01
基于时间表的行动
退化和不断变化的条件在使用电力时不断累积,而不会触发故障警报。
效率损失可以在任何故障提醒前显示在功率使用中. SV500在相同的操作条件下比较功率,功率因数和负载比,以找到效率低下的候选人.
单是作业时间表并不反映实际设备状况。
退化和不断变化的条件在使用电力时不断累积,而不会触发故障警报。
没有相等负荷期的基准值,由降解驱动的废物将埋藏在能源成本中。
SV500分析设备的功率使用和条件趋势一起.
在类似条件下比较功率,功率因数和负载比率. 在同一负载中更高的功率是候选的,通过吞吐量数据判断.
随时间推移,每个支线的能量,峰值需求,功率因子和谐振等总和排列改进等级,计费计数仍然分开.
如果当前频率组件也移位,则疑犯磨损;如果只是电源变化,则先检查操作条件.
机器学习可以学习每个资产的正常状况,并以依赖负载的适应阈值来判断其地位,而不是固定的极限.
在设备的内置网络仪表板上实时检查诊断状态,不进行站点访问,并连接到更高层次的系统,如BMS或SCADA在Modbus TCP/RTU之上. MQTT等附加接口取决于项目配置.
从真实的操作记录中选择改进目标并验证结果.
选取其功率通过磨损而上升的设备,同时检讨维修和效益.
在行动之前和之后确认权力趋势的结果。
在一个共同的基础上比较各设备的保健等级。