• Trang chủ
  • Hệ thống chẩn đoán chuyên gia thông minh iEDS

Hệ thống chẩn đoán chuyên gia thông minh iEDS

Liên hệ

Thông số kỹ thuật

  • Hệ thống chẩn đoán chuyên gia thông minh iEDS là bác sĩ chuyên nghiệp cho thiết bị đóng cắt, tích hợp kiến ​​thức chẩn đoán hiện có, phương pháp phân tích chiến lược chẩn đoán, kinh nghiệm của các chuyên gia công nghiệp cũng như số lượng lớn dữ liệu lỗi của trạm thử nghiệm để tự động thực hiện chẩn đoán thông minh, dự đoán tuổi thọ và hướng dẫn vận hành & bảo trì thiết bị đóng cắt, đồng thời cải thiện độ ổn định và độ tin cậy khi vận hành của các sản phẩm thiết bị đóng cắt trong lưới điện. 

Đặc trưng

  • Hệ thống chẩn đoán chuyên gia thông minh iEDS được lắp đặt các cảm biến khác nhau trên thiết bị đóng cắt để thu thập nhiệt độ, dòng điện và đường cong vận hành của thiết bị. Bên cạnh đó, hệ thống còn tích hợp các phương pháp và lý thuyết chẩn đoán chuyên nghiệp, thu thập dữ liệu toàn diện từ mọi khía cạnh của thiết bị đóng cắt và dữ liệu lớn về sự cố thiết bị trong ngành công nghiệp thiết bị đóng cắt, tự động chẩn đoán và xác định sự cố thiết bị đóng cắt trung thế theo thời gian thực, phân tích kịp thời các sự cố tiềm ẩn của thiết bị đóng cắt, đưa ra cảnh báo sớm và cung cấp các giải pháp hiệu quả ngay từ giai đoạn đầu của sự cố, nhằm ngăn ngừa và giải quyết hiệu quả sự phát triển tiếp theo của các sự cố tiềm ẩn và giảm đáng kể khả năng mất điện đột xuất. 
  • Ngoài ra, đối với các lỗi đã xảy ra, hệ thống chẩn đoán chuyên gia có thể phân tích chính xác nguyên nhân lỗi và vị trí lỗi có thể xảy ra, đưa ra các giải pháp hiệu quả, giảm thời gian và chi phí thuê chuyên gia để khắc phục lỗi, nhanh chóng loại bỏ lỗi và khôi phục nguồn điện. 
  • Hệ thống chẩn đoán chuyên gia có thể chuyển kết luận chẩn đoán và chiến lược vận hành & bảo trì đến phía khách hàng thông qua công nghệ truyền thông IoT, đạt được khả năng giám sát và chẩn đoán từ xa tích hợp, giảm yêu cầu kỹ thuật cho việc chẩn đoán lỗi, ngăn ngừa lỗi thiết bị và kéo dài tuổi thọ thiết bị. Hệ thống chẩn đoán chuyên gia cũng có thể cập nhật thông tin cơ sở dữ liệu lỗi bằng phương pháp tự học, nhằm nâng cao độ chính xác của việc phân tích lỗi, theo dõi tình trạng và dự đoán tuổi thọ thiết bị.