-
公开(公告)号：CN115187461A
公开(公告)日：2022-10-14
申请号：CN202210901784.X
申请日：2022-07-28
摘要： 本发明提出一种基于单应性和重建网络的风机叶片图像拼接方法及设备，该方法利用单应性网络对输入的两张图片进行空间变换，再利用重建网络，通过低分辨率重建和高分辨率重建两个分支，最终得到拼接后的高精度图像。本发明采用无监督深度学习方法构建单应性网络和重建网络，具有更强的图像特征提取能力。利用单应性网络直接计算输入图像的空间变化关系，并通过神经网络重建拼接图像，用于消除拼接图像的视差，并输出高分辨率的拼接图像；自动将多张叶片图像拼接成完整的叶片图像，并具有高分辨率和精准的图像特征。
-
公开(公告)号：CN115147377A
公开(公告)日：2022-10-04
申请号：CN202210790763.5
申请日：2022-07-06
摘要： 本申请提供了一种用于生成光伏板缺陷图像的CycleGAN模型的训练方法及装置，该方法包括：获取训练样本，将所述训练样本输入至待训练的用于生成光伏板缺陷图像的循环生成对抗网络CycleGAN模型中，获取由所述CycleGAN模型输出的光伏板的候选图像，并根据所述训练样本和所述候选图像对所述循环生成对抗网络CycleGAN模型进行训练，以获取用于生成光伏板缺陷图像的目标CycleGAN模型。由此，本申请通过用于生成光伏板缺陷图像的目标CycleGAN模型，可以将光伏板的正常图像转换成不同类型的光伏板的缺陷图像，解决了光伏板缺陷图像较少的问题，提高了光伏板缺陷检测的准确率。
-
公开(公告)号：CN114825485A
公开(公告)日：2022-07-29
申请号：CN202210342435.9
申请日：2022-04-02
申请人： 华能大理风力发电有限公司洱源分公司 , 中国华能集团清洁能源技术研究院有限公司 , 华北电力大学
IPC分类号： H02J3/50
摘要： 本发明公开了属于风电场并网的无功电压控制技术领域的一种基于聚类分析的风电场无功分区及控制方法，包括：分析风电场内双馈机组的无功能力及其影响因素，结合风电场AVC系统储存的历史运行数据，对风电机组进行聚类分析，计算分区和风电场整场的无功调控能力；通过电网调度指令与并网点电压信息确定无功需求后，由各级无功调控能力给出对应的控制策略，本发明不再将风电场等效为一台或几台机组进行控制，考虑了风电场内部节点的电压波动情况；充分利用双馈风机的无功能力，降低了机端电压的波动，提高机组的电压稳定性，提高风电机组运行的安全性。本发明易于实现，可操作性强。
-
公开(公告)号：CN114463594A
公开(公告)日：2022-05-10
申请号：CN202111400102.9
申请日：2021-11-19
申请人： 中国华能集团清洁能源技术研究院有限公司
发明人： 曾谁飞 , 傅望安 , 王振荣 , 黄思皖 , 张燧 , 王青天 , 刘旭亮 , 李小翔 , 冯帆 , 邸智 , 韦玮 , 杜静宇 , 赵鹏程 , 武青 , 祝金涛 , 朱俊杰 , 吴昊 , 吕亮 , 童彤 , 任鑫 , 郑建飞 , 薛文超 , 周军军
IPC分类号： G06V10/774 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
摘要： 本发明提出一种多模态深度学习的发电设备异常一体化识别方法及设备，该方法通过构建发电设备异常检测神经网络，通过特征提取网络对单模态数据进行特征提取，将提取的特征映射到同一语义空间，采用多模态融合策略对单模态数据的语义特征进行特征融合生成多模态融合特征，根据生成的多模态融合特征进行发电设备异常进行预测。通过本发明，能够规避发电设备异常检测过程中的漏报误报、错报现象，提升预测发电设备异常检测准确率。
-
公开(公告)号：CN114330495A
公开(公告)日：2022-04-12
申请号：CN202111424160.5
申请日：2021-11-26
申请人： 中国华能集团清洁能源技术研究院有限公司
发明人： 曾谁飞 , 王振荣 , 傅望安 , 黄思皖 , 王青天 , 张燧 , 刘旭亮 , 李小翔 , 冯帆 , 邸智 , 韦玮 , 童彤 , 任鑫 , 杜静宇 , 赵鹏程 , 武青 , 祝金涛 , 朱俊杰 , 吴昊 , 吕亮 , 段周期 , 胡雪琛 , 项灵文
摘要： 本发明提出一种基于深度学习融合模型的风电功率预测方法及设备，利用Scada系统风电功率实时监测数据及结合历史风电功率数据对风电功率预测，将Scada系统风电功率实时监测数据和历史风电功率数据输入由卷积神经网络、BiLSTM网络、Attention注意力机制构建深度学习融合模型提取文本特征，最终将其获得的特征进行合并操作得到融合特征，这样得到最优文本特征对风电功率进行高效精准预测。通过该方法不仅提高供电系统调度运行计划制定精准性，而且有利于降低新能源发电功率预测的误差现象。
-
公开(公告)号：CN114329813A
公开(公告)日：2022-04-12
申请号：CN202111389327.9
申请日：2021-11-22
申请人： 华能华家岭风力发电有限公司 , 中国华能集团清洁能源技术研究院有限公司
IPC分类号： G06F30/17 , G06F30/27 , G06F30/28 , G06F111/08 , G06F113/06 , G06F119/06 , G06F119/14
摘要： 本申请提出了一种基于Wilson模型和粒子群算法的风机叶片优化设计方法，该方法包括：确定待优化的叶片设计参数，建立初始叶片模型；将初始叶片模型沿展向等分成预设数量个叶素，并通过Wilson模型迭代计算出每个翼型的轴向诱导系数和切向诱导系数；根据每个翼型的轴向诱导系数和切向诱导系数分别计算每个翼型的扭角和弦长；将每个翼型的扭角和弦长作为粒子群算法的输入值，通过粒子群算法同时重新优化出每个翼型的扭角和弦长。该方法通过Wilson模型和粒子群算法对叶片进行联合优化设计，有效提高叶片的气动性能，提高了风机的发电效率。
-
公开(公告)号：CN114218352A
公开(公告)日：2022-03-22
申请号：CN202111455679.X
申请日：2021-11-29
发明人： 曾谁飞 , 王振荣 , 傅望安 , 王青天 , 黄思皖 , 杜静宇 , 张燧 , 李小翔 , 冯帆 , 韦玮 , 童彤 , 任鑫 , 赵鹏程 , 武青 , 祝金涛 , 朱俊杰 , 吴昊 , 吕亮 , 邸智 , 刘旭亮 , 段周朝 , 房扩 , 刘磊
摘要： 本申请公开了一种发电设备异常监测方法、装置、存储介质及电子设备，涉及人工智能技术领域，具体涉及深度学习、神经网络、自然语言处理领域，可应用于新能源、碳中和、碳达峰等场景。具体实现方案为：通过获取检测文本数据，对检测文本数据进行预处理，基于预设权重对检测文本数据进行逆序重构，得到重构文本数据，根据检测文本数据和重构文本数据计算极大似然估计值，得到发电设备异常概率，根据发电设备异常概率，确定发电设备异常监测结果。本申请实现了对发电设备异常情况进行预测，提高了发电设备异常监测的准确性。
-
公开(公告)号：CN114169088A
公开(公告)日：2022-03-11
申请号：CN202111341266.9
申请日：2021-11-12
申请人： 华能华家岭风力发电有限公司 , 中国华能集团清洁能源技术研究院有限公司
IPC分类号： G06F30/17 , G06F30/27 , G06F30/28 , G06F111/04 , G06F113/06 , G06F113/08 , G06F119/14
摘要： 本申请提出了一种基于Wilson模型和遗传算法的风机叶片优化设计方法及系统，该方法包括：根据风场的特征模型计算风机的额定风速,并根据额定风速和额定输出功率反算出风轮直径；对初始叶片翼型模型进行空气动力分析，根据升阻比随攻角的变化曲线确定叶片翼型的攻角；将叶片沿展向等分成预设数量个叶素，并通过Wilson模型迭代计算出每个叶素的轴向诱导系数和切向诱导系数；根据轴向和切向诱导系数分别计算每个叶素的扭角和弦长；通过遗传算法根据每个扭角依次重新优化每个叶素的弦长，并拟合每个叶素的翼面和外形参数。该方法通过Wilson模型和遗传算法对叶片进行联合优化设计，有效提高叶片的气动性能，提高了风机的风能利用率。
-
公开(公告)号：CN114065613A
公开(公告)日：2022-02-18
申请号：CN202111260743.9
申请日：2021-10-27
IPC分类号： G06F30/27 , G06K9/62 , G06F119/02
摘要： 本申请提出了一种基于深度迁移学习的多工况流程工业故障检测诊断方法，该方法包括：获取流程工业在多个工况下的历史数据，包括正常运行数据和故障数据，并构建故障库；将历史数据进行标准化，整理成二维矩阵；结合深度迁移学习的最大均值差异MMD训练设计的故障检测模型和故障诊断模型，计算故障检测模型的检测阈值；采集实时数据，进行相应的标准化和整理处理后,输入至训练完成的故障检测模型计算损失函数值，将损失函数值与检测阈值进行比较，以判断生产系统是否发生异常；如果发生异常，则将实时数据输入至故障诊断模型确定生产系统的故障类型。该方法构建了多工况通用的故障检测和诊断模型，提高了多工况流程工业的监控效率。
-
公开(公告)号：CN113947744A
公开(公告)日：2022-01-18
申请号：CN202111249365.4
申请日：2021-10-26
摘要： 本发明公开了一种基于视频的火灾图像检测方法、系统、设备及存储介质，旨在解决保证火焰检测效果基础上，与火焰相近的静止和运动物体易产生误报的问题。首先构建正、负样本数据集，并训练卷积神经网络I作为火灾检测模型检测数据中是否存在“疑似火焰”，获取正、负样本分类数据集；利用运动检测判断“疑似火焰”是否运动；根据正、负样本分类数据集训练卷积神经II作为火焰误报分类模型来判断“疑似火焰”是否误报，从而在保证火焰检测效果的前提下降低误报次数。当分类结果为误报则继续处理下一帧图；当分类结果为火焰则表明发生火灾立即通知相关人员。本发明通过视频监控实时检测是否有火灾发生并标记火焰位置，早期预警火灾发生减轻火灾危害。
-
-
-
-
-
-
-
-
-
搜索结果
133 条记录 (耗时 0.162 秒)
