物联网架构下风力发电机组远程状态监测系统设计

使用物联网为架构将风力发电机组的运行状态的远程监测、故障趋势预测组成为一个新的监测系统。该系统由运行状态信息采集子系统、网络服务子系统和客户端子系统三大子系统组成。其中该系统中客户端子系统使用基于Asp.net的B/S远程监测模式来实现实时数据采集、数据查询与录入和故障诊断预测分析三大功能。     

基于物联网的风力发电机状态监测系统设计

为了确保风力发电机组持续、稳定运行,设计了一种基于物联网的风力发电机组状态实时监测系统。系统以嵌入式ARM-Linux为控制核心,采用多个传感器组实时监测发电机的转速、转矩以及工作温度等参数,通过4G网络传输方式将所采集到的数据打包后统一发送到数据服务器中心,最终在PC机端实时查看监测到的数据。实际试验结果表明,系统能有效监测到发电机组的转速、工作温度以及电网参数等数据,为风力发电机的故障预测以及故障诊断提供坚实的数据基础。     

大型风力发电机组状态监测与控制技术研究

实现大型风力发电机组的状态监测与控制是确保大型风力发电场安全、有效运行的手段。文章论述了大型风力发电机组的状态监测、控制技术参数与特点,分析、设计了大型风力发电机组的状态监测与控制系统,包括该系统的功能与实现方法等。     

风机齿轮箱状态监测与故障诊断系统设计研究

针对风力发电机组地处偏远、人工巡检排故困难,利用物联网技术开发了远程状态实时监测和故障诊断系统,分析了总体框架,构建了故障诊断规则库,阐述了工作流程。该系统可实现对风机齿轮箱运行状态的远程实时监测,通过分析风机齿轮箱运行状态信息触发自动故障诊断系统和基于规则的故障诊断,生成故障诊断报告,并将其导入专家经验库。经风电机组齿轮传动实验台实验检验,系统界面友好,能为维修工程师进行故障排查提供解决方案,提高排故效率,缩短排故时间,降低排故难度。     

基于物联网与云平台的PET反应釜远程监控系统

以PET反应釜监控系统为背景,设计并实现了基于物联网与云平台的远程工业监控系统。利用移动互联网技术,实现了让用户通过移动客户端对PET反应釜的状态进行远程监控,以便于对反应釜各项参数实时了解。实际测试表明:该监控系统运行稳定,达到了远程通信安全、即时的要求。     

应急电源车运行状态远程在线监测管理系统

移动电源车已成为电力系统中保供电应急预案的重要组成.为了适应电力系统数字化转型和智能化管理的发展,保证电源车安全可靠运行,实现运维指导,需要对电源车的运行状态进行远程实时监测和综合管理.结合电源车结构、技术规范标准、应急处理功能定位等方面特点和需求,设计了一套应急电源车运行状态远程在线监测管理系统.系统从车载端、云服务器端和用户端出发,基于分布式架构,分为车况监测系统、数据通讯系统和车辆运维管理调度系统.通过实例应用,系统在监测电源车发电机组、底盘车、运行环境等在线运行状态监测管理方面运行效果稳定可靠.该系统对其他类型应急救援车辆的监测系统的开发与应用有着重要的参考价值.     

应急电源车运行状态远程在线监测管理系统

移动电源车已成为电力系统中保供电应急预案的重要组成.为了适应电力系统数字化转型和智能化管理的发展,保证电源车安全可靠运行,实现运维指导,需要对电源车的运行状态进行远程实时监测和综合管理.结合电源车结构、技术规范标准、应急处理功能定位等方面特点和需求,设计了一套应急电源车运行状态远程在线监测管理系统.系统从车载端、云服务器端和用户端出发,基于分布式架构,分为车况监测系统、数据通讯系统和车辆运维管理调度系统.通过实例应用,系统在监测电源车发电机组、底盘车、运行环境等在线运行状态监测管理方面运行效果稳定可靠.该系统对其他类型应急救援车辆的监测系统的开发与应用有着重要的参考价值.     

基于物联网的液压泵站远程监控系统设计北大核心CSCD

针对传统液压泵站无法远程监控、智能化程度不高等问题,设计了基于物联网的液压泵站远程监控系统。该监控系统采用STM32F103芯片为核心的控制器对现场仪器仪表进行数据采集和控制,通过4G无线通信模块与云端服务器进行数据交换。远程监控客户端通过以太网或WiFi与云端服务器相连接,实时与以STM32F103芯片为核心的控制器收发指令数据实现对液压泵站的远程监控。试验结果表明,该系统运行效果稳定,可以实时远程监控液压泵站的运行状态,系统最大相对误差为0.82%,控制精度可达-0.75%,为液压泵站的故障诊断及预测提供了一定的依据。     

基于数据挖掘的风力发电设备在线故障诊断平台

为保证风电场大型风力发电机组安全、可靠、经济和优化运行,提出了一个基于数据挖掘技术的风力发电机组在线状态监测与故障诊断系统。并介绍了该系统的硬件、软件体系结构、网络技术及特点,给出应用实例说明其实用性和有效性。     

风力发电机组异常数据检测研究

风力发电机组运行环境往往十分恶劣,运行数据中存在大量不符合风力发电机组正常输出特性的异常数据。为了使风能成为可靠的能源来源,建立高效、准确的风电监测和预测模型十分重要,因此需要将异常数据进行识别,以更准确地分析风力发电机组的运行状况。同时,异常数据的识别和剔除是获得风功率曲线、从而评价风力发电机组发电性能优劣及风功率预测的重要步骤。对异常数据的成因开展分析是识别机组运行状态、实现风电监测的重要工作。本文阐述了风速-功率散点图中的异常数据分布特征,总结常用的异常数据识别方法、风功率曲线建模方法和风力发电机组运行状态识别方法,并分析各个方法的问题和不足,提出了风力发电机组运行状态识别深入研究的未来发展方向。