CN116110203A - 一种基于智能监测技术的天然气发电预警管理方法及*** - Google Patents
一种基于智能监测技术的天然气发电预警管理方法及*** Download PDFInfo
- Publication number
- CN116110203A CN116110203A CN202310008320.0A CN202310008320A CN116110203A CN 116110203 A CN116110203 A CN 116110203A CN 202310008320 A CN202310008320 A CN 202310008320A CN 116110203 A CN116110203 A CN 116110203A
- Authority
- CN
- China
- Prior art keywords
- information
- fault
- acquiring
- generator set
- early warning
- 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
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/18—Status alarms
- G08B21/185—Electrical failure alarms
Landscapes
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Emergency Alarm Devices (AREA)
Abstract
本发明提供了一种基于智能监测技术的天然气发电预警管理方法及***,涉及智能监测技术领域,采集获取天然气发电机组的历史数据信息,基于历史数据信息获取故障信号的时域指标和频域指标,获取故障征兆信息,对故障征兆信息进行分析,得到发电机组事故树,通过温度传感器和振动传感器对目标发电机组进行实时监测,获取运行参数,将运行参数输入发电机组事故树,获取目标发电机组运行状态信息,基于运行状态信息对目标发电机组进行预警管理。本发明解决了现有技术中天然气发电管理只能依靠高强度的人工巡检,使得管理效果差的技术问题,通过对发电机组状态参数远程实时监控,提前预警发电机组运行状态,进而提高管理效果。
Description
技术领域
本发明涉及智能监测技术领域,具体涉及一种基于智能监测技术的天然气发电预警管理方法及***。
背景技术
近年来,国民经济的快速发展,为我国电力工业平稳较快的发展提供了持续的动力,全国用电需求快速增长,电力供应能力稳步增强,随着我国天然气资源的大规模开发利用,西气东输、近海天然气开发和引进国外液化天然气等工作全面展开,而天然气市场的快速发展,主要得益于目前全球范围内对清洁能源的大力支持,催生市场需求。随着国家相关政策的发布,以气代煤将成为一个新的趋势,因此对于天然气的发电管理就显得尤为重要,而现今常用的天然气发电管理方法还存在着一定的弊端,对于天然气的发电管理还存在着一定的可提升空间。
现有技术中天然气发电管理只能依靠高强度的人工巡检,使得管理存在一定的偶发性,进而导致管理效果差。
发明内容
本申请实施例提供了一种基于智能监测技术的天然气发电预警管理方法及***,用于针对解决现有技术中天然气发电管理只能依靠高强度的人工巡检,使得管理效果差的技术问题。
鉴于上述问题,本申请实施例提供了一种基于智能监测技术的天然气发电预警管理方法及***。
第一方面,本申请实施例提供了一种基于智能监测技术的天然气发电预警管理方法,所述方法包括:采集获取天然气发电机组的历史数据信息;基于所述历史数据信息获取故障信号的时域指标和频域指标,获取故障征兆信息;对所述故障征兆信息进行分析,得到发电机组故障树;通过所述温度传感器和所述振动传感器对目标发电机组进行实时监测,获取运行参数;将所述运行参数输入所述发电机组故障树,获取所述目标发电机组运行状态信息;基于所述运行状态信息对所述目标发电机组进行预警管理。
第二方面,本申请实施例提供了一种基于智能监测技术的天然气发电预警管理***,所述***包括:历史数据信息获取模块,所述历史数据信息获取模块用于采集获取天然气发电机组的历史数据信息;故障征兆信息获取模块,所述故障征兆信息获取模块用于基于所述历史数据信息获取故障信号的时域指标和频域指标,获取故障征兆信息;故障征兆信息分析模块,所述故障征兆信息分析模块用于对所述故障征兆信息进行分析,得到发电机组故障树;运行参数获取模块,所述运行参数获取模块用于通过所述温度传感器和所述振动传感器对目标发电机组进行实时监测,获取运行参数;运行状态信息获取模块,所述运行状态信息获取模块用于将所述运行参数输入所述发电机组故障树,获取所述目标发电机组运行状态信息;预警管理模块,所述预警管理模块用于基于所述运行状态信息对所述目标发电机组进行预警管理。
本申请实施例中提供的一个或多个技术方案,至少具有如下技术效果或优点:
本申请实施例提供的一种基于智能监测技术的天然气发电预警管理方法,涉及智能监测技术领域,采集获取天然气发电机组的历史数据信息,基于历史数据信息获取故障信号的时域指标和频域指标,获取故障征兆信息,对故障征兆信息进行分析,得到发电机组事故树,通过温度传感器和振动传感器对目标发电机组进行实时监测,获取运行参数,将运行参数输入发电机组事故树,获取目标发电机组运行状态信息,基于运行状态信息对目标发电机组进行预警管理。解决了现有技术中天然气发电管理只能依靠高强度的人工巡检,使得管理效果差的技术问题,通过对发电机组状态参数远程实时监控,提前预警发电机组运行状态,进而提高管理效果。
上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,而可依照说明书的内容予以实施,并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂,以下特举本申请的具体实施方式。
附图说明
图1为本申请实施例提供了一种基于智能监测技术的天然气发电预警管理方法流程示意图;
图2为本申请实施例提供了一种基于智能监测技术的天然气发电预警管理方法中提取时域特征指标流程示意图;
图3为本申请实施例提供了一种基于智能监测技术的天然气发电预警管理方法中获取所述频域指标流程示意图;
图4为本申请实施例提供了一种基于智能监测技术的天然气发电预警管理***结构示意图。
附图标记说明:历史数据信息获取模块10,故障征兆信息获取模块20,故障征兆信息分析模块30,运行参数获取模块40,运行状态信息获取模块50,预警管理模块60。
具体实施方式
本申请实施例通过提供一种基于智能监测技术的天然气发电预警管理方法,用于针对解决现有技术中天然气发电管理只能依靠高强度的人工巡检,使得管理效果差的技术问题。
实施例一
如图1所示,本申请实施例提供了一种基于智能监测技术的天然气发电预警管理方法,该方法应用于智能监测***,所述智能监测***与温度传感器、振动传感器通信连接,所述方法包括:
步骤S100:采集获取天然气发电机组的历史数据信息;
具体而言,本申请实施例提供的一种基于智能监测技术的天然气发电预警管理方法应用于智能监测***,所述智能监测***与温度传感器、振动传感器通信连接,所述温度传感器、振动传感器分别用于对天然气发电机组运行时的温度、振动数据进行实时监测。
首先通过天然气发电机组管理***获取发电机组的历史工况数据,包括历史产生的故障和各种故障对应的工况参数,天然气发电机组的故障通常来自于发电机缸体和空冷器风扇的电机轴承故障,故障从轻微到严重有多种表现形式,如轴承报废、机组停机,其中每种故障类型包含一组或多组工况参数。通过历史工况数据的获取,为后续进行相关状态参数的研判提供数据支撑。
步骤S200:基于所述历史数据信息获取故障信号的时域指标和频域指标,获取故障征兆信息;
具体而言,从海量的历史数据信息中提取故障征兆,如功能异常、温度过高、润滑油冷却水消耗过量等,以最常见的功能异常为例,指的是设备的工作状况出现不正常的现象,包括启动困难、启动慢、自动停机、设备运转功率不足、设备运转过程紧急制动失灵失效等,这种故障的征兆比较明显所以容易察觉。故障征兆分为时域指标和频域指标,对于时域指标,由于天然气发电机组的工况并不是一成不变的,在实际运行过程中会根据实际情况偏离设计工况,通过偏差度分析提取时域参数的特征,分析温度、振动特征参数随功率的变化特点,提取出和发电机组紧密联系的时域指标。对于频域指标,需要克服天然气发电机组的变速运行和背景噪声较大带来的困难,因此使用降噪的方法来提取故障特征频率,通过逐渐筛分将信号分解成多个基本模态分量以及一个余项,以此剔除噪声,有显著的降噪效果。
步骤S300:对所述故障征兆信息进行分析,得到发电机组故障树;
具体而言,在发电机组运行过程中,有些故障是对整体运行没有影响的,就是说即便这些故障发生***也能正常运行,而有些故障中的一个或者多个联动一旦发生可能导致整个***失效,不过整体失效的可能性可以透过***设计的提升来降低,对故障征兆信息根据逻辑关系进行拆解,构建整个***的逻辑图示,来找到各特征参数、故障类型以及冗余安全设计元件之间的关系,以此构建发电机组故障树。将不想出现的结果放在失效树的根,即最上方事件,如天然气发电机组运行过程中不想出现的结果是机组停机,在最上方事件进行分析后,可以确认上述事件可能会以两种方式出现:温度过高、润滑油、冷却水消耗过多,而每一种方式也存在多个失效率,这个变成一个可以分析的失效来源。在故障树上标识每个失效的实际几率值,可以通过计算机程序计算故障树的失效可能率。通过发电机组故障树的构建,为判明可能发生的故障模式提供依据,对机组安全性薄弱环节进行预警,进而提高对天然气发电机的管理效果。
步骤S400:通过所述温度传感器和所述振动传感器对目标发电机组进行实时监测,获取运行参数;
具体而言,目前故障发生主要集中在发电机缸体和空冷器风扇的电机轴承故障,以此造成温度过高、报警停机等情况,而机组在启动和运行时对于空冷器风扇等相关状态通过人工巡检无法准确获取并做出研判,因此通过所述温度传感器和所述振动传感器对机组这两个关键部位的状态参数进行远程实时监控,通过温度升高、振动偏大对机组的运行状态进行研判,由于实时采集得到的数据量过于庞大,有很多冗余特征,通过主成分分析、降噪等手段对得到的数据进行处理,经过数据处理获得机组运行参数,通过对运行参数的分析即可得到发电机组的实时运行状况。
步骤S500:将所述运行参数输入所述发电机组故障树,获取所述目标发电机组运行状态信息;
具体而言,通过发电机组故障树寻找顶时间的原因事件及原因事件的组合,即最小割集,其中割集为故障树中一些底事件的集合,当这些底事件发生时顶事件必然发生,最小割集为若割集所含的底事件任意去掉一个就不再成为割集了,这样的割集就是最小割集,通过最小割集找出潜在的故障。将所述运行参数与最小割集中的数据进行对比,根据契合度判定当前运行参数下发电机组的运行状态,示例性地,根据与、或门的性质找出故障树的割集为{x1,x2},{x2,x3},{x2,x1},而运行参数为{x2,x1},与故障树的割集契合度为100%,因此该参数下运行必然出现故障,需要及时进行管理,设置预设割集契合度,只要满足预设割集契合度即可判定为故障。
步骤S600:基于所述运行状态信息对所述目标发电机组进行预警管理;
具体而言,根据历史运行数据对故障产生的影响进行分析,以此设置预设预警征兆信息,将不满足预警征兆信息的判定为对机组影响不大的状态,对其进行放置,可通过后续的定期维护进行处理,将满足预警征兆信息的判定为异常状态,包括环境温度异常、设备温度异常、振动异常等,将异常信息与历史数据进行对比并汇总分析,以柱状图、饼状图的形式得到数据分析结果,生成以此生成报警提示,将报警提示上传至手机等移动终端。实现了数据的实时远程监控并对对故障提前预警,避免出现重大故障导致停机事件发生。
进一步而言,如图2所示,本申请步骤S200还包括:
步骤S210:基于所述历史数据信息获取所述发电机组的历史运行工况数据;
步骤S220:基于所述历史运行工况数据获取温度特征参数和振动特征参数随功率的变化特点;
步骤S230:基于所述变化特点提取时域特征指标。
具体而言,结合风电机组轴承处于变工况运行的特点,通过偏差计算公式其中σs表示标准误差估算值,也相当于标准误差,判定测量值是否为坏值,用精密度判定一样本数据在多次平行测定结果之间的符合程度,用偏差表示,偏差越小说明测定结果精密度越高,以此提取时域参数的特征。值得注意的是,标准差与变量及期望值的大小有关,项目比较时,若某一项目的期望值及标准差均比其他项目大,不能简单地认为标准差大的项目风险就一定大,还应进一步用两者的相对指标进行分析和比较,该相对指标即偏差系数。分析温度、振动特征参数随功率的变化特点,提取出和机组运行工况紧密联系的时域特征指标。
进一步而言,如图3所示,本申请步骤S200还包括:
步骤S240:基于所述历史运行工况数据获取故障特征信息;
步骤S250:对所述故障特征信息进行降噪,获取故障特征频率;
步骤S260:基于所述故障特征频率获取所述频域指标。
具体而言,通过特征时间尺度来识别信号中所内含的所有振动模态,将组成原始信号的各尺度分量不断从高频到低频进行提取,因此分解得到的特征模态函数顺序是按频率由高到低进行排列的,即首先得到最高频的分量,然后是次高频的,最终得到一个频率接近为0的残余分量。而针对不断进行分解的信号而言,能量大的高频分量总是代表了原信号的主要特性,是最主要的组成分量,以此实现对故障特征信息的降噪处理,以此将噪声频率分解到各个频段的分量当中,获得故障特征频率。
进一步而言,本申请步骤S400还包括:
步骤S410:通过所述温度传感器获取温度数据;
步骤S420:通过所述振动传感器获取振动数据;
步骤S430:对所述温度数据和所述振动数据进行降维处理,获得温度特征和振动特征;
步骤S440:基于所述温度特征和振动特征获取运行参数。
具体而言,天然气发电机组故障征兆包括机械轴承温度升高、振动偏大、噪声增大等,通过温度传感器、振动传感器对温度、振动数据进行采集,建立数据库,以精准分析、研判轴承的运行状态。
通过主成分分析法对数据库中的特征数据进行降维处理,首先,对提取到的数据进行数值化处理,并构建特征数据集矩阵,获得第一特征数据集,对第一特征数据集中的各特征数据进行中心化处理,构成第二特征数据集,第二特征数据集为一数据矩阵。
通过协方差公式对第二特征数据集进行运算,获得第二特征数据集的第一协方差矩阵,继而通过矩阵运算,求出第一协方差矩阵的特征值及特征向量,且每一特征值对应一个特征向量。在求出的故障第一特征向量中,选取最大的前K个特征值及其对应的特征向量,并将第一特征数据集中的原始特征投影到所选取的特征向量之上,得到降维之后的第一特征数据集,以此获取运行参数。
通过主成分分析法对数据库中的数据进行降维处理,在保证信息量的前提下,剔除冗余数据,使得数据库中特征数据的样本量减小,从而加快对于数据的运算速度。
进一步而言,本申请步骤S600还包括:
步骤S610:获取预设预警征兆信息;
步骤S620:判断所述运行状态信息是否满足所述预警征兆信息;
步骤S630:当满足时,生成异常报警信息,并将所述异常报警信息发送至移动终端。
具体而言,根据历史运行数据对以往的规律或观测到的可能性前兆进行总结,得到预设预警征兆信息,如温度达到某一值若放任不管,经过一段时间后就会造成机组停机,则将该值作为预警征兆信息,以此对运行状态信息进行监控,当运行状态信息不满足预警征兆信息时,说明机组为正常运行状态,运行状态信息满足预警征兆信息时,说明故障即将发生,则生成异常报警信息,向管理人员发出紧急信号报告危险情况,以避免故障在不知情或者准备不足的情况下发生,从而最大程度的减轻故障所造成的损失。
进一步而言,本申请还包括:
步骤S710:基于所述异常报警信息获取异常征兆;
步骤S720:将所述异常征兆输入所述发电机组故障树中进行反推,获取故障模式;
步骤S730:基于所述故障模式确定维修措施。
具体而言,将满足异常报警信息的运行状态作为异常征兆,故障树分析一般为由上往下的演绎式失效分析方法分析***中不希望出现的状态,此时将异常征兆作为发电机组故障树遍历的起始点,由下往上用反向推理的方法,融合更多的故障征兆,识别出故障模式,通过故障树分析找出故障发展的底层原因,进而确定维修措施。
实施例二
基于与前述实施例中一种基于智能监测技术的天然气发电预警管理方法相同的发明构思,如图4所示,本申请提供了一种基于智能监测技术的天然气发电预警管理***,***包括:
历史数据信息获取模块10,所述历史数据信息获取模块10用于采集获取天然气发电机组的历史数据信息;
故障征兆信息获取模块20,所述故障征兆信息获取模块20用于基于所述历史数据信息获取故障信号的时域指标和频域指标,获取故障征兆信息;
故障征兆信息分析模块30,所述故障征兆信息分析模块30用于对所述故障征兆信息进行分析,得到发电机组故障树;
运行参数获取模块40,所述运行参数获取模块40用于通过所述温度传感器和所述振动传感器对目标发电机组进行实时监测,获取运行参数;
运行状态信息获取模块50,所述运行状态信息获取模块50用于将所述运行参数输入所述发电机组故障树,获取所述目标发电机组运行状态信息;
预警管理模块60,所述预警管理模块60用于基于所述运行状态信息对所述目标发电机组进行预警管理。
进一步而言,***还包括:
历史运行工况数据获取模块,用于基于所述历史数据信息获取所述发电机组的历史运行工况数据;
变化特点获取模块,用于基于所述历史运行工况数据获取温度特征参数和振动特征参数随功率的变化特点;
时域特征指标获取模块,用于基于所述变化特点提取时域特征指标。
进一步而言,***还包括:
故障特征信息获取模块,用于基于所述历史运行工况数据获取故障特征信息;
降噪模块,用于对所述故障特征信息进行降噪,获取故障特征频率;
频域指标获取模块,用于基于所述故障特征频率获取所述频域指标。
进一步而言,***还包括:
温度数据获取模块,用于通过所述温度传感器获取温度数据;
振动数据获取模块,用于通过所述振动传感器获取振动数据;
降维处理模块,用于对所述温度数据和所述振动数据进行降维处理,获得温度特征和振动特征;
参数获取模块,用于基于所述温度特征和振动特征获取运行参数。
进一步而言,***还包括:
预警征兆信息获取模块,用于获取预设预警征兆信息;
运行状态信息判断模块,用于判断所述运行状态信息是否满足所述预警征兆信息;
异常报警信息生成模块,用于当满足时,生成异常报警信息,并将所述异常报警信息发送至移动终端。
进一步而言,***还包括:
异常征兆获取模块,用于基于所述异常报警信息获取异常征兆;
反推模块,用于将所述异常征兆输入所述发电机组故障树中进行反推,获取故障模式;
维修措施获取模块,用于基于所述故障模式确定维修措施。
本说明书通过前述对一种基于智能监测技术的天然气发电预警管理方法的详细描述,本领域技术人员可以清楚的知道本实施例中一种基于智能监测技术的天然气发电预警管理方法及***,对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下,在其它实施例中实现。因此,本申请将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (7)
1.一种基于智能监测技术的天然气发电预警管理方法,其特征在于,所述方法应用于智能监测***,所述智能监测***与温度传感器、振动传感器通信连接,所述方法包括:
采集获取天然气发电机组的历史数据信息;
基于所述历史数据信息获取故障信号的时域指标和频域指标,获取故障征兆信息;
对所述故障征兆信息进行分析,得到发电机组故障树;
通过所述温度传感器和所述振动传感器对目标发电机组进行实时监测,获取运行参数;
将所述运行参数输入所述发电机组故障树,获取所述目标发电机组运行状态信息;
基于所述运行状态信息对所述目标发电机组进行预警管理。
2.如权利要求1所述方法,其特征在于,所述基于所述历史数据信息获取故障信号的时域指标和频域指标,包括:
基于所述历史数据信息获取所述发电机组的历史运行工况数据;
基于所述历史运行工况数据获取温度特征参数和振动特征参数随功率的变化特点;
基于所述变化特点提取时域特征指标。
3.如权利要求2所述方法,其特征在于,所述基于所述历史数据信息获取故障信号的时域指标和频域指标,还包括:
基于所述历史运行工况数据获取故障特征信息;
对所述故障特征信息进行降噪,获取故障特征频率;
基于所述故障特征频率获取所述频域指标。
4.如权利要求1所述方法,其特征在于,所述通过所述温度传感器和所述振动传感器对目标发电机组进行实时监测,获取运行参数,包括:
通过所述温度传感器获取温度数据;
通过所述振动传感器获取振动数据;
对所述温度数据和所述振动数据进行降维处理,获得温度特征和振动特征;
基于所述温度特征和振动特征获取运行参数。
5.如权利要求1所述方法,其特征在于,所述基于所述运行状态对所述目标发电机组进行预警管理,包括:
获取预设预警征兆信息;
判断所述运行状态信息是否满足所述预警征兆信息;
当满足时,生成异常报警信息,并将所述异常报警信息发送至移动终端。
6.如权利要求5所述方法,其特征在于,所述方法还包括:
基于所述异常报警信息获取异常征兆;
将所述异常征兆输入所述发电机组故障树中进行反推,获取故障模式;
基于所述故障模式确定维修措施。
7.一种基于智能监测技术的天然气发电预警管理***,其特征在于,所述***与温度传感器、振动传感器通信连接,所述***包括:
历史数据信息获取模块,所述历史数据信息获取模块用于采集获取天然气发电机组的历史数据信息;
故障征兆信息获取模块,所述故障征兆信息获取模块用于基于所述历史数据信息获取故障信号的时域指标和频域指标,获取故障征兆信息;
故障征兆信息分析模块,所述故障征兆信息分析模块用于对所述故障征兆信息进行分析,得到发电机组故障树;
运行参数获取模块,所述运行参数获取模块用于通过所述温度传感器和所述振动传感器对目标发电机组进行实时监测,获取运行参数;
运行状态信息获取模块,所述运行状态信息获取模块用于将所述运行参数输入所述发电机组故障树,获取所述目标发电机组运行状态信息;
预警管理模块,所述预警管理模块用于基于所述运行状态信息对所述目标发电机组进行预警管理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310008320.0A CN116110203A (zh) | 2023-01-04 | 2023-01-04 | 一种基于智能监测技术的天然气发电预警管理方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310008320.0A CN116110203A (zh) | 2023-01-04 | 2023-01-04 | 一种基于智能监测技术的天然气发电预警管理方法及*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116110203A true CN116110203A (zh) | 2023-05-12 |
Family
ID=86255604
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310008320.0A Pending CN116110203A (zh) | 2023-01-04 | 2023-01-04 | 一种基于智能监测技术的天然气发电预警管理方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116110203A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117010191A (zh) * | 2023-08-04 | 2023-11-07 | 贵州北盘江电力股份有限公司光照分公司 | 一种水轮发电机组的异常状态识别方法及*** |
-
2023
- 2023-01-04 CN CN202310008320.0A patent/CN116110203A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117010191A (zh) * | 2023-08-04 | 2023-11-07 | 贵州北盘江电力股份有限公司光照分公司 | 一种水轮发电机组的异常状态识别方法及*** |
CN117010191B (zh) * | 2023-08-04 | 2024-03-19 | 贵州北盘江电力股份有限公司光照分公司 | 一种水轮发电机组的异常状态识别方法及*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Cui et al. | An anomaly detection approach based on machine learning and scada data for condition monitoring of wind turbines | |
CN101770219B (zh) | 一种车铣复合机床故障诊断知识库的知识获取方法 | |
CN105372591B (zh) | 一种基于暂态过程的水电机组健康状态量化评价方法 | |
CN109933905B (zh) | 一种基于多维预警分析的机械设备健康状态评估方法 | |
CN110926809B (zh) | 一种基于大数据分析的风电机组传动链故障预警方法 | |
CN107291991B (zh) | 一种基于动态网络标志的风电机组早期缺陷预警方法 | |
CN108072524B (zh) | 一种风电机组齿轮箱轴承故障预警方法 | |
CN116110203A (zh) | 一种基于智能监测技术的天然气发电预警管理方法及*** | |
CN111209934A (zh) | 风机故障预报警方法及*** | |
CN112016806A (zh) | 发电站设备状态检修方法、***、介质及装置 | |
CN110553821A (zh) | 一种汽轮发电机组故障可视化诊断方法及*** | |
CN114878172B (zh) | 一种船舶主机气缸温度信号特征提取方法及*** | |
CN112926656A (zh) | 一种核电厂循环水泵状态预测方法、***及设备 | |
CN115877205A (zh) | 一种伺服电机的故障智能诊断***及其诊断方法 | |
CN117151684A (zh) | 风电风机数据分析预警方法、***、装置及可读存储介质 | |
CN114738132B (zh) | 基于实船数据的增压器转速传感器故障诊断方法及*** | |
CN110907031A (zh) | 基于数据统计分析的调相机振动异动可视化监测方法 | |
CN115165326A (zh) | 通过机械传动链润滑油(脂)杂质分析的风机故障诊断方法 | |
CN116488351A (zh) | 一种基于物联网的低压配电箱远程监控方法和*** | |
CN116363843A (zh) | 试验室设备预警*** | |
CN114295367A (zh) | 一种风电机组齿轮箱工况在线监测方法 | |
CN115326393A (zh) | 一种基于温度信息的风电机组轴承对故障诊断方法 | |
CN118295881B (zh) | 一种芯片栅格阵列的封装数据监管***及方法 | |
CN113065766B (zh) | 一种基于历史数据挖掘分析的汽机运行工况寻优方法 | |
CN117951633B (zh) | 一种光伏发电设备故障诊断方法及*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication |