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

欢迎来到能源电力期刊网！

English Version 读者登录期刊登录

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
- 基于边缘-云端协同的智能水电站时间序列分析系统
- 水电与新能源 2025年39卷第9期页码：105-108
- 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
  中图分类号： TV736;TP393.09
- 纸质出版：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]. 水电与新能源, 2025,39(9):105-108.

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.
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]. 水电与新能源, 2025,39(9):105-108. DOI： 10.13622/j.cnki.cn42-1800/tv.1671-3354.2025.09.022.

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).

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

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