计算重建误差。大多数电池模块老化正常。此外,当正常老化模块中电池单元的运行数据与训练模型时使用的运行数据性质相同时,计算出的重建误差较小。然而,当电池模块中电池单元的运行数据与学习 ₂ 期间输入的运行数据性质不同时,计算出的重建误差较大。因此,可以根据重建误差的大小提前自动检测可能发生故障的电池模块。
在数十年的数据收集过程中,人们试图利用基于状态维护 (CBM) 方法中的运行时间序列数据来优化军用车辆的生命周期管理和可靠性、可用性和可维护性 (RAM),但遇到了许多障碍。这些障碍困扰着民用地面车辆、飞机和其他复杂系统的类似方法。运行数据的分析至关重要,因为它代表着对系统状态的连续记录。将基本的数据分析应用于运行数据可以提供诸如燃料使用模式或观察到的一辆车辆甚至一个车队的可靠性等见解。但是,监测这些数据的趋势并分析其随时间变化的模式可以深入了解车辆、复杂系统或车队的健康状况,预测平均故障时间或汇编物流或生命周期需求。由于从车辆传感器收集的数据量巨大,数据中观察到的集群与故障或计划外维护事件之间缺乏关联,以及时间序列数据的无监督学习技术不足,因此在运营时间序列数据集上进行此类高性能数据分析 (HPDA) 一直很困难。我们提出了一种在车辆运行数据中发现模式的方法,该方法确定了预测即将发生故障的可能性的模型,称为基于参数的指标 (PBI)。我们的方法是一个数据驱动的应用程序
发电机资产能力的评估可通过正常调度实现,并应按照《电价 - 季节性声称能力审计》第 III.1.5.1.3 节进行。首席 MP 无需提出具体要求。首席 MP 对过去表现的通知包括要使用的演示的日期和时间段,以及 OP-23B 中定义的其他运行数据(环境温度、蒸汽出口、海拔等)。
“大规模试点项目”是指:(A)代表技术开发规模超出实验室开发和台式测试,但尚未发展到在商业规模的实际运行条件下进行测试的程度;(B)代表在商业规模应用或商业规模示范之前,为了解该技术的技术和性能风险而获得所需运行数据所必需的技术规模;并且(C)规模足够大——
模型部署是指其实际应用,用于实时监测电池的寿命。通过监测电池的实时运行数据,模型可以实时预测电池的寿命,并根据预测结果采取相应的维护管理措施。例如,当模型预测电池即将达到寿命时,可以及时更换或维修,从而有效延长电池的使用寿命,提高电网电池的可持续利用率和效率。为了扩大模型的应用范围,可以将其集成到电网管理系统中,与其他设备和系统进行实时数据交换和协同控制。
CNS/ATM(通信、导航、监视/空中交通管理)描述了提供空中导航服务所需的技术概念以及基础设施的实施。这还涵盖了未来概念,例如用于传输运行数据的数字数据链路、自动相关监视 (ADS) 概念和卫星导航、全球导航卫星系统 (GNSS)。使用空间导航 (GNSS) 和空间通信 (SATCOM) 的新型 CNS 设备使飞机在全球范围内能够一致且无缝地运行。与全球通信网络相结合,该系统可以为空中交通管制、航空公司运营和乘客服务提供能力,以实现 ATM 目标。