记录对应的数值后获得数列f2;
(2)计算数列f2的均方差,即为概率分布的均方差η。
本发明中的阈值δ0是运行时间T2的最大值。
与现有技术相比,本发明填补了工程界的空白,具有以下优点和技术效果:
(1)本发明能快速从指定历史时期内运行设备的开关量记录中分离出异常运行状态下的开关量记录,为设备的异常运行状态判断提供有效实施方案;
(2)本发明通过获得概率分布的均方差,实现了对运行设备的状态是否正常稳定的快速量化评估,能更好对设备状态进行检修;
(3)本发明应用概率分布弥补了过去平均值无法反应概率分布的缺陷,实现了对设备历史运行状态的直观展示。
附图说明
图1为本实例中异常运行工况快速甄别方法的流程图。
图2为#7球阀油泵运行时长的概率分布图。
图3为#8球阀油泵运行时长的概率分布图。
图4为#7球阀油泵运行时长的概率分布图。
图5为#8球阀油泵运行时长的概率分布图。
具体实施方式
以下结合附图和实例对本发明的具体实施作进一步说明,但本发明的实施和保护不限于此。需指出的是,以下若有未特别详细说明之过程,均是本领域技术人员可参照现有技术实现或理解的。
以下对广州蓄能水电厂B厂2014年1月1日至7月1日#7、#8球阀油泵的开关量记录进行实例分析。
B厂球阀液压***采用容积式液压传动结构,通过球阀油泵打压实现液压***的压力保持。即球阀液压***内的气囊气体容积一定,当球阀液压***油压低于55bar时,启动油泵打压,并通过送出开关量,记录下此时时刻和此时的“on”状态,当油压等于60bar时,油泵停止运行,并通过送出开关量,记录下此时时刻和此时的“off”状态。
结合图1流程,异常运行工况快速甄别方法包括以下步骤:
(1)从电厂主计算机时间记录模块中导出2014年1月1日至7月1日期间,#7、#8球阀油泵启停的开关量记录V0,从V0中剔除设备检修期间的开关量记录Vm后,获得开关量记录V1;
(2)通过开关量记录V1,计算获得#7球阀油泵的运行时长T17、#8球阀油泵的运行时长T18、运行时长T17的概率分布f17、运行时长T18的概率分布f18,图2示出f17的分布和图3示出f18的分布;
(3)#7球阀运行时长的概率分布f17左右对称,则选择以平均值xav7为中心,1.96倍均方差σ7以外的开关量记录Vu17,即为#7球阀液压***异常运行工况的开关量记录,#8球阀运行时长的概率分布左右对称,则选择以平均值xav8为中心,1.96倍均方差σ8以外的开关量记录Vu18,即为#8球阀液压***异常运行工况的开关量记录;
(4)剔除异常运行工况记录后,获得#7球阀油泵的运行时长T27、运行时长T27的概率分布f27、#8球阀油泵的运行时长T28、运行时长T28的概率分布f28,图4示出f27的分布,图5示出f28的分布,并算出概率分布f27的均方差η7为96.0361、概率分布f28的均方差η8为34.5079。
#7球阀油泵的运行时长T27的最大值为33,则阈值δ07为33、#8球阀油泵的运行时长T28的最大值为47,则阈值δ08为47。
η7大于阈值δ07,#7球阀油泵运行稳定,则无需对#7球阀油泵所属液压***进行检查维护;η8小于阈值δ08,#8球阀油泵运行不稳定,需对#8球阀油泵所属液压***进行检查维护。
可见,本发明实现了对任何历史时期内异常运行记录的快速分离,并应用概率分布弥补了过去平均值无法反应概率分布的缺陷,实现了对设备历史运行状态的直观展示,使得运行人员得以概率密度的均方差值便可快速获知设备运行的稳定性。可为设备的异常运行状态分析及其状态检修提供线索。
上述实施例为本发明较佳的实施方式,但本发明的实施方式并不受上述实施例的限制,其他任何未背离本发明的精神实质和原理下所作的修改、修饰、替代、组合、简化,均应为等效的置换方式,都应包含在本发明的保护范围之内。
Claims (10)
1.电气设备异常运行工况快速甄别方法,其特征在于包括以下步骤:
(1)采集指定历史时期内运行设备的开关量记录V 0,从V 0剔除设备检修期间的开关量记录V m后,获得开关量记录V 1;
(2)通过开关量记录V 1计算获得设备的运行时间T 1及运行时间T 1的概率密度f 1并绘出f 1的分布图;
(3)若概率密度分布图左右对称,则选择以平均值x av为中心,1.96倍均方差σ以外的开关量记录V u1,即为异常运行工况的开关量记录,若概率密度分布图左右不对称,则选择以最大频值x max为中心,1.96倍均方差σ以外的开关量记录V u2,即为异常运行工况的开关量记录;
(4)剔除异常运行工况记录后,获得开关量记录V 2,重新计算获得设备的运行时间T 2及运行时间T 2的概率密度f 2,并算出概率密度f 2的均方差η,若η小于阈值δ 0时,则设备运行不稳定,需对该设备进行检查维护,若η大于阈值δ 0时,则设备运行稳定,则无需对该设备进行检查维护。
2.根据权利要求1所述的电气设备异常运行工况快速甄别方法,其特征在于步骤(1)所述运行设备是指正常处于备用状态,能随时启动且能通过送出开关量,记录下此时时刻和此时的“on”状态,也能随时停下且通过送出开关量,记录下此时时刻和此时的“off”状态的设备;所述开关量包含两种状态记录,分别是代表“on”的“1”状态记录和代表“off”的“0”状态记录;所述开关量记录,至少包含三个记录内容,分别是精确至毫秒的时间记录、状态记录、设备描述。
3.根据权利要求1所述的电气设备异常运行工况快速甄别方法,其特征在于步骤(2)所述设备的运行时间T 1由以下过程获得:
(2.1)从开关量记录V 1中找出“on”状态记录V 1on和“off”状态记录V 1off,并数出记录V 1on的条数n 1on和记录V 1off的条数n 1off;
(2.2)将1至n 1on作为记录V 1on的序号,将1至n 1off作为记录V 1off的序号;
(2.3)将序号相同的记录V 1off和记录V 1on中的时间记录两两作差后获得的差值即为设备的运行时间T 1。
4.根据权利要求1所述的异常运行工况快速甄别方法,其特征在于步骤(2)所述概率密度f 1由以下过程获得:
(4.1)将运行时间T 1的最大值向正方向取整后获得max;
(4.2)将运行时间T 1的最小值向负方向取整后获得min;
(4.3)默认设运行时间最小刻度rati为1,若(max-min)/rati大于100,则rati改为(max-min)/100,若(max-min)/rati小于4,则rati改为(max-min)/20,若(max-min)/rati的值既不大于100,也不小于4,则rati取默认值1;
(4.4)以min为最小值,max为最大值,rati为公差,获得数列x和数列x的个数lengthx;
(4.5)将运行时间T 1按数值大小,由小至大进行排序,获得数列TT 1、数列TT 1的个数m和数列TT 1各数在数列T 1中的序号;
(4.6)设i = 1,将数列TT 1中满足数值小于或等于x(1)条件的数存在数组xx(1)中,xx(1)中数的个数存在数列y(1)中;
(4.7)i的值加1,若i的值不大于lengthx,并进行第(4.8)步,若i的值大于lengthx,则转至第(4.9)步;
(4.8)将数列TT 1中满足数值小于或等于x(i)而又大于x(i-1)条件的数存在数组xx(i)中,xx(i)中数的个数存在数列y(i)中,转至第(4.7)步;
(4.9)概率密度f 1等于数列y中各数与m的比值。
5.根据权利要求1所述的异常运行工况快速甄别方法,其特征在于步骤(2)所述概率密度f 1的分布图是以数列x为横坐标,概率密度f 1为纵坐标,绘出的二维柱状图;步骤(3)所述最大频值x max是f 1的分布图中f 1的最大值对应的横坐标x的值;步骤(3)所述平均值x av是运行时间T 1的平均值。
6.根据权利要求1所述的异常运行工况快速甄别方法,其特征在于步骤(3)所述均方差σ是运行时间T 1的均方差。
7.根据权利要求1所述的异常运行工况快速甄别方法,其特征在于步骤(3)所述概率密度分布图左右对称是指最大频值x max在(1±0.1)x av的区间内,所述概率密度分布图左右不对称,是指最大频值x max在(1±0.1)x av的区间外。
8.根据权利要求1所述的异常运行工况快速甄别方法,其特征在于步骤(3)所述异常运行工况的开关量记录由以下步骤获得:
(3.1)以平均值x av为中心,从数列x中找出数值小于(x av-1.96×σ)和大于(x av+1.96×σ)的数所对应的序号,再根据序号对应在数列xx中找到相应的运行时间T 1的序号,找出的序号即为异常运行工况的开关量记录V u1;
(3.2)以最大频值x max为中心,从数列x中找出数值小于(x max-1.96×σ)和大于(x max+1.96×σ)的数所对应的序号,再根据序号对应在数列xx中找到相应的运行时间T 1的序号,找出的序号即为异常运行工况的开关量记录V u2。
9.根据权利要求1所述的异常运行工况快速甄别方法,其特征在于步骤(4)所述概率密度的均方差η由以下步骤获得:
(4.1)从概率密度f 1中删去异常运行工况的开关量记录对应的数值后获得数列f 2;
(4.2)计算概率密度f 2的均方差,即为概率密度的均方差η。
10.根据权利要求1所述的异常运行工况快速甄别方法,其特征在于步骤(4)所述的阈值δ 0是运行时间T 2的最大值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510279682.9A CN105045253B (zh) | 2015-05-27 | 2015-05-27 | 电气设备异常运行工况快速甄别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510279682.9A CN105045253B (zh) | 2015-05-27 | 2015-05-27 | 电气设备异常运行工况快速甄别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105045253A CN105045253A (zh) | 2015-11-11 |
CN105045253B true CN105045253B (zh) | 2018-04-03 |
Family
ID=54451857
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510279682.9A Active CN105045253B (zh) | 2015-05-27 | 2015-05-27 | 电气设备异常运行工况快速甄别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105045253B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102015223253A1 (de) | 2015-11-25 | 2017-06-01 | Minimax Gmbh & Co. Kg | Verfahren zum Bestimmen von Schwellenwerten einer Zustandsüberwachungseinheit für eine Brandmelder- und/oder Löschsteuerzentrale sowie Zustandsüberwachungseinheit und System damit |
CN109344974B (zh) * | 2018-08-15 | 2022-05-27 | 广东蓄能发电有限公司 | 电气设备开关量记录快速纠错方法 |
CN109731270A (zh) * | 2018-08-15 | 2019-05-10 | 广东蓄能发电有限公司 | 消防水***运行效率及漏水缺陷状态检修方法 |
CN109344973B (zh) * | 2018-08-15 | 2023-02-24 | 广东蓄能发电有限公司 | 机械刹车爪不同步动作缺陷快速甄别方法 |
CN109253753A (zh) * | 2018-09-18 | 2019-01-22 | 中国电力科学研究院有限公司 | 一种计量设备外壳打开判断方法及*** |
CN110868334B (zh) * | 2019-10-31 | 2021-11-05 | 南方电网调峰调频发电有限公司 | 监控信号与设备工况或设备状态不匹配的状态检修方法 |
CN111913056B (zh) | 2020-05-26 | 2021-10-29 | 南方电网调峰调频发电有限公司 | 一种自适应超实时机组工况启动状态预估方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003256037A (ja) * | 2002-02-27 | 2003-09-10 | Toshiba Corp | プラント制御装置 |
CN102270271A (zh) * | 2011-05-03 | 2011-12-07 | 北京中瑞泰科技有限公司 | 基于相似度曲线的设备故障早期预警及优化的方法和*** |
CN103400308A (zh) * | 2013-07-31 | 2013-11-20 | 广州华工科技开发有限公司 | Gis设备运行状态在线检测方法与*** |
CN104200288A (zh) * | 2014-09-18 | 2014-12-10 | 山东大学 | 一种基于因素与事件间相关关系识别的设备故障预测方法 |
CN104573850A (zh) * | 2014-12-18 | 2015-04-29 | 湖南大唐先一科技有限公司 | 一种火电厂设备状态评估方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7349746B2 (en) * | 2004-09-10 | 2008-03-25 | Exxonmobil Research And Engineering Company | System and method for abnormal event detection in the operation of continuous industrial processes |
-
2015
- 2015-05-27 CN CN201510279682.9A patent/CN105045253B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003256037A (ja) * | 2002-02-27 | 2003-09-10 | Toshiba Corp | プラント制御装置 |
CN102270271A (zh) * | 2011-05-03 | 2011-12-07 | 北京中瑞泰科技有限公司 | 基于相似度曲线的设备故障早期预警及优化的方法和*** |
CN103400308A (zh) * | 2013-07-31 | 2013-11-20 | 广州华工科技开发有限公司 | Gis设备运行状态在线检测方法与*** |
CN104200288A (zh) * | 2014-09-18 | 2014-12-10 | 山东大学 | 一种基于因素与事件间相关关系识别的设备故障预测方法 |
CN104573850A (zh) * | 2014-12-18 | 2015-04-29 | 湖南大唐先一科技有限公司 | 一种火电厂设备状态评估方法 |
Also Published As
Publication number | Publication date |
---|---|
CN105045253A (zh) | 2015-11-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105045253B (zh) | 电气设备异常运行工况快速甄别方法 | |
CN104363106B (zh) | 一种基于大数据技术的电力信息通信故障预警分析方法 | |
CN105424395A (zh) | 设备故障的确定方法和装置 | |
CN103164775A (zh) | 一种电网设备状态自动评价平台及方法 | |
Chien et al. | A data mining approach for analyzing semiconductor MES and FDC data to enhance overall usage effectiveness (OUE) | |
JP6942617B2 (ja) | データ分析システムおよびデータ分析装置 | |
CN105989427B (zh) | 一种基于数据挖掘的设备状态趋势分析和预警方法 | |
CN111160791A (zh) | 一种基于gbdt算法及因素融合的异常用户识别方法 | |
CN106199267B (zh) | 一种电力设备故障特征分析方法 | |
CN105301450A (zh) | 一种配网故障自动诊断方法及*** | |
CN115033463B (zh) | 一种***异常类型确定方法、装置、设备和存储介质 | |
CN110580492A (zh) | 一种基于小幅波动检测的轨道电路故障前兆发现方法 | |
CN105302123A (zh) | 在线测量数据的监控方法 | |
CN114579358A (zh) | 一种基于元宇宙的虚拟运维诊断平台 | |
CN116992346A (zh) | 一种基于人工智能大数据分析的企业生产数据处理*** | |
CN107548087A (zh) | 一种告警关联分析的方法及装置 | |
CN110486350B (zh) | 电液伺服阀故障诊断方法及装置、存储介质和电子设备 | |
CN116008799A (zh) | 真空断路器的监测处理方法、装置、电子设备及存储介质 | |
CN108762242A (zh) | 一种基于多块典型相关分析模型的分布式故障检测方法 | |
CN104657814A (zh) | 基于ems***的继电保护装置信号模板抽取定义方法 | |
CN117170304B (zh) | 一种基于工业物联网的plc远程监测控制方法及*** | |
CN109614394A (zh) | 一种基于bim的数据处理方法 | |
CN114111352A (zh) | 一种碳化炉抽真空***异常检测方法及*** | |
CN112257984A (zh) | 一种基于电力设备健康度评价的状态监测方法 | |
CN109344974A (zh) | 电气设备开关量记录快速纠错方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
OL01 | Intention to license declared | ||
OL01 | Intention to license declared |