介绍了广东联通在AI创新领域进行的一项网络智能化运维实践，提出一种基于AI关联分析的网络设备配置异常监测方法，创造性地以AI关联分析中得到的弱关联规则构建异常特征模型，从海量配置数据中快速发现配置异常。该算法具备自学习、自挖掘能力，具备良好的泛化性和应用推广性，能有效应对5G时代大量网络新建和网络改造带来的配置稽核工作量爆发式增长。
本工程建筑为办公生产大楼，由地上32层、地下3层组成；其中1-5层为裙楼、6-32层为塔楼。地下1-3层含停车场、人防、设备用房；地上部分：主楼一层含公共大厅；5为设备转换层，11、22层为避难层，33层设置机房；6-10层、12-21层、23-32层为办公生产用房。
随着能源互联网的发展，能源系统智能化特征越来越突出，能 源开发、生产、传输、存储、消费 全过程的智能化水平快速提升，所 涉及的设备和系统将数以亿计，在 规划和运行过程中将产生海量数据， 且结构复杂、种类繁多、因实时性 要求高而快速增长。这些数据贯穿 着能源互联网各个环节，蕴含着巨 大的价值。
本工程为单缆无源系统，将为大楼提供全面无线通信信号覆盖，所设计的室内覆盖系统是为智能化大楼室内移动通讯信号覆盖的需要而提出的
电站设备由于长期在振动、磨损、高温等较为恶劣的环境中运行容易发生故障，且设备在发生故障的早期阶段具有隐蔽性，从而对运行人员监控机组状态产生干扰，无法在设备故障早期阶段做出预警，就会影响运行人员的判断，造成重大损失。因此对电厂设备进行在线监测与故障早期预警，是保障电站设备运行可靠性以及建设现代智慧电厂的重要手段。对此本文利用电站DCS？系统中存储的热工过程数据，基于神经网络算法将设备测点组合抽象为预警模型，采用模块化设计，开发了燃煤火电智慧监盘及预警诊断平台。实践表明，该平台可以在设备劣化阶段早期迅速报警，通过Web？端通知现场运行人员，真正实现了燃煤火电智慧监盘。
数据挖掘技术已广泛应用于传统火电行业的节能优化运行与管理，但目前基于数据挖掘的机组运行优化方法往往缺乏普遍性和实操性，针对少量典型工况挖掘得到的参数目标值，无法给予实际运行机组全面的指导。
机械设备振动的增加或变化通常表明存在问题。任何懂机械的人都知道，异常的振动意味着需要进行维护，以防问题进一步恶化。振动分析是利用振动来深入了解机械状态的科学。通过理解振动信号，就像在观察一个正在运转的机器，看到机器内部的工作情况。平衡、润滑、轴承和齿轮的状态，都可以从一个振动信号中独立识别出来。
通过调研，我们通常将业务过程理解、绩效管理通过业务过程矩阵、业务绩效矩阵落地。这些内容，指导BI业务方案的设计，包括指标体系、可视化、数据等，最终通过技术将这些方案在技术工具中实现。
数据指标体系是业务分析的基础，可用于快速定位异常、监测运营效果和评价业务健康度。 搭建指标体系的一般流程包括明确业务目标和需求、定义指标维度和度量方法、建立数据采集和处理机制、设计数据存储和查询方案以及实现数据可视化和报告。
扫码咨询
或
客服咨询
用手机扫二维码
复制当前地址
