SJ/T 12289.1-2026

和运行规律构建工业机理模型，对设备进行机理分析， 包括规则判断模型、工况分析模型、故障征兆模型等； std.miit.go std.miit.go std.miit.go SJ/T XXXXX.1- XXXX 3 d) 数据算法模型：构建基于大数据与人工智能的算法模型，对设备进行自动分析与故障预测， 包括回归模型、分类模型、聚类模型等。 5.5 应用层应用层是面向用户的功能展示和业务支持层，为用户提供状态展示和决策支持等服务，包括但不限于： a) 状态监测：实时监测设备的运行状态，对设备的关键参数进行跟踪监测，包括机组状态监测、GIS(GIL)状态监测、主变状态监测； b) 状态评估：对设备的运行状态数据与指标进行分析，全面评估设备状态，包括趋势分析、 缺陷分析、耗水率分析、寿命预测等； c) 问题诊断：根据监测数据与模型分析结果，对故障进行识别、分析与溯源； d) 维修维护：根据状态评估结果、问题诊断结果与检修资源制定维修维护方案，实施维修维护过程管理与检修后评估。 6 水电设备健康状态监测 6.1 健康状态数据采集 6.1.1 设备监测数据采集企业开展水电设备监测数据采集时，应基于工业互联网平台采集水电设备运行过程中状态测量、 状态控制等所涉及到的监测数据，并将数据接入工业互联网平台进行规范管理，采集内容包括但不限于： a) 工况数据：有功功率、无功功率、水头、导叶开度、流量、电流、电压、频率等； b) 状态数据：振动、摆度、压力、温度、液位、噪声、空气间隙、磁通密度、局放、设备启停状态等。 6.1.2 检修运维数据采集企业开展水电设备检修运维数据采集时，应基于工业互联网平台采集水电设备检修运维过程产生的相关数据，并将数据接入工业互联网平台进行规范管理，采集内容包括但不限于： a) 运行数据：运行日志、巡检记录、运行分析记录、缺陷记录等； b) 试验数