光伏电站的短期功率预测方法

    公开(公告)号:CN114154688B

    公开(公告)日:2024-09-17

    申请号:CN202111366036.8

    申请日:2021-11-18

    Abstract: 本发明提出一种光伏电站的短期功率预测方法,属于光伏发电技术领域。本发明的光伏电站的短期功率预测方法具体包括:基于光伏发电系统的运行数据构建光伏发电功率预测系统的孪生模型;所述孪生模型通过GINs与所述光伏发电系统进行知识交互学习,以将关系知识从所述光伏发电系统转移到所述孪生模型,并指导所述光伏发电系统进行短期功率预测。本发明将数字孪生技术应用于光伏发电站,通过将其现场运行数据映射到虚拟空间构建数字孪生体,可高保真反映其运行状况,以及,采用信息交互网络完成光伏发电系统现场与其数字孪生模型之间的信息交互学习,完成数字孪生模型的实时更新,并对光伏电站超短期功率进行实时精准预测。

    一种风力发电机组是否保持故障的判断方法

    公开(公告)号:CN117685178A

    公开(公告)日:2024-03-12

    申请号:CN202410033740.9

    申请日:2024-01-10

    Abstract: 本发明公开了一种风力发电机组是否保持故障的判断方法,其基于故障信号、有功功率、转速三者对于风力发电机是否处于故障状态进行可靠准确判定。根据故障信号、有功功率、转速判断风机保持故障,以故障信号结束特定时间内,有功功率持续小于基础功率数值且转速持续小于启动转速为保持风机故障状态;之后再延续特定时间为周期检测有功功率和转速,直至有功功率持续大于或等于基础功率或风速大于或等于启动风速,则风力发电机退出故障状态,并记录下上一次保持故障状态的时间点。

    基于深度表示的风电机组异常检测方法

    公开(公告)号:CN115146718A

    公开(公告)日:2022-10-04

    申请号:CN202210736346.2

    申请日:2022-06-27

    Abstract: 本发明公开了基于深度表示的风电机组异常检测方法,属于风电机异常检测技术领域,主要用于风电机组的运行状态监测,该方法包括以下步骤:首先利用设计的双锚钉损失函数对神经网络进行训练,提取出有效划分正常与异常区域的深度特征表示,最后,利用K近邻方法进行异常检测。本发明提供的基于深度表示的风电机组异常检测方法,利用神经网络并结合设计的双锚钉损失函数对SCADA数据进行深度特征表示,改善了数据的不平衡现象,有利于提高异常值的识别性能,有利于进行异常检测。

    一种提取用于风电机故障诊断的信息的方法

    公开(公告)号:CN115130555A

    公开(公告)日:2022-09-30

    申请号:CN202210607271.8

    申请日:2022-05-31

    Abstract: 本发明提供了一种提取用于风电机故障诊断的信息的方法,其挖掘出了SCADA用于故障分类的有效信息。其包括如下步骤:a时间特征提取,输入数据清洗后的SCADA数据,利用回声状态神经网络进行时间特征提取,提取出第v个变量的t时刻输入时间序列{v(1),v(2),...,v(t)},其中输入序列长度根据实验设定,最终时间特征为Time(t)=[O(t),x(t)];b空间特征提取,对各变量在t时刻的相互变化进行提取,对t时刻的各变量通过1*1卷积进行映射,得到多个输出映射,在对多个映射利用1*3,1*5,1*7卷积进行处理,得到空间特征输出Space(t);c时空特征提取,将Time(t),Space(t)作为三层前馈神经网络的输入,对该神经网络进行训练,得到最终的分类器。

    一种风机叶片在线视觉监测与故障诊断方法

    公开(公告)号:CN115013255A

    公开(公告)日:2022-09-06

    申请号:CN202210563828.2

    申请日:2022-05-23

    Abstract: 本发明提供了一种风机叶片在线视觉监测与故障诊断方法,其整体提升风电行业的安全性和可靠性,并降低巡检劳动强度,显著提高经济效益和社会效益。其在固定位置设置拍摄系统,拍摄系统包括镜头和光源,镜头为大焦距镜头,将拍摄系统对准叶尖转动轨迹区域的一处位置,使得拍摄系统捕获叶尖位置的一设定形状的区域的抓拍图像,在需要拍摄的叶尖的对应位置区域进行区分标记,获取抓拍图像的位置,位置为所抓拍图像中叶尖的标记区域的中心点的坐标,之后进行位置偏差法处理,位置偏差即为依次抓拍的前后两张图像叶尖标记中心点间的位置偏差Ld,通过位置偏差Ld和偏差阈值Ld_T比较,从而判断叶片是否发生故障。

Patent Agency Ranking