スケジュールベースの操作
障害警報をトリガーすることなく、電力使用に劣化・変化する条件を蓄積します。
効率の損失はあらゆる欠陥警報の前に力の使用で示すことができます。SV500は同じ作動条件の下の力、力率および負荷比率をinefficiencyのための候補者を見つけるために比較します。
運行スケジュールは、実際の機器の状態を反映しません。
障害警報をトリガーすることなく、電力使用に劣化・変化する条件を蓄積します。
同梱期間のベースラインがなければ、劣化駆動廃棄物はエネルギーコストで埋め込まれています。
SV500は、機器の電力使用と条件の傾向を一緒に分析します。
パワー、パワーファクター、ロード比を条件下で比較します。同じ負荷の高出力は、スループットデータで判断された候補です。
フィーダーごとのエネルギー、ピークの要求、力率および調和を、改善をランク付けするために割り当てます。 請求のメートルは別々に残ります。
現在の周波数コンポーネントがシフトしすぎた場合、摩耗が疑わしい場合。電力変化のみの場合、運用条件を最初に確認します。
機械学習は、各資産の通常の状態を学び、固定限ではなく、負荷依存の適応しきい値でその状態を判断します。
サイトの訪問なしに、デバイスのビルトインWebダッシュボードで診断ステータスをリアルタイムにチェックし、BMSやSCADA/RTU上のXなどの高レベルのシステムに接続します。 MQTTなどの追加のインターフェイスは、プロジェクト構成に依存します。
実際の運用記録から改善対象を選択し、結果を確認します。
力が摩耗を通した装置を選び、修理および効率を一緒に見直して下さい。
アクション前後のパワートレンドで結果を確認します。
1つの共通の基礎で装置を渡る健康の等級を比較して下さい。
継続的な監視と早期検出サポートの可用性、メンテナンス、エネルギー効率。
SV500 結果が検証されていない、Illustrative 範囲。実際の結果は、サイトの状態と是正措置に依存します。PoC の検証が必要です。