基于气动声学故障诊断技术的风机叶片开裂模型仿真与检测方法研究

随着新能源技术的不断发展,风力发电逐渐成为目前主要的可再生能源发电方式。大型风机的发展对于风力发电行业而言至关重要,但其也存在诸多的运维问题。为了解决风力发电机叶片受载荷不均匀,容易造成尾缘开裂,以及运维困难的问题,通过数值模拟与半经验声学模型结合的方法研究风机叶片开裂状态下气动噪声的变化,并提出采用IEEE2400国际标准进行声学故障检测的理论框架。通过对不同的实验结果以及NREL的半经验模型软件仿真结果分析,得出：所提出的非接触式检测模型可以有效地识别到风机叶片的开裂故障;同时该方法有较强的推广性,可以用于其他的风机叶片故障分析与监测。该模型不仅可以检测风机的叶片开裂故障,还可以用于分析风机运行时的气动声学特征,对于完善风机叶片无损检测、非接触式具有十分重要的意义。     

基于油液在线监测的风机齿轮箱磨损状态识别

针对风机齿轮箱磨损状态识别中传统算法识别准确率低的问题,该文提出了一种基于BP神经网络的风机齿轮箱磨损状态的识别方法。该方法基于油液在线监测的多维数据样本,构建BP神经网络风机齿轮箱磨损状态识别模型。仿真实验中,在经过对测试数据学习训练后,BP神经网络和传统聚类算法分别对一组测试数据进行磨损状态识别,BP神经网络模型的风机齿轮箱磨损状态识别准确率可达到98%,而相同样本下,传统聚类算法的识别准确率仅为90.4%。对比实验结果表明,所提方法具有更高的识别准确率。     

智能变电站状态监测及辅助控制系统应用

针对变电站状态监测系统数据管理难度高、监测精度低等问题,提出了基于物联网技术的新型计算机服务器平台。结合辅助控制系统中火灾警报传感装置,通过应用程序来实时通知用户火灾情况;构建智能变电站状态监测算法模型,通过基于局部矩阵重构的检测算法分析相邻变电站状态数据分布的差异。实验结果表明,该算法监测数据精度较高,可满足智能变电站“运维高效化、监测智能化、检修规范化”的要求。     

基于LLTSA的轴承故障数据降维方法研究

针对工作中轴承内外圈及滚动体难以分别监测以及轴承故障数据特征指标多、维数高的特点,考虑对轴承状态数据进行降维。考虑到常用降维方法自身存在的各种缺陷,采用线性局部切空间排列算法(LLTSA)对轴承故障数据进行降维并投影到三维空间,并与PCA以及KPCA方法进行比较。结果表明LLTSA算法对于滚动轴承内外圈以及滚动体不同故障具有较好的分类性能。     

数据中心声纹监测诊断方案研究与应用

针对数据中心运维场景下水泵、风机和开关柜等设备无法及时监测故障发生前期运行工况的需求,本文通过对机房设备运行时的声纹信息进行连续监测,采用无线/有线振动传感器将监测数据传输至云端服务器,通过智能算法实现对设备状态的实时监测和自动诊断分析,实现了故障发生前的自动诊断和预警,提升了数据中心安全生产运维效率。实践证明,该方案易于推广,使用场景分布广泛,通用性强。     

数据中心设备状态评价模型研究

数据中心设备数量巨大,如何保证设备的安全稳定运行成为数据中心设备运维管理的重要课题,而解决该问题的前提是及时、全面获知设备的运行状态,因此,本文对如何系统评价设备状态进行了细致研究。根据数据中心设备物理构成特点,抽象出了硬件层、设备层、部件层、指标层四个层面,提出了基于模糊理论并结合CRITIC算法和AHP算法对设备状态从下到上逐层进行评价的理论模型。另外,本文还对模型评估和模型优化进行了探讨。该理论模型的应用可有效提升数据中心的设备运维水平,支撑数据中心高效运营。     

海上风电场状态监测方法综述

介绍了我国海上风电场的发展状况,分析了海上风电场状态监测的意义。阐述了海上风电场设备检修的实际困难。对风力发电机、变电站及海底复合电缆的状态监测进行分析,总结目前对海上风电场电气主设备状态监测所提出的一些方法。提出利用IEC61850在海上风电场建立通信系统,对智能变电站下的IEC61850做发电机逻辑节点的扩展。结合新兴技术对海上风电场的状态监测进行了展望。     

基于SCADA数据的风电场后评估方法

风电场后评估作为优化风电场运行状态、降低运维成本的关键技术手段,其方法已成为业界探讨的焦点。本文综合介绍了目前国外基于SCADA(Supervisory Control And Data Acquisition)数据系统的风电场后评估方法,包括宏观的主元分析法,关键绩效指标法以及微观的结构力学方法。分析了三种风电场后评估方法的局限性,展望了风电场后评估技术及方法的发展方向,提出了通过建立风机非标准工作状态下的样本数据库,并以该数据库为基础生成风机工作状态图谱来诊断风机工作状态的方法。     

基于声纹特征识别的电力变压器运维检测技术研究

针对现有方法对电力变压器状态监测不够全面的问题,基于声纹特征识别技术进行了电力变压器运维检测方法研究。构建了电力变压器声纹信号的梅尔倒频谱系数（MFCC）特征,并提出了基于深度置信网络（DBN）与支持向量数据状态描述（SVDD）的电力变压器缺陷状态识别算法。同时利用DBN模型对MFCC特征进行学习训练,完成对深度声纹特征的提取。通过SVDD算法对声纹特征与缺陷类型进行关联分析,以实现缺陷类型的精准识别。在实际数据样本集上进行的测试结果表明,DBN-SVDD算法对于缺陷类型识别具有较高的准确性,且在实际应用中能够准确识别常见缺陷,并为电力变压器运维检测提供有效的辅助。     

基于物联网云平台技术的地铁智能运维系统研究

文章对现阶段城市地铁运维中存在的普遍问题进行了分析,探求了智能运维系统的建设需求与原则,并基于物联网云平台技术提出一种智能运维系统。该系统可有效提升监测信息的全面性和效率,对设备进行全生命周期的运维监测。     

基于SMOTE的XGBoost算法在风机叶片结冰预测中的应用

文中针对低温潮湿环境下风机易出现的叶片结冰现象,提出一种基于SMOTE的XGBoost算法对风机叶片结冰进行早期预测。首先,结合领域知识和Wrapper法对风机SCADA数据进行特征分析,评估各特征重要性;其次,对结冰数据进行SMOTE过采样,选择适合不平衡数据集的评估指标F1Score,G-mean作为模型评估指标;最后,基于XGBoost算法构建预测模型,利用网格搜索与学习曲线对模型参数进行优化,提高预测准确率。通过与AdaBoost算法进行比较,实验结果表明文中提出的方法在准确率和时间效率方面优于AdaBoost算法,有效解决了风机结冰预测问题。     

变电站及其变压器在线状态监测系统

变电站及其变压器在线状态监测系统的出现,为电力设备的运维管理提供了一种先进、高效的解决方案。文章提出了变电站及变压器在线状态监测系统(Onling Condition Monitoring System, OCMS),该系统有助于用预测性维护取代变压器的预防性维护。OCMS是一种成本效益高、在线且准确的工具。通过实验结果分析,对所提出的系统效果进行了评价。OCMS适用于正常或异常故障的变压器,如通过溶解气体分析检测到的异常故障。因此,OCMS与市场上用于变压器状态监测的其他健康指数算法不同,性能更优异。     

基于小波包分解的船舶发电机轴承故障检测

为了实现对船舶发电机轴承进行故障检测,通过对三相定子电流的Park失量模信号进行小波包分解,求相应子频带小波包分解的均方根值(RMS)作为表征电机轴承的故障特征,以此作为发电机轴承故障诊断的依据。在实验室条件下,选择一款发电机并人为设置轴承故障进行试验验证,实验结果表明,提出的方法能够有效的识别发电机的轴承故障。     

风力发电机叶片的早期运维策略

阐述叶片对风力发电系统的性能起着至关重要的作用。然而，它很容易受到制造缺陷、沉淀和碎屑、进水、风引起的可变载荷、操作错误和雷击等因素引起的损坏，甚至会导致灾难性的破坏，而且维护费用昂贵。降低风机运维成本的最有效方法是实现叶片损伤早期检测，并进行预防处理，进而预防损伤的发生和扩展。探讨叶片的最新早期运维技术，包括SHM、寿命预测、防开裂、除冰、防侵蚀、防雷和防火等，提出了风力发电机叶片早期运维的技术策略。     

Linux服务器运行数据监测系统设计与实现

在大中型企业中,Linux服务器得到了广泛的应用,服务器数量随着应用扩展越来越多,给运维监测带来了巨大挑战。为了解决服务器运维监测问题,提高运维效率与系统的可用性,方便运维人员掌握服务器运行状态,设计并实现了Linux服务器运行数据监测系统,包括系统架构和系统功能。服务器运行数据监测系统能够对Linux服务器数据进行准确监测,设计并实现了通过Android移动应用程序来可视化展示监测数据。该系统运行稳定,且能够满足运维人员的工作需求。     

IPTV智能化综合运维管理平台介绍

智能化综合运维管理平台可实现对整个IPTV集成播控直播平台设备的运行状态、各节点信号码流质量、机房动力环境等24小时实时数据监测和综合分析判断。实施监测的所有项目中,只要其中任何一项有异常,均会触发系统发出声光报警,可帮助运维人员及时定位故障和实时了解整个直播平台的运行状态,大大简化了运维手段的同时也提高了运维效率,在保障节目的安全播出中发挥了重大作用。对此,详细介绍IPTV智能化综合运维管理平台的组成架构和应用优势。     

应用于驾驶疲劳监测的人眼定位与状态分析

驾驶疲劳监测对算法实时性及可靠性要求高,提出一种快速人眼定位及状态分析算法。首先采用Adaboost分类器在视频序列中定位人脸,并给出图像自商融合方法增强算法对光照的适应能力;然后利用灰度投影划分人眼区域,并通过Bernsen局部自适应二值化方法提取眼睛候选区;其次对候选区进行图像矩描述,通过椭圆参数分析及上下文信息实现眼睛定位;最后针对疲劳判定指标特点,采用椭圆短轴参数表征眼睛睁开高度实现眼睛状态分析。实验表明,算法对光照鲁棒性强,平均正确定位率达到98.34%,监测速度达到28 f/s(帧/秒),算法适用于疲劳判断指标,可应用于疲劳监测系统,具有较高的实用价值。     

基于Φ-OTDR的海风机与海底电缆在线状态监测方法

利用自研的Φ-OTDR系统,在福建省某海上风电场开展了演示验证,实现了对海风机机组的启动-运行-停机等不同工况下的状态分析与诊断,总结了不同工况下的振动特征及诊断依据;以及针对海底电缆的水流冲击、锚害拖拽、抵近船只航行等监测预警功能,总结了不同海缆状态下及周边环境感知目标事件特征。实测结果证明该方案能够在线监测海风机与海底电缆状态,并有效感知周围环境,为提升海上风电场运维水平提供了可靠的技术途径。     

基于智能融合终端的台区运行状态监测系统设计

针对低压台区运维智能化水平低的问题,分析了智能融合终端的软硬件及通信网络架构,进一步提出了基于智能融合终端的台区运行状态监测系统设计方案。该系统采用“云、管、边、端”四级技术架构,具有用电数据分析、环境信息监测、变压器状态检测以及其他辅助功能。将所设计的系统应用于某供电局台区进行仿真测试。结果表明,该系统能够对三相电流、三相不平衡度、三相电压和功率因数等运行参数进行实时监测,同时还能够有效地发现异常运行状态,提高运维人员的工作效率,提升客户的用电体验。     

新能源基站监控应用分析

太阳能等新能源站点一直以来处于无监控状态,储能、发电量、运行状态无法掌握,造成运行不稳定,维护困难现状,将其纳入监控系统,比如确定蓄电池性能优劣、分析太阳能电源工作效率、分析控制器是否具备对蓄电池的均浮充管理、判断系统配置是否达标、指导运维计划等,来达到高效运维的效果。