[go: up one dir, main page]
More Web Proxy on the site http://driver.im/

CN111950822B - 交通工具牵引变压器冷却系统的性能检测方法及装置、存储介质、终端 - Google Patents

交通工具牵引变压器冷却系统的性能检测方法及装置、存储介质、终端 Download PDF

Info

Publication number
CN111950822B
CN111950822B CN201910402973.0A CN201910402973A CN111950822B CN 111950822 B CN111950822 B CN 111950822B CN 201910402973 A CN201910402973 A CN 201910402973A CN 111950822 B CN111950822 B CN 111950822B
Authority
CN
China
Prior art keywords
data
traction transformer
performance index
cooling system
transformer cooling
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.)
Active
Application number
CN201910402973.0A
Other languages
English (en)
Other versions
CN111950822A (zh
Inventor
赵忠
梁俊
张海峰
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.)
Gener Software Technology Co ltd
Original Assignee
Gener Software Technology Co ltd
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 Gener Software Technology Co ltd filed Critical Gener Software Technology Co ltd
Priority to CN201910402973.0A priority Critical patent/CN111950822B/zh
Publication of CN111950822A publication Critical patent/CN111950822A/zh
Application granted granted Critical
Publication of CN111950822B publication Critical patent/CN111950822B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • 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
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C5/00—Registering or indicating the working of vehicles
    • G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
    • G07C5/0808—Diagnosing performance data

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Operations Research (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Theoretical Computer Science (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Game Theory and Decision Science (AREA)
  • Electric Propulsion And Braking For Vehicles (AREA)

Abstract

一种交通工具牵引变压器冷却系统的性能检测方法及装置、存储介质、终端，方法包括：从交通工具牵引变压器冷却系统的历史运行数据中获取多个样本数据，每个样本数据包括性能指标影响因素信息及关联的性能指标值；利用性能指标影响因素信息及关联的性能指标值，训练得到性能检测模型；获取预设时间段内的待检测数据，待检测数据包括性能指标影响因素信息及关联的性能指标值；基于待检测数据内的性能指标影响因素信息和性能检测模型，计算期望性能指标值；计算待检测数据内的性能指标值与期望性能指标值之间的偏差值，并基于偏差值判断所述交通工具牵引变压器冷却系统的性能。通过本发明的方案，能够对交通工具牵引变压器冷却系统进行预测和检测。

Description

交通工具牵引变压器冷却系统的性能检测方法及装置、存储 介质、终端
技术领域
本发明涉及交通工具牵引系统健康管理技术领域，具体地涉及一种交通工具牵引变压器冷却系统的性能检测方法及装置、存储介质、终端。
背景技术
中国铁路高速列车(例如，CRH系列动车组)的牵引传动系统主要由受电弓、高压断路器、牵引变压器、牵引变流器和牵引电动机等设备组成。牵引变压器是动车组的重要组成部分，由受电弓获得25kV的单相交流电通过主断路器提供给牵引变压器的初级绕组，二次绕组将电压降为1770V，供给牵引/辅助变流器，经过整流、逆变等环节后为牵引电动机及辅助系统的设备供电，同时负责向全列车直流电驱动电气设备管理的电路供电。在交流传动高速动车组完成能量与电压转化的过程中，牵引变压器作为大功率的电气元件在工作中会产生大量的热损耗，引起电气部件温度升高。若温度超过电气部件所能承受的范围，牵引变压器将不能正常工作，甚至会破坏电气部件的绝缘性能、引发着火等危险。因此采用冷却性能良好的冷却系统将牵引变压器工作时散发的热量带走是非常必要的。
CRH型高速动车组牵引变压器目前主要采用“强油风冷”的冷却方式，它属于强迫油循环冷却方式，是采用在油箱周围安装“强油风冷式”冷却装置，即把变压器中的油，利用油泵打入油冷却装置中后再复回油箱，“油冷却”装置做成容易散热的特殊形状，利用风扇吹风把热量带走，使变压器油温度降低到设计要求的数值。在空气冷却式换热器中，被冷却的油是在封闭的管板通道内流动，空气则绕管板外侧流动。
作为高速动车组的一个重要组成部分，牵引变压器冷却系统的工作状态直接影响到动车组的安全、稳定运行。为了确保动车组各系统的安全可靠运行，动车组牵引系统加装了大量传感器对牵引变压器冷却系统的工作参数进行监测，并且具有一定的诊断能力，能够检测到部分故障并且自动采取主动安全措施。另外，动车组执行日常检修也能对包括牵引变压器冷却系统在内的各类故障起到主动发现和防范的作用。
但是，目前动车组对牵引变压器冷却系统的状态检测和日常检修主要侧重于已经发生的故障，对于故障的早期检测尚且缺乏适用的方法和有效的技术，其维修策略也主要是定时维修和事后维修，不能满足提高高速动车组运行效率及降低运营成本的要求。
类似地，可以从动车组牵引变压器冷却系统扩展至其他交通工具牵引变压器冷却系统，其他交通工具牵引变压器冷却系统也存在类似技术问题和缺陷。因此，为了提高动车组和其他交通工具运行效率，降低运营成本，对交通工具牵引变压器冷却系统进行性能预测和检测，构建牵引变压器冷却系统预警分析是非常必要的。
发明内容
本发明解决的技术问题是如何对交通工具牵引变压器冷却系统进行性能检测。
为解决上述技术问题，本发明实施例提供一种交通工具牵引变压器冷却系统的性能检测方法，包括：从交通工具牵引变压器冷却系统的历史运行数据中获取多个样本数据，其中，每个样本数据包括性能指标影响因素信息及其关联的性能指标值；利用所述性能指标影响因素信息及其关联的性能指标值，训练得到所述交通工具牵引变压器冷却系统的性能检测模型；获取预设时间段内的待检测数据，所述待检测数据包括性能指标影响因素信息及其关联的性能指标值；基于所述待检测数据内的性能指标影响因素信息和所述性能检测模型，计算得到期望性能指标值；计算所述待检测数据内的性能指标值与所述期望性能指标值之间的偏差值，并基于所述偏差值判断所述交通工具牵引变压器冷却系统在所述预设时间段内的性能。
可选的，所述性能指标影响因素信息包括：交通工具运行速度和交通工具室外温度。
可选的，所述交通工具牵引变压器冷却系统的性能指标值指的是所述交通工具内的牵引变压器冷却系统温差。
可选的，所述牵引变压器冷却系统温差指的是：针对所述牵引变压器冷却系统中的同一牵引变压器冷却单元，该牵引变压器冷却单元的入口油温与该牵引变压器冷却单元的出口油温的差值。
可选的，所述基于所述偏差值判断所述交通工具牵引变压器冷却系统在所述预设时间段内的性能包括：如果所述期望性能指标值与所述待检测数据内的性能指标值之间的偏差值超过预设阈值，则判断所述交通工具牵引变压器冷却系统在所述预设时间段内存在异常风险。
可选的，所述待检测数据包括按照时间排布的多个数据点，所述计算所述待检测数据内的性能指标值与所述期望性能指标值之间的偏差值，并基于所述偏差值判断所述交通工具牵引变压器冷却系统在所述预设时间段内的性能包括：对于所述待检测数据，依次计算每个数据点的期望性能指标值与该数据点的性能指标值之间的偏差值，以得到按照时间排布的偏差值序列；如果所述偏差值序列中的各个偏差值按照预设趋势排布，则判断所述交通工具牵引变压器冷却系统在所述预设时间段内存在异常风险。
可选的，所述待检测数据包括按照时间排布的多个数据点，所述计算所述待检测数据内的性能指标值与所述期望性能指标值之间的偏差值，并基于所述偏差值判断所述交通工具牵引变压器冷却系统在所述预设时间段内的性能包括：对于所述多个数据点，依次计算每个数据点的期望性能指标值与该数据点的性能指标值之间的偏差值，以得到按照时间排布的偏差值序列；如果所述偏差值序列中具有突变偏差值，则判断所述交通工具牵引变压器冷却系统在所述预设时间段内存在异常风险。
可选的，所述利用所述性能指标影响因素信息及其关联的性能指标值，训练得到所述交通工具牵引变压器冷却系统的性能检测模型包括：基于线性回归模型，拟合得到所述性能指标影响因素信息及其关联的性能指标值之间的函数关系式的参数；将所述参数代入所述函数关系式，以得到所述交通工具牵引变压器冷却系统的性能检测模型。
可选的，所述历史运行数据包括按时间排布的多个数据点，每个数据点携带的信息包括交通工具运行速度、所述交通工具牵引变压器冷却系统中的各个牵引变压器冷却单元的入口油温及其出口油温，所述从交通工具牵引变压器冷却系统的历史运行数据中获取多个样本数据包括：对于所述交通工具牵引变压器冷却系统的历史运行数据，将其中满足预设运行速度条件的历史运行数据作为候选历史运行数据；将所述候选历史运行数据按照预设时间进行分片，以得到多个分片数据；对于所述多个分片数据中的每个分片数据，将包含数据点数量超出预设数量的分片数据作为备选分片数据，以得到备选分片数据集；对于所述备选分片数据集，计算每个备选分片数据的平均值，以得到所述多个样本数据。
为解决上述技术问题，本发明实施例还提供一种交通工具牵引变压器冷却系统的性能检测装置，包括：第一获取模块，适于从交通工具牵引变压器冷却系统的历史运行数据中获取多个样本数据，其中，每个样本数据包括性能指标影响因素信息及其关联的性能指标值；训练模块，适于利用所述性能指标影响因素信息及其关联的性能指标值，训练得到所述交通工具牵引变压器冷却系统的性能检测模型；第二获取模块，适于获取预设时间段内的待检测数据，所述待检测数据包括性能指标影响因素信息及其关联的性能指标值；计算模块，适于基于所述待检测数据内的性能指标影响因素信息和所述性能检测模型，计算得到期望性能指标值；判断模块，适于计算所述待检测数据内的性能指标值与所述期望性能指标值之间的偏差值，并基于所述偏差值判断所述交通工具牵引变压器冷却系统在所述预设时间段内的性能。
为解决上述技术问题，本发明实施例还提供一种存储介质，其上存储有计算机指令，所述计算机指令运行时执行上述方法的步骤。
为解决上述技术问题，本发明实施例还提供一种终端，包括存储器和处理器，所述存储器上存储有可在所述处理器上运行的计算机指令，所述处理器运行所述计算机指令时执行上述方法的步骤。
与现有技术相比，本发明实施例的技术方案具有以下有益效果：
本发明实施例提供一种交通工具牵引变压器冷却系统的性能检测方法，包括：从交通工具牵引变压器冷却系统的历史运行数据中获取多个样本数据，其中，每个样本数据包括性能指标影响因素信息及其关联的性能指标值；利用所述性能指标影响因素信息及其关联的性能指标值，训练得到所述交通工具牵引变压器冷却系统的性能检测模型；获取预设时间段内的待检测数据，所述待检测数据包括性能指标影响因素信息及其关联的性能指标值；基于所述待检测数据内的性能指标影响因素信息和所述性能检测模型，计算得到期望性能指标值；计算所述待检测数据内的性能指标值与所述期望性能指标值之间的偏差值，并基于所述偏差值判断所述交通工具牵引变压器冷却系统在所述预设时间段内的性能。本发明实施例提供的技术方案，通过分析交通工具牵引变压器冷却系统实际运行时的性能指标与其期望值的偏离情况，可以判断并检测牵引变压器冷却系统的异常状态，进而识别牵引变压器冷却系统的早期故障。同时可以在不改变交通工具现有设备和检测条件的情况下，充分利用交通工具现有数据，对牵引变压器冷却系统进行性能预测，提前发现牵引变压器冷却系统故障，从而减少牵引变压器冷却系统故障对交通工具正常运营的影响。
进一步，所述性能指标影响因素信息包括：交通工具运行速度和交通工具室外温度。在交通工具运行过程中，本发明实施例将所述交通工具运行速度和交通工具室外温度作为性能指标影响因素信息，是现有设备易于获得的运行数据，无需更改现有设备，即可完成牵引变压器冷却系统性能预测，进一步为检测出所述交通工具牵引变压器冷却系统系统的潜在故障提供可行方案。
附图说明
图1是本发明实施例的一种交通工具牵引变压器冷却系统的性能检测方法的流程示意图；
图2是本发明实施例的一种典型应用场景下的动车组牵引变压器冷却系统的性能检测方法的流程示意图；
图3是本发明实施例的一种样本数据的选取方法的流程示意图；
图4是本发明实施例的一种交通工具牵引变压器冷却系统的性能检测装置的结构示意图。
具体实施方式
本领域技术人员理解，如背景技术所言，目前动车组等交通工具对牵引变压器冷却系统的状态检测和日常检修主要侧重于已经发生的故障，对于故障的早期检测尚且缺乏适用的方法和有效的技术，其维修策略也主要是定时维修和事后维修，不能满足提高交通工具运行效率及降低运营成本的要求。
本发明实施例提供一种交通工具牵引变压器冷却系统的性能检测方法，包括：从交通工具牵引变压器冷却系统的历史运行数据中获取多个样本数据，其中，每个样本数据包括性能指标影响因素信息及其关联的性能指标值；利用所述性能指标影响因素信息及其关联的性能指标值，训练得到所述交通工具牵引变压器冷却系统的性能检测模型；基于待检测数据内的性能指标影响因素信息和所述性能检测模型，计算得到期望性能指标值；计算所述待检测数据内的性能指标值与所述期望性能指标值之间的偏差值，并基于所述偏差值判断所述交通工具牵引变压器冷却系统在所述预设时间段内的性能。
本发明实施例提供的技术方案，通过分析交通工具牵引变压器冷却系统实际运行时的性能指标与其期望值的偏离情况，检测牵引变压器冷却系统的异常状态，进而识别牵引变压器冷却系统的早期故障。同时可以在不改变交通工具现有设备和检测条件的情况下，充分利用交通工具现有数据，对牵引变压器冷却系统进行性能预测，提前发现牵引变压器冷却系统故障，从而减少牵引变压器冷却系统故障对交通工具正常运营的影响。
为使本发明的上述目的、特征和有益效果能够更为明显易懂，下面结合附图对本发明的具体实施例做详细的说明。
图1是本发明实施例的一种交通工具牵引变压器冷却系统的性能检测方法的流程示意图。所述性能检测方法可以用于检测交通工具牵引变压器冷却系统是否正常运转，例如，用于检测高速动车组牵引变压器冷却系统系统是否正常运转。
具体而言，所述性能检测方法可以包括以下步骤：
步骤S101，从交通工具牵引变压器冷却系统的历史运行数据中获取样本数据，其中，每个样本数据包括性能指标影响因素信息及其关联的性能指标值；
步骤S102，利用所述性能指标影响因素信息及其关联的性能指标值，训练得到所述交通工具牵引变压器冷却系统的性能检测模型；
步骤S103，获取预设时间段内的待检测数据，所述待检测数据包括性能指标影响因素信息及其关联的性能指标值；
步骤S104，基于所述待检测数据内的性能指标影响因素信息和所述性能检测模型，计算得到期望性能指标值；
步骤S105，计算所述待检测数据内的性能指标值与所述期望性能指标值之间的偏差值，并基于所述偏差值判断所述交通工具牵引变压器冷却系统在所述预设时间段内的性能。
更具体而言，交通工具在运行过程中，可以适时对其牵引变压器冷却系统以及列车其他运行数据进行记录，从而可以形成按照时间排布的历史运行数据。
所述历史运行数据可以包括按时间排布的多个数据点，每个数据点的信息可以包括交通工具的运行速度、室外温度，所述交通工具牵引变压器冷却系统温差等信息。需要说明的是，所述历史运行数据是所述交通工具的性能状态为优良，处于正常运行，非性能故障时得到的数据。
其中，所述交通工具牵引变压器冷却系统温差可以指的是，针对同一牵引变压器冷却单元，所述牵引变压器冷却单元入口油温与牵引变压器冷却单元出口油温之差。
在步骤S101中，可以从交通工具牵引变压器冷却系统的一组历史运行数据中选取多个样本数据，以所述多个样本数据刻画交通工具牵引变压器冷却系统正常运行时的系统性能。
在一个实施例中，所述样本数据至少可以包括性能指标影响因素信息及其关联的性能指标值。所述性能指标影响因素信息可以是交通工具的运行速度和交通工具的室外温度。与其关联的性能指标值可以是与所述性能指标影响因素信息同一时间采集的交通工具牵引变压器冷却系统温差。
在具体实施中，从所述历史运行数据中得到所述多个样本数据，可以按照如下步骤获取：
首先，将所述交通工具牵引变压器冷却系统的历史运行数据中，满足预设运行速度条件的历史运行数据作为候选历史运行数据；其中，所述预设运行速度条件可以是基于用户经验确定的。所述预设运行速度条件可以是所述交通工具处于平稳、高速运行时的速度范围，例如80千米/小时以上。在具体实施中，可以将处于预设速度范围内的历史运行数据作为所述候选历史运行数据。所述交通工具的运行速度处于预设速度范围，表示所述交通工具平稳、高速运行。
其次，可以将所述候选历史运行数据按照预设时间进行分片，以得到多个分片数据。在一个实施例中，所述预设时间可以是一天，半天等，具体取值可以根据实际需求确定。
再次，对于所述多个分片数据集中的每个分片数据，可以将包含数据点数量超出预设数量的分片数据作为备选分片数据，以得到备选分片数据集；所述预设数量可以是经验值。
之后，可以计算所述备选分片数据集中的每个备选分片数据的平均值，并将所述平均值作为样本点，进而可以得到所述样本数据。
在步骤S102中，可以利用所述样本数据中的每个数据点的性能指标影响因素信息及其关联的性能指标值进行训练，进而训练得到所述交通工具牵引变压器冷却系统的性能检测模型。
在一个实施例中，所述性能检测模型可以是线性回归模型。基于所述线性回归模型，利用所述样本数据进行拟合，可以拟合得到所述性能指标影响因素信息及其关联的性能指标值之间的函数关系式的参数。之后，将所述参数代入所述函数关系式，就可以得到所述交通工具牵引变压器冷却系统的性能检测模型。
具体而言，所述线性回归模型如下：其中，/>表示所述交通工具牵引变压器冷却系统温差的期望值；V表示所述交通工具的运行速度；Tout表示所述交通工具的室外温度；ε表示所述性能检测模型的拟合误差；f()函数表示所述性能检测模型，用于描述所述交通工具牵引变压器冷却系统温差与所述运行速度、所述室外温度之间的函数关系。
需要说明的是，如果检测目标是所述交通工具牵引变压器冷却系统中的各个牵引变压器冷却单元，则表示所述牵引变压器冷却单元温差的期望值。
在步骤S103中，可以获取预设时间段内的待检测数据。所述待检测数据至少可以包括性能指标影响因素信息及其关联的性能指标值。其中，所述预设时间段可以是一段时间范围，也可以是时间点。
在步骤S104中，如果确定了所述待检测数据，则可以将所述待检测数据中的性能指标影响因素信息代入所述性能检测模型，并求解出该性能检测模型的期望性能指标值。
之后，可以在步骤S105中，从所述待检测数据提取出其性能指标影响因素信息关联的性能指标值，并可以对所述待检测数据的性能指标值与所述期望性能指标值进行比较，从而可以得到二者的偏差值。进一步，可以根据所述偏差值，判断所述交通工具牵引变压器冷却系统的性能是否存在异常风险。
在一个实施例中，所述待检测数据可以仅包括单个数据点，此时，如果所述期望性能指标值与所述待检测数据内的性能指标值之间的偏差值超过预设阈值，则可以判断所述交通工具牵引变压器冷却系统存在异常风险，高概率处于性能超限状态，其中，所述异常风险指的是所述交通工具牵引变压器冷却系统具有较高概率存在异常，是否异常或是否故障需要其他进一步检测，从而可以准确判断所述系统是否发生故障。
在另一个实施例中，所述待检测数据可以包括按照时间排布的多个数据点。对于所述待检测数据，可以依次计算每个数据点的期望性能指标值与该数据点的性能指标值之间的偏差值，从而可以得到按照时间排布的偏差值序列。之后，可以根据所述偏差值序列呈现的性能趋势，判断所述交通工具牵引变压器冷却系统在所述预设时间段内的性能。例如，所述预设趋势为偏差值逐渐增大，表示发生故障概率较大或性能下降。在此条件下，如果所述偏差值序列呈现的性能趋势与所述预设趋势相符，则可以判断所述交通工具牵引变压器冷却系统存在异常风险，具有很高概率发生故障或性能呈下降趋势，并可以发出性能趋势预警，以提前对所述交通工具牵引变压器冷却系统进行检修。
在另一个实施例中，所述待检测数据可以包括按照时间排布的多个数据点。对于所述待检测数据，可以依次计算每个数据点的期望性能指标值与该数据点的性能指标值之间的偏差值，从而可以得到按照时间排布的偏差值序列。如果所述偏差值序列中具有突变偏差值，则可以确定所述交通工具牵引变压器冷却系统发生故障或性能下降。其中，所述突变偏差值与所述偏差值序列中的其他偏差值差异较大。当出现上述突变偏差值时，可能会破坏所述偏差值序列的排布规律。例如，所述偏差值序列中，数据点x与其他数据点之间的差值大于某个预设阈值，则可以认为该交通工具牵引变压器冷却系统发生故障或存在异常，需要检修。
下面以动车组牵引变压器冷却系统为具体实施例进行详细阐述。图2是本发明实施例的一种典型场景中的动车组牵引变压器冷却系统的性能检测方法的流程示意图。
参考图2，所述动车组牵引变压器冷却的性能检测方法的具体实施步骤如下：
首先，执行操作s1，即定义性能指标，所述性能指标可以是动车组牵引变压器冷却系统温差，其值(即性能指标值)可以为牵引变压器冷却单元温差。该牵引变压器冷却单元温差指的是牵引变压器冷却单元入口油温与牵引变压器冷却单元出口油温之差。具体而言，通过对牵引变压器冷却系统功能结构和工作原理的分析总结，定义动车组内的客室制冷系统高压值为牵引变压器冷却系统的性能指标，通过此性能指标来刻画牵引变压器冷却系统的整体性能。
其次，执行操作s2，定义影响因素，也即性能指标影响因素信息。具体而言，通过对牵引变压器冷却系统工作原理和工作环境的分析总结，可以确定所述性能指标影响因素信息为动车组的运行速度和室外温度。
再次，执行操作s31和操作s32，即选择数据，并定义性能检测模型。具体而言，确定所述性能指标值与所述性能指标影响因素信息之间的函数关系，记性能检测模型为：其中，/>表示所述动车组牵引变压器冷却系统温差的期望值；V表示所述动车组的运行速度；Tout表示所述动车组的室外温度；ε表示所述性能检测模型的拟合误差；f()函数表示所述性能检测模型，用于描述所述动车组牵引变压器冷却系统温差与所述运行速度、所述室外温度之间的函数关系。
之后，执行操作s42，即选择线性回归模型拟合，并执行操作s41，即确定样本数据，可以从选择的数据中选出所述样本数据。
在具体实施时，可以将牵引变压器冷却系统中的每个牵引变压器冷却单元看作是一个独立的模型研究对象，然后对该牵引变压器冷却单元进行数据采样，以得到所述样本数据。所述样本数据选择的是所述牵引变压器冷却系统无故障、无性能退化、并且处于正常运行状态(例如，高速、稳定运行状态)下的数据。
在具体实施中，选出所述样本数据的具体步骤可以参考图3。图3是本发明实施例的一种样本数据的选取方法的流程示意图。所述选取方法可以包括以下步骤：
步骤S301，采用指定的牵引变压器冷却单元的数据，构建得到训练样本集S1，以进行性能检测模型训练；
步骤S302，对于训练样本集S1，匹配相同时刻下的性能指标值及其性能指标影响因素信息，得到样本数据集S2。具体而言，可以根据所述训练样本集S1中的时间信息，匹配相同时刻下，所述牵引变压器冷却单元的各性能指标影响因素信息(如动车组的运行速度和室外温度)，得到样本数据集S2；
步骤S303，从样本数据集S2中，选出符合预设速度条件(例如，大于预设速度阈值或位于预设速度范围内)的数据，以得到样本集S3。具体地，可以选取动车组处于正常运行状态(如高速、稳定运行状态)下的数据，例如，动车组的运行速度为V，预设速度为v2，选择V>v2的数据，从而得到样本集S3，样本集S3包含所述样本数据。其中，v2是经验值，可以是正实数。
进一步，在步骤S304中，对样本集S3进行分片处理，去除数量少于预设阈值的数据，以得到样本集S4。具体实施中，可以根据所述样本集S3，按预设时间为“天”进行分片处理，其中若某个分片中的数据个数n<δ1，则将此分片去除，并将保留下来的N个分片，记为样本集S4。其中，δ1为正整数，可以根据经验确定，N为正整数；
在步骤S305中，计算分片平均值，以得到样本集S5。具体地，可以依次处理每个分片，对每个分片中的数据计算平均值，使得每个分片仅有一个样本点，将经处理后的N个分片得到的样本点作为建模学习的样本集S5。
进一步，继续参考图2，基于得到的样本数据和线性回归模型，执行操作s5，即训练和测试性能检测模型，对所述性能检测模型进行拟合，以确定所述性能检测模型的参数，得到描述动车组牵引变压器冷却系统正常工作时的牵引变压器冷却系统温差变化的性能检测模型。具体地，可以根据所述性能检测模型的函数关系，确定线性回归的输入变量数为2个，即所述影响因素；输出变量数为1个，即所述性能指标；所述影响因素的权重(例如，所述函数关系的参数)由训练决定。
进一步，可以基于所述性能检测模型以及待检测数据中的性能指标影响因素信息进行牵引变压器冷却系统性能检测，即执行步骤s6，计算牵引变压器冷却系统温差期望值。
具体实施时，可以按照所述性能检测模型的输入，得到相应的牵引变压器冷却系统温差期望值需要说明的是，所述待检测数据是通过执行操作s43，即确定待检测数据得到的。
之后，可以执行操作s7，即计算得到偏差值及偏差值序列。具体而言，可以从相关冷却系统传感器得到相应的牵引变压器冷却系统温差的实际值Tdiff，计算偏差值以及由偏差值构成的偏差值序列。
进一步，可以对偏差值ΔT及其构成的偏差值序列进行分析：
(1)执行操作s8，如果偏差值ΔT超过阈值，表明性能存在异常风险(例如性能超限)，需要进行检修，排除故障或其他原因，则可以执行操作s81，发出性能超限预警；
(2)一并执行操作s9，如果偏差值序列发生了突变，表明牵引变压器冷却系统存在异常风险，例如发生了故障，需要进行检修和故障排除，则可以执行操作s91，发出性能突变预警；
(3)一并执行操作s10，如果偏差值序列形成趋势，表明牵引变压器冷却系统存在异常风险，发生了故障或性能在比较稳定的下降，需要密切关注并进行故障诊断，则可以执行操作s101，发出性能趋势预警，否则表明牵引变压器冷却系统处于正常运行状态，无需提前检修。
此外，还可以根据ΔT的大小对牵引变压器冷却系统进行健康量化评估，为动车组的检修提供决策支持。
本领域技术人员理解，上述对偏差值ΔT及其构成的偏差值序列的分析过程可以并列执行，也可以顺序执行，在实际应用中，当执行操作s8发现性能存在异常风险时，可以停止执行操作s9和操作s10；或者，在执行操作s8和操作s9后发现性能存在异常风险时，可以停止执行操作s10，又或者，在执行操作s9和操作s10后发现性能存在异常风险时，可以停止执行操作s9。
由上，本发明实施例提出的交通工具牵引变压器冷却系统的性能检测方法，可以通过分析牵引变压器冷却系统实际运行时的性能指标与其期望值的偏离情况，检测牵引变压器冷却系统的异常状态，进而识别牵引变压器冷却系统的早期故障。同时可以在不改变动车组等交通工具现有设备和检测条件的情况下，充分利用动车组现有数据，对动车组空调系统进行性能检预测，提前发现牵引变压器冷却系统故障，进一步减少牵引变压器冷却系统故障对动车组的正常运营影响。
图4是本发明实施例的一种交通工具牵引变压器冷却系统的性能检测装置的结构示意图。所述交通工具牵引变压器冷却系统的性能检测装置4(以下简称为性能检测装置4)可以采用上述图1至图3所示方法对交通工具牵引变压器冷却系统进行预测，并可以根据预测结果发出预警信号。
具体而言，所述性能检测装置4可以包括：第一获取模块41，适于从交通工具牵引变压器冷却系统的历史运行数据中获取多个样本数据，其中，每个样本数据包括性能指标影响因素信息及其关联的性能指标值；训练模块42，适于利用所述性能指标影响因素信息及其关联的性能指标值，训练得到所述交通工具牵引变压器冷却系统的性能检测模型；第二获取模块43，适于获取预设时间段内的待检测数据，所述待检测数据包括性能指标影响因素信息及其关联的性能指标值；计算模块44，适于基于待检测数据内的性能指标影响因素信息和所述性能检测模型，计算得到期望性能指标值；判断模块45，适于计算所述待检测数据内的性能指标值与所述期望性能指标值之间的偏差值，并基于所述偏差值判断所述交通工具牵引变压器冷却系统在所述预设时间段内的性能。
在具体实施中，所述性能指标影响因素信息可以包括：交通工具运行速度和交通工具室外温度。
在具体实施中，所述交通工具牵引变压器冷却系统的性能指标值可以指的是所述交通工具内的牵引变压器冷却系统温差。
在具体实施中，所述牵引变压器冷却系统温差可以指的是：针对所述牵引变压器冷却系统中的同一牵引变压器冷却单元，该牵引变压器冷却单元的入口油温与该牵引变压器冷却单元的出口油温的差值。
在具体实施中，所述判断模块45可以包括：第一判断子模块451。如果所述期望性能指标值与所述待检测数据内的性能指标值之间的偏差值超过预设阈值，则所述第一判断子模块451适于判断所述交通工具牵引变压器冷却系统在所述预设时间段内存在异常风险。
在一个变化实施例中，所述待检测数据包括按照时间排布的多个数据点，所述判断模块45可以包括：第一计算子模块452，适于对于所述待检测数据，依次计算每个数据点的期望性能指标值与该数据点的性能指标值之间的偏差值，以得到按照时间排布的偏差值序列；第二判断子模块453。如果所述偏差值序列中的各个偏差值按照预设趋势排布，则所述第二判断子模块453适于判断所述交通工具牵引变压器冷却系统在所述预设时间段内存在异常风险。
在另一个变化实施例中，所述待检测数据包括按照时间排布的多个数据点，所述判断模块45可以包括：第二计算子模块454，适于对于所述多个数据点，依次计算每个数据点的期望性能指标值与该数据点的性能指标值之间的偏差值，以得到按照时间排布的偏差值序列；第三判断子模块455。如果所述偏差值序列中具有突变偏差值，则所述第三判断子模块455适于判断所述交通工具牵引变压器冷却系统在所述预设时间段内存在异常风险。
在具体实施中，所述训练模块42可以包括：拟合子模块421，适于基于线性回归模型，拟合得到所述性能指标影响因素信息及其关联的性能指标值之间的函数关系式的参数；代入子模块422，适于将所述参数代入所述函数关系式，以得到所述交通工具牵引变压器冷却系统的性能检测模型。
在具体实施中，所述历史运行数据包括按时间排布的多个数据点，每个数据点携带的信息包括交通工具运行速度、所述交通工具牵引变压器冷却系统中的各个牵引变压器冷却单元的入口油温及其出口油温，所述第一获取模块41可以包括：第一生成子模块411，适于对于所述交通工具牵引变压器冷却系统的历史运行数据，将其中满足预设运行速度条件的历史运行数据作为候选历史运行数据；分片子模块412，适于将所述候选历史运行数据按照预设时间进行分片，以得到多个分片数据；第二生成子模块413，适于对于所述多个分片数据中的每个分片数据，将包含数据点数量超出预设数量的分片数据作为备选分片数据，以得到备选分片数据集；第三生成子模块414，适于对于所述备选分片数据集，计算每个备选分片数据的平均值，以得到所述多个样本数据。
关于所述性能检测装置4的工作原理、工作方式的更多内容，可以一并参照上述图1至图3所示实施例中的相关描述，这里不再赘述。
进一步地，本发明实施例还公开一种存储介质，其上存储有计算机指令，所述计算机指令运行时执行上述图1至图3所示实施例中所述方法技术方案。优选地，所述存储介质可以包括诸如非挥发性(non-volatile)存储器或者非瞬态(non-transitory)存储器等计算机可读存储介质。所述计算机可读存储介质可以包括ROM、RAM、磁盘或光盘等。
进一步地，本发明实施例还公开一种终端，包括存储器和处理器，所述存储器上存储有能够在所述处理器上运行的计算机指令，所述处理器运行所述计算机指令时执行上述图1至图3所示实施例中所述方法技术方案。具体而言，所述终端可以为动车组或其他密闭式车体。
虽然本发明披露如上，但本发明并非限定于此。任何本领域技术人员，在不脱离本发明的精神和范围内，均可作各种更动与修改，因此本发明的保护范围应当以权利要求所限定的范围为准。

Claims (8)

1.一种交通工具牵引变压器冷却系统的性能检测方法，其特征在于，包括：
从交通工具牵引变压器冷却系统的历史运行数据中获取多个样本数据，其中，每个样本数据包括性能指标影响因素信息及其关联的性能指标值；所述性能指标影响因素信息包括：交通工具运行速度和交通工具室外温度；所述性能指标值是指所述交通工具内的牵引变压器冷却系统温差；所述牵引变压器冷却系统温差指的是：针对所述牵引变压器冷却系统中的同一牵引变压器冷却单元，该牵引变压器冷却单元的入口油温与该牵引变压器冷却单元的出口油温的差值；
利用所述性能指标影响因素信息及其关联的性能指标值，训练得到所述交通工具牵引变压器冷却系统的性能检测模型；
获取预设时间段内的待检测数据，所述待检测数据包括性能指标影响因素信息及其关联的性能指标值；
基于所述待检测数据内的性能指标影响因素信息和所述性能检测模型，计算得到期望性能指标值；
计算所述待检测数据内的性能指标值与所述期望性能指标值之间的偏差值，并基于所述偏差值判断所述交通工具牵引变压器冷却系统在所述预设时间段内的性能；
所述历史运行数据包括按时间排布的多个数据点，每个数据点携带的信息包括交通工具运行速度、所述交通工具牵引变压器冷却系统中的各个牵引变压器冷却单元的入口油温及其出口油温，所述从交通工具牵引变压器冷却系统的历史运行数据中获取多个样本数据包括：对于所述交通工具牵引变压器冷却系统的历史运行数据，将其中满足预设运行速度条件的历史运行数据作为候选历史运行数据；将所述候选历史运行数据按照预设时间进行分片，以得到多个分片数据；对于所述多个分片数据中的每个分片数据，将包含数据点数量超出预设数量的分片数据作为备选分片数据，以得到备选分片数据集；对于所述备选分片数据集，计算每个备选分片数据的平均值，以得到所述多个样本数据。
2.根据权利要求1所述的性能检测方法，其特征在于，所述基于所述偏差值判断所述交通工具牵引变压器冷却系统在所述预设时间段内的性能包括：如果所述期望性能指标值与所述待检测数据内的性能指标值之间的偏差值超过预设阈值，则判断所述交通工具牵引变压器冷却系统在所述预设时间段内存在异常风险。
3.根据权利要求1所述的性能检测方法，其特征在于，所述待检测数据包括按照时间排布的多个数据点，所述计算所述待检测数据内的性能指标值与所述期望性能指标值之间的偏差值，并基于所述偏差值判断所述交通工具牵引变压器冷却系统在所述预设时间段内的性能包括：
对于所述待检测数据，依次计算每个数据点的期望性能指标值与该数据点的性能指标值之间的偏差值，以得到按照时间排布的偏差值序列；
如果所述偏差值序列中的各个偏差值按照预设趋势排布，则判断所述交通工具牵引变压器冷却系统在所述预设时间段内存在异常风险。
4.根据权利要求1所述的性能检测方法，其特征在于，所述待检测数据包括按照时间排布的多个数据点，所述计算所述待检测数据内的性能指标值与所述期望性能指标值之间的偏差值，并基于所述偏差值判断所述交通工具牵引变压器冷却系统在所述预设时间段内的性能包括：
对于所述多个数据点，依次计算每个数据点的期望性能指标值与该数据点的性能指标值之间的偏差值，以得到按照时间排布的偏差值序列；
如果所述偏差值序列中具有突变偏差值，则判断所述交通工具牵引变压器冷却系统在所述预设时间段内存在异常风险。
5.根据权利要求1所述的性能检测方法，其特征在于，所述利用所述性能指标影响因素信息及其关联的性能指标值，训练得到所述交通工具牵引变压器冷却系统的性能检测模型包括：
基于线性回归模型，拟合得到所述性能指标影响因素信息及其关联的性能指标值之间的函数关系式的参数；
将所述参数代入所述函数关系式，以得到所述交通工具牵引变压器冷却系统的性能检测模型。
6.一种交通工具牵引变压器冷却系统的性能检测装置，其特征在于，包括：
第一获取模块，适于从交通工具牵引变压器冷却系统的历史运行数据中获取多个样本数据，其中，每个样本数据包括性能指标影响因素信息及其关联的性能指标值；所述性能指标影响因素信息包括：交通工具运行速度和交通工具室外温度；所述性能指标值是指所述交通工具内的牵引变压器冷却系统温差；所述牵引变压器冷却系统温差指的是：针对所述牵引变压器冷却系统中的同一牵引变压器冷却单元，该牵引变压器冷却单元的入口油温与该牵引变压器冷却单元的出口油温的差值；
训练模块，适于利用所述性能指标影响因素信息及其关联的性能指标值，训练得到所述交通工具牵引变压器冷却系统的性能检测模型；
第二获取模块，适于获取预设时间段内的待检测数据，所述待检测数据包括性能指标影响因素信息及其关联的性能指标值；
计算模块，适于基于所述待检测数据内的性能指标影响因素信息和所述性能检测模型，计算得到期望性能指标值；
判断模块，适于计算所述待检测数据内的性能指标值与所述期望性能指标值之间的偏差值，并基于所述偏差值判断所述交通工具牵引变压器冷却系统在所述预设时间段内的性能；
所述历史运行数据包括按时间排布的多个数据点，每个数据点携带的信息包括交通工具运行速度、所述交通工具牵引变压器冷却系统中的各个牵引变压器冷却单元的入口油温及其出口油温，所述从交通工具牵引变压器冷却系统的历史运行数据中获取多个样本数据包括：对于所述交通工具牵引变压器冷却系统的历史运行数据，将其中满足预设运行速度条件的历史运行数据作为候选历史运行数据；将所述候选历史运行数据按照预设时间进行分片，以得到多个分片数据；对于所述多个分片数据中的每个分片数据，将包含数据点数量超出预设数量的分片数据作为备选分片数据，以得到备选分片数据集；对于所述备选分片数据集，计算每个备选分片数据的平均值，以得到所述多个样本数据。
7.一种存储介质，其上存储有计算机指令，其特征在于，所述计算机指令运行时执行权利要求1至5任一项所述的方法的步骤。
8.一种终端，包括存储器和处理器，所述存储器上存储有可在所述处理器上运行的计算机指令，其特征在于，所述处理器运行所述计算机指令时执行权利要求1至5任一项所述的方法的步骤。
CN201910402973.0A 2019-05-15 2019-05-15 交通工具牵引变压器冷却系统的性能检测方法及装置、存储介质、终端 Active CN111950822B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910402973.0A CN111950822B (zh) 2019-05-15 2019-05-15 交通工具牵引变压器冷却系统的性能检测方法及装置、存储介质、终端

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910402973.0A CN111950822B (zh) 2019-05-15 2019-05-15 交通工具牵引变压器冷却系统的性能检测方法及装置、存储介质、终端

Publications (2)

Publication Number Publication Date
CN111950822A CN111950822A (zh) 2020-11-17
CN111950822B true CN111950822B (zh) 2024-03-29

Family

ID=73336362

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910402973.0A Active CN111950822B (zh) 2019-05-15 2019-05-15 交通工具牵引变压器冷却系统的性能检测方法及装置、存储介质、终端

Country Status (1)

Country Link
CN (1) CN111950822B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112557068B (zh) * 2020-12-02 2021-09-24 西南交通大学 一种干式车载牵引变压器风道最大耐污等级的测试方法
CN112557078B (zh) * 2020-12-02 2021-09-24 西南交通大学 一种干式变压器冷却系统性能评估方法

Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101267362A (zh) * 2008-05-16 2008-09-17 亿阳信通股份有限公司 一种性能指标值正常波动范围的动态确定方法及其装置
CN102482981A (zh) * 2009-07-07 2012-05-30 斯堪尼亚商用车有限公司 用于提高机动车辆性能的装置和方法
CN102804098A (zh) * 2009-06-04 2012-11-28 伊顿公司 电气装置冷却效率监视
CN103155734A (zh) * 2010-08-12 2013-06-12 施耐德电气It公司 用于预测数据中心瞬态冷却性能的系统和方法
CN103234753A (zh) * 2013-04-11 2013-08-07 华北电力大学 基于高斯过程建模的风电机组轴系状态监测方法
CN103527194A (zh) * 2013-10-15 2014-01-22 淮北矿业（集团）有限责任公司 一种电牵引采煤机健康度实时监测与智能评价系统及其方法
CN104749505A (zh) * 2015-03-30 2015-07-01 西南交通大学 一种牵引变压器绕组温升与油流速度关联性测试的方法
CN104881528A (zh) * 2015-05-17 2015-09-02 南车青岛四方机车车辆股份有限公司 一种高速列车辅助供电系统的设计方法和装置
CN104901557A (zh) * 2015-05-08 2015-09-09 株洲南车时代电气股份有限公司 一种智能变流器冷却系统及智能冷却控制方法
US9286183B2 (en) * 2010-07-09 2016-03-15 Siemens Aktiengesellschaft Monitoring and diagnostic system for a fluid energy machine system and fluid energy machine system
CN105804981A (zh) * 2016-05-04 2016-07-27 浙江尔格科技股份有限公司 动车组牵引变压器油泵远程故障监测和预警系统及其方法
CN106809000A (zh) * 2017-01-22 2017-06-09 北京新能源汽车股份有限公司 冷却系统的冷却性能信息的获取方法、装置及电动汽车
CN107367337A (zh) * 2017-09-11 2017-11-21 甘书宇 一种利用变压器顶层油温升实现油浸式变压器在线监测的方法
CN109558295A (zh) * 2018-11-15 2019-04-02 新华三信息安全技术有限公司 一种性能指标异常检测方法及装置

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101267362A (zh) * 2008-05-16 2008-09-17 亿阳信通股份有限公司 一种性能指标值正常波动范围的动态确定方法及其装置
CN102804098A (zh) * 2009-06-04 2012-11-28 伊顿公司 电气装置冷却效率监视
CN102482981A (zh) * 2009-07-07 2012-05-30 斯堪尼亚商用车有限公司 用于提高机动车辆性能的装置和方法
US9286183B2 (en) * 2010-07-09 2016-03-15 Siemens Aktiengesellschaft Monitoring and diagnostic system for a fluid energy machine system and fluid energy machine system
CN103155734A (zh) * 2010-08-12 2013-06-12 施耐德电气It公司 用于预测数据中心瞬态冷却性能的系统和方法
CN103234753A (zh) * 2013-04-11 2013-08-07 华北电力大学 基于高斯过程建模的风电机组轴系状态监测方法
CN103527194A (zh) * 2013-10-15 2014-01-22 淮北矿业（集团）有限责任公司 一种电牵引采煤机健康度实时监测与智能评价系统及其方法
CN104749505A (zh) * 2015-03-30 2015-07-01 西南交通大学 一种牵引变压器绕组温升与油流速度关联性测试的方法
CN104901557A (zh) * 2015-05-08 2015-09-09 株洲南车时代电气股份有限公司 一种智能变流器冷却系统及智能冷却控制方法
CN104881528A (zh) * 2015-05-17 2015-09-02 南车青岛四方机车车辆股份有限公司 一种高速列车辅助供电系统的设计方法和装置
CN105804981A (zh) * 2016-05-04 2016-07-27 浙江尔格科技股份有限公司 动车组牵引变压器油泵远程故障监测和预警系统及其方法
CN106809000A (zh) * 2017-01-22 2017-06-09 北京新能源汽车股份有限公司 冷却系统的冷却性能信息的获取方法、装置及电动汽车
CN107367337A (zh) * 2017-09-11 2017-11-21 甘书宇 一种利用变压器顶层油温升实现油浸式变压器在线监测的方法
CN109558295A (zh) * 2018-11-15 2019-04-02 新华三信息安全技术有限公司 一种性能指标异常检测方法及装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
发动机冷却系统保养;张海峰;《农机使用与维修》;20030801(第4期);全文 *

Also Published As

Publication number Publication date
CN111950822A (zh) 2020-11-17

Similar Documents

Publication Publication Date Title
CN110764493B (zh) 一种适用于高速铁路的phm应用系统、方法及存储介质
US9075701B2 (en) Apparatus and method for monitoring abnormal state of vehicle using clustering technique
CN104537487A (zh) 一种输变电设备运行动态风险的评估方法
CN112036581B (zh) 交通工具空调系统的性能检测方法及装置、存储介质、终端
EP4063875A1 (en) Multi-information fusion-based fault early warning method and device for converter
CN102252843B (zh) 一种滚动轴承性能变异的评估方法
CN104121949A (zh) 一种船舶电力推进系统状态监测方法
CN105976578A (zh) 一种基于监测数据的高速列车轴温动态报警阈值设定方法
CN108335021A (zh) 一种风力机状态可靠度评估的方法及维修决策优化
CN111950822B (zh) 交通工具牵引变压器冷却系统的性能检测方法及装置、存储介质、终端
CN105804981A (zh) 动车组牵引变压器油泵远程故障监测和预警系统及其方法
CN105223293B (zh) 基于油色谱在线监测的变压器状态预警方法
CN105044499A (zh) 一种电力系统设备变压器状态的检测方法
CN112782614A (zh) 一种基于多信息融合的变流器的故障预警方法及装置
CN104992377A (zh) 一种基于服役年龄和负荷水平的变压器可靠性分析方法
CN117517859A (zh) 一种基于数字孪生的交直流混联配电网故障检测系统
CN107776606A (zh) 一种轴温监测系统故障检测方法
CN107461881B (zh) 一种医院空调机房的制冷主机能效诊断方法及其系统
CN112782499B (zh) 一种基于多信息融合的变流器的状态评估方法及装置
RU2687848C1 (ru) Способ и система вибромониторинга промышленной безопасности динамического оборудования опасных производственных объектов
CN112241511B (zh) 交通工具辅助电气系统的性能检测方法及装置、终端
CN103389457B (zh) 通过确定熔体激活能检测熔断器寿命的方法
CN107544008B (zh) 车载igbt状态监测方法及装置
CN106325258A (zh) 一种基于在线监测信息的继电保护装置状态评估方法
CN103985059A (zh) 一种基于模糊故障率的电网变压器运行风险评估方法

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
GR01 Patent grant
GR01 Patent grant
TG01 Patent term adjustment
TG01 Patent term adjustment