[go: up one dir, main page]

CN112508350A - 一种汽轮发电机组振动预警方法及系统 - Google Patents

一种汽轮发电机组振动预警方法及系统 Download PDF

Info

Publication number
CN112508350A
CN112508350A CN202011299355.7A CN202011299355A CN112508350A CN 112508350 A CN112508350 A CN 112508350A CN 202011299355 A CN202011299355 A CN 202011299355A CN 112508350 A CN112508350 A CN 112508350A
Authority
CN
China
Prior art keywords
data
vibration
steam turbine
turbine generator
probability distribution
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
Application number
CN202011299355.7A
Other languages
English (en)
Inventor
崔彦亭
胥佳瑞
林显超
吴韬
邓爱祥
张飞飞
孔令国
洪大智
汤金明
曳前进
李兴旺
伍小林
白公宝
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.)
Inner Mongolia Datang International Tuoketuo Power Generation Co Ltd
Thermal Power Generation Technology Research Institute of China Datang Corporation Science and Technology Research Institute Co Ltd
Original Assignee
Inner Mongolia Datang International Tuoketuo Power Generation Co Ltd
Thermal Power Generation Technology Research Institute of China Datang Corporation Science and Technology Research Institute 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 Inner Mongolia Datang International Tuoketuo Power Generation Co Ltd, Thermal Power Generation Technology Research Institute of China Datang Corporation Science and Technology Research Institute Co Ltd filed Critical Inner Mongolia Datang International Tuoketuo Power Generation Co Ltd
Priority to CN202011299355.7A priority Critical patent/CN112508350A/zh
Publication of CN112508350A publication Critical patent/CN112508350A/zh
Pending legal-status Critical Current

Links

Images

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
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M13/00—Testing of machine parts
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M13/00—Testing of machine parts
    • G01M13/04—Bearings
    • G01M13/045—Acoustic or vibration analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/21—Design, administration or maintenance of databases
    • G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Mathematical Optimization (AREA)
  • Operations Research (AREA)
  • Strategic Management (AREA)
  • Pure & Applied Mathematics (AREA)
  • Quality & Reliability (AREA)
  • Mathematical Physics (AREA)
  • Computational Mathematics (AREA)
  • Educational Administration (AREA)
  • General Engineering & Computer Science (AREA)
  • Development Economics (AREA)
  • Mathematical Analysis (AREA)
  • Marketing (AREA)
  • Control Of Turbines (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Software Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Business, Economics & Management (AREA)
  • Probability & Statistics with Applications (AREA)
  • Game Theory and Decision Science (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Algebra (AREA)
  • Tourism & Hospitality (AREA)
  • Acoustics & Sound (AREA)
  • Evolutionary Biology (AREA)
  • Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)

Abstract

本发明属于火电技术领域，具体涉及一种汽轮发电机组振动预警方法及系统，所述方法包括采集机组的实时振动数据；对采集的实时振动数据进行预处理得到正常运行时样本数据；根据样本数据确定正常运行时的概率分布，并进一步确定包络线；根据振动测试数据所处包络线位置进行振动状态评估；根据振动状态评估结果确认机组是否有故障发生。通过本发明可实时监测分析汽轮发电机组运行状况，在设备发生故障前能够发出预警，有助于及早发现机组潜在隐患，避免机组因振动原因而发生非停，从而提高火电厂汽轮发电机组的安全运行水平。

Description

一种汽轮发电机组振动预警方法及系统
技术领域
本发明属于火电技术领域，尤其涉及一种汽轮发电机组振动预警方法及系统。
背景技术
目前发电企业对振动异常的监测主要依赖于振动报警，报警发生时对于振动基数较小的机组来说设备状态可能已经发生了剧烈的变化，所以实时监测设备运行状况，在设备发生故障前发出预警，对于一些由于运行参数异常原因引起的振动，及时进行分析诊断并采取措施，对机组运行安全意义很大。
有鉴于上述的缺陷，本设计人，积极加以研究创新，以期创设一种汽轮发电机组振动预警方法及系统，能够检测到小振幅异常振动，及时进行运行调整和安排检修，提高火电厂汽轮发电机组的管理水平，以达到保证发电机组运行安全的目的。
发明内容
本发明的目的是提供一种汽轮发电机组振动预警方法及系统，以解决上述技术问题。
本发明提供了一种汽轮发电机组振动预警方法及系统，包括以下步骤：采集机组的实时振动数据；
对采集的实时振动数据进行预处理得到正常运行时样本数据；
根据样本数据确定正常运行时的概率分布，并进一步确定包络线；
根据振动测试数据所处包络线位置进行振动状态评估；
根据振动状态评估结果确认机组是否有故障发生。
作为对发明的进一步改进，所述振动数据包括机组转轴径向的相对轴振位移值以及轴承振动位移值。
作为对发明的进一步改进，对采集的实时振动数据进行预处理得到正常运行时样本数据包括以下步骤：
对采集的振动数据进行数据清洗，剔除噪声数据，所述噪声数据至少包括错误数据、不完整数据；
对经清洗和剔除噪声后的数据坐标系进行笛卡尔网格化，并对每一网格设置唯一编号，计算各个网格内样本数量，计算每一网格及其周围8个网格的样本密度；
遍历所有该网格样本密度不为0、且其周围8个网格样本密度至少一个为0的网格，并提取该网格作为边缘网格，提取边缘网格内样本作为概率分布估计的样本。
作为对发明的进一步改进，根据样本数据确定正常运行时的概率分布，并进一步确定包络线具体包括：获取机组正常运行时的多组随机数据，根据多组数据确定概率分布图，选取概率分布图中的若干数据，确定一条包络线，选取包络线的面积，所述包络线包含多组紧凑型样本数据。
作为对发明的进一步改进，选取若干测试数据，确定所述测试数据是否在包络线之内，若在，则确认机组无故障。
一种应用了所述的汽轮发电机组振动预警方法的汽轮发电机组振动预警系统，包括：
数据采集模块，用于采集机组的实时振动数据；
数据预处理模块，对采集的实时振动数据进行预处理得到正常运行时样本数据；
概率分布估计模块，根据样本数据确定正常运行时的概率分布，并进一步确定包络线；
振动状态评估模块，根据振动测试数据所处包络线位置进行振动状态评估；
结果输出模块，根据振动状态评估结果确认机组是否有故障发生。
作为对发明的进一步改进，还包括报警模块，所述报警模块用于在机组发生故障时进行报警。
作为对发明的进一步改进，所述数据预处理模块还用于对采集的振动数据进行数据清洗，剔除噪声数据，所述噪声数据至少包括错误数据、不完整数据；
对经清洗和剔除噪声后的数据坐标系进行笛卡尔网格化，并对每一网格设置唯一编号，计算各个网格内样本数量，计算每一网格及其周围8个网格的样本密度；
遍历所有该网格样本密度不为0、且其周围8个网格样本密度至少一个为0的网格，并提取该网格作为边缘网格，提取边缘网格内样本作为概率分布估计的样本。
作为对发明的进一步改进，所述概率分布估计模块还用于根据样本数据确定正常运行时的概率分布，并进一步确定包络线具体包括：获取机组正常运行时的多组随机数据，根据多组数据确定概率分布图，选取概率分布图中的若干数据，确定一条包络线，选取包络线的面积，所述包络线包含多组紧凑型样本数据。
作为对发明的进一步改进，所述振动状态评估模块还用于选取若干测试数据，确定所述测试数据是否在包络线之内，若在，则确认机组无故障。
借由上述方案，通过汽轮发电机组振动预警方法及系统，用于分析评估机组的振动状态，寻找异常振动数据，能够检测到小振幅异常振动，及时进行运行调整和合理安排检修，降低机组非停风险，提高火电厂汽轮发电机组的安全运行水平。
上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，并可依照说明书的内容予以实施，以下以本发明的较佳实施例并配合附图详细说明如后。
附图说明
图1是本发明的汽轮发电机组振动预警方法的示意图；
图2是本发明的汽轮发电机组振动预警方法的流程图；
图3是概率分布情况示意图。
具体实施方式
如图1所述为发明公开了一种汽轮发电机组振动预警方法的示意图，所述方法具体包括：
S1:采集机组的实时振动数据，所述振动数据包括机组转轴径向的相对轴振位移值以及轴承振动位移值；
S2:对采集的实时振动数据进行预处理得到正常运行时样本数据；具体的，对采集的实时振动数据进行预处理得到正常运行时样本数据包括以下步骤：
对采集的振动数据进行数据清洗，剔除噪声数据，所述噪声数据至少包括错误数据、不完整数据；
对经清洗和剔除噪声后的数据坐标系进行笛卡尔网格化，并对每一网格设置唯一编号，计算各个网格内样本数量，计算每一网格及其周围8个网格的样本密度；
遍历所有该网格样本密度不为0、且其周围8个网格样本密度至少一个为0的网格，并提取该网格作为边缘网格，提取边缘网格内样本作为概率分布估计的样本。
S3:根据样本数据确定正常运行时的概率分布，并进一步确定包络线；根据样本数据确定正常运行时的概率分布，并进一步确定包络线具体包括：获取机组正常运行时的多组随机数据，根据多组数据确定概率分布图，选取概率分布图中的若干数据，确定一条包络线，选取包络线的面积，所述包络线包含多组紧凑型样本数据，选取若干测试数据，确定所述测试数据是否在包络线之内，若在，则确认机组无故障。
在进行概率分布情况进行统计前，需要对概率分布进行估计，概率分布估计选用最优分类超平面算法进行计算，考虑符合某一分布P的独立同分布训练数据，x1,x2,L,xl∈X，其中x1l是观测样本的数目，X是诊断对象观测空间；假定训练数据可以被一个超平面从原点分开，并且在所有把训练数据从原点分开的超平面中该超平面距离原点的距离是最大的，最优超平面的函数为:f(x)＝(w·x)-ρ＝0；
进一步通过高维概率分布函数进行概率估计；具体的将最优超平面算法引入核函数方法扩展到高维不可分情况，设Φ是一个特征映射X→F，得到特征空间内积核函数，即k(x,y)＝(Φ(x)·Φ(y))。引入拉格朗日乘子αi≥0,βi≥0，经过等价变换，所有满足{xi:ai>0,i＝1,2,Ll}的样本的样本称为支持向量，决策函数的形式变为f(x)＝sgn(∑aik(xi,x)-r)；
将高位概率分布函数进行估计之后需要将正常运行时的样本集作为一种模式类，经过机组一段时间的运行，机组无故障运行的历史振动数据就应该是符合某一概率分布的随机数。而在机组出现故障时，振动就会偏离这一概率分布，也就是在该概率分布下出现这样振动的概率非常小。
S4:根据振动测试数据所处包络线位置进行振动状态评估，选取的所述包络线面积尽量小，同时包围尽量多的样本数据，这样才能确保评估的准确性；
S5:根据振动状态评估结果确认机组是否有故障发生，如果振动测试样本处于包络线之内，则认为无故障发生，否则，则发生故障，进行预警。
如图2所示的为汽轮发电机组振动预警方法的流程图，其公开了具体的实施方法，首先通过汽轮发电机组采集多组实时振动的数据，该数据中包括不可用的数据，诸如错误数据或不完整数据，进一步对采集到的数据进行清洗，剔除掉冗余的和错误的数据，进一步对处理后的数据进行振动向量进行提取，即对处理后的数据进行笛卡尔网格化，并对每一网格设置唯一编号，计算各个网格内样本数量，计算每一网格及其周围8个网格的样本密度；遍历所有该网格样本密度不为0、且其周围8个网格样本密度至少一个为0的网格，并提取该网格作为边缘网格，提取边缘网格内样本作为概率分布估计的样本，根据该样本数据来进一步确定记住正常运行时的概率分布，其中，图3是概率分布情况示意图，当确定概率分布之后，即可选取若干测试数据，确定所述测试数据是否在包络线之内，若在，则确认机组无故障，若不在，则需要对机组运行情况进行预警，提醒及时进行运行调整和合理安排检修，降低机组非停风险，提高火电厂汽轮发电机组的安全运行水平。
本发明还公开了一种应用所述的汽轮发电机组振动预警方法的汽轮发电机组振动预警系统，具体包括：
数据采集模块，用于采集机组的实时振动数据；
数据预处理模块，对采集的实时振动数据进行预处理得到正常运行时样本数据；
概率分布估计模块，根据样本数据确定正常运行时的概率分布，并进一步确定包络线；
振动状态评估模块，根据振动测试数据所处包络线位置进行振动状态评估；
结果输出模块，根据振动状态评估结果确认机组是否有故障发生。
还包括报警模块，所述报警模块用于在机组发生故障时进行报警。
所述数据预处理模块还用于对采集的振动数据进行数据清洗，剔除噪声数据，所述噪声数据至少包括错误数据、不完整数据；
对经清洗和剔除噪声后的数据坐标系进行笛卡尔网格化，并对每一网格设置唯一编号，计算各个网格内样本数量，计算每一网格及其周围8个网格的样本密度；
遍历所有该网格样本密度不为0、且其周围8个网格样本密度至少一个为0的网格，并提取该网格作为边缘网格，提取边缘网格内样本作为概率分布估计的样本。
所述概率分布估计模块还用于根据样本数据确定正常运行时的概率分布，并进一步确定包络线具体包括：获取机组正常运行时的多组随机数据，根据多组数据确定概率分布图，选取概率分布图中的若干数据，确定一条包络线，选取包络线的面积，所述包络线包含多组紧凑型样本数据，找到一条包络线，使得包络线的面积尽量小，同时包围尽量多的样本数据。
所述振动状态评估模块还用于选取若干测试数据，确定所述测试数据是否在包络线之内，若在，则确认机组无故障。
本发明可用于分析评估机组的振动状态，寻找异常振动数据，能够检测到小振幅异常振动，及时进行运行调整和合理安排检修，降低机组非停风险，提高火电厂汽轮发电机组的安全运行水平。
以上所述仅是本发明的优选实施方式，并不用于限制本发明，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变型，这些改进和变型也应视为本发明的保护范围。

Claims (10)

1.一种汽轮发电机组振动预警方法，其特征在于，包括：
采集机组的实时振动数据；
对采集的实时振动数据进行预处理得到正常运行时样本数据；
根据样本数据确定正常运行时的概率分布，并进一步确定包络线；
根据振动测试数据所处包络线位置进行振动状态评估；
根据振动状态评估结果确认机组是否有故障发生。
2.根据权利要求1所述的汽轮发电机组振动预警方法，其特征在于，所述振动数据包括机组转轴径向的相对轴振位移值以及轴承振动位移值。
3.根据权利要求2所述的汽轮发电机组振动预警方法，其特征在于，对采集的实时振动数据进行预处理得到正常运行时样本数据包括以下步骤：
对采集的振动数据进行数据清洗，剔除噪声数据，所述噪声数据至少包括错误数据、不完整数据；
对经清洗和剔除噪声后的数据坐标系进行笛卡尔网格化，并对每一网格设置唯一编号，计算各个网格内样本数量，计算每一网格及其周围8个网格的样本密度；
遍历所有该网格样本密度不为0、且其周围8个网格样本密度至少一个为0的网格，并提取该网格作为边缘网格，提取边缘网格内样本作为概率分布估计的样本。
4.根据权利要求1至3中任一项权利要求所述的汽轮发电机组振动预警方法，其特征在于，根据样本数据确定正常运行时的概率分布，并进一步确定包络线具体包括：获取机组正常运行时的多组随机数据，根据多组数据确定概率分布图，选取概率分布图中的若干数据，确定一条包络线，选取包络线的面积，所述包络线包含多组紧凑型样本数据。
5.根据权利要求4所述的汽轮发电机组振动预警方法，其特征在于，选取若干测试数据，确定所述测试数据是否在包络线之内，若在，则确认机组无故障。
6.一种应用了权利要求1-5中任一项所述的汽轮发电机组振动预警方法的汽轮发电机组振动预警系统，其特征在于，包括：
数据采集模块，用于采集机组的实时振动数据；
数据预处理模块，对采集的实时振动数据进行预处理得到正常运行时样本数据；
概率分布估计模块，根据样本数据确定正常运行时的概率分布，并进一步确定包络线；
振动状态评估模块，根据振动测试数据所处包络线位置进行振动状态评估；
结果输出模块，根据振动状态评估结果确认机组是否有故障发生。
7.根据权利要求6所述的汽轮发电机组振动预警系统，其特征在于，还包括报警模块，所述报警模块用于在机组发生故障时进行报警。
8.根据权利要求7所述的汽轮发电机组振动预警系统，其特征在于，所述数据预处理模块还用于对采集的振动数据进行数据清洗，剔除噪声数据，所述噪声数据至少包括错误数据、不完整数据；
对经清洗和剔除噪声后的数据坐标系进行笛卡尔网格化，并对每一网格设置唯一编号，计算各个网格内样本数量，计算每一网格及其周围8个网格的样本密度；
遍历所有该网格样本密度不为0、且其周围8个网格样本密度至少一个为0的网格，并提取该网格作为边缘网格，提取边缘网格内样本作为概率分布估计的样本。
9.根据权利要求6至8中任一项权利要求所述的汽轮发电机组振动预警系统，其特征在于，所述概率分布估计模块还用于根据样本数据确定正常运行时的概率分布，并进一步确定包络线具体包括：获取机组正常运行时的多组随机数据，根据多组数据确定概率分布图，选取概率分布图中的若干数据，确定一条包络线，选取包络线的面积，所述包络线包含多组紧凑型样本数据。
10.根据权利要求9所述的汽轮发电机组振动预警系统，其特征在于，所述振动状态评估模块还用于选取若干测试数据，确定所述测试数据是否在包络线之内，若在，则确认机组无故障。
CN202011299355.7A 2020-11-19 2020-11-19 一种汽轮发电机组振动预警方法及系统 Pending CN112508350A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011299355.7A CN112508350A (zh) 2020-11-19 2020-11-19 一种汽轮发电机组振动预警方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011299355.7A CN112508350A (zh) 2020-11-19 2020-11-19 一种汽轮发电机组振动预警方法及系统

Publications (1)

Publication Number Publication Date
CN112508350A true CN112508350A (zh) 2021-03-16

Family

ID=74958094

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011299355.7A Pending CN112508350A (zh) 2020-11-19 2020-11-19 一种汽轮发电机组振动预警方法及系统

Country Status (1)

Country Link
CN (1) CN112508350A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114674417A (zh) * 2022-02-14 2022-06-28 华能(浙江)能源开发有限公司玉环分公司 一种复杂轴系各转动部分固有动频率监测方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101718634A (zh) * 2009-11-20 2010-06-02 西安交通大学 基于多元概率模型的设备状态综合动态报警方法
CN104198138A (zh) * 2014-08-28 2014-12-10 北京天源科创风电技术有限责任公司 一种风力发电机组异常振动的预警方法及系统
JP2018179735A (ja) * 2017-04-12 2018-11-15 日本精工株式会社 回転部品の異常診断方法及び異常診断装置
JP2019027814A (ja) * 2017-07-26 2019-02-21 株式会社ディーゼルユナイテッド 振動音響解析方法及び装置と機器異常部位推定方法及び装置
CN110672325A (zh) * 2019-09-02 2020-01-10 佛山科学技术学院 一种基于概率分布的轴承工况稳定性评估方法及装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101718634A (zh) * 2009-11-20 2010-06-02 西安交通大学 基于多元概率模型的设备状态综合动态报警方法
CN104198138A (zh) * 2014-08-28 2014-12-10 北京天源科创风电技术有限责任公司 一种风力发电机组异常振动的预警方法及系统
JP2018179735A (ja) * 2017-04-12 2018-11-15 日本精工株式会社 回転部品の異常診断方法及び異常診断装置
JP2019027814A (ja) * 2017-07-26 2019-02-21 株式会社ディーゼルユナイテッド 振動音響解析方法及び装置と機器異常部位推定方法及び装置
CN110672325A (zh) * 2019-09-02 2020-01-10 佛山科学技术学院 一种基于概率分布的轴承工况稳定性评估方法及装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
鹿卫国: "一种基于概率分布估计的水电机组故障预警方法", 《中国电机工程学报》, vol. 25, no. 4, pages 94 - 98 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114674417A (zh) * 2022-02-14 2022-06-28 华能(浙江)能源开发有限公司玉环分公司 一种复杂轴系各转动部分固有动频率监测方法

Similar Documents

Publication Publication Date Title
CN110362045B (zh) 一种考虑海洋气象因素的海上双馈风电机组故障判别方法
CN111582392A (zh) 一种风电机组关键部件多工况健康状态在线监测方法
CN117458955A (zh) 电机的运行控制方法及系统
EP3105644A1 (en) Method of identifying anomalies
CN117932322B (zh) 一种面粉设备故障诊断方法及系统
Ramirez et al. Alarms management by supervisory control and data acquisition system for wind turbines
CN111275570A (zh) 一种基于迭代式统计与假设检验的风电机组功率异常值检测方法
KR102797665B1 (ko) 머신러닝을 이용한 원전설비의 예측진단 방법 및 시스템
CN111103137A (zh) 基于深度神经网络的风力涡轮机齿轮箱故障诊断方法
CN118653970A (zh) 一种风电机组运行状态预警阈值的修正方法及系统
CN118030409A (zh) 用于风机机组的运行性能异常检测方法及系统
CN119691664B (zh) 基于大数据分析的水电站计算机监控系统故障预测方法
KR102108975B1 (ko) 함정설비의 상태기반 정비 지원 장치 및 방법
CN112733446A (zh) 一种数据驱动的自适应异常检测方法
CN112508350A (zh) 一种汽轮发电机组振动预警方法及系统
CN113962436B (zh) 基于蒙特卡洛算法的汽轮机故障预警方法
CN115906437A (zh) 一种风机状态确定方法、装置、设备和存储介质
CN117951633B (zh) 一种光伏发电设备故障诊断方法及系统
Hamid et al. Bearing fault identification for high-speed wind turbines using cnn
KR102028845B1 (ko) 원전설비의 예측 진단 방법 및 시스템
CN117804763A (zh) 一种基于自动寻峰计算固有频率的风电叶片诊断方法
KR102017162B1 (ko) 원전설비의 예측 진단 방법 및 시스템
CN117851877A (zh) 基于scada数据关联分析的风电叶片断裂预警方法、装置、可读存储介质
CN115013254B (zh) 一种风力发电机故障预警方法
CN114562431A (zh) 监测风力发电机组湿度的方法及装置

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20210316

RJ01 Rejection of invention patent application after publication