CN112666458A - 发电设备状态评估方法以及评估装置 - Google Patents
发电设备状态评估方法以及评估装置 Download PDFInfo
- Publication number
- CN112666458A CN112666458A CN202011406505.XA CN202011406505A CN112666458A CN 112666458 A CN112666458 A CN 112666458A CN 202011406505 A CN202011406505 A CN 202011406505A CN 112666458 A CN112666458 A CN 112666458A
- Authority
- CN
- China
- Prior art keywords
- data
- state
- monitoring
- power
- generation 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.)
- Granted
Links
Images
Landscapes
- Testing And Monitoring For Control Systems (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本申请实施例提供了一种发电设备状态评估方法以及评估装置,方法包括:获取发电设备的状态监测数据、巡检数据、定期工作数据与缺陷数据;将所述状态监测数据、所述巡检数据、所述定期工作数据与所述缺陷数据通过KKS编码抽取到所述发电设备的组成部件;对所述组成部件通过所述状态监测数据、所述巡检数据、所述定期工作数据与所述缺陷数据进行状态评估。在上述发电设备状态评估方法中,将状态监测数据与巡检数据、定期工作数据、缺陷数据等离线数据结合对发电设备的运行状态实施评估,数据更为全面,从而可以全面反映发电设备健康状态,评估结果的可靠性更高。
Description
技术领域
本申请实施例涉及水力发电设备技术领域,尤其涉及一种发电设备状态评估方法以及评估装置。
背景技术
水轮发电机组包括水轮机和发电机,水轮机是将水流能量转换为旋转机械能量的动力设备,它带动发电机旋转产生电能。水轮机和发电机的工作状态影响着水轮发电机组整体的工作状态。
为了监测和评估水轮机和发电机的工作状态,以保证水轮机和发电机的正常运行,通常在水轮机和发电机不同位置的监测点设置监测装置,通过监测装置采集各监测点的监测值,例如机组振动数据、摆度数据、压力脉动数据等,根据监测值并结合计算机监控***的监测信息评估水轮机和发电机的工作状态。
在上述水轮机和发电机状态评估方法中,数据源仅仅来源于现场状态监测数据,数据源较为单一,而且监测数据一方面受传感器、采集装置、数据处理方法等因素影响,其数据真实可靠性难以保证,会影响评估结果。另一方面设置现场的监测装置所监测的项目有限,例如对水轮机裂纹、气蚀、螺栓松动等问题暂时没有相应的检测装置,导致状态评估的数据来源不全面,从而影响评估结果。
发明内容
本申请实施例的目的在于提供一种发电设备状态评估方法以及评估装置,以改善现有技术中通过状态监测数据评估水轮机和发电机的状态具有数据源单一、影响评估结果的问题。
基于上述目的,第一方面,本申请实施例提供了一种发电设备状态评估方法,包括:
获取发电设备的状态监测数据、巡检数据、定期工作数据与缺陷数据;
将所述状态监测数据、所述巡检数据、所述定期工作数据与所述缺陷数据通过KKS编码抽取数据特征到所述发电设备的组成部件;
对所述组成部件通过所述状态监测数据、所述巡检数据、所述定期工作数据与所述缺陷数据进行状态评估。
在上述发电设备状态评估方法中,将状态监测数据与巡检数据、定期工作数据、缺陷数据等离线数据结合对发电设备的运行状态实施评估,数据更为全面,从而可以全面反映发电设备健康状态,评估结果的可靠性更高。并且评价结果计算速度快,时效性好。
在一种可能的实施方式中,所述对所述组成部件通过所述状态监测数据进行状态评估,包括:
获取最近一天的所述状态监测数据,所述状态监测数据包括工况数据和各监测点的监测值;
对所述监测值进行稳态工况筛选和大负荷工况筛选;
对筛选后的所述监测值计算得到日均值;
根据所述日均值评估所述组成部件的运行状态。
在一种可能的实施方式中,所述对所述监测值进行稳态工况筛选和大负荷工况筛选包括稳态工况筛选步骤,所述稳态工况筛选步骤包括:
计算指针指向第一条有功功率的数据起,往后取设定时间区间内的数据;
寻找所述设定时间区间内最大功率值和最小功率值,计算所述最大功率值和所述最小功率值的功率幅度;
若所述功率幅度大于功率阈值,则将该时间区间内的数据筛除;
若所述功率幅度不大于功率阈值,则将该时间区间内的数据保留;
计算指针指向下一条有功功率的数据,重复上述步骤。
在一种可能的实施方式中,所述对所述监测值进行稳态工况筛选和大负荷工况筛选包括大负荷工况筛选步骤,所述大负荷工况筛选步骤包括:
获取经所述稳态工况筛选步骤筛选后的所述监测值,
筛选有功功率大于70%额定功率时对应的所述监测值。
在一种可能的实施方式中,所述根据所述日均值评估所述组成部件的运行状态包括:
获取设定历史时间内所述状态监测数据,所述状态监测数据包括工况数据以及各所述监测点的所述监测值;
对所述监测值进行稳态工况筛选和大负荷工况筛选;
对筛选后的所述监测值计算得到历史均值μ1和历史方差σ;
设立预警区间为[μ1+3σ,+∞];
在所述日均值落入所述预警区间时进行预警。
在一种可能的实施方式中,所述设立预警区间为[μ1+3σ,+∞]包括:
设立[μ1+3σ,μ1+5σ]为一级预警区间,[μ1+5σ,+∞)为二级预警区间;
在所述日均值落入所述预警区间时进行预警包括:
当所述日均值落入所述一级预警区间时进行一级预警;
当所述日均值落入所述一级预警区间时进行二级预警。
在一种可能的实施方式中,所述巡检和所述定期工作数据均包括KKS编码、项目名称、项目状态、测量值和巡检时间。
在一种可能的实施方式中,所述缺陷数据包括KKS编码、缺陷内容、处理情况、缺陷时间、缺陷等级与缺陷状态。
在一种可能的实施方式中,所述状态监测数据包括机组振动数据、摆度数据、压力脉动数据以及工况数据。
在一种可能的实施方式中,所述发电设备为水轮机,所述组成部件包括水导轴承、导水机构、主轴与主轴密封、转轮以及过流部件。
在一种可能的实施方式中,所述发电设备为发电机,所述组成部件包括定子、转子、励磁滑环及碳刷、消弧线圈、推力轴承、上导轴承、上机架、下机架、机械制动***,以及通风冷却***。
第二方面,本申请实施例提供了一种发电设备状态评估装置,包括:
获取模块,被配置为获取发电设备的状态监测数据、巡检数据、定期工作数据与缺陷数据;
抽取模块,被配置为将所述状态监测数据、所述巡检数据、所述定期工作数据与所述缺陷数据通过KKS编码抽取到所述发电设备的组成部件;
评估模块,被配置为对所述组成部件通过所述状态监测数据、所述巡检数据、所述定期工作数据与所述缺陷数据进行状态评估。
本实施例的装置可以用于执行第一方面实施例的技术方案,其实现原理和技术效果类似,此处不再赘述。
附图说明
为了更清楚地说明本申请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申请实施例,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,还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的一种发电设备状态评估方法的流程图一;
图2为本申请实施例提供的一种发电设备状态评估方法的流程图二
图3为本申请实施例提供的一种发电设备状态评估装置的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,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他实施例,都属于本申请保护的范围。
本申请实施例提供了一种发电设备状态评估方法,如图1所示,该方法包括:
步骤S10:获取发电设备的状态监测数据、巡检数据、定期工作数据与缺陷数据;
状态监测数据、巡检数据、定期工作数据与缺陷数据为本申请实施例中用于评估发电设备运行状态的四种评估数据,其中,发电设备的状态监测数据为通过在发电设备现场各监测点设置的监测装置采集到的监测值,例如,通过监测装置采集的机组振动数据、摆度数据、压力脉动数据等。监测值还包含有与监测装置所处监测点位置相对应的KKS编码。
此处KKS是德文词“Kraftwerk-Kennzeichensystem”的缩写,意思是“电厂标识***”。KKS编码根据标识对象的功能、工艺和安装位置等特征,来明确标识电厂中的***和设备及其组件的一种代码。KKS编码用字母和数字,按照一定的规则,通过科学合理的排列、组合,来描述(标识)电厂各***、设备、元件、建(构)筑物的特征,从而构成了描述电厂状况的基础数据集,以便于对电厂进行管理(如,分类、检索、查询、统计)。
发电设备的巡检数据和定期工作数据均为工作人员现场检查记录的相关数据,两者在检查时间和检查内容上存在差异,但是两种数据均包括KKS编码、项目名称、项目状态、测量值、巡检时间和巡检人等属性。
缺陷数据为工作人员记录的有关发电设备发生缺陷时的有关数据,每条缺陷数据均包括KKS编码、缺陷内容、处理情况、缺陷时间、缺陷等级、缺陷状态等属性。
步骤S20:将状态监测数据、巡检数据、定期工作数据与缺陷数据通过KKS编码抽取到发电设备的组成部件;
该发电设备状态评估方法可以适用的发电设备至少包括水轮机和发电机,水轮机按重要部件分为水导轴承、导水机构、主轴与主轴密封、转轮以及过流部件五大组成部件。发电机按重要部件分为定子、转子、励磁滑环及碳刷、消弧线圈、推力轴承、上导轴承、上机架、下机架、机械制动***,以及通风冷却***十大组成部件。
通过读取并分析状态监测数据、巡检数据、定期工作数据与缺陷数据中的KKS编码即可将上述数据抽取到上述组成部件中的某一组成部件。
步骤S30:对组成部件通过状态监测数据、巡检数据、定期工作数据与缺陷数据进行状态评估;
与某一组成部件对应的状态监测数据、巡检数据、定期工作数据与缺陷数据的四种评估数据中,任一种评估数据出现异常时即可判定该组成部件出现异常。
在上述发电设备状态评估方法中,将状态监测数据与巡检数据、定期工作数据、缺陷数据等离线数据结合对水轮机的运行状态实施评估,数据更为全面,从而可以全面反映发电设备健康状态,评估结果的可靠性更高。
该发电设备状态评估方法还可以适用电厂中除水轮机和发电机之外的用于发电的设备,例如变压器。
可选的,如图2所示,在步骤S30中对组成部件通过状态监测数据进行状态评估,包括:
步骤S31:获取最近一天的状态监测数据,状态监测数据包括工况数据和各监测点的监测值;
电厂包括存储发电设备过往一定时间内各种数据的大数据平台,状态监测数据也存储在该大数据平台中。通过大数据平台可以获取最近一天的状态监测数据,状态监测数据包括工况数据和各监测点的监测值。
步骤S32:对监测值进行稳态工况筛选和大负荷工况筛选;
发电设备在工作过程中包括稳定工况状态和非稳定工作状态,在稳定工况状态下,发电设备的工况数据和监测值处于稳定状态,负载功率在预设范围内波动。在非稳定工况状态下,例如开机阶段和负载调整过渡阶段等,发电设备的工况数据处于非稳定状态,工况数据波动范围较大,此种情况下监测值的变化也较大,从而容易导致误报警,因此需要进行稳定工况筛选,将处于非稳定工况状态的状态监测数据删除,仅保留稳定工况状态下机组产生的状态监测数据,从而降低误报率。
另外,机组状态监测数据的大小与机组所带负荷大小有密切关系,即与机组的工况数据有关,机组所带负荷越大,其稳定性和发热情况越趋向恶劣。因此在本实施例中,通过自动筛选机组带70%~100%额定负荷Pe工况下监测数据作为代表机组状态数据,即筛选有功功率>70%Pe时,各监测测点对应的数值,也就是说进行机组大负荷运行状态筛选。
通过上述描述也可以看出,大负荷工况筛选在稳定工况筛选之后,也就是说,经过稳定工况筛选后的状态监测数据再进行大负荷工况的进一步筛选。
步骤S33:对筛选后的监测值计算得到日均值;
将同天内的同一监测点的监测值通过如下公式计算日均值;
Xi:第i个监测值。N:参与计算的数值个数。
步骤S34:根据日均值评估组成部件的运行状态。
在得到日均值后即可评估组成部件的运行状态,而评估方法通常采用与预设参考值进行比较的方式,而预设参考值多为基于历史数据的历史参考值。
在一种的可能的实施方式中,步骤S34包括:
获取设定历史时间内状态监测数据,状态监测数据包括工况数据以及各监测点的监测值;
对监测值进行稳态工况筛选和大负荷工况筛选;
对筛选后的监测值计算得到历史均值μ1和历史方差σ;
设立预警区间为[μ1+3σ,+∞];
在日均值落入预警区间时进行预警。
进一步地,设立预警区间为[μ1+3σ,+∞]包括:
设立[μ1+3σ,μ1+5σ]为一级预警区间,[μ1+5σ,+∞)为二级预警区间;
在日均值落入预警区间时进行预警包括:
当日均值落入一级预警区间时进行一级预警;
当日均值落入一级预警区间时进行二级预警。
在上述方法中,通过在大数据平台挖掘设定历史时间内的大负荷稳态工况下监测值,并计算出历史均值μ1和历史方差σ。利用3σ准则设置阈值,设置[μ1+3σ,μ1+5σ]为一级预警区间,[μ1+5σ,+∞)为二级预警区间。
可选的,稳态工况筛选的步骤包括:
获取计算时间段内所有数据,计算指针指向第一条有功功率数据,往后取10min有功数据,寻找最大功率值和最小功率值,计算最大功率值和最小功率值的功率幅度;若功率幅度大于10MW,则此10分钟内数据筛除。若小于10MW,该时间区间内的数据保留。计算指针指向下一条有功时刻,重复计算筛选,直至时间段内的数据筛选完毕。
其中,10min即设定时间区间,10MW即功率阈值,设定时间区间和功率阈值并不局限于此,可以根据发电设备的实际情况进行确定。
需要说明的是,本申请实施例的方法可以由单个设备执行,例如一台计算机或服务器等。本实施例的方法也可以应用于分布式场景下,由多台设备相互配合来完成。在这种分布式场景的情况下,这多台设备中的一台设备可以只执行本申请实施例的方法中的某一个或多个步骤,这多台设备相互之间会进行交互以完成所述的方法。
另外,上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
图3为本申请实施例提供的一种发电设备状态评估装置的结构示意图,如图3所示,本实施例的装置可以包括:
获取模块100,被配置为获取发电设备的状态监测数据、巡检数据、定期工作数据与缺陷数据;
抽取模块200,被配置为将状态监测数据、巡检数据、定期工作数据与缺陷数据通过KKS编码抽取到发电设备的组成部件;
评估模块300,被配置为对组成部件通过状态监测数据、巡检数据、定期工作数据与缺陷数据进行状态评估。
本实施例的装置可以用于执行图1所示方法实施例的技术方案,其实现原理和技术效果类似,此处不再赘述。
为了描述的方便,描述以上装置是以功能分为各种模块分别描述。当然,在实施本申请实施例时可以把各模块的功能在同一个或多个软件和/或硬件中实现。
本领域普通技术人员可以理解:实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时,执行包括上述各方法实施例的步骤;而前述的存储介质包括:ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是:以上各实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述各实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部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申请各实施例技术方案的范围。
Claims (12)
1.一种发电设备状态评估方法,其特征在于,包括:
获取发电设备的状态监测数据、巡检数据、定期工作数据与缺陷数据;
将所述状态监测数据、所述巡检数据、所述定期工作数据与所述缺陷数据通过KKS编码抽取到所述发电设备的组成部件;
对所述组成部件通过所述状态监测数据、所述巡检数据、所述定期工作数据与所述缺陷数据进行状态评估。
2.根据权利要求1所述的发电设备状态评估方法,其特征在于,所述对所述组成部件通过所述状态监测数据进行状态评估,包括:
获取最近一天的所述状态监测数据,所述状态监测数据包括工况数据和各监测点的监测值;
对所述监测值进行稳态工况筛选和大负荷工况筛选;
对筛选后的所述监测值计算得到日均值;
根据所述日均值评估所述组成部件的运行状态。
3.根据权利要求2所述的发电设备状态评估方法,其特征在于,所述对所述监测值进行稳态工况筛选和大负荷工况筛选包括稳态工况筛选步骤,所述稳态工况筛选步骤包括:
计算指针指向第一条有功功率的数据起,往后取设定时间区间内的数据;
寻找所述设定时间区间内最大功率值和最小功率值,计算所述最大功率值和所述最小功率值的功率幅度;
若所述功率幅度大于功率阈值,则将该时间区间内的数据筛除;
若所述功率幅度不大于功率阈值,则将该时间区间内的数据保留;
计算指针指向下一条有功功率的数据,重复上述步骤。
4.根据权利要求3所述的发电设备状态评估方法,其特征在于,所述对所述监测值进行稳态工况筛选和大负荷工况筛选包括大负荷工况筛选步骤,所述大负荷工况筛选步骤包括:
获取经所述稳态工况筛选步骤筛选后的所述监测值,
筛选有功功率大于70%额定功率时对应的所述监测值。
5.根据权利要求2所述的发电设备状态评估方法,其特征在于,所述根据所述日均值评估所述组成部件的运行状态包括:
获取设定历史时间内所述状态监测数据,所述状态监测数据包括工况数据以及各所述监测点的所述监测值;
对所述监测值进行稳态工况筛选和大负荷工况筛选;
对筛选后的所述监测值计算得到历史均值μ1和历史方差σ;
设立预警区间为[μ1+3σ,+∞];
在所述日均值落入所述预警区间时进行预警。
6.根据权利要求1所述的发电设备状态评估方法,其特征在于,
所述设立预警区间为[μ1+3σ,+∞]包括:
设立[μ1+3σ,μ1+5σ]为一级预警区间,[μ1+5σ,+∞)为二级预警区间;
在所述日均值落入所述预警区间时进行预警包括:
当所述日均值落入所述一级预警区间时进行一级预警;
当所述日均值落入所述一级预警区间时进行二级预警。
7.根据权利要求1所述的发电设备状态评估方法,其特征在于,所述巡检和所述定期工作数据均包括KKS编码、项目名称、项目状态、测量值和巡检时间。
8.根据权利要求6所述的发电设备状态评估方法,其特征在于,所述缺陷数据包括KKS编码、缺陷内容、处理情况、缺陷时间、缺陷等级与缺陷状态。
9.根据权利要求6所述的发电设备状态评估方法,其特征在于,所述状态监测数据包括机组振动数据、摆度数据、压力脉动数据以及工况数据。
10.根据权利要求1-9中任一项所述的发电设备状态评估方法,其特征在于,所述发电设备为水轮机,所述组成部件包括水导轴承、导水机构、主轴与主轴密封、转轮以及过流部件。
11.根据权利要求1-9中任一项所述的发电设备状态评估方法,其特征在于,所述发电设备为发电机,所述组成部件包括定子、转子、励磁滑环及碳刷、消弧线圈、推力轴承、上导轴承、上机架、下机架、机械制动***,以及通风冷却***。
12.一种发电设备状态评估装置,其特征在于,包括:
获取模块,被配置为获取发电设备的状态监测数据、巡检数据、定期工作数据与缺陷数据;
抽取模块,被配置为将所述状态监测数据、所述巡检数据、所述定期工作数据与所述缺陷数据通过KKS编码抽取到所述发电设备的组成部件;
评估模块,被配置为对所述组成部件通过所述状态监测数据、所述巡检数据、所述定期工作数据与所述缺陷数据进行状态评估。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011406505.XA CN112666458B (zh) | 2020-12-04 | 2020-12-04 | 发电设备状态评估方法以及评估装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011406505.XA CN112666458B (zh) | 2020-12-04 | 2020-12-04 | 发电设备状态评估方法以及评估装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112666458A true CN112666458A (zh) | 2021-04-16 |
CN112666458B CN112666458B (zh) | 2022-01-14 |
Family
ID=75401462
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011406505.XA Active CN112666458B (zh) | 2020-12-04 | 2020-12-04 | 发电设备状态评估方法以及评估装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112666458B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113643521A (zh) * | 2021-08-12 | 2021-11-12 | 北京智盟信通科技有限公司 | 一种电力设备的设备状态预警方法、装置和电子设备 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0527078A (ja) * | 1991-07-24 | 1993-02-05 | Toshiba Corp | 原子力発電プラントの定期検査作業監視装置 |
CN1916949A (zh) * | 2006-09-06 | 2007-02-21 | 曾德华 | 电力设备状态评估及维修策略支撑*** |
CN105278504A (zh) * | 2015-10-28 | 2016-01-27 | 华电电力科学研究院 | 发电集团级水电机组分布式状态监测与诊断平台建设的体系结构 |
CN106022613A (zh) * | 2016-05-23 | 2016-10-12 | 华电国际宁夏新能源发电有限公司 | 基于企业检修文件包的风力发电机组移动标准化检修*** |
CN108154291A (zh) * | 2017-12-19 | 2018-06-12 | 国网冀北电力有限公司张家口供电公司 | 一种基于策略库的供电厂性能指标评价方法及*** |
CN111679187A (zh) * | 2020-05-26 | 2020-09-18 | 浙江浙能技术研究院有限公司 | 一种基于综合监测平台大型发电机状态评估方法 |
CN111896833A (zh) * | 2020-08-05 | 2020-11-06 | 贵州电网有限责任公司 | 一种离线实时的动态频响试验方法 |
CN113011613A (zh) * | 2021-04-15 | 2021-06-22 | 西南石油大学 | 一种多维信息融合的海底电缆维修决策智能推荐方法 |
-
2020
- 2020-12-04 CN CN202011406505.XA patent/CN112666458B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0527078A (ja) * | 1991-07-24 | 1993-02-05 | Toshiba Corp | 原子力発電プラントの定期検査作業監視装置 |
CN1916949A (zh) * | 2006-09-06 | 2007-02-21 | 曾德华 | 电力设备状态评估及维修策略支撑*** |
CN105278504A (zh) * | 2015-10-28 | 2016-01-27 | 华电电力科学研究院 | 发电集团级水电机组分布式状态监测与诊断平台建设的体系结构 |
CN106022613A (zh) * | 2016-05-23 | 2016-10-12 | 华电国际宁夏新能源发电有限公司 | 基于企业检修文件包的风力发电机组移动标准化检修*** |
CN108154291A (zh) * | 2017-12-19 | 2018-06-12 | 国网冀北电力有限公司张家口供电公司 | 一种基于策略库的供电厂性能指标评价方法及*** |
CN111679187A (zh) * | 2020-05-26 | 2020-09-18 | 浙江浙能技术研究院有限公司 | 一种基于综合监测平台大型发电机状态评估方法 |
CN111896833A (zh) * | 2020-08-05 | 2020-11-06 | 贵州电网有限责任公司 | 一种离线实时的动态频响试验方法 |
CN113011613A (zh) * | 2021-04-15 | 2021-06-22 | 西南石油大学 | 一种多维信息融合的海底电缆维修决策智能推荐方法 |
Non-Patent Citations (1)
Title |
---|
牛腾赟: "《某电厂发电设备可靠性建模及状态预测》", 《华电技术》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113643521A (zh) * | 2021-08-12 | 2021-11-12 | 北京智盟信通科技有限公司 | 一种电力设备的设备状态预警方法、装置和电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN112666458B (zh) | 2022-01-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Leahy et al. | Diagnosing wind turbine faults using machine learning techniques applied to operational data | |
Zaher et al. | Online wind turbine fault detection through automated SCADA data analysis | |
Zaher et al. | A multi-agent fault detection system for wind turbine defect recognition and diagnosis | |
CN112855408B (zh) | 水轮发电机组预警方法以及预警装置 | |
CN110991666A (zh) | 故障检测方法、模型的训练方法、装置、设备及存储介质 | |
US6587737B2 (en) | Method for the monitoring of a plant | |
CN112462736B (zh) | 一种基于数据分析的风电机组故障诊断方法 | |
CN111522858A (zh) | 一种基于多维状态向量的抽蓄机组性能劣化预警方法 | |
CN104005917A (zh) | 基于贝叶斯推理方式对风机状态进行预测的方法和*** | |
CN111415070A (zh) | 一种基于scada数据的风电机组齿轮箱油温过温故障预警方法 | |
CN111209934A (zh) | 风机故障预报警方法及*** | |
CN116739829B (zh) | 一种基于大数据的电力数据分析方法、***及介质 | |
CN112666458B (zh) | 发电设备状态评估方法以及评估装置 | |
CN114841580A (zh) | 基于混合注意力机制的发电机故障检测方法 | |
Shi et al. | Study of wind turbine fault diagnosis and early warning based on SCADA data | |
Cevasco et al. | O&M cost-Based FMECA: Identification and ranking of the most critical components for 2-4 MW geared offshore wind turbines | |
CN103675357A (zh) | 风速仪故障预警的方法和*** | |
CN116085212B (zh) | 一种新能源风电机组的运行状态实时监测方法及*** | |
CN111192163B (zh) | 基于风电机组运行数据的发电机可靠度中短期预测方法 | |
CN112444697A (zh) | 一种电力线路信息监测***及方法 | |
CN112576454A (zh) | 基于多维预警策略的风电机组主轴温度预警方法及装置 | |
CN115842408A (zh) | 基于scada的风电场运行状态检测***及方法 | |
CN115345370A (zh) | 一种基于Vine Copula模型的风电机组运行联动性分析方法 | |
McKinnon et al. | Investigation of anomaly detection technique for wind turbine pitch systems | |
CN112737120B (zh) | 区域电网控制报告的生成方法、装置和计算机设备 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |