<?xml version="1.1" encoding="utf-8"?>
<article xsi:noNamespaceSchemaLocation="http://jats.nlm.nih.gov/publishing/1.1/xsd/JATS-journalpublishing1-mathml3.xsd" dtd-version="1.1" xmlns:xlink="http://www.w3.org/1999/xlink" xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"><front><journal-meta><journal-id journal-id-type="publisher-id">EPTSM</journal-id><journal-title-group><journal-title>Electric Power Technology and Safety Management</journal-title></journal-title-group><issn>2997-3473</issn><eissn>2997-3503</eissn><publisher><publisher-name>Art and Technology</publisher-name></publisher></journal-meta><article-meta><article-id pub-id-type="doi">10.61369/EPTSM.11687</article-id><article-categories><subj-group subj-group-type="heading"><subject>Article</subject></subj-group></article-categories><title>基于大数据的新能源装置运行状态监测与故障诊断</title><url>https://artdesignp.com/journal/EPTSM/1/8/10.61369/EPTSM.11687</url><author>杨长贤</author><pub-date pub-type="publication-year"><year>2024</year></pub-date><volume>1</volume><issue>8</issue><history><date date-type="pub"><published-time>2024-11-20</published-time></date></history><abstract>随着新能源产业的迅速发展，新能源装置的广泛应用也对其运行稳定性和可靠性提出了更高要求。为此本文将深入地探讨基于大数据的新能源装置运行状态监测与故障诊断技术。文章先分析了新能源装置运行数据特点，接着详细地介绍了基于大数据的监测系统架构、故障诊断方法。期待能够为提高新能源装置运行效率、降低运维成本提供理论支持与实践参考，有效地推动新能源产业的可持续发展。</abstract><keywords>大数据,新能源装置,运行状态监测,故障诊断</keywords></article-meta></front><body/><back><ref-list><ref id="B1" content-type="article"><label>1</label><element-citation publication-type="journal"><p>[1] 济南作为科技有限公司. 新能源场站故障预警方法、装置、设备、存储介质及程序产品:CN118410441A[P/OL].2024-07-30.https://www.cqvip.com/doc/patent/3463314484.[2] 刘永刚. 新能源场站运维中的智能化监测与故障诊断[J].今日自动化,2024,(11):116-118.[3] 国家电网有限公司华中分部. 一种基于新能源侧控制策略的电网故障诊断方法及装置:CN119024095A[P/OL].https://www.cqvip.com/doc/patent/3474460969.[4] 谭海龙, 安洪伟. 基于智慧运维平台的新能源发电设备监测与故障诊断方法研究[J].智慧中国,2023,(12):70-71.[5] 张新宇. 高压真空断路器诊断测试建模与交互式诊断方法研究[D]. 浙江大学,2023.DOI:10.27461/d.cnki.gzjdx.2023.002429.[6] 黄海星. 基于数据驱动的风电机组故障预测方法研究[D]. 内蒙古科技大学,2023.DOI:10.27724/d.cnki.gnmgk.2023.000674.[7]王闯. 向家坝升船机平衡重系统状态监测与预警研究[D]. 大连海事大学,2023.DOI:10.26989/d.cnki.gdlhu.2023.001218.[8] 于岩杰. 基于深度学习的配电网不完整信息分布式状态估计方法研究[D]. 重庆大学,2023.DOI:10.27670/d.cnki.gcqdu.2023.000006.[9] 杜蔚杰. 新型电力系统低频振荡安全预警与态势感知预测机制研究[D]. 北京建筑大学,2023.DOI:10.26943/d.cnki.gbjzc.2023.000173.[10] 马康原. 基于数据驱动的风电机组故障检测与定位方法研究[D]. 内蒙古科技大学,2023.DOI:10.27724/d.cnki.gnmgk.2023.000867.</p><pub-id pub-id-type="doi"/></element-citation></ref></ref-list></back></article>
