Go To English Version 超过100万源码资源,1000万源码文件免费下载
  • 经Windows对话框设置日期和时间.pdf Siemens - Automation and Drives - Service& Support - Aut./-snm-0135109872-11. 自动化系统 > SIMATIC HMI人机界面 > HMI 软件 > SCADA 系统 SIMATIC WinCC > SIMATICWinCC > 全局脚本/动作 >
  • 自动登录Windows 2000资料.pdf Siemens - Automation and Drives - Service& Support - Aut./-snm-0135109872-11. 自动化系统 > SIMATIC HMI人机界面 > HMI 软件 > SCADA 系统 SIMATIC WinCC > SIMATICWinCC > 系统配置 > 常问
  • XGBoost算法在风机主轴承故障预测中的应用 针对传统机器学习算法处理海量风机数据采集与监视控制(SCADA)监测数据效率低和准确度差的问题,提出利用极端梯度提升(XGBoost)算法预测风机主轴承故障。首先,对风机主轴承SCADA数据开展特征分析,挖掘和发现特征与故障之间的关联关系,并评估 ... 然后利用XGBoost算法构建主轴承故障预测模型,进行模型评估;最后,依据SCADA系统收集的实测数据对模型进行训练和测试,并调整XGBoost模型的主要 ... 在风机主轴承故障预测的效率和准确度方面均优于GBDT算法,是处理SCADA大规模数据集的有效工具。
  • 高压直流控制保护系统的设计与实现 在介绍MACH2直流控制保护系统的总体结构的基础上,给出了SCADA系统、交流站控系统、直流极控系统、直流保护系统的设计和实现方案。详细介绍了直流极控系统,包括其基本控制策略、基于电流过零信号的阀触发的监视和控制功能、无功功率控制、系统监视和切换功能。该方案已在我国葛洲坝-上海直流输电控制保护系统改造中应用,并取得了很好的效果。
  • 采用预测模型与模糊理论的风电机组状态参数异常辨识方法 为提高风电机组的停运预警能力,基于风电场数据采集与监控(SCADA)系统数据提出了一种风电机组状态参数的异常辨识方法。对参数进行划分,针对与环境因素密切相关的状态参数,采用神经网络建立了状态参数预测模型。采用本机组近期SCADA样本、本机组历史样本和其他机组近期样本分别作为预测模型的训练数据,对比分析了基于3类样本建立的模型的预测精度。采用平均绝对误差对基于本机组历史样本和其他机组近期样本建立的 ...
  • 考虑运行功率变化影响的风电变流器可靠性评估 ... 利用多状态概率分析法,以变流器输出功率大小和波动强度作为二维状态划分因子,对应其热应力因子和温度循环因子,建立变流器的元器件故障率统一计算模型。利用变流器元器件的结温计算方法,结合雨流法提取结温循环信息,建立风电变流器子系统级的可靠性多状态概率评估模型。以某风电场SCADA信息为例,比较了不同可靠性评估模型的收敛性,并分析功率大小和功率波动强度对机侧和网侧变流器故障率的影响。结果表明,所建立的可靠性评估模型更能合理反映功率变化对器件结温均值和结温波动的影响,评估的机侧变流器故障率比网侧更大,且随着功率波动 ...
  • 基于Web服务的电力企业实时信息应用集成 分析了电力企业实时应用各异构系统间难以共享信息的现状。基于Web服务技术设计了能提供业务服务、应用服务、客户服务和编制服务等多种服务的标准化的松耦合的一体化电力实时信息应用集成框架,应用Web服务提供通用基础架构支持,使用基于知识库的编制服务实现SCADA、EMS、DMS等实时应用系统间的实时信息互通和互操作。集成框架是否合理可根据系统安全性、可用性、性能、可扩展性和适应性等方面进行评估。
  • IEC 61970中应用的几项主要软件技术 通过对IEC61970标准中的公共信息模型(CIM)和组件接口规范(CIS)的分析,介绍了面向对象技术、关系数据库技术、组件技术以及可扩展置标语言(XML)和统一建模语言(UML)等软件技术及其在该标准的应用,同时指出这些软件技术的应用及IEC61970的全面推出对指导未来电力自动化系统的设计开发、建设应用、性能评价以及提高监控和数据采集(SCADA)/能量管理系统(EMS)的标准化和互操作性具有重要意义。
  • 基于动态关联分析的电网告警相关性自动检测设计 建立在SCADA系统上的传统检测系统受到信道干扰,导致检测精准 ...
  • 基于运行数据和高斯过程回归的风电机组发电性能分析与监测 采用SCADA运行数据,结合风电机组的运行原理,详细分析了对发电性能有密切影响的因素,包括环境因素及机组各个子部件如变桨系统、偏航系统、控制系统的运行状态。采用适合风电机组运行数据强随机性和高噪声特点的高斯过程回归方法建立了发电性能模型。该模型表征了机组发电性能正常时风能利用系数与其影响因素之间的复杂关系,将实时运行数据作为发电性能模型输入,通过分析模型预测残差能够实时监测风电机组发电性能的异常变化。通过风电场实际运行数据仿真,验证了所提方法的可行性。