///新能源预测性维护
新能源预测性维护2019-04-03T15:07:04+00:00

新能源预测性维护

为您搭建新能源行业基于大数据的综合监控、预测性维护、效能优化改进平台。

新能源设备运行更安全更智慧

随着工业4.0以及大数据技术的快速发展,工业机器设备的传感器数量持续增加,采集到的数据也成指数级增加。海量的高维度传感数据蕴藏着巨大的工业价值,借助大数据技术以及大规模机器学习算法模型能够帮助工业运维人员更好的解决痛点问题。

选择您的角色

风力发电站运维人员

风力发电站管理人员

相关产品

RealSight IoT物联网智能分析平台
实时对设备进行综合监控、预测分析与优化改进,提高企业运营效率,降低运营风险,节约成本。

客户案例

风电运维项目

结合互联网技术、信息技术构建了企业设备的智能管理体系。实现海量风机全生命周期管理、健康退化预测等功能,提升风机发电量5%-7%、节约风场运营成本约10%。

了解详情

风力发电站运维人员

如何有效实现风机的状态监控,故障报警?

答:通过采集风机的多传感器数据,基于分布式流处理技术,提供多种监控手段,实现风机关键数据的实时采集,实时展示;通过配置多种报警规则,能够实现风机数据基于时间滑窗的智能报警; 通过提供丰富的统计分析图表和自由分析工具,实现多个维度的风机风场统计分析,综合查询。

风力发电站管理人员

如何提高电厂的设备利用率,提高电厂的年产量?

答:通过对风速、转速、功率、发生电等数据指标的分析,构建风机限功率识别模型,能够准确识别出风机的限功率状态,避免由于风机限功率带来的发电量损失。同时,利用风机历史结冰数据,结合环境、风机工况等数据,构建风机结冰模型。可预测风机叶片结冰情况,提示运维人员尽早采取措施,避免由于叶片结冰导致的电机效率下降和生产事故的发生。

物联网智能能够给新能源领域的公司带来极大好处,目前大部分公司都具备了设备监控、故障诊断和基本分析等功能。但市场需求的变化和监管规定政策的出台促使公司开始对预测性分析和优化决策的大数据分析能力进行投资,同时通过大数据分析技术来克服当前数据分散、数据源复杂、数据质量参差不齐、缺少安全机制等棘手问题。新能源预测性维护平台主要实现包括传感器数据采集、全时段全量无损数据存储、综合监控、报警预警、设备运行状态评估、预测性维护及效能优化等功能。

在新能源行业,东软为客户搭建设备故障预测平台,构建设备及零部件的预测分析模型,高效准确探测故障发生的趋势,实现故障隐患识别、故障关联分析与诊断等高级分析功能,为运营团队的设备维护保养工作提供智能应用,并为基于设备运行状态的预测性维护体系构建提供技术基础。预测性维护的实施将大大降低故障发生所带来经济损失,节约成本,提高设备运作效率和能效。

相关产品

RealSight IoT物联网智能分析平台
实时对设备进行综合监控、预测分析与优化改进,提高企业运营效率,降低运营风险,节约成本。

风电运维项目

结合互联网技术、信息技术构建了企业设备的智能管理体系。实现海量风机全生命周期管理、健康退化预测等功能,提升风机发电量5%-7%、节约风场运营成本约10%。

了解详情