会员中心
搜索
登录
注册

解决方案

数字化转型通用方案行业方案安全方案大数据人工智能物联网行业展望自动控制其他

产品|技术

白皮书产品介绍技术介绍技术创新模型算法

政策|规范

政策规范行动计划

电子书

电子书课件

报告|论文

报告模板论文

设备的状态监测与故障诊断

设备状态监测技术与设备故障诊断技术既有区别也有联系，监测是诊断的基础和前提，诊断是监测的最终结果。有时又将二者统称为设备故障诊断，可分为简易诊断和精密诊断两个层次。简易诊断即设备的“健康检查”，根据量值范围判断设备是正常还是异常。简易诊断的作用是监测和保护，目的是对设备的状态做出迅速而有效的概括和评价，由操作者、维护者实施。而精密诊断是在简易诊断基础上更深层次的诊断，目的是判断故障的性质（渐进性/突发性……）、原因（不平衡/不对中……）、部位（电动机/风机、轴承/齿轮……）、程度（一般故障/严重故障……）等，由专业诊断技术人员实施。

  • 2024-10-20
  • 阅读97

PROFINET设备诊断与预测性维护

（1）诊断来源（diagnosis source）识别干扰的源头；（2）严重性（severity）表示维护的紧迫性；（3）诊断信息（diagnosis information）标识“问题/原因”并建议“应对措施”。

  • 2024-10-20
  • 阅读56

黄立滨高工：计及分布式光伏和储能主动支撑的配电网日前日内协调优化运行策略

为充分挖掘分布式光伏与储能对配电网的主动支撑能力，提高配电网运行效益与供电质量，提出计及分布式光伏和储能主动支撑的配电网日前日内协调优化运行策略。考虑到光伏和负荷预测误差所带来的调度成本风险，采用条件风险价值的方法对其进行量化。日前优化模型以配电网运行成本与成本风险最小为优化目标，制定日前优化方案，为日内优化提供参考；日内优化模型对分布式光伏与储能的有功无功功率进行调度，以加权电压偏差、线路损耗、储能有功功率偏差最小为优化目标，在提升配电网供电质量的同时保证日内运行的经济性。将所提出的模型转化成便于求解的二阶锥规划模型，采用IEEE 33节点算例对所提出的策略进行验证。算例结果表明，所提出的日前日内协调优化策略充分挖掘了分布式光伏与储能的主动支撑能力，有效降低了配电网的运行成本，并对电压越限问题有明显的缓解作用。

  • 2024-09-26
  • 阅读80

2023超低能耗建筑外墙和阳台连接系统白皮书-佩克（Peikko）

党的二十大报告指出，实现碳达峰碳中和是一场广泛而深刻的经济社会系统性变革，要积极稳妥推进碳达峰碳中和。逐步转向碳排放总量和强度“双控”制度。推动能源清洁低碳高效利用，推进工业、建筑、交通等领域清洁低碳转型。

  • 2024-10-24
  • 阅读65
  • 下载0
  • 46页
  • pdf

2023园区工商业配储项目储能系统技术方案(36页 WORD)

本项目采用预装式结构，0.5MW/1MWh 储能系统，包括 1套能量管理系统 (EMS) 和 1 套 0.5MW/1MWh 储能子单元；每套储能子单元包含 1 套 0. 5MW/1MWh储能电池 系统 (直流侧) , 1 套逆变变压电气系统 。其中逆变升压主电气设备及辅助设备 与储能电池系统 (直流侧) 一起集成在集装箱内部 ，采用物理墙的形式隔开。

  • 2024-10-24
  • 阅读69
  • 下载0
  • 36页
  • docx

基于多保真度深度神经网络的偶然不确定性量化

传统的不确定性量化( uncertainty quantification，UQ )方法在处理高维问题时会遭遇维数灾难，解决这一挑战的一种方法是利用深度神经网络 ( deep neural networks，DNNs ) 强大的近似能力。然而，传统的 DNNs 通常需要大量高保真度 ( high-fidelity，HF) 数据训练来确保精确的预测，但由于计算或实验成本限制，此类数据可得性有限。为了减少训练费用，本研究引入了多保真度深度神经网络 ( multi-fidelity deep neural networks，MF？DNNs )，其中构建了一个子网络来同时捕获高保真度和低保真度 ( low-fidelity，LF ) 数据之间的线性和非线性相关性。MF？DNNs 的有效性最初通过准确近似各种基准函数来证明。随后，考虑输入不确定性的均匀分布或高斯分布，首次使用开发的MF？ DNNs来模拟1维、32维和100维环境中的偶然不确定性传播，UQ 结果证实，MF？ DNNs 能够熟练地预测兴趣参量 ( quantities of interest，QoI ) 的概率密度分布及其统计矩，而不会显著降低准确性。此外，MF？DNN 被用于模拟飞机推进系统内部的物理流动，同时考虑源自实验测量误差的偶然不确定性，基于二维欧拉流场和少量实验数据点，利用MF-DNNs对等熵马赫数分布进行了精确预测。总之，提出的 MF？DNN 框架在解决实际工程应用中的 UQ 和稳健优化挑战方面表现出巨大的潜力，尤其是在处理多保真度数据源时。

  • 2024-09-27
  • 阅读112

基于物理信息残差网络的滚动轴承故障诊断

近年来学者们开发了多种用于机器状态监测的深度学习方法，在轴承故障诊断方面取得了令人瞩目的成功。尽管能够有效地诊断轴承故障，但大多数深度学习方法都非常依赖大量的数据，在工业应用中并不总是可获取到的。在实际工程中，轴承通常安装在经常发生速度和负载变化的旋转机械中，导致难以在所有操作条件下收集大型训练数据集。此外，在大多数深度学习算法中，物理信息常常会被忽略，有时会导致生成的结果不符合物理定律。为了应对这些挑战，本文提出了一种新的物理信息残差网络（PIResNet），用于学习嵌入在训练和测试数据中的底层物理信息，从而为不完美的数据提供符合物理规律的解决方案。在所提出的方法中，首先采用物理模态特性主导生成层来生成模态特性主导特征。然后，构建域转换层，以实现在不同运行速度条件下提取能够判别轴承故障的特征。最后，建立了一个并行双通道残差学习架构，可以自动提取轴承故障特征。使用可变运行速度和可变负载以及时变运行速度下的实验数据集进行验证，证明了PIResNet在非平稳运行条件下的优越性。

  • 2024-09-27
  • 阅读576

新一代井下网络技术白皮书

该白皮书不仅详细阐述了煤矿井下网络的最新网络架构、显著优势及未来发展方向，还旨在通过深化先进网络技术在煤矿领域的应用，助力煤矿行业实现网络技术的换代升级，为煤矿智能化发展注入强劲动力。

  • 2024-09-27
  • 阅读130