摘要
本发明公开了一种基于大数据的抽水蓄能电站机组状态监测系统及方法,通过在抽水蓄能电站机组监测区域内设置多个物理属性监测点和多个振动信号监测点,并实时采集抽水蓄能电站机组的物理属性数据和振动信号数据,同时通过数据预处理方法对采集到的物理属性数据和振动信号数据进行预处理,预处理完成后通过数据分析方法对预处理后的物理属性数据和振动信号数据进行分析,同时基于分析后的物理属性数据和振动信号数据构建故障诊断模型并确定故障等级,最后基于构建的故障诊断模型通过数字孪生方式构建故障实时预测模型,并基于构建的故障实时预测模型对抽水蓄能电站机组状态进行实时监测和预警,提高水蓄能电站机组状态监测的准确性。
技术关键词
抽水蓄能电站机组
故障诊断模型
监测点
状态监测方法
机械振动信号
数据预处理方法
物理
大数据
数字孪生
状态监测系统
故障诊断模块
数据分析方法
数据处理模块
数据采集模块
状态分析方法
支持向量机算法
水力
线性插值法
系统为您推荐了相关专利信息
随机森林模型
花朵授粉算法
远程服务器
故障诊断模型
故障报警信息
故障诊断模型
智能故障诊断方法
设备振动监测
振动监测数据
样条
判断监测区域
监测误报率
特征提取算法
动态
图像
机电设备故障诊断
信号特征
故障诊断模型
数据
样本学习方法
故障诊断方法
非线性动力学特征
旋转机械振动信号
多尺度排列熵
多尺寸