来源：环保水圈2017-10-26

一、物理性质异常的分析控制方法1、在运行过程中如果发现污泥发白产生原因：缺少营养，丝状菌或固着型纤毛虫大量繁殖，菌胶团生长不良；ph值高或过低，引起丝状菌大量生长，污泥松散，体积偏大。解决办法：按营养配比调整进水负荷

来源：北极星电力网2017-10-20

三峡水库蓄水和电站机组满发期间，长江电力将积极主动与国家电力调度通信中心沟通协调，精心制作发电计划，强化电站设备诊断分析，加强巡检频次和巡检范围，在确保梯级枢纽安全稳定运行的基础上最大限度发挥梯级枢纽综合效益

来源：MHCC2017-10-20

m9000在线状态监测系统可以对运行中的设备提供7x24小时不间断的监测和诊断分析服务。

来源：电力头条APP2017-10-17

监测含智能诊断系统，是针对风机的整个驱动链系统重点打造的一款诊断分析专家系统，该系统是以阈值性维护为中心，实时监控风机驱动链运行状态，通过人工神经网络模型对各实时数据进行对比分析，实现体现预知整个驱动链的状态

来源：三峡集团2017-10-12

为确保机组满负荷高效运行，三峡电厂优化运行方式，积极与调度部门有效沟通，落实安全管理责任到岗、设备管理责任到人的责任体系要求，强化责任体系和诊断分析，密切监视机组运行工况。

来源：三峡集团2017-10-10

三峡水库蓄水和电站机组满发期间，长江电力将积极主动与国家电力调度通信中心沟通协调，精心制作发电计划，强化电站设备诊断分析，加强巡检频次和巡检范围，在确保梯级枢纽安全稳定运行的基础上最大限度发挥梯级枢纽综合效益

来源：给水排水2017-10-10

beauchamp等将故障树诊断法引入电化学超滤技术的诊断分析中。...且统计学诊断方法已从最初的单变量统计逐步发展到多元统计诊断分析，如主成分分析法，偏最小二乘法等。(1)基于主成分分析的诊断方法。

来源：华电滕州新源热电有限公司2017-09-30

修前，充分利用振动、红外、超声波、油液、性能、流量检测和真空检漏七项诊断技术，并邀请华电电科院开展修前性能试验，做好诊断分析，有依据的编制检修项目。

来源：电力需求侧管理2017-09-27

3、基于大数据、人工智能的专家智能诊断分析、负荷预测、智能负载深度协同、智能电气一二次融合等是未来电力需求侧管理的主要技术支撑。

来源：电力需求侧管理2017-09-27

3、基于大数据、人工智能的专家智能诊断分析、负荷预测、智能负载深度协同、智能电气一二次融合等是未来电力需求侧管理的主要技术支撑。

来源：能源杂志2017-09-08

在这个智能系统中，终端提供数据化素材的采集，进一步由网络发挥传递、叠加等协同效应，最终由智能化的云平台利用先进的算法等技术优势，进行诊断分析、预测研判，提供高质量的产品与服务，构成系统的完整闭环。

来源：中国电力新闻网2017-09-04

辽宁电力高度重视2017年电网发展诊断分析工作，成立工作领导小组，于今年4月份正式启动。...此次诊断分析结论涵盖五大分类、92个指标，特别是分析了2010年以来749个电网基建项目的投入产出，并形成了《2017年电网发展诊断分析报告》。

来源：E20水网固废网2017-08-25

另外，设备健康状态的在线健康诊断分析也是我们精细化设备管理的重要措施。...通过设备健康诊断分析，我们可以掌握设备健康动态状态，为精确地安排设备检维修提供了依据。

来源：中企网2017-08-24

深化电网诊断分析，持续优化各级电网规划，促进政府多规合一。推进电力与地铁管廊资源共享规划，破解城区变电站选址选线难题。完成和平区配电网精益化规划试点任务。

来源：输变电工程设计2017-08-23

现场智能诊断装置可对采集终端在现场应用条件下实现模拟量采集基本误差、i/o接口、本地及远程通信模块、终端基本功能及通信协议一致性的自动测试及诊断分析，可实现电力线载波噪声信号、微功率无线噪声信号的采集、

来源：漯河公司2017-08-22

同时，该公司积极开展设备指标节能诊断分析，持续挖潜提效，采用新技术、新工艺，高质量完成消缺维护和超前的设备定期保养，主、辅机的设备可靠性得到保障，机组经济性、可靠性有效提高。

来源：北极星太阳能光伏网2017-08-11

李强介绍，通过50座典型电站现场诊断分析，我们得出了4条核心的结论：1）发电量提升空间巨大，平均可达5.92%；2）设备故障频发，且不能及时发现，造成电站发电量的持久损失；3）安全隐患丛生，易造成资产损失及人身伤害

来源：配网设计联盟2017-08-03

二、配电网诊断分析推荐的分析方法如下图所示。传统分析方法(红框)作为配电网分析的基本手段，但不作为问题诊断的主要手段。给出配电网现状基本情况表，给出高损配变、残旧线路、残旧开关和复杂接线列表。

来源：中国能源报2017-07-26

基于大数据、人工智能的专家智能诊断分析、负荷预测、智能负载深度协同、智能电气一二次融合等是未来电力需求侧管理的主要技术支撑。刘粤海说。

来源：中国能源报2017-07-26

“基于大数据、人工智能的专家智能诊断分析、负荷预测、智能负载深度协同、智能电气一二次融合等是未来电力需求侧管理的主要技术支撑。”刘粤海说。