基于故障预测与健康管理的智能化运维系统的设计与实现
【学位授予单位】:中国科学院大学(中国科学院沈阳计算技术研究所)
【学位级别】:硕士
【学位授予年份】:2018
【分类号】:TM73
【图文】:
图 1.1 2017 年全国信息化发展普及率前十名ure1.1 The Top Ten IT Development Penetration Rate In The Nationwide in1.1 中可以看出,在以北京上海为首的全国的主要省市中,信息相当高的水平,可以说信息化的设备工具已经成为大部分行业成部分。,信息化的发展主要集中于工业领域,尤其是在电力系统领域质量和消费水平的提升的同时,也增加了电能的总体需求量。的普及,接入电力网络系统中的部门、设备也在逐步增加。所康运行是为广大企业和个人提供优良电能,满足其用电需求的力系统可以顺利安全地运行,需要对该系统的基本属性进行不对电力系统在高峰时期所能承担的最大负荷数据的监测,就是要的一环。电力系统负荷,顾名思义,就是指身处在电力网络
可以让用户在保证安全的基础上充分利用电能,合理地满足自以为后期的电能调度和电网的合理设计规划提供数据和理论支部门获得最佳的经济收益。地,电力系统的负荷数据是受多方面影响的[2]。其数据具有不间而不断发生变化,在变化中有时会体现出一定的规律性。因中电力的负荷和变化规律,来更好地完成电力系统运维工作就传统的做法是安排专门的维护人员,需要在全天的时间,对所是否正常运行,预警是否正常等等,从而电力系统得到了全方若是监测到系统存在异常情况,必要时则需立即对系统给予反作过程中发现,随着全国各级电网的升级和改造导致的电力设1.2 所示),负责运维的工作人员的任务量也在加大,难以兼顾整性分析和故障环节的处理[3]。如何对系统故障进行预测和处的重点,也是本文的主要内容之一。
代理MIB代理MIB代理MIB网络设备 网络设备 网络设备SNMP SNMP SNMP图 2.5 SNMP 协议结构示意图Figure 2.5 SNMP Protocol StructureIPMI 协议规范是利用单一控制平台来进行跨区域管理和监控管理的标准。IPMI 是一个偏硬件的协议接口,一般是通过在主板的硬件来监视和控制器的数据采集,所以会置于系统的最低层。IPMI 协议体系囊括了整体架构讯标准、操作命令、数据整理和跨平台能力,以及一些组件和平台通讯接关的规范制定。具体的 IPMI 协议结构如下图 2.6 所示。
【参考文献】
相关期刊论文 前10条
1 张静;;基于SOM的变压器故障诊断研究[J];电力学报;2014年04期
2 朱玉斌;李华聪;;基于LVQ网络的航空发动机气路故障特征提取方法研究[J];测控技术;2014年06期
3 杨花卫;王云山;王立强;;SNMP在机载网络化测试系统中的应用[J];测控技术;2014年04期
4 莫固良;汪慧云;李兴旺;单添敏;;飞机健康监测与预测系统的发展及展望[J];振动.测试与诊断;2013年06期
5 周晶;余家祥;司南;田庆战;;基于SOM神经网络的航舵故障分类方法[J];信息与电子工程;2012年03期
6 印洪浩;彭中波;;船用离心泵故障SOM网络诊断方法[J];中国航海;2012年02期
7 郭忠英;汪静;唐晖;;地区电量智能化运维专家系统技术分析及应用[J];安徽电气工程职业技术学院学报;2012年01期
8 刘文轩;严凤;田霖;代明;;基于LVQ神经网络的配电网故障定位方法[J];电力系统保护与控制;2012年05期
9 温祥西;孟相如;李明迅;;网络故障预测与健康管理关键技术综述[J];系统工程理论与实践;2012年01期
10 孙旭;;故障预测和健康管理(PHM)系统[J];舰船科学技术;2011年09期
相关博士学位论文 前1条
1 赵亮;建筑能源系统物联网数据监测与传输质量保障方法[D];大连理工大学;2014年
相关硕士学位论文 前10条
1 牛华忠;交通大数据集群的运维系统设计与实现[D];山东大学;2017年
2 谢谊;电力信息系统监测平台的研究与应用[D];华北电力大学(北京);2017年
3 陈若曦;基于贝叶斯证据框架优化的LS-SVM预测模型在空间电力负荷预测方法中的应用研究[D];天津理工大学;2017年
4 王栩浩;基于IPMI的服务器管理系统的实现[D];东华大学;2016年
5 林川;基于SNMP/IPMI的数据采集框架的设计与实现[D];中国科学院研究生院(沈阳计算技术研究所);2016年
6 许凯钥;面向工业园区能效管理的数据挖掘技术研究[D];华北电力大学(北京);2016年
7 高飞;基于计算智能技术的精益物流信息化平台的研究与实现[D];浙江理工大学;2016年
8 王振华;基于日志分析的网络设备故障预测研究[D];重庆大学;2015年
9 苗青;电力变压器铁心线圈组松动的振动监测方法研究[D];华北电力大学;2015年
10 周帆;基于混合高斯独立成分分析的工业过程监测[D];大连理工大学;2014年
本文编号:2774901
本文链接:https://www.wllwen.com/guanlilunwen/yunyingzuzhiguanlilunwen/2774901.html