CN104766138A - 基于工业互联网的火电厂设备性能评估与预警方法及系统 - Google Patents
基于工业互联网的火电厂设备性能评估与预警方法及系统 Download PDFInfo
- Publication number
- CN104766138A CN104766138A CN201510140817.3A CN201510140817A CN104766138A CN 104766138 A CN104766138 A CN 104766138A CN 201510140817 A CN201510140817 A CN 201510140817A CN 104766138 A CN104766138 A CN 104766138A
- Authority
- CN
- China
- Prior art keywords
- equipment
- real
- data
- early warning
- dynamic model
- 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
Landscapes
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明提供一种基于工业互联网的火电厂设备性能评估与预警方法及系统，能够解决设备原始运行数据和设备性能管理之间的鸿沟。所述方法包括：根据设备的历史运行数据生成设备数据模型，并通过设备的实时运行数据对所述设备数据模型进行实时修正，生成设备动态模型；通过所述设备动态模型对设备的实时运行数据进行分析生成预测值，并将所述预测值和现场实测值进行分析比较，评估设备性能；对设备的潜在故障进行预警。所述系统包括：生成动态模型单元，用于生成设备动态模型；性能评估单元，用于评估设备性能；故障预警单元，用于对设备的潜在故障进行预警。本发明适用于通信技术领域。
Description
技术领域
本发明涉及通信技术领域，特别是指一种基于工业互联网的火电厂设备性能评估与预警方法及系统。
背景技术
近年来，随着经济连续高速增长，新一轮电力建设正在如火如荼的进行，同时，随着新建火电厂的集中投运，厂级监控信息系统(Supervisory InformationSystem in plant level，SIS)也正在中国的火电厂迅速普及。通过SIS系统的建设，可以将火电厂的信息系统投入和火电厂的生产管理结合的更加紧密，SIS系统有效地解决了生产控制和生产管理之间的鸿沟。由于SIS系统是面向厂级的应用，随着新建火电厂的投运，SIS系统的运行管理和应用的持续改进将会是决定SIS系统生命力的一个关键，而如何通过管理手段来提高SIS的实际应用价值也是每一个投资SIS火电厂需要重视和考虑的问题。随着SIS的普及，基于SIS数据库的应用也在实践中逐步完善，2005年6月1日起由国家发改委正式颁布实施了《火力发火电厂厂级监控信息系统技术条件》，作为电力行业SIS系统的标准，该标准为未来SIS应用的发展指明了方向。该标准中明确指出：火电厂的工艺设备状态监测和性能评估是SIS系统的一个至关重要的应用。
火电厂厂级或机组级的设备性能管理包括参数级、设备级和系统级的设备在线监测与性能诊断，火电厂设备包括大型风机、小型风机及泵，其中，大型风机包括：引风机、送风机、一次风机，脱硫增压风机等；小型风机包括：密封风机、氧化风机、灭火保护风机、轴抽风机等；泵包括：循环水泵、凝结水泵、给水泵等，由于火电厂存在着大量的旋转设备和非旋转设备，设备或系统对象多为复杂的多变量耦合系统，随着设备运行时间和运行环境的改变，设备的动态性能也在随时发生变化，如何准确了解当前所有设备的运行状态和实际性能也是实现厂级设备状态性能管理的关键。目前，相对封闭单点运行的设备故障监测系统无法实现大规模的厂级设备动态建模，由于没有反应当前设备状态的动态模型，对设备性能的在线评估变得非常困难，实现厂级设备性能管理也变得非常困难。大型火电厂在基础信息化的投入包括先进的分布式控制系统(Distributed Control System，DCS)、SIS的厂级实时/历史运行数据库系统，企业资产管理(Enterprise Asset Management，EAM)系统和信息管理系统(Management Information System，MIS)等等。DCS和SIS数据库中采集保存着大量设备的原始运行数据，而设备预防管理维护和设备性能评估专家系统等设备维护管理系统的需要的是设备的动态性能数据，目前，火电厂的设备数据采集和设备状态性能分析处理之间还缺少一个统一的设备性能管理平台，导致厂级设备的在线性能评估就变得非常困难。
发明内容
有鉴于此，本发明实施例提供基于工业互联网的火电厂设备性能评估与预警方法及系统，能够解决设备原始运行数据和设备性能管理之间的鸿沟，进而大大提高了设备的可靠性和利用率。
为解决上述技术问题，本发明实施例提供一种基于工业互联网的火电厂设备性能评估与预警方法，包括：
根据设备的历史运行数据生成设备数据模型，并通过设备的实时运行数据对所述设备数据模型进行实时修正，生成设备动态模型；
通过所述设备动态模型对设备的实时运行数据进行分析生成预测值，并将所述预测值和现场实测值进行分析比较，评估设备性能；
根据性能评估结果对设备的潜在故障进行预警。
可选地，所述根据设备的历史运行数据生成设备数据模型，并通过设备的实时运行数据对所述设备数据模型进行实时修正，生成设备动态模型包括：
获取设备的历史运行数据，并将所述历史运行数据进行存储；
通过对存储的所述历史运行数据进行分析，生成设备数据模型；
获取设备的实时运行数据，并将所述实时运行数据进行存储；
根据获取的所述实时运行数据对所述设备数据模型实时地进行修正，生成设备动态模型。
可选地，所述获取设备的实时运行数据包括：
当设备运行时，获取设备的每一预设监测点的实时运行数据。
可选地，所述通过所述设备动态模型对设备的实时运行数据进行分析生成预测值，并将所述预测值和现场实测值进行分析比较，评估设备性能包括：
通过所述设备动态模型对获取的每一预设监测点的实时运行数据进行分析，生成针对每一预设监测点的预测值；
获取设备的每一预设监测点的现场实测值；
将所述预测值和与所述预测值对应的所述现场实测值进行比较及统计学分析，评估设备性能。
可选地，所述根据性能评估结果对设备的潜在故障进行预警包括：
根据性能评估结果，结合预设的设备性能的预警约束条件和预警等级分类信息，对设备的潜在故障进行预警，并生成设备性能的潜在故障预警信息，其中，所述潜在故障预警信息包括预警等级类别。
另一方面，本发明实施例还提供一种基于工业互联网的火电厂设备性能评估与预警系统，包括：
生成动态模型单元：用于根据设备的历史运行数据生成设备数据模型，并通过设备的实时运行数据对所述设备数据模型进行实时修正，生成设备动态模型；
性能评估单元：用于通过所述设备动态模型对设备的实时运行数据进行分析生成预测值，并将所述预测值和现场实测值进行分析比较，评估设备性能；
故障预警单元：用于根据性能评估结果对设备的潜在故障进行预警。
可选地，所述生成动态模型单元包括：
历史数据存储模块：用于获取设备的历史运行数据，并将所述历史运行数据进行存储；
生成数据模型模块：用于通过对存储的所述历史运行数据进行分析，生成设备数据模型；
实时数据存储模块：用于获取设备的实时运行数据，并将所述实时运行数据进行存储；
生成动态模型模块：用于根据获取的所述实时运行数据对所述设备数据模型实时地进行修正，生成设备动态模型。
可选地，所述实时数据存储模块包括：
实时数据获取子模块：用于当设备运行时，获取设备的每一预设监测点的实时运行数据。
可选地，所述性能评估单元包括：
实时数据分析模块：用于通过所述设备动态模型对获取的每一预设监测点的实时运行数据进行分析，生成针对每一预设监测点的预测值；
现场实测值获取模块：用于获取设备的每一预设监测点的现场实测值；
性能评估模块：用于将所述预测值和与所述预测值对应的所述现场实测值进行比较及统计学分析，评估设备性能。
可选地，所述故障预警单元：还用于根据性能评估结果，结合预设的设备性能的预警约束条件和预警等级分类信息，对设备的潜在故障进行预警，并生成设备性能的潜在故障预警信息，其中，所述潜在故障预警信息包括预警等级类别。
本发明的上述技术方案的有益效果如下：
上述方案中，通过设备的实时运行数据对利用设备的历史运行数据生成的设备数据模型实时地进行修正，生成设备动态模型，并通过所述设备动态模型对设备的实时运行数据进行分析生成预测值，并将所述预测值和现场实测值进行分析比较，评估设备性能，再根据性能评估结果对设备的潜在故障进行预警。这样，通过基于设备动态模型的设备性能评估方法，并将设备动态模型和预警作业相结合，有效的解决设备原始运行数据和设备性能管理之间的鸿沟，进而大大提高了设备的可靠性和利用率，提高整个火电厂的实际生产效率。
附图说明
图1为本发明实施例提供的基于工业互联网的火电厂设备性能评估与预警方法的流程图；
图2为图1中S102的具体实施方法流程图；
图3为本发明实施例提供的基于工业互联网的火电厂设备性能评估与预警系统的结构示意图；
图4为图3中102的详细结构示意图。
具体实施方式
为使本发明要解决的技术问题、技术方案和优点更加清楚，下面将结合附图及具体实施例进行详细描述。
实施例一
参看图1所示，本发明实施例提供的一种基于工业互联网的火电厂设备性能评估与预警方法，包括：
S101：根据设备的历史运行数据生成设备数据模型，并通过设备的实时运行数据对所述设备数据模型进行实时修正，生成设备动态模型；
S102：通过所述设备动态模型对设备的实时运行数据进行分析生成预测值，并将所述预测值和现场实测值进行分析比较，评估设备性能；
S103：根据性能评估结果对设备的潜在故障进行预警。
本发明实施例所述的基于工业互联网的火电厂设备性能评估与预警方法，通过设备的实时运行数据对利用设备的历史运行数据生成的设备数据模型实时地进行修正，生成设备动态模型，并通过所述设备动态模型对设备的实时运行数据进行分析生成预测值，并将所述预测值和现场实测值进行分析比较，评估设备性能，再根据性能评估结果对设备的潜在故障进行预警。这样，通过基于设备动态模型的设备性能评估方法，并将设备动态模型和预警作业相结合，有效的解决设备原始运行数据和设备性能管理之间的鸿沟，进而大大提高了设备的可靠性和利用率，提高整个火电厂的实际生产效率。
本发明实施例中，火电厂设备包括大型风机、小型风机及泵，其中，大型风机包括：引风机、送风机、一次风机，脱硫增压风机等；小型风机包括：密封风机、氧化风机、灭火保护风机、轴抽风机等；泵包括：循环水泵、凝结水泵、给水泵等。
在前述基于工业互联网的火电厂设备性能评估与预警方法的具体实施方式中，可选地，所述根据设备的历史运行数据生成设备数据模型，并通过设备的实时运行数据对所述设备数据模型进行实时修正，生成设备动态模型包括：
获取设备的历史运行数据，并将所述历史运行数据进行存储；
通过对存储的所述历史运行数据进行分析，生成设备数据模型；
获取设备的实时运行数据，并将所述实时运行数据进行存储；
根据获取的所述实时运行数据对所述设备数据模型实时地进行修正，生成设备动态模型。
本发明实施例中，针对火电厂机组的各个子系统和现场运行的主辅机设备，采用“基于相似性原理的多元建模”技术建立整个火电厂的设备动态模型，建模过程包括：首先获取火电厂设备的历史运行数据，并将所述历史运行数据进行存储，例如，可以将所述历史运行数据存储至数据库中作为火电厂设备原始运行数据，在这些原始运行数据中存在着能够反应火电厂设备运行规律和设备参数之间耦合关系的大量信息，因而，通过对数据库中存储的历史运行数据进行分析处理得到的设备数据模型能够真实的反应火电厂设备的运行规律和设备各参数之间的耦合关系；当要评估某一设备的运行性能时，需获取该设备的实时运行数据，并将所述实时运行数据进行存储，存储的实时运行数据能够作为下一次评估该设备性能的原始运行数据，再根据获取的所述实时运行数据对所述设备数据模型实时地进行修正，生成设备动态模型。
本发明实施例中，由于对历史运行数据进行分析处理创建模型的方法采用的是非参数建模方式，从而，能够避免传统约束参数型静态建模无法精确反应设备实际情况和需要大量专家人工干预的弊端，极大提高了设备动态模型创建的效率和精度。非参数建模方式几乎可以解决所有机械或流程设备的建模，无需传统监测方法中需要新增测量设备才可实现设备的运行性能评估与预警，可大大节约投资。此外，结合火电厂变工况(例如，启停设备)时设备容易出现故障的特点，可采用双模并发(Twing-Modeling)技术，实现单个设备的并发多模运行，即在稳定工况和变工况时实现不同设备模型之间的自由切换。
在前述基于工业互联网的火电厂设备性能评估与预警方法的具体实施方式中，可选地，所述获取设备的实时运行数据包括：
当设备运行时，获取设备的每一预设监测点的实时运行数据。
本发明实施例中，当要评估某一设备的运行性能时，可按照预设的时间间隔获取该设备的每一预设监测点的实时运行数据。
参看图2所示，在前述基于工业互联网的火电厂设备性能评估与预警方法的具体实施方式中，可选地，所述通过所述设备动态模型对设备的实时运行数据进行分析生成预测值，并将所述预测值和现场实测值进行分析比较，评估设备性能(S102)包括：
S1021：通过所述设备动态模型对获取的每一预设监测点的实时运行数据进行分析，生成针对每一预设监测点的预测值；
S1022：获取设备的每一预设监测点的现场实测值；
S1023：将所述预测值和与所述预测值对应的所述现场实测值进行比较及统计学分析，评估设备性能。
本发明实施例中，通过“基于相似性原理的多元建模”原理产生的设备动态模型能够针对设备的每一预设监测点的实时运行数据进行分析，生成针对每一预设监测点的预测值，该预测值不仅仅取决于当前设备的运行状态，也取决于设备监测点之间复杂的耦合关系和设备的历史运行规律，将生成的每一预设监测点的预测值与获取的与该预测值对应的预设监测点的现场实测值进行比较及统计学分析，评估设备运行性能，其中，所述预测值为动态性能预测值，所述现场实测值为现场性能实测值。
在前述基于工业互联网的火电厂设备性能评估与预警方法的具体实施方式中，可选地，所述根据性能评估结果对设备的潜在故障进行预警包括：
根据性能评估结果，结合预设的设备性能的预警约束条件和预警等级分类信息，对设备的潜在故障进行预警，并生成设备性能的潜在故障预警信息，其中，所述潜在故障预警信息包括预警等级类别。
本发明实施例中，根据性能评估结果及预先存储在预警平台中的设备性能的预警约束条件和预警等级分类信息，对设备的潜在故障进行预警，并生成设备性能的潜在故障预警信息。这样，能够提高设备性能潜在故障预警的可靠性和实际可操作性。
本发明实施例中，还可以通过设备性能的潜在故障预警信息分析设备中潜在故障的关联参数，确定潜在引发设备故障的可能原因，根据所述原因生成设备主动检修维护作业计划，实现设备的视情维护，提高设备的可靠性和实际运行效率，将可能发生的设备故障消灭在萌芽中，进而减少非计划停机事故的发生，提高整厂的生产效率。
本发明实施例中，还可以将所有的设备性能的潜在故障预警处理方法录入到火电厂设备性能管理系统中，通过设备性能的潜在故障预警处理方法的不断累积，逐渐形成针对设备性能的动态维护专家知识库；根据所述动态维护专家知识库能够对当前设备性能的潜在故障预警信息进行分析，确定引发设备故障的原因，并生成设备主动检修维护作业计划及相应的处理方法。
实施例二
本发明还提供一种基于工业互联网的火电厂设备性能评估与预警系统的具体实施方式，由于本发明提供的基于工业互联网的火电厂设备性能评估与预警系统与前述基于工业互联网的火电厂设备性能评估与预警方法的具体实施方式相对应，该基于工业互联网的火电厂设备性能评估与预警系统可以通过执行上述方法具体实施方式中的流程步骤来实现本发明的目的，因此上述基于工业互联网的火电厂设备性能评估与预警方法具体实施方式中的解释说明，也适用于本发明提供的基于工业互联网的火电厂设备性能评估与预警系统的具体实施方式，在本发明以下的具体实施方式中将不再赘述。
参看图3所示，本发明实施例还提供一种基于工业互联网的火电厂设备性能评估与预警系统，包括：
生成动态模型单元101：用于根据设备的历史运行数据生成设备数据模型，并通过设备的实时运行数据对所述设备数据模型进行实时修正，生成设备动态模型；
性能评估单元102：用于通过所述设备动态模型对设备的实时运行数据进行分析生成预测值，并将所述预测值和现场实测值进行分析比较，评估设备性能；
故障预警单元103：用于根据性能评估结果对设备的潜在故障进行预警。
本发明实施例所述的，通过设备的实时运行数据对利用设备的历史运行数据生成的设备数据模型实时地进行修正，生成设备动态模型，并通过所述设备动态模型对设备的实时运行数据进行分析生成预测值，并将所述预测值和现场实测值进行分析比较，评估设备性能，再根据性能评估结果对设备的潜在故障进行预警。这样，通过基于设备动态模型的设备性能评估方法，并将设备动态模型和预警作业相结合，有效的解决设备原始运行数据和设备性能管理之间的鸿沟，进而大大提高了设备的可靠性和利用率，提高整个火电厂的实际生产效率。
在前述基于工业互联网的火电厂设备性能评估与预警系统的具体实施方式中，可选地，所述生成动态模型单元包括：
历史数据存储模块：用于获取设备的历史运行数据，并将所述历史运行数据进行存储；
生成数据模型模块：用于通过对存储的所述历史运行数据进行分析，生成设备数据模型；
实时数据存储模块：用于获取设备的实时运行数据，并将所述实时运行数据进行存储；
生成动态模型模块：用于根据获取的所述实时运行数据对所述设备数据模型实时地进行修正，生成设备动态模型。
在前述基于工业互联网的火电厂设备性能评估与预警系统的具体实施方式中，可选地，所述实时数据存储模块包括：
实时数据获取子模块：用于当设备运行时，获取设备的每一预设监测点的实时运行数据。
参看图4所示，在前述基于工业互联网的火电厂设备性能评估与预警系统的具体实施方式中，可选地，所述性能评估单元102包括：
实时数据分析模块1021：用于通过所述设备动态模型对获取的每一预设监测点的实时运行数据进行分析，生成针对每一预设监测点的预测值；
现场实测值获取模块1022：用于获取设备的每一预设监测点的现场实测值；
性能评估模块1023：用于将所述预测值和与所述预测值对应的所述现场实测值进行比较及统计学分析，评估设备性能。
在前述基于工业互联网的火电厂设备性能评估与预警系统的具体实施方式中，可选地，所述故障预警单元：还用于根据性能评估结果，结合预设的设备性能的预警约束条件和预警等级分类信息，对设备的潜在故障进行预警，并生成设备性能的潜在故障预警信息，其中，所述潜在故障预警信息包括预警等级类别。
以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明所述原理的前提下，还可以作出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。
Claims (10)
1.一种基于工业互联网的火电厂设备性能评估与预警方法，其特征在于，包括：
根据设备的历史运行数据生成设备数据模型，并通过设备的实时运行数据对所述设备数据模型进行实时修正，生成设备动态模型；
通过所述设备动态模型对设备的实时运行数据进行分析生成预测值，并将所述预测值和现场实测值进行分析比较，评估设备性能；
根据性能评估结果对设备的潜在故障进行预警。
2.根据权利要求1所述的方法，其特征在于，所述根据设备的历史运行数据生成设备数据模型，并通过设备的实时运行数据对所述设备数据模型进行实时修正，生成设备动态模型包括：
获取设备的历史运行数据，并将所述历史运行数据进行存储；
通过对存储的所述历史运行数据进行分析，生成设备数据模型；
获取设备的实时运行数据，并将所述实时运行数据进行存储；
根据获取的所述实时运行数据对所述设备数据模型实时地进行修正，生成设备动态模型。
3.根据权利要求2所述的方法，其特征在于，所述获取设备的实时运行数据包括：
当设备运行时，获取设备的每一预设监测点的实时运行数据。
4.根据权利要求2所述的方法，其特征在于，所述通过所述设备动态模型对设备的实时运行数据进行分析生成预测值，并将所述预测值和现场实测值进行分析比较，评估设备性能包括：
通过所述设备动态模型对获取的每一预设监测点的实时运行数据进行分析，生成针对每一预设监测点的预测值；
获取设备的每一预设监测点的现场实测值；
将所述预测值和与所述预测值对应的所述现场实测值进行比较及统计学分析，评估设备性能。
5.根据权利要求4所述的方法，其特征在于，所述根据性能评估结果对设备的潜在故障进行预警包括：
根据性能评估结果，结合预设的设备性能的预警约束条件和预警等级分类信息，对设备的潜在故障进行预警，并生成设备性能的潜在故障预警信息，其中，所述潜在故障预警信息包括预警等级类别。
6.一种基于工业互联网的火电厂设备性能评估与预警系统，其特征在于，包括：
生成动态模型单元：用于根据设备的历史运行数据生成设备数据模型，并通过设备的实时运行数据对所述设备数据模型进行实时修正，生成设备动态模型；
性能评估单元：用于通过所述设备动态模型对设备的实时运行数据进行分析生成预测值，并将所述预测值和现场实测值进行分析比较，评估设备性能；
故障预警单元：用于根据性能评估结果对设备的潜在故障进行预警。
7.根据权利要求6所述的系统，其特征在于，所述生成动态模型单元包括：
历史数据存储模块：用于获取设备的历史运行数据，并将所述历史运行数据进行存储；
生成数据模型模块：用于通过对存储的所述历史运行数据进行分析，生成设备数据模型；
实时数据存储模块：用于获取设备的实时运行数据，并将所述实时运行数据进行存储；
生成动态模型模块：用于根据获取的所述实时运行数据对所述设备数据模型实时地进行修正，生成设备动态模型。
8.根据权利要求7所述的系统，其特征在于，所述实时数据存储模块包括：
实时数据获取子模块：用于当设备运行时，获取设备的每一预设监测点的实时运行数据。
9.根据权利要求7所述的系统，其特征在于，所述性能评估单元包括：
实时数据分析模块：用于通过所述设备动态模型对获取的每一预设监测点的实时运行数据进行分析，生成针对每一预设监测点的预测值；
现场实测值获取模块：用于获取设备的每一预设监测点的现场实测值；
性能评估模块：用于将所述预测值和与所述预测值对应的所述现场实测值进行比较及统计学分析，评估设备性能。
10.根据权利要求9所述的系统，其特征在于，所述故障预警单元：还用于根据性能评估结果，结合预设的设备性能的预警约束条件和预警等级分类信息，对设备的潜在故障进行预警，并生成设备性能的潜在故障预警信息，其中，所述潜在故障预警信息包括预警等级类别。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510140817.3A CN104766138A (zh) | 2015-03-27 | 2015-03-27 | 基于工业互联网的火电厂设备性能评估与预警方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510140817.3A CN104766138A (zh) | 2015-03-27 | 2015-03-27 | 基于工业互联网的火电厂设备性能评估与预警方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN104766138A true CN104766138A (zh) | 2015-07-08 |
Family
ID=53647952
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510140817.3A Pending CN104766138A (zh) | 2015-03-27 | 2015-03-27 | 基于工业互联网的火电厂设备性能评估与预警方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN104766138A (zh) |
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105223932A (zh) * | 2015-10-21 | 2016-01-06 | 中广核工程有限公司 | 核电站安全预警方法、系统以及核电站仿真技术平台 |
| CN106408175A (zh) * | 2016-08-31 | 2017-02-15 | 北京飞跃新能科技有限公司 | 一种风电设备健康管理系统及方法 |
| CN106779221A (zh) * | 2016-12-21 | 2017-05-31 | 国网江西省电力公司信息通信分公司 | 面向电力业务的信息应用系统故障趋势信息获取方法 |
| CN107393616A (zh) * | 2017-07-20 | 2017-11-24 | 中广核工程有限公司 | 一种核电厂反应堆透明监测系统及方法 |
| CN107728599A (zh) * | 2017-09-01 | 2018-02-23 | 北京中燕信息技术有限公司 | 一种确定炼化装置阀门状态的方法和装置 |
| WO2018170866A1 (zh) * | 2017-03-24 | 2018-09-27 | 深圳中兴力维技术有限公司 | 数据采集方法和装置 |
| CN112001096A (zh) * | 2020-10-29 | 2020-11-27 | 江苏未来智慧信息科技有限公司 | 一种基于实时仿真的电力生产运行推演方法 |
| CN112632805A (zh) * | 2021-03-15 | 2021-04-09 | 国能大渡河大数据服务有限公司 | 机组跨越振动区分析预警方法、系统、终端及介质 |
| CN112817280A (zh) * | 2020-12-04 | 2021-05-18 | 华能国际电力股份有限公司玉环电厂 | 一种用于火电厂智慧监盘报警系统实现方法 |
| CN113837539A (zh) * | 2021-08-19 | 2021-12-24 | 华能(浙江)能源开发有限公司玉环分公司 | 一种基于工业互联网的燃煤锅炉受热面深度故障预警系统 |
| CN114267178A (zh) * | 2021-12-30 | 2022-04-01 | 佳都科技集团股份有限公司 | 一种车站的智能运营维护方法及装置 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2002364311A (ja) * | 2001-06-08 | 2002-12-18 | Hitachi Ltd | 火力発電プラント動特性解析支援システム |
| CN101758084A (zh) * | 2008-12-26 | 2010-06-30 | 宝山钢铁股份有限公司 | 模型自适应的板形预测控制方法 |
| CN101814743A (zh) * | 2010-01-12 | 2010-08-25 | 福建省电力有限公司福州电业局 | 基于短期风功率预测的风电并网在线安全预警系统 |
| CN103412486A (zh) * | 2013-07-23 | 2013-11-27 | 沈阳化工大学 | 一种聚氯乙烯汽提过程智能控制方法 |
| CN103440768A (zh) * | 2013-09-12 | 2013-12-11 | 重庆大学 | 一种基于动态修正的公交车到达时间实时预测方法 |
| CN103678917A (zh) * | 2013-12-13 | 2014-03-26 | 杭州易和网络有限公司 | 一种基于模拟退火算法的公交实时到站时间预测方法 |
| CN104390657A (zh) * | 2014-11-05 | 2015-03-04 | 浙江大学 | 一种发电机组运行参数测量传感器故障诊断方法及系统 |
| CN104468220A (zh) * | 2014-12-11 | 2015-03-25 | 汤亿则 | 电力通信网预警管控平台 |
-
2015
- 2015-03-27 CN CN201510140817.3A patent/CN104766138A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2002364311A (ja) * | 2001-06-08 | 2002-12-18 | Hitachi Ltd | 火力発電プラント動特性解析支援システム |
| CN101758084A (zh) * | 2008-12-26 | 2010-06-30 | 宝山钢铁股份有限公司 | 模型自适应的板形预测控制方法 |
| CN101814743A (zh) * | 2010-01-12 | 2010-08-25 | 福建省电力有限公司福州电业局 | 基于短期风功率预测的风电并网在线安全预警系统 |
| CN103412486A (zh) * | 2013-07-23 | 2013-11-27 | 沈阳化工大学 | 一种聚氯乙烯汽提过程智能控制方法 |
| CN103440768A (zh) * | 2013-09-12 | 2013-12-11 | 重庆大学 | 一种基于动态修正的公交车到达时间实时预测方法 |
| CN103678917A (zh) * | 2013-12-13 | 2014-03-26 | 杭州易和网络有限公司 | 一种基于模拟退火算法的公交实时到站时间预测方法 |
| CN104390657A (zh) * | 2014-11-05 | 2015-03-04 | 浙江大学 | 一种发电机组运行参数测量传感器故障诊断方法及系统 |
| CN104468220A (zh) * | 2014-12-11 | 2015-03-25 | 汤亿则 | 电力通信网预警管控平台 |
Cited By (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105223932A (zh) * | 2015-10-21 | 2016-01-06 | 中广核工程有限公司 | 核电站安全预警方法、系统以及核电站仿真技术平台 |
| CN105223932B (zh) * | 2015-10-21 | 2019-03-05 | 中广核工程有限公司 | 核电站安全预警方法、系统以及核电站仿真技术平台 |
| CN106408175A (zh) * | 2016-08-31 | 2017-02-15 | 北京飞跃新能科技有限公司 | 一种风电设备健康管理系统及方法 |
| CN106779221A (zh) * | 2016-12-21 | 2017-05-31 | 国网江西省电力公司信息通信分公司 | 面向电力业务的信息应用系统故障趋势信息获取方法 |
| WO2018170866A1 (zh) * | 2017-03-24 | 2018-09-27 | 深圳中兴力维技术有限公司 | 数据采集方法和装置 |
| CN107393616A (zh) * | 2017-07-20 | 2017-11-24 | 中广核工程有限公司 | 一种核电厂反应堆透明监测系统及方法 |
| CN107393616B (zh) * | 2017-07-20 | 2019-09-27 | 中广核工程有限公司 | 一种核电厂反应堆透明监测系统及方法 |
| CN107728599A (zh) * | 2017-09-01 | 2018-02-23 | 北京中燕信息技术有限公司 | 一种确定炼化装置阀门状态的方法和装置 |
| CN112001096A (zh) * | 2020-10-29 | 2020-11-27 | 江苏未来智慧信息科技有限公司 | 一种基于实时仿真的电力生产运行推演方法 |
| CN112001096B (zh) * | 2020-10-29 | 2021-02-09 | 江苏未来智慧信息科技有限公司 | 一种基于实时仿真的电力生产运行推演方法 |
| CN112817280A (zh) * | 2020-12-04 | 2021-05-18 | 华能国际电力股份有限公司玉环电厂 | 一种用于火电厂智慧监盘报警系统实现方法 |
| CN112632805A (zh) * | 2021-03-15 | 2021-04-09 | 国能大渡河大数据服务有限公司 | 机组跨越振动区分析预警方法、系统、终端及介质 |
| CN112632805B (zh) * | 2021-03-15 | 2021-06-01 | 国能大渡河大数据服务有限公司 | 机组跨越振动区分析预警方法、系统、终端及介质 |
| CN113837539A (zh) * | 2021-08-19 | 2021-12-24 | 华能(浙江)能源开发有限公司玉环分公司 | 一种基于工业互联网的燃煤锅炉受热面深度故障预警系统 |
| CN114267178A (zh) * | 2021-12-30 | 2022-04-01 | 佳都科技集团股份有限公司 | 一种车站的智能运营维护方法及装置 |
| CN114267178B (zh) * | 2021-12-30 | 2023-09-26 | 佳都科技集团股份有限公司 | 一种车站的智能运营维护方法及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104766138A (zh) | 基于工业互联网的火电厂设备性能评估与预警方法及系统 | |
| CN104766139A (zh) | 基于工业互联网的火电厂设备故障诊断与检修优化方法及系统 | |
| Reder et al. | Data-driven learning framework for associating weather conditions and wind turbine failures | |
| EP3902992B1 (en) | Scalable system and engine for forecasting wind turbine failure | |
| Garcia Marquez et al. | A comprehensive review of artificial intelligence and wind energy | |
| JP6232066B2 (ja) | プラント制御最適化システム | |
| CN103711645B (zh) | 基于建模参数特征分析的风力发电机组状态评估方法 | |
| Wang et al. | Optimal dynamic imperfect preventive maintenance of wind turbines based on general renewal processes | |
| CN108089078A (zh) | 设备劣化预警方法及系统 | |
| CN104390657A (zh) | 一种发电机组运行参数测量传感器故障诊断方法及系统 | |
| Li et al. | Safety assessment of hydro-generating units using experiments and grey-entropy correlation analysis | |
| CN102270271A (zh) | 基于相似度曲线的设备故障早期预警及优化的方法和系统 | |
| CN104392752A (zh) | 一种实时在线的核反应堆故障诊断与监测系统 | |
| JP2019113883A (ja) | 稼働補助装置及び風力発電システム | |
| CN101187803B (zh) | 基于数据挖掘技术的氨合成装置生产优化方法 | |
| Cevasco et al. | O&M cost-Based FMECA: Identification and ranking of the most critical components for 2-4 MW geared offshore wind turbines | |
| Yang et al. | Application research of arima model in wind turbine gearbox fault trend prediction | |
| Tchakoua et al. | New trends and future challenges for wind turbines condition monitoring | |
| CN104320075A (zh) | 光伏电站故障分析与诊断系统 | |
| Anderson et al. | On the sensitivity of wind turbine failure rate estimates to failure definitions | |
| Sharma et al. | IoT based predictive maintenance in industry 4.0 | |
| Jiang et al. | Condition-based switching and replacement policies for a two-unit warm standby redundant system subject to non-instantaneous switchover | |
| CN113268894B (zh) | 一种基于数据中台的火电生产数据治理方法和系统 | |
| Wang et al. | Optimal external opportunistic maintenance for wind turbines considering wind speed | |
| Orosa et al. | New procedure for wind farm maintenance |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| EXSB | Decision made by sipo to initiate substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20150708 |
|
| RJ01 | Rejection of invention patent application after publication |