基于边缘-云端协同的智能水电站时间序列分析系统

何东阳; 谭杰明

doi:10.13622/j.cnki.cn42-1800/tv.1671-3354.2025.09.022

English Version Reader LoginJournal Login

您当前的位置：

首页 >

文章列表页 >

基于边缘-云端协同的智能水电站时间序列分析系统

更新时间：2025-12-18

- 基于边缘-云端协同的智能水电站时间序列分析系统
- Vol. 39, Issue 9, Pages: 105-108(2025)
- 作者机构：
  
  大唐水电科学技术研究院有限公司
- 作者简介：
- 基金信息：
- DOI：10.13622/j.cnki.cn42-1800/tv.1671-3354.2025.09.022
  CLC： TV736;TP393.09
- Published：2025
- 稿件说明：
移动端阅览
何东阳, 谭杰明. 基于边缘-云端协同的智能水电站时间序列分析系统[J]. 2025, 39(9): 105-108.
DOI：

何东阳, 谭杰明. 基于边缘-云端协同的智能水电站时间序列分析系统[J]. 2025, 39(9): 105-108. DOI： 10.13622/j.cnki.cn42-1800/tv.1671-3354.2025.09.022.

摘要

以某大型水电站辅机温度监测和大坝位移监测为研究对象，通过在机组、大坝关键部位部署高精度传感器等边缘感知设备，对辅机温度、振动状态及大坝位移等数据进行获取，建立一套基于混合模型的时间序列分析系统，结合边缘计算单元的实时阈值判断与云端分析平台的深度分析，实现了阈值判断、趋势分析、异常检测、多传感器群体异常检测等全流程智能化监测。实际运行数据显示，该系统能提前2～8 h预警潜在故障，异常检测准确率达95%以上，显著提升了设备状态预判与事故预防能力。

Abstract

关键词

Keywords

references

岑跃峰,李旭成,岑岗,赵澄.一种基于嵌套式深度学习模型的电机异常检测方法[J].浙江工业大学学报,2025(02).

林朝晖,廖奕校,招智铭,万智勇,周松斌.基于特征分布对齐与多传感器融合的水泵异常检测方法[J].自动化与信息工程,2025(01).

张飞,黄刘松,吕家伟.基于ConvLSTM网络的电力时序数据异常检测模型[J].电脑知识与技术,2024(24).

吴逸哲.基于多传感器融合的变电设备放电故障监测系统[D].东华理工大学,2024(07).

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

数字化建模在机组智能化转型中的应用

基于趋势分析的水轮机调速器电气故障分析

SMA2000状态监测趋势分析系统在溪洛渡电厂中的应用

电气设备信息和技术监督管理

Related Author

王俊杰

朱蕾

卢舟鑫

涂勇

常中原

雷龙

李德银

莫祖凤

Related Institution

汉江集团公司丹江口水力发电厂

湖北清江高坝洲水力发电厂

AI问答

⁰