CN117151681A - 一种连续多级船闸运行设备性能预警与智能检修方法 - Google Patents
一种连续多级船闸运行设备性能预警与智能检修方法 Download PDFInfo
- Publication number
- CN117151681A CN117151681A CN202310951292.6A CN202310951292A CN117151681A CN 117151681 A CN117151681 A CN 117151681A CN 202310951292 A CN202310951292 A CN 202310951292A CN 117151681 A CN117151681 A CN 117151681A
- Authority
- CN
- China
- Prior art keywords
- equipment
- early warning
- performance
- data
- ship lock
- 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 62
- 230000008569 process Effects 0.000 claims abstract description 33
- 238000004458 analytical method Methods 0.000 claims abstract description 20
- 238000004364 calculation method Methods 0.000 claims abstract description 19
- 230000008859 change Effects 0.000 claims abstract description 14
- 238000007689 inspection Methods 0.000 claims description 75
- 238000012423 maintenance Methods 0.000 claims description 31
- 238000012549 training Methods 0.000 claims description 22
- 238000012544 monitoring process Methods 0.000 claims description 15
- 230000007547 defect Effects 0.000 claims description 14
- 238000013461 design Methods 0.000 claims description 12
- 238000007667 floating Methods 0.000 claims description 11
- 230000010485 coping Effects 0.000 claims description 7
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 238000011156 evaluation Methods 0.000 claims description 6
- 238000002955 isolation Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 6
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 6
- 230000000694 effects Effects 0.000 claims description 5
- 230000007423 decrease Effects 0.000 claims description 4
- 238000001514 detection method Methods 0.000 claims description 4
- 241001481833 Coryphaena hippurus Species 0.000 claims description 3
- 230000032683 aging Effects 0.000 claims description 3
- 238000004378 air conditioning Methods 0.000 claims description 3
- 230000015556 catabolic process Effects 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims description 3
- 238000006731 degradation reaction Methods 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 238000005461 lubrication Methods 0.000 claims description 3
- 230000035772 mutation Effects 0.000 claims description 3
- 230000036438 mutation frequency Effects 0.000 claims description 3
- 230000001681 protective effect Effects 0.000 claims description 3
- 238000007670 refining Methods 0.000 claims description 3
- 239000010865 sewage Substances 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 238000011144 upstream manufacturing Methods 0.000 claims description 3
- 238000009412 basement excavation Methods 0.000 claims description 2
- 238000007781 pre-processing Methods 0.000 claims description 2
- 238000011002 quantification Methods 0.000 claims 1
- 230000001105 regulatory effect Effects 0.000 claims 1
- 238000007726 management method Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 3
- 238000013480 data collection Methods 0.000 description 2
- 230000003111 delayed effect Effects 0.000 description 2
- 239000007788 liquid Substances 0.000 description 2
- 238000013139 quantization Methods 0.000 description 2
- 230000008439 repair process Effects 0.000 description 2
- 239000013589 supplement Substances 0.000 description 2
- 230000001502 supplementing effect Effects 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000001447 compensatory effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A10/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE at coastal zones; at river basins
- Y02A10/30—Flood prevention; Flood or storm water management, e.g. using flood barriers
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Strategic Management (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Economics (AREA)
- Operations Research (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Alarm Systems (AREA)
Abstract
一种连续多级船闸运行设备性能预警与智能检修方法，通过船闸运行过程信息的数字化累积大量船闸设备运行过程各种实时数据，以标准化船闸运行控制过程数据计算得到运行设备性能阈值为基础参考，通过预设的性能趋势分析规则，挖掘分析运行设备历史性能数据，从性能变化的趋势中找出设备隐患，对可能发生的设备故障提出预警，并根据预警算法计算出性能预警指标，本发明能实现多级船闸运行过程信息数字化和运行设备的智能化管理，将连续多级船闸运行设备的性能预警规则量化，使得设备巡检维修和备件储备决策过程更智能、更科学合理，推动了连续多级船闸运行管理过程一体化管控进程。
Description
技术领域
本发明涉及船舶过闸控制技术领域，具体涉及一种连续多级船闸运行设备性能预警与智能检修方法。
背景技术
船闸作为实现水利枢纽船舶过闸的水运通道，其***组成部件繁多、设备形式多样、综合性高、技术性强等特点使得船闸的运行维护管理特别是设备维护保养以及设备定检巡检和轮修等维修决策制定更加复杂困难。特别是对于连续多级船闸，其多个闸首船闸设备设施繁杂而相似，但由于各级闸室间水位差及工作状况的不同，船闸各闸首设备运行参数不尽相同，但设备运行过程相似，设备性能趋势分析和故障定位成为其运行维护管理的关键。
目前，国内外针对船闸设备的维修策略研究和运行维护周期的制定主要是基于其经济性与可靠性，从经济寿命和风险等角度考虑船闸设备性能等级评价、维护周期制定和维修决策的形成，使船闸设备性能的自动化采集、数据的信息化处理越来越重要，随着沿江经济社会的发展，船舶过闸航运需求在不断扩大，对船闸通过能力的考验也越来越大，由此,对船闸运行维护管理的安全、高效提出了更高的要求。长期以来船闸设备运行维护基本上都依赖于对已经发生的设备故障进行弥补性的处理，或者周期计划的停航检修和轮修，均是基于结果的周期性评价和基于故障的被动调整养护，为了改变一直以来被动和延后进行检修管理的模式，需要研究一种适用于连续多级船闸设备设施性能趋势及故障预警分析和智能检修的管理方法，利用对设备性能的采集与分析，掌控性能变化趋势，对可能发生的故障进行预警，就能够在故障发生前合理化安排具有主动性和针对性的检修工作，制定科学的备件储备策略，从而提前消除隐患，预防故障的发生。
发明内容
本发明的目的是为了解决现有技术中多级船闸运行管理和维护过程对已经发生的故障进行检修，使检修工作始终处于被动和延后的状态，无法在故障发生前进行预防，并且故障排查的针对性和精确性不突出的不足，而提供的一种可实现对连续多级船闸运行设备性能进行预警和评价的方法。
为了解决上述技术问题，本发明采用的技术方案为：
步骤1：通过船闸设备运行历史性能数据的广泛采集，得到大量的船闸设备性能数据，包括：船闸控制***运行数据、船闸设施状态转换过程数据、船闸水位转换过程数据和运行空间数据，基于历史数据构建训练模型，通过挖掘分析船闸运行设备性能趋势，以标准化船闸运行控制过程设备运行数据进行模型训练，计算运行设备性能阈值，并提炼船闸设备运行标准数据；
步骤2：通过预设的性能趋势分析规则、性能趋势计算公式及阈值设定的规则、性能与设定故障级别对应关系，从运行设备性能变化的趋势中找出设备隐患，对可能发生的设备故障提出预警，并根据预警算法计算设备性能预警指标及设备运转效率评价因子；
步骤3：根据性能预警规则，若发现数据突变及其突变频率超出预定裕度，判断性能预警并判定预警等级，进行相应等级的预警提示和应对策略。
进一步的，所述船闸运行过程历史数据主要包含船闸控制***运行数据、船闸设施状态转换过程数据、船闸水位转换过程数据和运行空间数据，其中船闸控制***所采集的数据主要是PLC***中船闸运行状态信号。依据船闸设备设施运行历史数据的采集，分类进行相同但不共享参数的训练模型构建，基于历史数据构建训练集P，Px是训练集P中的第x个样本，/> 是样本Px在t时刻的采集的设备性能指标，T为时间序列长度，/>为第l闸首船闸设备运行数据序列。对训练集中样本预处理并利用聚类算法进行训练。
进一步的，船闸PLC控制***中船闸运行状态信号按照数据类型划分主要包含数字量信号、模拟量信号、字符型、时间型和浮点型数据，按照船闸设备运行周期获取设备运行数据及报警信息，根据每条所述报警信息获得能够表征故障是否发生的多条数据格式的报警数据。创建报警记录，根据所述报警数据的采集时间，按照时间先后顺序，记录每条所述报警数据，获得所述报警记录，判断报警类型相同的多条报警数据中，是否存在采集时间相邻，且数值相同的两条报警数据，若报警类型相同的多条报警数据中，存在采集时间相邻，且数值相同的两条报警数据，则将该记录累计，以累计次数作为判断设备性能的基本依据，通过采集时间在后的报警数据，对采集时间在先的报警数据进行覆盖，获得剩余数据；按照采集时间的先后顺序，对报警类型相同的多条所述剩余数据进行记录，获得报警子记录，根据多条所述报警数据与多个采集时间的对应关系，从所述报警记录中提取该报警点对应的设备信息。
进一步的，在步骤1中，具体包括以下步骤：
步骤1-1：按照船闸设备运行周期获取设备运行数据及报警信息，根据每条所述报警信息获得能够表征故障是否发生的多条数据格式的报警数据；
步骤1-2：创建报警记录，根据所述报警数据的采集时间，按照时间先后顺序，记录每条所述报警数据，对设备运行数据进行K簇分类，输出重构的标准数据序列；
步骤1-3：获得所述报警记录，判断报警类型相同的多条报警数据中，是否存在采集时间相邻，且数值相同的两条报警数据，若报警类型相同的多条报警数据中，存在采集时间相邻，且数值相同的两条报警数据，则将该记录累计，以累计次数作为判断设备性能的基本依据，通过采集时间在后的报警数据，对采集时间在先的报警数据进行覆盖，获得剩余数据；
步骤1-4：按照采集时间的先后顺序，对报警类型相同的多条所述剩余数据进行记录，获得报警子记录，根据多条所述报警数据与多个采集时间的对应关系，从所述报警记录中提取该报警点对应的设备信息、设备所处位置信息。
进一步的，步骤1中采集数据按照数据类型划分为数字量信号、模拟量信号、字符型、时间型和浮点型数据，采集方案主要通过在船闸电气控制PLC控制柜扩展远程站，增加数字量和模拟量输出模块，将船闸运行控制***中与电气控制设备监测***相关信号采用无源节点和模拟信号的方式输出至电气控制柜，电气控制柜内配置的PLC控制设备，对监测信号进行信号采集、处理，并传输至采集计算机。新增的数字量输出模块信号将船闸运行信号通过编码直接输出至新增电气控制柜内，经过电气隔离后，接入电气控制设备采集***。每个新增监测采集站由单独一路电源供电，并在电气控制柜内配置一台UPS电源。实现在保证电源可靠性前提下对原PLC控制***输出信号的隔离采集；
由采集方案得到的设备运行数据经过拟合并与设计初标准化船闸运行控制过程设备运行数据对比，得到设备性能阈值，由此提炼船闸设备运行标准数据。
进一步的，在步骤2中，根据采集***采集的设备运行实时数据，输入训练模型得到重构输出序列检测数据，模型计算设备性能预警指标S，所建立的船闸设备性能预警指标是通过对性能越限率、性能重要性以及设备重要性的综合计算得到，此指标作为预警分级的量化标准。设性能预警指标为S、性能越限率为Ti、性能重要性为N、设备重要性为K1、调整系数为K2，计算公式如下：
S＝(1+Ti)*N*K1*K2
式中Ti根据性能阈值和实际值的偏差计算得到：Ti＝t1/t2*100％。其中K2为人为设定的参数，主要依据历史经验或历史数据分析、专家***评价分析。在预警计算的过程中，对于闸阀门开关终位置信号、闸门合拢信号、上下游控制设备及工艺故障报警信号、船闸运行控制指令信号重要的指标数据、反复出现的故障信号给予较高的预警值，进行精确定位，加大设备巡检和运行关注度(监视力度)。而随着实际情况的动态变化，可以灵活升降指标的预警等级，主要通过K2进行调整。设备重要性K1根据连续多级船闸运行设备分类法取不同的值，主要分类方法如下：
(1)将对船闸通航产生停航影响的主机设备划分为A类设备，包括闸阀门、闸阀门启闭机、电气控制***、变配电***、图像监控***、消防报警***、浮式检修门；
(2)将对船闸通航产生碍航影响的运行设备划分为B类设备，包括照明***、广播***、防撞警戒装置、门禁***、浮式系船柱、排水***、事故检修门、空调***；
(3)将对船闸通航不产生停航或碍航影响的运行设备划分为C类设备，包括油液过滤设备、电动润滑设备、污水处理设备、电子巡检***、诊断分析仪、校验仪器、办公设备。通过以上算法求得性能预警指标S，并对不同的预警指标给出相应的预警值。设定预警值范围为0-1的闭区间，数值的大小反映预警的严重程度，并作为量化评价船闸设备性能的依据。
进一步的，在步骤3中，所述船闸设备性能预警规则为：设定预警值范围为0-1的闭区间，数值的大小反映预警的严重程度，0表示故障不可能发生，1表示故障必然发生。根据船闸设备性能预警分级，反过来对不同级别的性能预警应采取不同的巡检和设备检修策略，并进行细化分析，通过智能运行平台生成不同规则的运行控制方式以及设备定检巡检和检修计划，针对“故障”、“缺陷”、“隐患”及“问题”预警，分别定义相应的设备运行控制方式以及定检巡检和检修计划，具体包括以下步骤：
步骤3-1：对于0-0.35之间的预警值，认为设备性能趋势呈现不明显下降趋势，将其级别划分为“问题”，通常是设备性能趋势呈不明显下降或不稳定的情况，暂时不会对船闸运行造成负面影响，但又无法确定问题所在；
步骤3-2：对于0.35-0.55之间的预警值，认为严重程度较低，将其级别划分为“隐患”，通常是设备存在劣化、老化等原因导致的性能降低，且趋势明显，如长期不做处理，会导致设备运行效率降低甚至中断运行；
步骤3-3：对于0.55-0.75之间的预警值，可认为设备存在发生故障的中低危风险，将其级别划分为“缺陷”，如果不做处理，可能影响船闸设备运行效率但不至于造成重大事故。对于此类预警，生成相应的定检巡检及检修计划；
步骤3-4：对于0.75-1之间的预警值，可认为设备存在高危风险或即将发生故障，将其级别划分为“故障”，应立即采取相关措施以解决故障。对于此类预警，生成定检巡检及检修计划进行应对。
在步骤3-1中，所述设备运行控制方式以及定检巡检和检修计划包括：调整巡检周期。故障出现时，***作报警提示，同时让正在运行的***进入保护性运行状态，只完成本次运行。运行结束后故障必须排除，否则***不允许下次运行。
在步骤3-2中，所述设备运行控制方式以及定检巡检和检修计划包括：调整巡检周期、增加辅助性能值的采集。故障出现时，***给出报警提示。同时与故障有关的***部分停止运行，需将故障排除后，该部分才可正常运行。
在步骤3-3中，所述设备运行控制方式以及定检巡检和检修计划包括：调整巡检周期、增加检修计划、增加辅助性能值采集，以便更精确定位和实时跟踪性能变化情况。故障出现时，***给出报警提示。同时正在运行的***设备停止运行，如闸阀门A类设备处于中间位，则***紧急关闭闸阀等关键设备后停止运行，需将故障排除后***方可正常运行。
在步骤3-4中，所述设备运行控制方式以及定检巡检和检修计划包括：加大故障设备关注度，调整巡检周期、增加检修计划、增加辅助性能值的采集。故障出现时，***作报警提示，同时全***进入禁止运行。如果***设备正在运行则进入紧急操作状态，同时集中控制***运行程序步骤中止并清除。
进一步的，在步骤三中，所述应对策略还包括：针对“故障”、“缺陷”、“隐患”及“问题”预警，分别制定对应的设备备件储备策略，具体如下。
(1)对于“故障”级别的设备性能预警，其运行控制方式对船闸通航影响极大，其备件储备量根据备件的工况、装机量及使用寿命分析确定。不允许缺货，采取定量存储策略，即库存中必须具有一定的储备量，一旦备件消耗掉后应立即订购补货直至其库存的储备量。
(2)对于“缺陷”级别的设备性能预警，其运行控制方式对船闸通航影响较大，根据装机量、损耗程度、平均使用寿命确定最大库存与最小库存，按照最大库存进行储备，库存采取保证最小库存，补货到最大库存的策略。采取定量存储策略，即每隔12个月时间订一次货作为存储的补充，补充到最大库存量，最高储备定额Qmax＝M×T×K，最低储备定额Qmin＝M×Td×K，其中M为备件月平均消耗量，M＝m/MT，m为设备备件装机数量，MT为备件的平均使用寿命，结合设备设计使用寿命和性能预警值确定；T为采购周期，Td是供货周期，K为备件的储备系数。
(3)对于“隐患”级别的设备性能预警，其运行控制方式不会直接对通航造成影响，采取定期定量存储策略，即库存中必须具有一定的储备量，储备量计算公式：Qconst＝M×T×K，其中M为备件月平均消耗量，M＝m/MT，m为设备备件装机数量，MT为备件的平均使用寿命，结合设备设计使用寿命和性能预警值确定；T为采购周期，K为备件的储备系数。
(4)对于“问题”级别的设备性能预警，其运行控制方式不会直接对通航造成影响，采取定期定量存储策略，即库存中具有一定的储备量，储备量计算公式：Qconst＝M×T×K，其中M为备件月平均消耗量，M＝m/MT，m为设备备件装机数量，MT为备件的平均使用寿命，结合设备设计使用寿命和性能预警值确定；T为采购周期，K为备件的储备系数。
与现有技术相比，本发明具有如下技术效果：
1)本发明通过对连续多级船闸运行设备历史数据和报警信息的广泛采集，得到了与连续多级船闸运行过程相适应的控制***数据采集方案和设备性能评判依据，使船闸运行过程数字化为特定数据格式的信息，为全面掌握设备性能状况奠定基础；
2)在对连续多级船闸运行设备数据和故障信息采集、处理的基础上，从运行设备性能变化的趋势中找出设备隐患，对可能发生的设备故障提出预警，并根据预警算法计算设备性能预警指标，实现了连续多级船闸运行设备的智能化管理；
3)将连续多级船闸运行设备的性能预警规则量化，使得设备巡检维修决策过程更智能、更科学合理，推动了连续多级船闸运行管理过程一体化管控进程。
附图说明
下面结合附图和实施例对本发明作进一步说明：
图1为本发明连续多级船闸运行过程数据采集方案示意图；
图2为本发明的连续多级船闸设备运行数据和故障信息处理流程图；
图3为本发明的连续多级船闸运行过程设备性能预警分析流程图；
图4为本发明的实施例中船闸运行设备过程数据采集流程示意图。
图5为本发明的具体实施例中采集***结构示意图。
具体实施方式
一种连续多级船闸运行设备性能预警与智能检修方法，包括以下步骤：
步骤一：通过船闸设备运行历史性能数据的广泛采集，得到大量的船闸设备性能数据，基于历史数据构建训练模型，通过挖掘分析运行设备性能趋势，以标准化船闸运行控制过程设备运行数据进行模型训练，计算运行设备性能阈值，并提炼设备运行标准数据；
其中，船闸运行过程历史数据主要包含船闸控制***运行数据、船闸设施状态转换过程数据、船闸水位转换过程数据和运行空间数据，其中船闸控制***所采集的数据主要是PLC***中船闸运行状态信号。基于历史数据构建训练集P，Px是训练集P中的第x个样本，/> 是样本Px在t时刻的采集的设备性能指标，T为时间序列长度，/>为第l闸首船闸设备运行数据序列。
所述船闸控制***中船闸运行状态信号按照数据类型划分主要包含数字量信号、模拟量信号、字符型、时间型和浮点型数据，按照船闸设备运行周期获取设备运行数据及报警信息，根据每条所述报警信息获得能够表征故障是否发生的多条数据格式的报警数据。创建报警记录，根据所述报警数据的采集时间，按照时间先后顺序，记录每条所述报警数据，获得所述报警记录，判断报警类型相同的多条报警数据中，是否存在采集时间相邻，且数值相同的两条报警数据，若报警类型相同的多条报警数据中，存在采集时间相邻，且数值相同的两条报警数据，则将该记录累计，以累计次数作为判断设备性能的基本依据，通过采集时间在后的报警数据，对采集时间在先的报警数据进行覆盖，获得剩余数据；按照采集时间的先后顺序，对报警类型相同的多条所述剩余数据进行记录，获得报警子记录。根据多条所述报警数据与多个采集时间的对应关系，从所述报警记录中提取该报警点对应的设备信息。
具体采集方案主要通过在船闸电气控制PLC控制柜扩展远程站，增加数字量和模拟量输出模块，将船闸运行控制***中与电气控制设备监测***相关信号采用无源节点和模拟信号的方式输出至电气控制柜，电气控制柜内配置的PLC控制设备，对监测信号进行信号采集、处理，并传输至采集计算机。在现有船闸控制***现地子站PLC控制柜内增加数字量输出模块，在多级船闸每个现地机房控制室正下方增加一个电气控制柜，电气控制柜内配置电源保护开关，信号采集单元(包括：PLC主CPU、机架、电源模块、数字量输入模块)，网络交换机等。新增的数字量输出模块信号将船闸运行信号通过编码直接输出至新增电气控制柜内，经过电气隔离后，接入电气控制设备采集***。每个新增监测采集站由单独一路电源供电，并在电气控制柜内配置一台UPS电源。实现在保证电源可靠性前提下对原PLC控制***输出信号的隔离采集。
由采集方案得到的设备运行数据经过拟合并与设计初标准化船闸运行控制过程设备运行数据对比，得到设备性能阈值，由此提炼船闸设备运行标准数据。
如图5所示，船闸运行***中各传感检测的浮点型数据的采集***主要通过通信模块、数据采集模块、业务展示接口模块、数据库接口模块四部分组成。其中通信模块，主要负责接收传感器或智能终端上传的数据帧和数据中心向智能终端下发控制命令数据帧和配置命令数据帧，主要利用Socket通信技术保证数据的可靠传输。业务展示接口模块主要提供一些业务调用接口，它与Web服务器相连接，在人机界面上把数据处理模块处理后的结果进行直观清楚地显示，并为用户提供业务数据查询功能。同时该模块接收用户下发的控制命令或配置命令并将相关命令封装成协议规定的数据帧通过通信模块下发给传感器或智能设备。数据库接口模块主要负责数据库的读写操作。数据采集模块是该采集***的核心，协议的识别与解析是该模块的主要功能。它主要负责“翻译”通信协议，对由设备主动上传的数据帧或是针对下发命令响应的数据帧进行解析，并将解析结果存入数据库或者经由业务展示接口模块在人机界面上展示数据。
步骤二：通过预设的性能趋势分析规则、性能趋势计算公式及阈值设定的规则、性能与设定故障级别对应关系的规则，从运行设备性能变化的趋势中找出设备隐患，对可能发生的设备故障提出预警，并根据预警算法计算设备性能预警指标及设备运转效率评价因子；
所建立的船闸设备性能预警指标是通过对性能越限率、性能重要性以及设备重要性的综合计算得到，此指标作为预警分级的量化标准。设性能预警指标为S、性能越限率为Ti、性能重要性为N、设备重要性为K1、调整系数为K2，计算公式如下：
S＝(1+Ti)*N*K1*K2
式中Ti根据性能阈值和实际值的偏差计算得到：Ti＝t1/t2*100％。其中K2为人为设定的参数，主要依据历史经验或历史数据分析、专家***评价分析。在预警计算的过程中，对于闸阀门开关终位置信号、闸门合拢信号、上下游控制设备及工艺故障报警信号、船闸运行控制指令信号重要的指标数据、反复出现的故障信号给予较高的预警值，进行精确定位，加大设备巡检和运行关注度(监视力度)。而随着实际情况的动态变化，可以灵活升降指标的预警等级，主要通过K2进行调整。设备重要性K1根据连续多级船闸运行设备分类法取不同的值，将对船闸通航产生停航影响的主机设备划分为A类设备，包括闸阀门、闸阀门启闭机、电气控制***、变配电***、图像监控***、消防报警***、浮式检修门；将对船闸通航产生碍航影响的运行设备划分为B类设备，包括照明***、广播***、防撞装置、门禁***、浮式系船柱、排水***、事故检修门、空调***；将对船闸通航不产生停航或碍航影响的运行设备划分为C类设备，包括油液过滤设备、电动润滑设备、污水处理设备、电子巡检***、诊断分析仪、校验仪器、办公设备。随着实际情况的动态变化，可以灵活升降指标的预警等级，主要通过K2进行调整。
通过以上算法求得性能预警指标S，并对不同的预警指标给出相应的预警值。设定预警值范围为0-1的闭区间，数值的大小反映预警的严重程度，并作为量化评价船闸设备性能的依据。
步骤三：再根据性能预警规则，若发现数据突变及其突变频率超出预定裕度，判断性能预警并判定预警等级，进行相应等级的预警提示和应对策略。
所述船闸设备性能预警规则为：设定预警值范围为0-1的闭区间，数值的大小反映预警的严重程度，0表示故障不可能发生，1表示故障必然发生。对于0-0.35之间的预警值，认为设备性能趋势呈现不明显下降趋势，将其级别划分为“问题”；对于0.35-0.55之间的预警值，认为严重程度较低，将其级别划分为“隐患”；对于0.55-0.75之间的预警值，可认为设备存在发生故障的中低危风险，将其级别划分为“缺陷”；对于0.75-1之间的预警值，可认为设备存在高危风险或即将发生故障，将其级别划分为“故障”。根据船闸设备性能预警分级，反过来对不同级别的性能预警应采取不同的巡检和设备检修策略，并进行细化分析，通过智能运行平台生成不同规则的运行控制方式以及设备定检巡检和检修计划，针对“故障”、“缺陷”、“隐患”及“问题”预警，分别定义规则1到规则4的设备运行控制方式以及定检巡检和检修计划，具体划分如下。
(1)符合规则1的设备运行控制方式以及定检巡检和检修计划：对于分析结果为“故障”的预警，通常意味着存在很大隐患，应立即采取相关措施以解决故障。对于此类预警，生成符合规则1的定检巡检及检修计划进行应对，包括：加大故障设备关注度，调整巡检周期、增加检修计划、增加辅助性能值的采集等。故障出现时，***作报警提示，同时全***进入禁止运行。如果***设备正在运行则进入紧急操作状态，同时集中控制***运行程序步骤中止并清除。
(2)符合规则2的设备运行控制方式以及定检巡检和检修计划：对于分析结果为“缺陷”的预警，即已发现设备确实存在的问题，如果不做处理，可能影响船闸设备运行效率但不至于造成重大事故。对于此类预警，生成符合规则2的定检巡检及检修计划，包括：调整巡检周期、增加检修计划、增加辅助性能值采集等，以便更精确定位和实时跟踪性能变化情况。故障出现时，***给出报警提示。同时正在运行的***设备停止运行，如闸阀门等关键设备处于中间位，则***紧急关闭闸阀等关键设备后停止运行，需将故障排除后***方可正常运行。
(3)符合规则3的设备运行控制方式以及定检巡检和检修计划：对于分析结果为“隐患”的预警，通常是设备存在劣化、老化等原因导致的性能降低，且趋势明显，如长期不做处理，会导致设备运行效率降低甚至中断运行。对于此类预警，生成符合规则3的定检巡检及检修计划，包括：调整巡检周期、增加辅助性能值的采集等。故障出现时，***给出报警提示。同时与故障有关的***部分停止运行，需将故障排除后，该部分才可正常运行。
(4)符合规则4的设备运行控制方式以及定检巡检和检修计划：对于分析结果为“问题”的预警，通常是设备性能趋势呈不明显下降或不稳定的情况，暂时不会对船闸运行造成负面影响，但又无法确定问题所在。对于此类预警，应生成符合规则4的定检巡检及检修计划，包括：调整巡检周期等。故障出现时，***作报警提示，同时让正在运行的***进入保护性运行状态，只完成本次运行。运行结束后故障必须排除，否则***不允许下次运行。
依据船闸设备设施运行历史数据的采集，分类进行相同但不共享参数的训练模型构建，对训练集中样本预处理并利用聚类算法进行训练，对数据进行K簇分类，输出重构的标准数据序列，根据采集***采集的设备运行实时数据，输入训练模型得到重构输出序列检测数据，模型计算设备性能预警指标S，并结合不同的预警指标给出相应的预警值判断设备性能预警等级，生成不同的巡检和设备检修策略。
所述应对策略还包括：针对“故障”、“缺陷”、“隐患”及“问题”预警，分别制定对应的设备备件储备策略，具体如下。
(1)对于“故障”级别的设备性能预警，其运行控制方式对船闸通航影响极大，其备件储备量根据备件的工况、装机量及使用寿命分析确定。不允许缺货，采取定量存储策略，即库存中必须具有一定的储备量，一旦备件消耗掉后应立即订购补货直至其库存的储备量。
(2)对于“缺陷”级别的设备性能预警，其运行控制方式对船闸通航影响较大，根据装机量、损耗程度、平均使用寿命确定最大库存与最小库存，按照最大库存进行储备，库存采取保证最小库存，补货到最大库存的策略。采取定量存储策略，即每隔12个月时间订一次货作为存储的补充，补充到最大库存量，最高储备定额Qmax＝M×T×K，最低储备定额Qmin＝M×Td×K，其中M为备件月平均消耗量，M＝m/MT，m为设备备件装机数量，MT为备件的平均使用寿命，结合设备设计使用寿命和性能预警值确定；T为采购周期，Td是供货周期，K为备件的储备系数。
(3)对于“隐患”级别的设备性能预警，其运行控制方式不会直接对通航造成影响，采取定期定量存储策略，即库存中必须具有一定的储备量，储备量计算公式：Qconst＝M×T×K，其中M为备件月平均消耗量，M＝m/MT，m为设备备件装机数量，MT为备件的平均使用寿命，结合设备设计使用寿命和性能预警值确定；T为采购周期，K为备件的储备系数。
(4)对于“问题”级别的设备性能预警，其运行控制方式不会直接对通航造成影响，采取定期定量存储策略，即库存中具有一定的储备量，储备量计算公式：Qconst＝M×T×K，其中M为备件月平均消耗量，M＝m/MT，m为设备备件装机数量，MT为备件的平均使用寿命，结合设备设计使用寿命和性能预警值确定；T为采购周期，K为备件的储备系数。
Claims (7)
1.一种连续多级船闸运行设备性能预警与智能检修方法，其特征在于，它包括以下步骤：
步骤1：通过船闸设备运行历史性能数据的广泛采集，得到大量的船闸设备性能数据，基于历史数据构建训练模型，通过挖掘分析运行设备性能趋势，以标准化船闸运行控制过程设备运行数据进行模型训练，计算运行设备性能阈值，并提炼船闸设备运行标准数据；
步骤2：通过预设的性能趋势分析规则、性能趋势计算公式及阈值设定的规则、性能与设定故障级别对应关系的规则，从运行设备性能变化的趋势中找出设备隐患，对可能发生的设备故障提出预警，并根据预警算法计算设备性能预警指标及设备运转效率评价因子；
步骤3：根据性能预警规则，若发现数据突变及其突变频率超出预定裕度，判断性能预警并判定预警等级，进行相应等级的预警提示和应对策略。
2.根据权利要求1所述的方法，其特征在于，在步骤1中，船闸运行过程历史数据主要包含船闸控制***运行数据、船闸设施状态转换过程数据、船闸水位转换过程数据和运行空间数据，其中船闸控制***所采集的数据主要是PLC***中船闸运行状态信号，依据船闸设备设施运行历史数据的采集，分类进行相同但不共享参数的训练模型构建，基于历史数据构建训练集P，Px是训练集P中的第x个样本，/> 是样本Px在t时刻的采集的设备性能指标，T为时间序列长度，/>为第l闸首船闸设备运行数据序列，对训练集中样本预处理并利用聚类算法进行训练。
3.根据权利要求1所述的方法，其特征在于，在步骤1中，具体包括以下步骤：
步骤1-1：按照船闸设备运行周期获取设备运行数据及报警信息，根据每条所述报警信息获得能够表征故障是否发生的多条数据格式的报警数据；
步骤1-2：创建报警记录，根据所述报警数据的采集时间，按照时间先后顺序，记录每条所述报警数据，对设备运行数据进行K簇分类，输出重构的标准数据序列；
步骤1-3：获得所述报警记录，判断报警类型相同的多条报警数据中，是否存在采集时间相邻，且数值相同的两条报警数据，若报警类型相同的多条报警数据中，存在采集时间相邻，且数值相同的两条报警数据，则将该记录累计，以累计次数作为判断设备性能的基本依据，通过采集时间在后的报警数据，对采集时间在先的报警数据进行覆盖，获得剩余数据；
步骤1-4：按照采集时间的先后顺序，对报警类型相同的多条所述剩余数据进行记录，获得报警子记录，根据多条所述报警数据与多个采集时间的对应关系，从所述报警记录中提取该报警点对应的设备信息、设备所处位置信息。
4.根据权利要求1所述的方法，其特征在于，步骤1中采集数据按照数据类型划分为数字量信号、模拟量信号、字符型、时间型和浮点型数据，采集方案主要通过在船闸电气控制PLC控制柜扩展远程站，增加数字量和模拟量输出模块，将船闸运行控制***中与电气控制设备监测***相关信号采用无源节点和模拟信号的方式输出至电气控制柜，电气控制柜内配置的PLC控制设备，对监测信号进行信号采集、处理，并传输至采集计算机，新增的数字量输出模块信号将船闸运行信号通过编码直接输出至新增电气控制柜内，经过电气隔离后，接入电气控制设备采集***，每个新增监测采集站由单独一路电源供电，并在电气控制柜内配置一台UPS电源，实现在保证电源可靠性前提下对原PLC控制***输出信号的隔离采集；
由采集方案得到的设备运行数据经过拟合并与设计初标准化船闸运行控制过程设备运行数据对比，得到设备性能阈值，由此提炼船闸设备运行标准数据。
5.根据权利要求1所述的方法，其特征在于，在步骤2中，根据采集***采集的设备运行实时数据，输入训练模型得到重构输出序列检测数据，模型计算设备性能预警指标S，所建立的船闸设备性能预警指标是通过对性能越限率、性能重要性以及设备重要性的综合计算得到，此指标作为预警分级的量化标准，设性能预警指标为S、性能越限率为Ti、性能重要性为N、设备重要性为K1、调整系数为K2，计算公式如下：
S＝(1+Ti)*N*K1*K2
式中Ti根据性能阈值和实际值的偏差计算得到：Ti＝t1/t2*100％，其中K2为人为设定的参数，主要依据历史经验或历史数据分析、专家***评价分析，在预警计算的过程中，对于闸阀门开关终位置信号、闸门合拢信号、上下游控制设备及工艺故障报警信号、船闸运行控制指令信号重要的指标数据、反复出现的故障信号给予较高的预警值，进行精确定位，加大设备巡检和运行关注度；而随着实际情况的动态变化，可以灵活升降指标的预警等级，主要通过K2进行调整，设备重要性K1根据连续多级船闸运行设备分类法取不同的值，主要分类方法如下：
(1)将对船闸通航产生停航影响的主机设备划分为A类设备，包括闸阀门、闸阀门启闭机、电气控制***、变配电***、图像监控***、消防报警***、浮式检修门；
(2)将对船闸通航产生碍航影响的运行设备划分为B类设备，包括照明***、广播***、防撞警戒装置、门禁***、浮式系船柱、排水***、事故检修门、空调***；
(3)将对船闸通航不产生停航或碍航影响的运行设备划分为C类设备，包括油液过滤设备、电动润滑设备、污水处理设备、电子巡检***、诊断分析仪、校验仪器、办公设备，通过以上算法求得性能预警指标S，并对不同的预警指标给出相应的预警值，设定预警值范围为0-1的闭区间，数值的大小反映预警的严重程度，并作为量化评价船闸设备性能的依据。
6.根据权利要求1所述的方法，其特征在于，在步骤3中，所述船闸设备性能预警规则为：设定预警值范围为0-1的闭区间，数值的大小反映预警的严重程度，0表示故障不可能发生，1表示故障必然发生，根据船闸设备性能预警分级，反过来对不同级别的性能预警应采取不同的巡检和设备检修策略，并进行细化分析，通过智能运行平台生成不同规则的运行控制方式以及设备定检巡检和检修计划，针对“故障”、“缺陷”、“隐患”及“问题”预警，分别定义相应的设备运行控制方式以及定检巡检和检修计划，具体包括以下步骤：
步骤3-1：对于0-0.35之间的预警值，认为设备性能趋势呈现不明显下降趋势，将其级别划分为“问题”，通常是设备性能趋势呈不明显下降或不稳定的情况，暂时不会对船闸运行造成负面影响，但又无法确定问题所在；
步骤3-2：对于0.35-0.55之间的预警值，认为严重程度较低，将其级别划分为“隐患”，通常是设备存在劣化、老化等原因导致的性能降低，且趋势明显，如长期不做处理，会导致设备运行效率降低甚至中断运行；
步骤3-3：对于0.55-0.75之间的预警值，可认为设备存在发生故障的中低危风险，将其级别划分为“缺陷”，如果不做处理，可能影响船闸设备运行效率但不至于造成重大事故，对于此类预警，生成相应的定检巡检及检修计划；
步骤3-4：对于0.75-1之间的预警值，可认为设备存在高危风险或即将发生故障，将其级别划分为“故障”，应立即采取相关措施以解决故障，对于此类预警，生成定检巡检及检修计划进行应对；
在步骤3-1中，所述设备运行控制方式以及定检巡检和检修计划包括：调整巡检周期，故障出现时，***作报警提示，同时让正在运行的***进入保护性运行状态，只完成本次运行，运行结束后故障必须排除，否则***不允许下次运行；
在步骤3-2中，所述设备运行控制方式以及定检巡检和检修计划包括：调整巡检周期、增加辅助性能值的采集，故障出现时，***给出报警提示，同时与故障有关的***部分停止运行，需将故障排除后，该部分才可正常运行；
在步骤3-3中，所述设备运行控制方式以及定检巡检和检修计划包括：调整巡检周期、增加检修计划、增加辅助性能值采集，以便更精确定位和实时跟踪性能变化情况，故障出现时，***给出报警提示，同时正在运行的***设备停止运行，如闸阀门A类设备处于中间位，则***紧急关闭闸阀等关键设备后停止运行，需将故障排除后***方可正常运行；
在步骤3-4中，所述设备运行控制方式以及定检巡检和检修计划包括：加大故障设备关注度，调整巡检周期、增加检修计划、增加辅助性能值的采集，故障出现时，***作报警提示，同时全***进入禁止运行，如果***设备正在运行则进入紧急操作状态，同时集中控制***运行程序步骤中止并清除。
7.根据权利要求1所述的方法，其特征在于，在步骤3中，应对策略还包括：针对“故障”、“缺陷”、“隐患”及“问题”预警，分别制定对应的设备备件储备策略，具体如下：
(1)对于“故障”级别的设备性能预警，其运行控制方式对船闸通航影响极大，其备件储备量根据备件的工况、装机量及使用寿命分析确定，不允许缺货，采取定量存储策略，即库存中必须具有一定的储备量，一旦备件消耗掉后应立即订购补货直至其库存的储备量；
(2)对于“缺陷”级别的设备性能预警，其运行控制方式对船闸通航影响较大，根据装机量、损耗程度、平均使用寿命确定最大库存与最小库存，按照最大库存进行储备，库存采取保证最小库存，补货到最大库存的策略，采取定量存储策略，即每隔12个月时间订一次货作为存储的补充，补充到最大库存量，最高储备定额Qmax＝M×T×K，最低储备定额Qmin＝M×Td×K，其中M为备件月平均消耗量，M＝m/MT，m为设备备件装机数量，MT为备件的平均使用寿命，结合设备设计使用寿命和性能预警值确定；T为采购周期，Td是供货周期，K为备件的储备系数；
(3)对于“隐患”级别的设备性能预警，其运行控制方式不会直接对通航造成影响，采取定期定量存储策略，即库存中必须具有一定的储备量，储备量计算公式：Qconst＝M×T×K，其中M为备件月平均消耗量，M＝m/MT，m为设备备件装机数量，MT为备件的平均使用寿命，结合设备设计使用寿命和性能预警值确定；T为采购周期，K为备件的储备系数；
(4)对于“问题”级别的设备性能预警，其运行控制方式不会直接对通航造成影响，采取定期定量存储策略，即库存中具有一定的储备量，储备量计算公式：Qconst＝M×T×K，其中M为备件月平均消耗量，M＝m/MT，m为设备备件装机数量，MT为备件的平均使用寿命，结合设备设计使用寿命和性能预警值确定；T为采购周期，K为备件的储备系数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310951292.6A CN117151681A (zh) | 2023-07-31 | 2023-07-31 | 一种连续多级船闸运行设备性能预警与智能检修方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310951292.6A CN117151681A (zh) | 2023-07-31 | 2023-07-31 | 一种连续多级船闸运行设备性能预警与智能检修方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117151681A true CN117151681A (zh) | 2023-12-01 |
Family
ID=88897670
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310951292.6A Pending CN117151681A (zh) | 2023-07-31 | 2023-07-31 | 一种连续多级船闸运行设备性能预警与智能检修方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117151681A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118093569A (zh) * | 2024-04-29 | 2024-05-28 | 山东泰开互感器有限公司 | 一种油浸式电力设备监测方法、***、终端及存储介质 |
-
2023
- 2023-07-31 CN CN202310951292.6A patent/CN117151681A/zh active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118093569A (zh) * | 2024-04-29 | 2024-05-28 | 山东泰开互感器有限公司 | 一种油浸式电力设备监测方法、***、终端及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108083044B (zh) | 一种基于大数据分析的电梯按需维保***及方法 | |
| CN107742127B (zh) | 一种改进的防窃电智能预警***及方法 | |
| CN112863134B (zh) | 一种农村污水处理设施运行异常的智能诊断***及方法 | |
| CN106504116B (zh) | 基于电网运行与暂态稳定裕度指标关联的稳定评估方法 | |
| CN108915771B (zh) | 云控矿山综合管理*** | |
| CN106384210B (zh) | 一种基于检修风险收益的输变电设备检修优先级排序方法 | |
| CN104020754B (zh) | 一种变电站一次主设备状态监测信息接入调控***的方法 | |
| CN108614191B (zh) | 一种基于bim模型的配电网及地下电缆故障检测方法 | |
| CN107146004A (zh) | 一种基于数据挖掘的矿渣粉磨***健康状态识别***及方法 | |
| CN114389359A (zh) | 一种基于云边协同的集控式继电保护设备智能运维方法 | |
| CN104391202A (zh) | 基于电量异常分析的异常用电判断方法 | |
| CN117151681A (zh) | 一种连续多级船闸运行设备性能预警与智能检修方法 | |
| CN113036913B (zh) | 一种综合能源设备状态监测方法及装置 | |
| CN111861211A (zh) | 一种具有双层反窃电模型的*** | |
| CN109491339B (zh) | 一种基于大数据的变电站设备运行状态预警*** | |
| CN112948457A (zh) | 客运索道检测监测与健康诊断***、方法、介质、设备 | |
| CN111708817B (zh) | 一种变电站监控信息的智能处置方法 | |
| CN107239835A (zh) | 构建油气地面生产不同工艺流程差异化等级运维的方法与*** | |
| CN116522746A (zh) | 高耗能企业配电托管方法 | |
| CN116070129A (zh) | 一种水电集控事故智能诊断*** | |
| CN112417627A (zh) | 一种基于四维指标体系配电网运行可靠性分析方法 | |
| CN114581046A (zh) | 基于大数据和云计算的数据处理方法及大数据服务平台 | |
| CN111934426B (zh) | 一种基于大数据的电网设备趋势性故障预警*** | |
| CN113346622A (zh) | 一种基于大数据分析的电网运行风险智能告警*** | |
| CN116468243A (zh) | 一种基于监控运行数据的电网趋势预警方法 |
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 |