CN114738308A - 一种可定位具体设备的风机故障预警方法与*** - Google Patents

一种可定位具体设备的风机故障预警方法与*** Download PDF

Info

Publication number
CN114738308A
CN114738308A CN202210462613.1A CN202210462613A CN114738308A CN 114738308 A CN114738308 A CN 114738308A CN 202210462613 A CN202210462613 A CN 202210462613A CN 114738308 A CN114738308 A CN 114738308A
Authority
CN
China
Prior art keywords
early warning
current
opening
fan
coefficient
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
Application number
CN202210462613.1A
Other languages
English (en)
Other versions
CN114738308B (zh
Inventor
沙德生
邹歆
梁晏萱
徐景悦
陈颖
高开峰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Huaneng Clean Energy Research Institute
Original Assignee
Huaneng Clean Energy Research Institute
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Huaneng Clean Energy Research Institute filed Critical Huaneng Clean Energy Research Institute
Priority to CN202210462613.1A priority Critical patent/CN114738308B/zh
Publication of CN114738308A publication Critical patent/CN114738308A/zh
Application granted granted Critical
Publication of CN114738308B publication Critical patent/CN114738308B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F04—POSITIVE - DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS FOR LIQUIDS OR ELASTIC FLUIDS
    • F04D—NON-POSITIVE-DISPLACEMENT PUMPS
    • F04D27/00—Control, e.g. regulation, of pumps, pumping installations or pumping systems specially adapted for elastic fluids
    • F04D27/001—Testing thereof; Determination or simulation of flow characteristics; Stall or surge detection, e.g. condition monitoring
    • 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
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E10/00—Energy generation through renewable energy sources
    • Y02E10/70—Wind energy
    • Y02E10/72—Wind turbines with rotation axis in wind direction

Landscapes

  • Engineering & Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • General Engineering & Computer Science (AREA)
  • Control Of Positive-Displacement Air Blowers (AREA)
  • Structures Of Non-Positive Displacement Pumps (AREA)

Abstract

本发明公开一种可定位具体设备的风机故障预警方法与***，方法包括以下步骤：获取并联运行的两台风机的电流I1和I2、开度O1和O2；计算相对电流差系数εi和相对开度差系数εo；根据系数εi与和Ic1、Ic2、Ic3以及Ic4的大小关系以及εo与Oc1、Oc2、Oc3以及Oc4的大小关系确定风机一级预警等级；根据两台风机的电流I1和I2、开度O1和O2计算两台风机电流开度比例系数r1和r2；获取历史同类工况下标准电流开度比例系数rref；根据两台风机电流开度比例系数r1和r2和标准电流开度比例系数rref计算两台风机电流开度比例系数偏离度d1和d2；根据两台风机电流开度比例系数偏离度d1和d2，确定风机二级预警等级，定位故障风机；实现可定位具体故障设备及风机故障预警。

Description

一种可定位具体设备的风机故障预警方法与***
技术领域
本发明属于风机故障诊断领域，具体涉及一种可定位具体设备的风机故障预警方法与***。
背景技术
风机是火力发电厂重要辅助设备，因风机故障导致的火电机组非计划停运事件屡见不鲜，因此风机的可靠性对于火电机组的安全稳定运行起着至关重要的作用。风机状态在线监测，通过对风机电流、开度等状态参数进行实时监测，可有效预警风机故障，提升风机运行可靠性。目前对于并联运行的风机，尚无一种有效的故障预警方法与***，可以在提前预警风机故障的同时，具体定位到是哪台设备存在故障。
发明内容
为了解决现有技术中存在的问题，本发明提供一种可定位具体设备的风机故障预警方法与***，通过基于风机电流、开度等状态参数的预警级别，实现一级预警；通过对历史运行数据的深度学习，引入电流开度偏离度定义，实现二级预警。最终，通过两者结合实现可定位具体故障设备及风机故障预警。
为了实现上述目的，本发明采用的技术方案是：一种可定位故障设备的风机故障预警方法，包括以下步骤：
获取并联运行的两台风机的电流I1和I2、开度O1和O2；
计算相对电流差系数εi和相对开度差系数εo，相对电流差系数εi＝|I1-I2|/(I1+I2)，相对开度差系数εo＝|O1-O2|/(O1+O2)；
根据系数εi与和Ic1、Ic2、Ic3以及Ic4的大小关系以及εo与Oc1、Oc2、Oc3以及Oc4的大小关系确定风机一级预警等级；Ic1、Ic2、Ic3以及Ic4分别为电流一级预警上限值、电流二级预警上限值、电流三级预警上限值、电流四级预警上限值，Oc1、Oc2、Oc3以及Oc4分别为开度一级预警上限值、开度二级预警上限值、开度三级预警上限值、开度四级预警上限值，
根据两台风机的电流I1和I2、开度O1和O2计算两台风机电流开度比例系数r1和r2；
获取历史同类工况下标准电流开度比例系数rref；
根据两台风机电流开度比例系数r1和r2和标准电流开度比例系数rref计算两台风机电流开度比例系数偏离度d1和d2；
根据两台风机电流开度比例系数偏离度d1和d2，确定风机二级预警等级，定位故障风机。
根据公式εi＝|I1-I2|/(I1+I2)和εo＝|O1-O2|/(O1+O2)，计算相对电流差系数εi和相对开度差系数εo。
根据系数εi和εo确定风机预警等级时，根据一级风机故障系数k1＝εi||εo，结合表1、表2规则，确定一级预警等级：
表1
序号 条件 预警等级
1 ε<sub>i</sub>≤I<sub>c1</sub> 第一等级
2 I<sub>c1</sub>&lt;ε<sub>i</sub>≤I<sub>c2</sub> 第二等级
3 I<sub>c2</sub>&lt;ε<sub>i</sub>≤I<sub>c3</sub> 第三等级
4 I<sub>c3</sub>&lt;ε<sub>i</sub>≤I<sub>c4</sub> 第四等级
表2
序号 条件 预警等级
1 ε<sub>o</sub>≤O<sub>c1</sub> 第一等级
2 O<sub>c1</sub>&lt;ε<sub>o</sub>≤O<sub>c2</sub> 第二等级
3 O<sub>c2</sub>&lt;ε<sub>o</sub>≤O<sub>c3</sub> 第三等级
4 O<sub>c3</sub>&lt;ε<sub>o</sub>≤O<sub>c4</sub> 第四等级
其中，Ic1、Ic2、Ic3以及Ic4分别为电流一级预警上限值、电流二级预警上限值、电流三级预警上限值、电流四级预警上限值，Oc1、Oc2、Oc3以及Oc4分别为开度一级预警上限值、开度二级预警上限值、开度三级预警上限值、开度四级预警上限值。
电流开度比例系数r1＝I1/O1和r2＝I2/O2。
历史同类工况下标准电流开度比例系数rref，通过基于历史运行数据的深度学习方法，训练得到。
电流开度比例系数偏离度d1＝|r1-rref|和d2＝|r2-rref|，判断每台风机偏离正常工况的程度，结合表3的规则，实现不同偏离度下的可定位具体故障设备的分级预警；
表3
序号 条件 预警等级
1 d<sub>1||2</sub>≤D<sub>c1</sub> 第一等级
2 D<sub>c1</sub>&lt;d<sub>1||2</sub>≤D<sub>c2</sub> 第二等级
3 D<sub>c2</sub>&lt;d<sub>1||2</sub>≤D<sub>c3</sub> 第三等级
4 D<sub>c3</sub>&lt;d<sub>1||2</sub>≤D<sub>c4</sub> 第四等级
其中，Dc1、Dc2、Dc3、Dc4分别为电流开度比例系数偏离度一级预警上限值、电流开度比例系数偏离度二级预警上限值、电流开度比例系数偏离度三级预警上限值、电流开度比例系数偏离度四级预警上限值。
另一方面，本发明提供一种可定位故障设备的风机故障预警***，包括：
风机电流、开度参数获取模块201，用于获取两台风机的电流I1和I2、开度O1和O2；
风机相对电流差系数、相对开度差系数计算模块202，用于计算两台风机的相对电流差系数εi和相对开度差系数εo；
风机电流、开度比例系数计算模块203，用于计算每台风机电流和开度之间的比例关系r1和r2；
基于深度学习的标准电流开度比例系数计算模块204，基于风机历史运行数据，通过深度学习方法，计算历史同类工况下的标准电流开度比例系数rref；
电流开度比例系数偏离度计算模块205，用于计算每台风机电流开度比例系数偏离度d1和d2。
本发明还提供了一种计算机设备，包括处理器以及存储器，存储器用于存储计算机可执行程序，处理器从存储器中读取所述计算机可执行程序并执行，处理器执行计算可执行程序时能实现本发明所述可定位具体设备的风机故障预警方法。
同时提供一种计算机可读存储介质，计算机可读存储介质中存储有计算机程序，所述计算机程序被处理器执行时，能实现本发明所述的可定位具体设备的风机故障预警方法。
与现有技术相比，本发明至少具有以下有益效果：
本发明提出了一种可定位故障设备的风机故障预警方法，该方法适用于火电机组的风机，通过基于风机电流、开度等状态参数的预警规则设计，实现一级预警；通过对历史运行数据的深度学习，本发明引入电流开度偏离度定义，实现二级预警；最终，通过两者结合实现可定位具体故障设备的风机故障预警；方法简单，对分析人员的要求不高，无需过多冗余配置，能降低风机故障预警成本，为并联运行的风机提供有效的故障预警方法，可以在提前预警风机故障的同时，具体定位到是哪台设备存在故障，为及时维护风机提供准确的预警信息，能为火力发电厂整体运行实现准确的故障类型及预警，有助于提高火力发电厂全时段安全稳定运行。
附图说明
图1是本发明所提供的一种可定位故障设备的风机故障预警方法的流程图。
图2是本发明所提供的一种可定位故障设备的风机故障预警***的***结构图。
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做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
在本发明的描述中，需要理解的是，术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解，在本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
应当理解，尽管在本发明实施例中可能采用术语第一、第二、第三等来描述预设范围等，但这些预设范围不应限于这些术语。这些术语仅用来将预设范围彼此区分开。例如，在不脱离本发明实施例范围的情况下，第一预设范围也可以被称为第二预设范围，类似地，第二预设范围也可以被称为第一预设范围。
一种可定位故障设备的风机故障预警方法与***，下面结合附图和具体实施方式对本发明作进一步详细的说明。
图1为本发明所提供的可定位故障设备的风机故障预警方法与***的流程图。一种可定位故障设备的风机故障预警方法，包括以下步骤：
步骤101：获取并联运行的两台风机的电流I1和I2、开度O1和O2。
步骤102：计算相对电流差系数εi和相对开度差系数εo。
所述步骤102具体根据公式εi＝|I1-I2|/(I1+I2)和εo＝|O1-O2|/(O1+O2)，计算相对电流差系数εi和相对开度差系数εo；
步骤103：根据系数εi和εo，确定风机一级预警等级。
所述步骤103具体包括：根据一级风机故障系数k1＝εi||εo，结合表1、表2规则，确定一级预警等级。
表1
Figure BDA0003622593810000051
Figure BDA0003622593810000061
其中，Ic1、Ic2、Ic3以及Ic4分别为电流一级预警上限值、电流二级预警上限值、电流三级预警上限值、电流四级预警上限值。
表2
序号 条件 预警等级
1 ε<sub>o</sub>≤O<sub>c1</sub> 第一等级
2 O<sub>c1</sub>&lt;ε<sub>o</sub>≤O<sub>c2</sub> 第二等级
3 O<sub>c2</sub>&lt;ε<sub>o</sub>≤O<sub>c3</sub> 第三等级
4 O<sub>c3</sub>&lt;ε<sub>o</sub>≤O<sub>c4</sub> 第四等级
其中，Oc1、Oc2、Oc3以及Oc4分别为开度一级预警上限值、开度二级预警上限值、开度三级预警上限值、开度四级预警上限值；
步骤104：获取两台风机电流开度比例系数r1和r2。
所述步骤104具体包括：根据公式r1＝I1/O1和r2＝I2/O2，计算两台风机电流和开度之间的比例关系。
步骤105：计算历史同类工况下标准电流开度比例系数rref。
所述步骤105具体包括：基于风机历史运行数据，通过深度学习方法，计算历史同类工况下的标准电流开度比例系数rref。
步骤106：计算两台风机电流开度比例系数偏离度d1和d2。
所述步骤106具体包括：根据公式d1＝|r1-rref|和d2＝|r2-rref|，计算两台风机电流开度比例系数偏离度d1和d2。
步骤107：根据系数d1和d2，确定风机二级预警等级，定位故障风机。
表3
Figure BDA0003622593810000062
Figure BDA0003622593810000071
其中，Dc1、Dc2、Dc3、Dc4分别为电流开度比例系数偏离度一级预警上限值、电流开度比例系数偏离度二级预警上限值、电流开度比例系数偏离度三级预警上限值、电流开度比例系数偏离度四级预警上限值。
图2为本发明所提供的可定位故障设备的风机故障预警***结构示意图，包括：风机电流、开度参数获取模块201，用于获取两台风机的电流I1和I2、开度O1和O2。
风机相对电流差系数、相对开度差系数计算模块202，用于计算两台风机的相对电流差系数εi和相对开度差系数εo；
风机电流、开度比例系数计算模块203，用于计算每台风机电流和开度之间的比例关系r1和r2。
基于深度学习的标准电流开度比例系数计算模块204，基于风机历史运行数据，通过深度学习方法，计算历史同类工况下的标准电流开度比例系数rref。
电流开度比例系数偏离度计算模块205，用于计算每台风机电流开度比例系数偏离度d1和d2。
定位故障设备的分级预警模块206，用于根据两台风机电流开度比例系数偏离度d1和d2，确定风机二级预警等级，定位故障风机。
另外，本发明还可以提供一种计算机设备，包括处理器以及存储器，存储器用于存储计算机可执行程序，处理器从存储器中读取部分或全部所述计算机可执行程序并执行，处理器执行部分或全部计算可执行程序时能实现本发明所述可定位具体设备的风机故障预警方法。
另一方面，本发明提供一种计算机可读存储介质，计算机可读存储介质中存储有计算机程序，所述计算机程序被处理器执行时，能实现本发明所述的可定位具体设备的风机故障预警方法。
所述计算机设备可以采用笔记本电脑、桌面型计算机或工作站。
处理器可以是中央处理器(CPU)、图形处理器(GPU)、数字信号处理器(DSP)、专用集成电路(ASIC)或现成可编程门阵列(FPGA)。
对于本发明所述存储器，可以是笔记本电脑、桌面型计算机或工作站的内部存储单元，如内存、硬盘；也可以采用外部存储单元，如移动硬盘、闪存卡。
计算机可读存储介质可以包括计算机存储介质和通信介质。计算机存储介质包括以用于存储诸如计算机可读指令、数据结构、程序模块或其他数据等信息的任何方法或技术实现的易失性和非易失性、可移动和不可移动介质。计算机可读存储介质可以包括：只读存储器(ROM，ReadOnlyMemory)、随机存取记忆体(RAM，RandomAccessMemory)、固态硬盘(SSD，SolidStateDrives)或光盘等。其中，随机存取记忆体可以包括电阻式随机存取记忆体(ReRAM，ResistanceRandomAccessMemory)和动态随机存取存储器(DRAM，DynamicRandomAccessMemory)。
以上内容仅为说明本发明的技术思想，不能以此限定本发明的保护范围，凡是按照本发明提出的技术思想，在技术方案基础上所做的任何改动，均落入本发明权利要求书的保护范围之内。

Claims (9)

1.一种可定位故障设备的风机故障预警方法，其特征在于，包括以下步骤：
获取并联运行的两台风机的电流I1和I2、开度O1和O2；
计算相对电流差系数εi和相对开度差系数εo，相对电流差系数εi＝|I1-I2|/(I1+I2)，相对开度差系数εo＝|O1-O2|/(O1+O2)；
根据系数εi与和Ic1、Ic2、Ic3以及Ic4的大小关系以及εo与Oc1、Oc2、Oc3以及Oc4的大小关系确定风机一级预警等级；Ic1、Ic2、Ic3以及Ic4分别为电流一级预警上限值、电流二级预警上限值、电流三级预警上限值、电流四级预警上限值，Oc1、Oc2、Oc3以及Oc4分别为开度一级预警上限值、开度二级预警上限值、开度三级预警上限值、开度四级预警上限值，
根据两台风机的电流I1和I2、开度O1和O2计算两台风机电流开度比例系数r1和r2；
获取历史同类工况下标准电流开度比例系数rref；
根据两台风机电流开度比例系数r1和r2和标准电流开度比例系数rref计算两台风机电流开度比例系数偏离度d1和d2；
根据两台风机电流开度比例系数偏离度d1和d2，确定风机二级预警等级，定位故障风机。
2.根据权利要求1所述的可定位故障设备的风机故障预警方法，其特征在于，根据公式εi＝|I1-I2|/(I1+I2)和εo＝|O1-O2|/(O1+O2)，计算相对电流差系数εi和相对开度差系数εo。
3.根据权利要求1所述的可定位故障设备的风机故障预警方法，其特征在于，根据系数εi和εo确定风机预警等级时，根据一级风机故障系数k1＝εi||εo，结合表1、表2规则，确定一级预警等级：
表1
序号 条件 预警等级 1 ε<sub>i</sub>≤I<sub>c1</sub> 第一等级 2 I<sub>c1</sub>&lt;ε<sub>i</sub>≤I<sub>c2</sub> 第二等级 3 I<sub>c2</sub>&lt;ε<sub>i</sub>≤I<sub>c3</sub> 第三等级 4 I<sub>c3</sub>&lt;ε<sub>i</sub>≤I<sub>c4</sub> 第四等级
表2
序号 条件 预警等级 1 ε<sub>o</sub>≤O<sub>c1</sub> 第一等级 2 O<sub>c1</sub>&lt;ε<sub>o</sub>≤O<sub>c2</sub> 第二等级 3 O<sub>c2</sub>&lt;ε<sub>o</sub>≤O<sub>c3</sub> 第三等级 4 O<sub>c3</sub>&lt;ε<sub>o</sub>≤O<sub>c4</sub> 第四等级
其中，Ic1、Ic2、Ic3以及Ic4分别为电流一级预警上限值、电流二级预警上限值、电流三级预警上限值、电流四级预警上限值，Oc1、Oc2、Oc3以及Oc4分别为开度一级预警上限值、开度二级预警上限值、开度三级预警上限值、开度四级预警上限值。
4.根据权利要求1所述的可定位故障设备的风机故障预警方法，其特征在于，电流开度比例系数r1＝I1/O1和r2＝I2/O2。
5.根据权利要求1所述的可定位故障设备的风机故障预警方法，其特征在于，历史同类工况下标准电流开度比例系数rref，通过基于历史运行数据的深度学习方法，训练得到。
6.根据权利要求1所述的可定位故障设备的风机故障预警方法，其特征在于，电流开度比例系数偏离度d1＝|r1-rref|和d2＝|r2-rref|，判断每台风机偏离正常工况的程度，结合表3的规则，实现不同偏离度下的可定位具体故障设备的分级预警；
表3
序号 条件 预警等级 1 d<sub>1||2</sub>≤D<sub>c1</sub> 第一等级 2 D<sub>c1</sub>&lt;d<sub>1||2</sub>≤D<sub>c2</sub> 第二等级 3 D<sub>c2</sub>&lt;d<sub>1||2</sub>≤D<sub>c3</sub> 第三等级 4 D<sub>c3</sub>&lt;d<sub>1||2</sub>≤D<sub>c4</sub> 第四等级
其中，Dc1、Dc2、Dc3、Dc4分别为电流开度比例系数偏离度一级预警上限值、电流开度比例系数偏离度二级预警上限值、电流开度比例系数偏离度三级预警上限值、电流开度比例系数偏离度四级预警上限值。
7.一种可定位故障设备的风机故障预警***，其特征在于，包括：
风机电流、开度参数获取模块201，用于获取两台风机的电流I1和I2、开度O1和O2；
风机相对电流差系数、相对开度差系数计算模块202，用于计算两台风机的相对电流差系数εi和相对开度差系数εo；
风机电流、开度比例系数计算模块203，用于计算每台风机电流和开度之间的比例关系r1和r2；
基于深度学习的标准电流开度比例系数计算模块204，基于风机历史运行数据，通过深度学习方法，计算历史同类工况下的标准电流开度比例系数rref；
电流开度比例系数偏离度计算模块205，用于计算每台风机电流开度比例系数偏离度d1和d2。
8.一种计算机设备，其特征在于，包括处理器以及存储器，存储器用于存储计算机可执行程序，处理器从存储器中读取所述计算机可执行程序并执行，处理器执行计算可执行程序时能实现权利要求1～6中任一项所述可定位具体设备的风机故障预警方法。
9.一种计算机可读存储介质，其特征在于，计算机可读存储介质中存储有计算机程序，所述计算机程序被处理器执行时，能实现如权利要求1～6中任一项所述的可定位具体设备的风机故障预警方法。
CN202210462613.1A 2022-04-28 2022-04-28 一种可定位具体设备的风机故障预警方法与*** Active CN114738308B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210462613.1A CN114738308B (zh) 2022-04-28 2022-04-28 一种可定位具体设备的风机故障预警方法与***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210462613.1A CN114738308B (zh) 2022-04-28 2022-04-28 一种可定位具体设备的风机故障预警方法与***

Publications (2)

Publication Number Publication Date
CN114738308A true CN114738308A (zh) 2022-07-12
CN114738308B CN114738308B (zh) 2024-01-23

Family

ID=82285309

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210462613.1A Active CN114738308B (zh) 2022-04-28 2022-04-28 一种可定位具体设备的风机故障预警方法与***

Country Status (1)

Country Link
CN (1) CN114738308B (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR960011531U (ko) * 1994-09-30 1996-04-15 팬 고장을 검출하는 장치
JPH1162887A (ja) * 1997-08-08 1999-03-05 Nippon Steel Corp 送風機のサージング検出装置、検出方法及びサージング修正方法
CN204610337U (zh) * 2015-03-11 2015-09-02 徐州能达燃烧控制工程有限公司 一种火检冷却风机故障预警装置
CN107219809A (zh) * 2016-11-24 2017-09-29 浙江浙能中煤舟山煤电有限责任公司 一次风***中一次风机失速的预防方法
CN109340162A (zh) * 2018-11-26 2019-02-15 贵州金元茶园发电有限责任公司 防止火电机组一次风机失速抢风引起熄火的***和方法
CN109826816A (zh) * 2018-12-29 2019-05-31 浙江大学 一种风机失速智能预警***与方法
CN110043497A (zh) * 2019-04-03 2019-07-23 华能淮阴第二发电有限公司 一种风机自动调节故障预警方法及***
CN110953178A (zh) * 2019-12-06 2020-04-03 华北电力科学研究院有限责任公司 一种并列运行风机的失速预警方法及***
CN113669294A (zh) * 2021-07-29 2021-11-19 华能(浙江)能源开发有限公司玉环分公司 一种引风机失速预警方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR960011531U (ko) * 1994-09-30 1996-04-15 팬 고장을 검출하는 장치
JPH1162887A (ja) * 1997-08-08 1999-03-05 Nippon Steel Corp 送風機のサージング検出装置、検出方法及びサージング修正方法
CN204610337U (zh) * 2015-03-11 2015-09-02 徐州能达燃烧控制工程有限公司 一种火检冷却风机故障预警装置
CN107219809A (zh) * 2016-11-24 2017-09-29 浙江浙能中煤舟山煤电有限责任公司 一次风***中一次风机失速的预防方法
CN109340162A (zh) * 2018-11-26 2019-02-15 贵州金元茶园发电有限责任公司 防止火电机组一次风机失速抢风引起熄火的***和方法
CN109826816A (zh) * 2018-12-29 2019-05-31 浙江大学 一种风机失速智能预警***与方法
CN110043497A (zh) * 2019-04-03 2019-07-23 华能淮阴第二发电有限公司 一种风机自动调节故障预警方法及***
CN110953178A (zh) * 2019-12-06 2020-04-03 华北电力科学研究院有限责任公司 一种并列运行风机的失速预警方法及***
CN113669294A (zh) * 2021-07-29 2021-11-19 华能(浙江)能源开发有限公司玉环分公司 一种引风机失速预警方法

Also Published As

Publication number Publication date
CN114738308B (zh) 2024-01-23

Similar Documents

Publication Publication Date Title
JP7185808B1 (ja) 故障を検出するための方法および装置、モデルをトレーニングするための方法および装置、並びにそれらのデバイスおよび記憶媒体
ES2957796T3 (es) Sistemas y procedimientos para la recalibración de la posición de la góndola de una turbina eléctrica y la estimación de la dirección del viento
Siegel et al. An auto-associative residual processing and K-means clustering approach for anemometer health assessment
US20110270450A1 (en) Systems and methods for identifying wind turbine performance inefficiency
CN106092190A (zh) 抽水蓄能机组运行稳定性状态劣化预警方法及***
CN112555084B (zh) 一种实时状态预警方法、装置、电子设备及存储介质
Peng et al. Wind turbine failure prediction and health assessment based on adaptive maximum mean discrepancy
CN103925155B (zh) 一种风电机组输出功率异常的自适应检测方法
WO2023123685A1 (zh) 风力发电机组的寿命评估方法和装置
BR102013007236A2 (pt) Método para detectar uma situação de alerta
CN111878320B (zh) 风力发电机组的监控方法、***及计算机可读存储介质
CN107728059A (zh) 一种变桨***状态评估方法
CN105956785A (zh) 一种风力发电机组运行状态评判方法
Skrimpas et al. Employment of kernel methods on wind turbine power performance assessment
CN116611244A (zh) 基于自适应滑动窗口划分的风速仪故障预警方法及设备
Wei et al. Site specific assessment of wind characteristics and determination of wind loads effects on wind turbine components and energy generation
CN114738308A (zh) 一种可定位具体设备的风机故障预警方法与***
WO2021027011A1 (zh) 提高风电***数据质量的方法及装置
ES2942017T3 (es) Un método para controlar un parque de energía eólica teniendo en cuenta efectos de estela
CN111563685B (zh) 一种基于自联想核回归算法的发电设备状态预警方法
Harrou et al. Uncovering sensor faults in wind turbines: An improved multivariate statistical approach for condition monitoring using SCADA data
Guerri et al. Performance evaluation of a wind farm using different power density distributions
JP7452119B2 (ja) 診断装置、診断方法およびプログラム
CN116383914A (zh) 基于多维信息分析的电力***故障判断装置及方法
CN110942234A (zh) 一种中低压燃气管道风险评价方法及装置

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