CN110033102A - 一种巨型水电厂具有学习功能的智能诊断方法及专家*** - Google Patents
一种巨型水电厂具有学习功能的智能诊断方法及专家*** Download PDFInfo
- Publication number
- CN110033102A CN110033102A CN201910219497.9A CN201910219497A CN110033102A CN 110033102 A CN110033102 A CN 110033102A CN 201910219497 A CN201910219497 A CN 201910219497A CN 110033102 A CN110033102 A CN 110033102A
- Authority
- CN
- China
- Prior art keywords
- data
- power plant
- intelligent
- experts database
- strategy
- 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 24
- 238000003745 diagnosis Methods 0.000 claims abstract description 22
- 238000012423 maintenance Methods 0.000 claims abstract description 20
- 230000010354 integration Effects 0.000 claims abstract description 13
- 238000012545 processing Methods 0.000 claims abstract description 13
- 238000004321 preservation Methods 0.000 claims abstract description 10
- 238000011065 in-situ storage Methods 0.000 claims abstract description 7
- 238000012544 monitoring process Methods 0.000 claims description 37
- 238000007689 inspection Methods 0.000 claims description 12
- 230000006870 function Effects 0.000 claims description 10
- 238000004519 manufacturing process Methods 0.000 claims description 9
- 238000013459 approach Methods 0.000 claims description 8
- 230000007613 environmental effect Effects 0.000 claims description 6
- 230000000007 visual effect Effects 0.000 claims description 6
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 5
- 230000008439 repair process Effects 0.000 abstract description 5
- 230000001737 promoting effect Effects 0.000 abstract description 2
- 238000007726 management method Methods 0.000 description 25
- 238000004458 analytical method Methods 0.000 description 8
- 238000007405 data analysis Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 3
- 238000012098 association analyses Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 230000007547 defect Effects 0.000 description 3
- 230000005611 electricity Effects 0.000 description 3
- 238000012216 screening Methods 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 238000007596 consolidation process Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000027648 face development Effects 0.000 description 1
- 230000004907 flux Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 210000000697 sensory organ Anatomy 0.000 description 1
- 238000013024 troubleshooting Methods 0.000 description 1
Classifications
-
- 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
- G06F16/24—Querying
- G06F16/245—Query processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/20—Administration of product repair or maintenance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- 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
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Health & Medical Sciences (AREA)
- General Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Water Supply & Treatment (AREA)
- General Engineering & Computer Science (AREA)
- Public Health (AREA)
- Computational Linguistics (AREA)
- Databases & Information Systems (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明公开了一种巨型水电厂具有学***,同时为电厂安全、经济运行,主设备状态检修决策支持等智能应用提供平台支撑。
Description
技术领域
本发明涉及水电厂智能诊断技术领域,特别是一种巨型水电厂具有学习功能的智能诊断专家***。
背景技术
现阶传统方式凭经验、感观或单一的报警、信号测值来判断设备运行情况,当发生某一故障时需要人员根据经验判断处理,这对人员技能、经验水平要求较高,且存在因人员技能水平差异导致设备运行维护、故障处理不及时、不正确导致故障或事故扩大化。
随着近年信息化的日趋成熟,云计算、大数据、人工智能等新一代信息技术的广泛运用,以及智能电网全面建设和智能技术的高速发展,传统水电厂向智能化水电厂方向全面发展已经是必然趋势。
国内各大水电企业都在探索基于设备诊断的智能分析、状态检修维护策略,目的就是为了进一步提升对设备的掌控能力。
发明内容
本发明的目的之一是提出一种巨型水电厂具有学习功能的智能诊断方法;本发明的目的之二是提出一种巨型水电厂具有学习功能的智能诊断专家***。
本发明的目的之一是通过以下技术方案来实现的:
本发明提供的一种巨型水电厂具有学习功能的智能诊断方法,包括以下步骤:
整合自动化***数据,获取全厂自动化***数据重新进行整合,形成电厂生产大数据库;
建立专家库模型,设置专家库的数据分析策略;
专家库诊断,通过专家库模型对大数据库中的数据进行处理输出诊断策略。
运维现场处理,运维人员根据获取的专家库诊断策略对现场进行处置。
进一步,所述整合自动化***数据用于对子自动化***的数据进行采集,所述子自动化***包括计算机监控***、水情监测***、电能量监测***、环境监测***、状态监测***、电抗器监测***、主变在线监测***、故障录波装置监测***、保信子站监测***,并将采集到的数据输入到可视化智能巡检***、SAP检修标准化、智能仓储管理***、班组标准化管理平台、电厂安全管理信息***中,以适于形成信息***数据共享。
进一步,所述专家库模型的数据分析策略是利用迭代学习控制方法按照以下步骤来实现的:
将前一次或前n次测得的误差信息修正定值输入,使得报警定值逐渐趋近合理;根据策略进行多次迭代,并具备自学习和人为修正的功能,以此反复,通过多***策略形成智能运维***基础策略库。
本发明的目的之二是通过以下技术方案来实现的:
本发明还提供了一种巨型水电厂具有学习功能的智能诊断专家***,包括
自动化***数据整合单元,获取全厂自动化***数据重新进行整合,形成电厂生产大数据库;
建立专家库模型,设置专家库的数据分析策略;
专家库诊断单元,通过专家库模型对大数据库中的数据进行处理输出诊断策略。
运维现场处理中心,运维人员根据获取的专家库诊断策略对现场进行处置。
进一步,所述自动化***数据整合单元对子自动化***的数据进行采集,所述子自动化***包括计算机监控***、水情监测***、电能量监测***、环境监测***、状态监测***、电抗器监测***、主变在线监测***、故障录波装置监测***、保信子站监测***,并将采集到的数据输入到可视化智能巡检***、SAP检修标准化、智能仓储管理***、班组标准化管理平台、电厂安全管理信息***中,以适于形成信息***数据共享。
进一步,所述专家库模型的数据分析策略是利用迭代学习控制方法按照以下步骤来实现的:
将前一次或前n次测得的误差信息修正定值输入,使得报警定值逐渐趋近合理;根据策略进行多次迭代,并具备自学习和人为修正的功能,以此反复,通过多***策略形成智能运维***基础策略库。
由于采用了上述技术方案,本发明具有如下的优点:
本发明提供的巨型水电厂具有学***,全面实现“无人值班”,进一步改进和提升水电厂生产管理模式具有重要意义。同时为电厂安全、经济运行,主设备状态检修决策支持等智能应用提供平台支撑。
本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述,并且在某种程度上,基于对下文的考察研究对本领域技术人员而言将是显而易见的,或者可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书来实现和获得。
附图说明
本发明的附图说明如下。
图1为巨型水电厂具有学习功能的智能诊断专家***模型。
图2为构建数据分析处理平台。
图3为巨型水电厂具有学习功能的智能诊断专家系结构图。
具体实施方式
下面结合附图和实施例对本发明作进一步说明。
本实施例提供的巨型水电厂具有学习功能的智能诊断专家***,通过对数据进行筛选、转换、关联分析、数据统计、模型管理、机器学习、深度学习、预警告警等手段,形成智能诊断专家库,对专家库进行流程配置、组合,从而形成总体策略输出,运维人员根据获取的专家库指导信息进行现场处置,本实施例提供的智能诊断专家***包括自动化***数据整合单元、建立专家库模型、专家库诊断单元和运维现场处理中心;
所述自动化***数据整合单元,获取全厂自动化***数据重新进行整合,形成电厂生产大数据库;所述建立专家库模型,设置专家库的数据分析策略;所述专家库诊断单元,通过专家库模型对大数据库中的数据进行处理输出诊断策略;所述运维现场处理中心,运维人员根据获取的专家库诊断策略对现场进行处置。
所述自动化***数据整合单元对子自动化***的数据进行采集,所述子自动化***包括计算机监控***、水情监测***、电能量监测***、环境监测***、状态监测***、电抗器监测***、主变在线监测***、故障录波装置监测***、保信子站监测***,并将采集到的数据输入到可视化智能巡检***、SAP检修标准化、智能仓储管理***、班组标准化管理平台、电厂安全管理信息***中,以适于形成信息***数据共享。
本实施例提供的自动化***数据整合单元,获取全厂自动化***数据重新进行整合,形成电厂生产大数据分析中心,利用大数据分析软件和策略,对历史数据进行分析和处理形成厂级(流域级)的生产数据分析中心。***使用大型数据库平台,采用通用标准的数据接口方式,对各子***实时数据进行抽取、传输、存储、加工、统计,利用数据建模,使用成熟完善的数据统计模型,对生产数据进行存储、统计和预警,从而为各级生产管理和数据分析提供数据基础。数据库采用标准、统一、常用的数据库形式,具备可扩展可移植性。数据库对采集的多元异构数据进行融合且具备相互校验功能和数据质量管理功能,针对异常数据可自动进行“筛选”。
本实施例提供的诊断专家库采用结构化的软件设计方法,以小湾电厂运行规程、检修规程、检修作业指导书为数据基础,将应急处置卡、事故预案、缺陷辞典作为专家指导意见,运用关联分析、趋势分析、偏差分析、数字特征分析等多种数据分析方法,对测点进行横向、纵向对比分析,深入挖掘数据潜在价值,建立了设备诊断专家库。
本实施例提供的迭代学习针对大数据及专家库汇集后的数据进行策略设置,利用迭代学习控制方法,将前一次或前几次测得的误差信息修正定值输入,使得智能诊断趋近合理。根据策略进行多次迭代,并具备自学习和人为修正的功能,以此反复,不断优化智能诊断策略,通过多***策略形成具有学习功能的智能诊断专家库。
开展水电厂生产大数据存储与分析及应用***构建等方面的研究,实现极具针对性、实用性的智能诊断专家库,分专业对关键设备和重要设备的运行数据制定智能预警策略,研究故障报警阈值和应对策略。根据运行规程、检修作业指导书、检修规程、运行状况、缺陷处理经验等确定每类设备的主要故障模式,将电厂应急处置卡、预案、缺陷辞典案例放入专家库中,当出现异常时能够快速形成故障分析报告,运维人员根据获取的专家库指导信息进行现场处置。提升水电厂运行设备工况在线诊断与状态检修维护能力,对提升电站的运维管理水平,全面实现“无人值班”,进一步改进和提升水电厂生产管理模式具有重要意义,同时为电厂安全、经济运行,主设备状态检修决策支持等智能应用提供平台支撑。
图1为巨型水电厂具有学习功能的智能诊断专家***模型,***对全厂生产运行设备及资源进行统一建模,实现基于统一模型的对象数据组织与管理,数据支持分布式或集中式管理,主要包括两大部分,采用模块化、组件化框架和分层分布的原则进行设计。
图2为巨型水电厂具有学***台,各自动化***之间的资源整合,即采用通用标准的数据接口方式,对各子***实时数据进行抽取、传输、加工、统计、存储,形成厂级(集团级)的“准实时”数据中心,从而为各级生产管理和数据分析提供数据基础。
本实施例提供的诊断专家库中还包括数据分析与决策支持***,***平台(网页/客户端)通过画面、报表、曲线、一览表等丰富新颖的专业图形技术,为企业各级用户提供形象直观的数据显示界面,便于生产管理和数据分析,实现辅助分析和决策的功能。
其中的数据采集和处理如下:***采集计算机监控***、水情、电能量、环境监测、状态监测***、电抗器、主变在线监测、故障录波装置、保信子站等数据,通过通讯服务器串口或网络进行数据的采集,并与可视化智能巡检***、SAP检修标准化、智能仓储管理***、班组标准化管理平台、电厂安全管理信息***等信息***数据共享。同时在数据获取和采集后***具备数据质量管理功能,针对异常数据可自动进行筛选。
图3为巨型水电厂具有学习功能的智能诊断专家***结构图,多个数据采集器采集个字自动化***的数据通过交换机传输到各维护工作站,结合历史数据备份服务器和存储在磁盘阵列中的相关数据进行数据分析处理,如进行多元信息迭代和自学习,并针对汇集后的数据进行策略设置,利用迭代学习控制方法,将前一次或前几次测得的误差信息修正定值输入,使得报警定值逐渐趋近合理。根据策略进行多次迭代,并具备自学习和人为修正的功能,以此反复,通过多***策略形成智能运维***基础策略库。
最后通过Web服务器上传到用户终端和人机交互服务器中实现策略管理,根据电厂设计研究的策略,对基础策略库进行流程配置、组合。具体流程可拖拽、编排、重用等,简洁明了的展示算法流程,提供基于时间和事件的灵活任务调度服务策略、透明大数据,任何人员均可上手操作。通过流程管理最终得出总体策略输出。
最后说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本技术方案的宗旨和范围,其均应涵盖在本发明的保护范围当中。
Claims (6)
1.一种巨型水电厂具有学习功能的智能诊断方法,其特征在于:包括以下步骤:
整合自动化***数据,获取全厂自动化***数据重新进行整合,形成电厂生产大数据库;
建立专家库模型,设置专家库的数据分析策略;
专家库诊断,通过专家库模型对大数据库中的数据进行处理输出诊断策略。
运维现场处理,运维人员根据获取的专家库诊断策略对现场进行处置。
2.如权利要求1所述的巨型水电厂具有学***台、电厂安全管理信息***中,以适于形成信息***数据共享。
3.如权利要求1所述的巨型水电厂具有学习功能的智能诊断方法,其特征在于:所述专家库模型的数据分析策略是利用迭代学习控制方法按照以下步骤来实现的:
将前一次或前n次测得的误差信息修正定值输入,使得报警定值逐渐趋近合理;根据策略进行多次迭代,并具备自学习和人为修正的功能,以此反复,通过多***策略形成智能运维***基础策略库。
4.一种巨型水电厂具有学习功能的智能诊断专家***,其特征在于:包括
自动化***数据整合单元,获取全厂自动化***数据重新进行整合,形成电厂生产大数据库;
建立专家库模型,设置专家库的数据分析策略;
专家库诊断单元,通过专家库模型对大数据库中的数据进行处理输出诊断策略。
运维现场处理中心,运维人员根据获取的专家库诊断策略对现场进行处置。
5.如权利要求4所述的巨型水电厂具有学***台、电厂安全管理信息***中,以适于形成信息***数据共享。
6.如权利要求4所述的巨型水电厂具有学习功能的智能诊断专家***,其特征在于:所述专家库模型的数据分析策略是利用迭代学习控制方法按照以下步骤来实现的:
将前一次或前n次测得的误差信息修正定值输入,使得报警定值逐渐趋近合理;根据策略进行多次迭代,并具备自学习和人为修正的功能,以此反复,通过多***策略形成智能运维***基础策略库。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910219497.9A CN110033102A (zh) | 2019-03-21 | 2019-03-21 | 一种巨型水电厂具有学习功能的智能诊断方法及专家*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910219497.9A CN110033102A (zh) | 2019-03-21 | 2019-03-21 | 一种巨型水电厂具有学习功能的智能诊断方法及专家*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110033102A true CN110033102A (zh) | 2019-07-19 |
Family
ID=67236396
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910219497.9A Pending CN110033102A (zh) | 2019-03-21 | 2019-03-21 | 一种巨型水电厂具有学习功能的智能诊断方法及专家*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110033102A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111077857A (zh) * | 2019-11-29 | 2020-04-28 | 华电电力科学研究院有限公司 | 一种电厂设备管理平台***及设备管理方法 |
CN111931561A (zh) * | 2020-06-24 | 2020-11-13 | 深圳市法本信息技术股份有限公司 | 异构rpa机器人的管理方法、***及代理设备 |
CN113807808A (zh) * | 2021-08-17 | 2021-12-17 | 华能澜沧江水电股份有限公司 | 一种流域集控管控一体化平台 |
CN117609755A (zh) * | 2023-10-18 | 2024-02-27 | 中国长江电力股份有限公司 | 基于异源异构多模态数据整合的诊断分析***构建方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105509728A (zh) * | 2015-11-02 | 2016-04-20 | 湖南红太阳新能源科技有限公司 | 一种光伏发电站故障设备导航方法及*** |
CN108663980A (zh) * | 2018-06-11 | 2018-10-16 | 哈尔滨锅炉厂有限责任公司 | 电站锅炉远程在线诊断***及其在线诊断方法 |
CN108681747A (zh) * | 2018-05-11 | 2018-10-19 | 武汉理工大学 | 基于深度学习的旋转机械故障诊断与状态监测***及方法 |
-
2019
- 2019-03-21 CN CN201910219497.9A patent/CN110033102A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105509728A (zh) * | 2015-11-02 | 2016-04-20 | 湖南红太阳新能源科技有限公司 | 一种光伏发电站故障设备导航方法及*** |
CN108681747A (zh) * | 2018-05-11 | 2018-10-19 | 武汉理工大学 | 基于深度学习的旋转机械故障诊断与状态监测***及方法 |
CN108663980A (zh) * | 2018-06-11 | 2018-10-16 | 哈尔滨锅炉厂有限责任公司 | 电站锅炉远程在线诊断***及其在线诊断方法 |
Non-Patent Citations (1)
Title |
---|
潘伟峰等: "水电厂主设备状态检修决策支持***的设计与开发", 《水电与抽水蓄能》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111077857A (zh) * | 2019-11-29 | 2020-04-28 | 华电电力科学研究院有限公司 | 一种电厂设备管理平台***及设备管理方法 |
CN111931561A (zh) * | 2020-06-24 | 2020-11-13 | 深圳市法本信息技术股份有限公司 | 异构rpa机器人的管理方法、***及代理设备 |
CN113807808A (zh) * | 2021-08-17 | 2021-12-17 | 华能澜沧江水电股份有限公司 | 一种流域集控管控一体化平台 |
CN117609755A (zh) * | 2023-10-18 | 2024-02-27 | 中国长江电力股份有限公司 | 基于异源异构多模态数据整合的诊断分析***构建方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113450065B (zh) | 一种用于风电场的生产运营管理***及方法 | |
CN110033102A (zh) | 一种巨型水电厂具有学习功能的智能诊断方法及专家*** | |
CN102882969B (zh) | 一种工矿企业的安全生产云服务平台 | |
CN102932419B (zh) | 一种用于面向工矿企业的安全生产云服务平台的数据存储*** | |
CN111985561A (zh) | 一种智能电表的故障诊断方法、***及电子装置 | |
CN102917032B (zh) | 一种工矿企业的安全生产云服务平台 | |
CN109857080B (zh) | 一种基于bim的智能船闸运维*** | |
CN110175324B (zh) | 一种基于数据挖掘的电网运行操作指令校验方法及*** | |
CN103559562A (zh) | 电网智能运行***及其实现方法 | |
CN112803592A (zh) | 一种适用于分布式电站的智能故障预警方法及*** | |
CN102880802A (zh) | 一种用于面向工矿企业安全生产云服务平台***的重大危险源的分析评价方法 | |
CN102903010A (zh) | 一种用于面向工矿企业的安全生产云服务平台的基于支持向量机的异常判断方法 | |
CN102917031A (zh) | 一种用于面向工矿企业的安全生产云服务平台的数据计算*** | |
CN102929827A (zh) | 一种用于面向工矿企业的安全生产云服务平台的无线传感器数据采集集群 | |
CN102930372A (zh) | 一种用于面向工矿企业安全生产云服务平台***的关联规则的数据分析方法 | |
CN112613066B (zh) | 一种基于大规模风电场的互联网信息管理*** | |
CN113689123A (zh) | 一种天然气模块化采集智能管理平台 | |
CN110728381A (zh) | 一种基于rfid和数据处理的发电厂智能巡检方法及*** | |
CN102545381A (zh) | 一种电网设备技术监督数据分析中心*** | |
Livera et al. | Intelligent cloud-based monitoring and control digital twin for photovoltaic power plants | |
CN102903009A (zh) | 一种用于面向工矿企业的安全生产云服务平台的基于广义规则推理的异常诊断方法 | |
CN110245163A (zh) | 一种电力***运行隐患排查方法 | |
KR20220089853A (ko) | 머신러닝 기술을 활용한 신재생에너지 발전설비의 고장예지 및 건전성관리 방법 | |
RU2549514C2 (ru) | Система прогнозирования и оценки безопасности опасного производственного объекта с использованием комплексной модели обеспечения безопасности | |
CN114861973B (zh) | 一种计及多源因素的风力发电***风险评估方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190719 |
|
RJ01 | Rejection of invention patent application after publication |