案例一：监测车辆6万台，降低车辆故障率约45%

• 通过采集电源系统相关数据及状态信息，建立电源系统产品数据库，掌握电源系统全寿命周期内的电池性能变化情况。通过对不同技术状态下的性能进行对比分析与信息挖掘，为后续技术路线改进提供科学依据；通过分析产品温升数据，为设计研发高充电倍率电源系统提供数据支撑。
• 通过TempoAI的场景建模对电池使用历史数据和使用过程情况进行挖掘分析，实现电池状态评判和寿命预测，保障电池梯级利用过程中的安全、可靠和价值最大化。
• 通过构建电源产品远程状态监测和运维平台，实时监控运行数据及车辆位置，方便第一时间发现异常，提供更快捷的现场服务（故障定位+维修策略推荐）；提前发现安全隐患并采取有效的预警措施，防患于未然。

案例二：故障预测准确度超过90%，设备故障率降低30%以上

• 变压器油色谱浓度预测：基于灰色关联分析和支持向量机算法的变压器设备油中溶解特征气体浓度预测方法，输入基于支持向量机算法的变压器油中溶解气体浓度预测模型，得到预测目标特征气体未来三日的油中溶解浓度。
• 变压器油色谱故障智能诊断分析模型：基于变压器历史油色谱故障案例库，利用C5.0决策树分类算法进行机器学习，构建基于油色谱的变压器故障智能诊断分析模型。利用状态监测系统采集的变压器油色谱特征气体作为输入变量，以分析模型为载体，实现对变压器故障的智能诊断。
• 系统集成：实现了变压器智能运维系统与Tempo平台在线分析模块单点登录、与故障分析预测模块单点登录与应用。

案例三：设备智能诊断成为远程运维新模式

 

• 建立电站机组设备健康履历：基于电站、机组、设备进行原始运行数据及辅助诊断文件的统一管理，支持海量数据存储应用；实现设备健康状态、特征数据、诊断结果、分析报告的关联管理及追溯，支撑设备状态监控及故障诊断。
• 实现设备健康状态监测和统计，支撑远程会诊：设备数据传输状态及运行状态监测；设备总体情况监测及统计，通过对比某特性的时间分布，对共性问题进行深度分析。
• 基于TempoAI实现设备故障及时诊断评价及反馈：实现松脱、振动、主泵泄漏多类设备故障的诊断模型构建，全面提升了故障诊断的效率与准确性，为排故与系统预警发挥价值；并实现了诊断任务跟踪、状态自动更新与及时通知等功能。
• 设备诊断知识积累和算法自定义开发：平台支持算法自定义扩展，支持python、Scala、java、R、SQL等语言的扩展；提供便捷的算法升级、模型构建、应用服务发布部署等功能，为企业实现更精确的状态诊断及预测和更科学的运维管理提供扩展应用平台。