经典案例

浙江某发电厂基于智能声学的设备状态监测系统应用

发布时间 :

2021-02-05

点击:37

项目背景

随着智慧电厂概念和技术的不断成熟,国内很多电厂已经开始建设智慧电厂,智能感知设备就是其中的一项重要内容。智能传感器和智能分析软件是智能感知设备的基础。智能传感器是基于物联网技术和智能信号分析技术为基础的传感器,智能信号分析系统是基于机器学习技术和深度学习技术的信号处理系统,它继承了传统信号处理技术的实时性特点,又利用深度学习技术提高了信号特征的识别能力,提升了对设备的运行状态的监测、预警和故障诊断的能力。

设备状态监测

项目概述

建设基于智能声学的设备状态监测系统,包括四种类型的智能传感器:声音传感器、振动传感器、温度传感器以及位移传感器。其中振动传感器和声音传感器负责监测转动设备,温度传感器负责监测需要检测温度的设备,位移传感器负责监测设备的位移情况。智能传感器基本满足常规的巡点检的业务需求,能够实现对设备长期稳定的监测。软件平台负责对设备实时监测,利用信号分析、深度学习技术训练信号特征,进行异常信号提醒和故障诊断,从而提高设备运行的可靠性,降低设备事故发生概率。

设备状态监测界面展示1

设备状态监测界面展示2

项目创新点

1、利用物联网技术进行设备状态监测

基于物联网架构,通过加装传感器实现对设备运行状态的实时监测,提高设备运行的可靠性。

2、以声音传感器为核心的设备状态持续监测

到目前为止,发电行业的设备故障预警与诊断基本上以振动监测为主。本项目利用声音唯一性、入微性的特点,将设备声音作为设备故障预警与诊断的核心,将振动和温度作为辅助手段,实现设备的持续监测。

3、利用信号分析及深度学习技术进行故障预警

目前已有的设备故障预警与诊断系统大多采用传统的机器学习模式,不能适应不断变化的生产环境,适应性不强。本项目采用信号分析及深度学习技术,通自学习、自优化适应不断变化的生产环境,实现设备的故障预警与诊断。

上一篇:( 国电汉川电厂防磨防爆系统应用)      下一篇:( 天津大港电厂人员定位系统案例分享 )