基于物联网的热能存储单元的远程诊断服务，即通过集中收集，存储和存储存储单元建立目标业务诊断模型，以覆盖设备级别，参数级别以及大流程流，以快速检测故障。高设备管理和监控水平。年来，已经调试了许多超级（超）家用临界制冷存储单元，并且发电设备已逐步发展为非常大的尺寸和完全自动化的系统，但是存在与之相关的风险设备的使用也有所增加。的操作模式的常见操作，例如频繁的峰值控制和冷藏存储单元的长周期操作，对设备可靠性提出了严格的要求。司正在寻求最大的经济利益，这要求他们不断提高其管理和技术水平。分利用信息技术，发挥生产和管理潜力，提高生产和管理效率是每个工业企业必须解决的问题，这也是工业发展的必然趋势。
次整合”。前，大多数电力公司已经部署了SIS，MIS，TDM和其他系统，并在生产管理中发挥了一定作用，但应用范围广泛且数据挖掘不足，导致浪费数据和资源。冷藏柜的经济管理和可靠性提供相对完整和可靠的基础。程诊断服务可以结合发电公司现有信息系统和设备的特征，并使用物联网技术来收集和存储不同地区和公司中的分布式数据。后根据这些信息，建立基本的业务知识模型，案例分析模型，并积累硬件诊断和故障分析方面的经验。眼于高端专业技术人才的利益，发电企业的预警和故障诊断与异常，优化绩效指标分析，从而改善整个公司设备的管理和监控水平，并确保能源生产公司的安全和经济运作。要意义该系统的核心技术是研究神经网络技术在基于物联网的热力单元远程诊断服务中的开发和应用。
障预警和诊断的目的。学习或训练过程中，神经网络会修改突触权重值，以适应环境的需求。专家系统的固定推理方法和传统计算机编程模式相比，它可以适应环境的变化，总结规则并执行某些计算，推理，识别和确定任务。制。果，他具有较高的智力水平，并且更接近人脑。经网络中有很多算法，例如BP算法，Hebb算法，LMS算法，RNN算法，高斯混合模型（gmm）等。些算法各有特点。斯混合模型（gmm）是效率最高的模型之一：高斯混合模型是简单高斯概率密度函数的扩展。于gmm可以均匀地近似任意形状的密度分布，因此该划分更加精细，更适合于多类划分。以应用于复杂的对象建模。如，如果存在一组观测数据X = {x1，...，xn}，则数据数为n，并且二维空间中的分布不是椭圆形，用单个高斯密度函数描述这些数据点是不合适的。率密度函数。这一点上，我们使用一种解决方法，假设每个点都是由单个高斯分布（特定参数，μj，未知）生成的，并且此数据集是由单个高斯模型M生成的（清除） ，特定数据xi每个高斯模型所属的模型是未知的，并且在混合模型中每个高斯模型的比率αj是未知的。自不同分布的所有数据点都被混合，该分布称为高斯混合分布。图2所示，gmm将原始的无序分布收敛为三个近似椭圆的分布模型。合各种神经网络算法的特点和发电公司的经验，该模型选择高斯混合模型（gmm）作为构建网络服务平台模型的主要算法。断，具有计算准确，创建简单，易于掌握，易于扩展和使用等优点。征模型的创建不依赖于专业研究机构或大学级别专家的参与。型的形成仅需知道模型对象的每个工作条件的正常时间，并可以丰富工厂的运行经验和设备维护，并了解工厂的运行特性。备。工厂专家使用。于互联网的热能存储单元的远程诊断服务平台由中央和诊断中心组成，根据架构分为四层功能：数据获取层，数据存储层，服务处理层和信息显示层。个商业子系统补充了主要功能：中央诊断系统，辅助诊断系统，集中预警系统和远程诊断决策支持系统。统功能架构的透视图如图3所示。个系统包括数据采集层，数据存储层，服务处理层和显示层。
息。据采集层。接到发电单元的实时数据库系统，以及通过OLEDB，OPC由企业系统生成的实时数据和关系数据，例如点检查和TDM ，PITOPI，Webservices或其他特定接口通过工厂中不超过2M的专用网络。集方法从底层系统收集生产过程和历史数据。据存储层。据采集层收集的数据主要通过对时间戳，描述和分类的统一处理，主要存储在诊断中心的实时数据库和关系数据库中。务处理层。于数据存储层数据，通过辅助诊断系统和其他数据存储系统将数据存储层数据转换为每个子系统所需的数据格式。断，并进行相关的商业治疗。疗后产生的中间结果将发送到主诊断系统以进行治疗和预警。后，将每个子系统和主诊断系统生成的分析报告以及结果发送到数据表示层。务流程层的基本功能是主要诊断系统，辅助诊断系统和其他专用子系统（例如其他诊断系统，例如生命周期管理系统）。发中的锅炉的型号），然后根据需要添加。先，中央诊断系统能够对所有过程信号进行全面分析，并基于当前运行状况和先前正常运行状况之间的差异提供预警。央诊断系统可以监视各种类型的工厂，还可以完成系统，设备和参数的模型构建和诊断。要诊断系统的主要基本功能包括状态预测，数据计算，模式设置，工作条件的选择，配置功能，分析界面，警报和规则定义。次，辅助诊断系统由中央诊断系统完成：设备的旋转机器作为诊断的目标，而取决于振动频率的组件（例如转子，轴承等）。个机器的完整模糊评价就构成了基本状态。心功能包括静态设备模型管理，监视和分析，数据集成管理，用于故障诊断的知识库管理以及事件通知。息显示层。合警报信息，分析报告以及每个企业层诊断系统的结果。由集中式快速警报处理系统和用于远程诊断的决策支持系统组成。先，中央预警系统的主要功能是显示有关诊断设备的中央诊断系统的分类警报信息。数据异常时，及时发出警报，提醒技术人员及时分析。主要功能模块分为树形结构，分析界面和报警显示平台。次，远程诊断决策支持系统的主要目的是有效整合工厂的中央诊断数据，并汇总分析报告和工厂处理层的结果。识积累和展示的平台有助于诊断专家的诊断。包括用于数据集成，实时信息显示，多样式报告，详细的向下钻取和多功能网页组件的基本功能。究混合高斯模型技术在大型火力发电公司中的开发和应用，系统，设备和参数的多模式和多条件模型。于大型火力发电公司的机电设备而言，在国际和国家层面上打破了传统设备诊断的局限性，Internet上用于工业公司（机电设备）的远程诊断服务平台是通过使用信息技术实现高斯混合模型与诊断技术的集成。对象扩展到公司的主要流程和生产流程，诊断领域涵盖安全性，性能，节能和环境保护，它实现了多模式和多模式系统，设备，参数故障的预警，基本诊断，性能下降分析和操作。向使用基于数据的相关性建模方法来实现诊断对象的无关特征。发数据驱动的通用相关性诊断模型以实现诊断对象的独立性，克服简化当前诊断产品功能的技术障碍，并为不同对象提供量身定制的解决方案诊断。展相关性分析功能，使用数学方法自动计算和分析诊断对象参数之间的相关性，并将其显示在矩阵图中，从而使诊断专家可以快速定义关联诊断模型的测量点并不断优化模型。供依据。可以监视设备和过程与正常运行条件之间的偏差，并快速检测故障。统的监视系统基于固定限值生成的警报，而中央诊断系统则形成了在正常运行期间从各种测量组件或现场数据源获得的大量历史数据。成要监控的重要设备或过程模型。完成数据训练后，主要诊断系统可以监视与正常运行状态之间的偏差，冷库安装并在破坏性故障实际发生之前的早期尽早准确地定位缺陷。靠平台的预警功能，该功能与设备的运行和维护状态，电厂的能源水平以及维修前的状态相关。断对象，设备维护和维护标准以及诊断专家的专业知识可以确定维护周期并发出维护通知。少设备维护和维修成本，通过智能分析和专家系统资源不断扩大诊断范围并提高诊断能力，为维护设备状态提供技术支持，创建诊断，案例分析，冷库安装知识融合，优化，循环模型的模型，以改进诊断模式。
于物联网技术的统一数据的规范和标准，并收集与诊断对象有关的基本数据，这些诊断对象包括智能电表，本地远程仪器，集成系统，DSC，实时数据库，生产管理系统，Oracle数据库和TDM系统。于远程诊断服务的“大数据”平台。用独特且独立于对象的项目建模方法，建立了与技术监督相关的诊断模型，并将辅助技术监督工作转换为实时在线模型和在线模式。新的技术监督。安全的经济运行，降解趋势分析，优化运行模式，预防性设备维护以及诊断对象的故障分析提供决策支持。障知识库的可维护性和可扩展性确保了基于模型诊断，结果的积累和完善，可以将现场专家的知识很好地集成到平台中。断专家的诊断，知识和经验，以及经验和设备标准的数据库。用周期改进诊断模型的故障知识库正在逐步形成一个完整的专家系统，用于诊断发电公司的设备振动和生产过程。
储。建立的安全诊断模型可以检测并消除许多延时缺陷，并有效地提升该设施的冷藏存储单元，以实现连续350天的网络成功。如，对于Haqi-Toshiba冷藏柜，低压缸的变形和振动问题很容易解决，诊断表明，冷藏柜的低压缸相对较慢。胀并建议使用冬季控制蒸汽的排气温度，以避免低压缸过度变形并吹向机器；用于水冷却的锅炉壁的垂直偏转很小，并提出了运行和维护方式的建议，可显着降低壁温偏差并有效避免破裂和从水壁泄漏。例：加热表面的安全性诊断。监测锅炉的受热面模型时，发现在低负荷条件下锅炉的水冷壁容易出现异常问题，且壁温差较大。域。义的警报值，但考虑到膜式水冷壁的结构特性，此时部分水冷壁区域的膨胀被阻止，存在隐患长期使用时，水墙会破裂和泄漏（以前，该区域有两次泄漏）。运行的角度出发，从运行的角度出发，确定燃煤电厂的最合理运行模式和运行条件，并提出一项调整运行的计划，以减少煤中的温差。的水墙。年半以来一直没有重复诊断。漏为锅炉的安全运行奠定了基础。立的经济诊断模型，预警和解决两个冷库之间冬天温度过高差异，可变装料过程中循环水温度升高，蒸气温度的主要波动等蒸汽供应温度高，临界值低和频繁的紧急打开等真正原因有效地促进了冷库红线的运行高诊断和无功功率测量发电机和工厂的电力系统的应用。：公海侧的短路警告在冷藏库运行过程中，发现最高差＃1和最高水温的上升和下降。养（图7是8个月的趋势图），并且最高差异和给水温度升高之间的差异要早于现场生产人员进行诊断准确的高水平。侧短路。
立设备性能诊断模型，及时捕获设备状态，如准确警告三个动态翅片风扇执行机构的调谐性能，诊断并解决振动等主要故障蒸汽泵轴，振动衰减和主风扇的波动；在进行诊断时，应避免系统阻力迅速增加，废气温度升高甚至冷库强制运行。例：动态和固定风扇叶片致动器设置了质量下降的警告。引入风扇和叶片致动器模型后的9个月中，发现3例风扇致动器，风扇和叶片致动器的质量下降。断报告会及时发送给发电公司，以避免造成这种情况。行器的不正确设置会由于较大的风扇电流间隙而引起风和电流激增，从而确保制冷存储单元的安全运行。于Internet的热能存储单元的远程诊断服务平台将中央诊断预警功能与特殊的辅助诊断分析功能结合在一起，从而实现了然后分析频谱，轴的相位和轨迹。找设备振动的主要原因。特定的时间段内，根据设备的不同，可以监视冷启动单元和设备的启动和停止条件，以及瞬态分析和运行操作。止。：分析主风扇轴承的振动衰减。图2A所示，主Y方向的振动速度最初保持在1.5〜2.8mm / s，1.3〜2.5mm / s，2014年6月，振动速度略有增加，保持在2 ，0〜4.5mm / s，1.7〜4.5mm在/ s范围内，振动具有周期性波动。谱分析确定风扇振动的波动是由于动态不平衡引起的。了常规检查轴承，叶片和中心偏差外，建议检查液压执行器组件的磨损。
随后的修订中，风扇通过检查上述问题成功地解决了振动衰减现象，从而避免了对设备的进一步损坏。时的环境诊断模型警告说，主要污染物的浓度超过正常水平，氨气排放过高，环保设备的性能下降。供了有关运营优化，煤炭质量和技术维修的技术建议。于负荷计划曲线调整氨气量的方法和系统已申请专利。如：FGD吸收塔中的浆料质量下降。收塔底部的压力很高。力不符合吸收塔的液位。浆质量偏离正常范围。议将吸收塔的液位和浓度降低到正常范围，并采取合理的运行模式，以避免污泥质量进一步下降。于基于物联网的热能存储单元的远程诊断服务，各方的共同努力大大降低了上层锅炉垂直水冷壁的温差，从而降低了高温下加热表面过热的频率和幅度，并减少主蒸汽和再热。度波动范围不仅有效地减小了壁温偏差引起的被加热表面的热应力，而且还大大减少了被加热表面加热管内水垢的形成和损失。高温下。于及早发现了辅助机器性能下降的建议，确实提醒工厂技术人员注意设备恶化的趋势，以优化机器的运行模式。合理组织设备的预防性维护。障诊断报告迅速提醒发电公司工作人员合理安排丢失的工作，提高冷库运行的可靠性。现信息，数据和人力资源共享，降低人工成本，建立了快速反应机制。
电公司的设备有问题。去，技术人员不得不赶赴现场在远程诊断平台中处理数据。“搬迁”的想法节省了很多劳力。过硬件和系统建模和培训，可以在硬件审查后及时比较硬件前后的硬件性能，以便管理人员可以及时捕获维护状态。料。正常运行中，可以迅速警告设备老化，为生产管理提供有力的技术支持。于物联网的储热单元远程诊断服务符合现代储热单元故障预警和性能下降的要求并建立有效的诊断管理模式，范围从状态警告和诊断分析到报告和控制措施。现后，实现闭环管理。L’implémentation du service de diagnostic à distance de l’unité de stockage d’énergie thermique basée sur l’Internet des objets a dépassé les limites du diagnostic traditionnel et national en matière d’équipement， et l’objet de diagnostic a été étendu aux principaux processus de production et aux processus de l’entreprise. En surveillant l'équipement et en déviant le processus par rapport à son état de fonctionnement normal， l'alerte précoce en cas d'échec constitue un puissant soutien pour la sécurité， l'économie et le fonctionnement stable des équipements de production， générant des avantages économiques et sociaux énormes.
本文转载自
冷库安装 https://www.iceage-china.com