基于运行大数据的长江流域家用多联机系统部分负荷运行特性分析

长江流域家用空调的运行特性一直是学者们关注的焦点,然而前期的研究一般以分体式的挂机或柜机为研究对象,针对家用多联机的部分负荷特性的研究相对缺乏。基于长江流域家用多联机的运行大数据,分别从冬夏两季、全时段、不同时段、不同城市多方面对该地区3个典型城市的部分负荷运行特性进行了量化分析;然后分析了对多联机系统功率的影响因素,并基于多种影响因素与机组运行功率的耦合关系,开发了系统功率的预测模型,基于该模型对家用多联机系统的节能潜力进行了讨论。研究结果表明:对于家用多联机系统,其夏季部分负荷率在30%~60%之间的占比最大,达到48.4%,其冬季部分负荷率小于30%的占比最大,达到59.7%;家用多联机系统在不同季节、不同城市、不同时段下的部分负荷特性均存在差异;与此同时,系统负荷需求和系统部分负荷率对系统功率的影响最大,基于本研究开发的系统功率预测模型,当负荷需求较低时,将18、16、14 kW的机组容量分别调整至16、14、12 kW后,夏季制冷模式功率下降了7%~13%,冬季制热模式功率下降了3%~22%,因此,对于在一定环境工况下低负荷运行时间占比较大的用户,适当匹配稍小的机组容量(提升部分负荷率),将有助于系统节能。该研究结论可为家用多联机的性能开发、运行控制逻辑优化、设备选型提供数据支撑与参考。

基于云计算的电力运行大数据异常值快速检测算法

针对传统电力大数据异常值检测算法存在的检测精度低、检测效率差的问题,提出一种新的基于云计算的电力运行大数据异常值快速检测算法。该算法首先构建云计算基本架构,利用数据仓库获取电力运行大数据。对获得的电力运行大数据进行降维、清洗、标准化处理。利用模糊c-均值聚类算法分类识别处理后的电力运行大数据,快速检测其中的异常值。最后为验证检测算法有效性,进行仿真对比实验。实验结果表明:与传统电力运行大数据异常值检测算法相比,利用所提算法进行电力运行大数据异常值检测,在保证检测准确性的同时,也提高了检测效率,达到了本次研究的预期目标。

考虑产品运行大数据的装载机变速箱优化设计

准确获知产品运行大数据对于产品研发与创新具有重要意义。传感网、物联网和CPS等技术的发展使得越来越多的产品运行数据获取成为可能,在此基础上,提出基于运行大数据采集、分析和应用的装载机变速箱优化设计流程。首先选取原生土、铁矿石、细沙和煤渣四种作业对象的典型作业工况,设计采集方案并完成运行大数据采集;然后将获取的挡位信号转化为累积挡位利用率,液压泵压力信号转化为液压系统分流功率,并以此作为轮式装载机动力性和燃油经济性的建模优化因素;最后利用MOPSO和NSAG-Ⅱ两种优化算法权衡动力性、经济性及约束条件的多目标竞争与冲突关系,最终获得保证最优动力性基础上,实现最佳经济性的可行域解集。两种算法获得的最优解集相对于原始设计,在同等仿真条件下,分别使功率损失率降低8.83%、4.80%,工况油耗降低0.19%、0.34%。研究表明,将在役产品运行大数据反馈应用于产品研发前端的设计方法,是实现产品升级和创新设计的一个有效途径。

湖南省矿山采选业生产运行状况的大数据分析

近年的实践和实际分析运作表明,以湖南省矿山开发利用统计数据库作为全省矿山采选业生产运行状况大数据来源,开展基于大数据基础上的矿山采选业生产运行状况分析,可以得出全省矿山采选业开工状况,生产能力及其实现情况,生产矿山的盈利、盈亏平衡、亏损停产状况,可以全面了解全省矿山采选业的运行情况,并为宏观决策提供重要参考。

大数据运行状态管控平台在配电网精益化管理中的运用

为了全面提升配电网的实际运行管控能力,减少出现运行风险隐患的概率,同时落实配电网的精益化管理理念,广大电力单位需要引进全新的科学技术,创新大数据运行状态管控平台,实现全面、动态化管控,并综合使用优势,建立多层次的管理模式。基于此,本文从配电网精益化管理简述入手,分析当前配电网运行过程中出现的问题,并提出相应的解决方法,最后就具体效果进行探讨,以期深入挖掘大数据技术的潜在价值,综合配电网运行状态管理的相关要求,为配电网的精益化、智能化发展提供决策支持,实现配电网的有序规划、精准运营、智能评价。

非确定环境下电厂运行趋势的动态预测方法

非确定环境下的运行趋势预测是提高电厂设备运行安全性与可靠性的重要研究方向之一。传统的预测方法通常需要建立系统级的精确解析模型,建模难度大,预测准确性也不够理想,但其优势是计算速度快,实时性强。新兴的基于大数据驱动的运行趋势预测方法通过数据挖掘发现电厂运行趋势的新规律,弥补了人工建立解析模型过程中对设备运行规律描述的完备性问题,预测准确性相对于传统方法有明显改善,但多层神经网络的训练需要较长的运算时间,在运行方式发生变化的情况下难以满足实时性要求。动态预测方法研究了实时运行数据、基于运行大数据驱动的预测方法与解析模型预测方法间的内在联系,得出以下结论:变工况运行趋势预测可以采用一般精度的解析模型,仿真计算过程中若累计误差超过阈值,可以利用实时运行数据作为新的初始条件进行矫正;设备故障预测与健康管理可以采用基于数据驱动的运行趋势预测方法,解析模型可以大量模拟故障工况作为训练数据;多层神经网络需要定期离线训练后更新在线系统的模型参数。研究结论可以为高性能、高精度、高可靠性的电厂运行趋势预测系统开发提供新的理论基础。

人工智能技术在高速泵设备状态监测中的应用研究

分析高速泵的振动原因,并通过数据归纳发现大多数故障类型均可以通过转子的特征频率进行分析测算。提出基于知识库和基于运行大数据分析等两种高速泵设备状态监测系统,可以根据实际情况选择,以实现人工智能与高速泵设备状态监测的深度融合。

衡器在线智能监测管理系统的研究与应用

随着中国制造2025战略的提出,企业自动化信息化不断深入发展,企业衡器行业也在不断进行着信息化变革,我们研究小组针对企业尤其是大型企业衡器数量多且分布范围广、设备点检和维护效率低下、设备故障无法及时获知等问题,联合衡器制造厂家特别研发了衡器智能管理系统,通过智能化的方式实现远程衡器管理。

生物质发电产业集群远程智能监控系统研究

在单个电厂管控一体化基础上,远程智能监控系统设置大容量数据存储中心,接收并存储集群区域内各厂的实时数据,配置专用分析和决策软件包,对区域数据进行专门的挖掘分析和评估,寻求产业优化方向,改进产业运作策略,实现完整的产业链优化,力求找到最优的运行模式。

电网设备可视化分析与展示方法

本文针对客户电力数据以及不同类型的电网设备数据进行分析,建立电网设备可视化的分析模型。首先在电网规划数据的统一台账基础上进行基于大数据的电网运行状态分析,将区域配电网进行网格化规划。其次,在电网设备的地理位置信息和客户用电需求信息等其他信息的基础上构建基于客户用电需求的电网规划模型,提高客户满意度,适应不同环境下的不同需求。最后在海量电网设备数据以及客户用电数据的基础上,通过时间、空间两个维度对设备运行状态和未来发展趋势进行分析展示与预测,最终提升电网分析能力,提高电网供电效率和及时对电力设备不同状态进行调整,降低运行成本。