隨著電廠規模的擴大，設備數量不斷增加，對運行標準的要求也日趨嚴格，提高設備的健康水平和使用壽命，對于保證電廠安全、降低運維成本具有重要作用。隨著物聯網技術、智能信息處理技術的發展，電力設備狀態監測系統在網絡的支撐下實現了設備運行狀態監測和設備故障報警，使管理人員和作業人員隨時隨地掌握設備運行狀態，保證設備安全穩定運行。

電力設備狀態監測系統簡介

基于物聯網技術，通過聲音傳感器采集設備的聲音數據，利用信號分析及AI技術，從中提取聲音特征值，實現設備運行狀態監測和設備故障報警。電力設備狀態監測系統原理框圖如圖所示。

電力設備狀態監測系統功能

1、綜合展現

通過3D模式直觀展現設備監測數據，包括無異常運行天數、異常未處理事件、月度告警及高發異常項。

2、設備監控

遠程監控設備運行狀態，集中展現聲音、振動及溫度等遙測數據，對設備異常信息給予告警提示。

3、運行參數監控

對設備所關聯的運行參數進行集中展現，包括測點編碼、測點描述、關聯設備、測點值等信息。

4、特征管理

利用信號分析及深度學習建立正常模型及故障模型，根據設備不同故障進行故障模型分類可查看故障名稱、原因及處理結果，輔助巡檢人員進行故障處理。

5、數據分析

對單設備的遙測數據及多設備間的遙測數據進行對比分析，提供設備運行狀態數據參考。

6、監測月報

根據設備狀態數據以及傳感器告警數據，定期自動生成設備運行記錄及報告。

電力設備狀態監測系統特點

1、利用物聯網技術進行設備狀態監測

基于物聯網架構，通過加裝傳感器實現對設備運行狀態的實時監測，提高設備運行的可靠性。

2、以聲音傳感器為核心的設備狀態持續監測

到目前為止，發電行業的設備故障預警與診斷基本上以振動監測為主。本項目利用聲音唯一性、入微性的特點，將設備聲音作為設備故障預警與診斷的核心，將振動和溫度作為輔助手段，實現設備的持續監測。

3、利用信號分析及深度學習技術進行故障預警

目前已有的設備故障預警與診斷系統大多采用傳統的機器學習模式，不能適應不斷變化的生產環境，適應性不強。本項目采用信號分析及深度學習技術，通自學習、自優化適應不斷變化的生產環境，實現設備的故障預警與診斷。