-
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
申请人： 北京华能新锐控制技术有限公司
摘要： 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。
-
公开(公告)号：CN115014336A
公开(公告)日：2022-09-06
申请号：CN202210565476.4
申请日：2022-05-23
申请人： 北京华能新锐控制技术有限公司
摘要： 本发明提供了一种面向风力发电机巡检的视觉惯性定位方法，且其采用低成本设计，易于实施，便于推广，更利于实际应用。一种面向风力发电机巡检的视觉惯性定位方法，其特征在于：将工业巡检无人机集成双目相机、惯性测量单元，之后将工业巡检无人机按照预设的巡检飞行轨迹对风力发电机进行巡检，通过双目相机捕获视觉图像帧，视觉图像帧为连续的若干图像帧，同时通过惯性测量单元获得惯性参数，惯性参数包括工业巡检无人机捕获对应图像帧时的对应单轴的加速度和角速度，之后以紧耦合的方式对视觉图像帧和惯性参数两种传感信息进行融合，构建出基于图优化的视觉惯性后端优化，通过视觉惯性后端优化后获得风力发电机的巡检模型。
-
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
申请人： 北京华能新锐控制技术有限公司
摘要： 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。
-
公开(公告)号：CN114856908A
公开(公告)日：2022-08-05
申请号：CN202210484552.9
申请日：2022-05-06
申请人： 北京华能新锐控制技术有限公司
摘要： 本发明提供了一种基于激光雷达扫描风机叶片的风电场控制器设计方法，其可以快速而廉价地实现参数估计，并将估计的参数用于PAC内部模型，从而实现在不了解风力涡轮机的空气动力学参数和不对原始控制器进行改装的情况下实现对风电场输出功率的控制。其特征在于：功率调节控制器被设计成风电场控制器的一部分，风力发电控制系统采用分级设计的方式，由风电场功率控制器设定所需的风电场功率变化，并将其发送给风电场分布式控制器，风电场分布式控制器利用农场中每个风力涡轮机的运行知识，将功率的变化分配给涡轮机上的功率调节控制器，从而实现农场功率的变化；其中每个风力涡轮机的运行知识，预先通过激光雷达扫描后通过估算以及计算获得。
-
公开(公告)号：CN114198266A
公开(公告)日：2022-03-18
申请号：CN202111402245.3
申请日：2021-11-19
申请人： 北京华能新锐控制技术有限公司
摘要： 本发明提供一种风电机组运行状态平行监测方法与装置，属于风电机组运行状态监测技术领域。其中，本发明的方法包括下述步骤：基于数字孪生思想，搭建风电机组运行状态的平行监测系统框架；构建风电机组运行状态平行监测的人工虚拟系统；基于稀疏自编码神经网络对所述风电机组运行状态进行监测；所述风电机组运行状态监测的实际物理系统和人工虚拟系统的平行执行。本发明在人工虚拟状态监测系统中通过稀疏自编码神经网络进行风电机组功率模型的辨识，通过基于稀疏惩罚项的自编码器损失函数控制隐藏层神经元的激活程度，可有效提高对输出功率的预测精度。本发明所构建的平行监测方法与系统可提高风电机组状态监测的实时性、快速性和精确性。
-
公开(公告)号：CN114155499A
公开(公告)日：2022-03-08
申请号：CN202111401886.7
申请日：2021-11-19
申请人： 北京华能新锐控制技术有限公司
IPC分类号： G06V20/56 , G06K9/62 , G06N3/04 , G06N3/08 , G06V10/46 , G06V10/764 , G06V10/774 , G06V10/80
摘要： 本公开提供一种基于改进YOLOX的实时路况目标检测方法及装置。所述方法包括：采集实时路况目标的数据集，并对数据集进行预处理；按照预设的比例将预处理后的数据集划分为训练集和测试集；建立改进YOLOX网络结构：在残差分支中额外引出特征，经过ECA通道注意力后与另一分支的特征叠加，每个提取到的特征图都会有多个通道，各个通道上的特征通过叠加就可以得到完整的物体特征；利用所述训练集对所述改进YOLOX网络结构进行训练，得到实时路况目标检测模型；使用所述实时路况目标检测模型对实时路况目标进行检测。可以有效提高实时路况目标检测精度和检测效率。
-
公开(公告)号：CN114139791A
公开(公告)日：2022-03-04
申请号：CN202111406112.3
申请日：2021-11-24
申请人： 北京华能新锐控制技术有限公司
摘要： 本发明涉及风力发电技术领域，具体提供一种风力发电机组功率预测方法、系统、终端及存储介质，包括：对影响风力发电机组的功率值的参数项进行定期监控，将监控到的参数值按时间先后保存为参数序列；将所述参数序列输入边缘计算设备中的预先构建的A3C模型，得到预测功率；获取风力发电机组在所述预测功率对应的时间下的实际功率，并根据所述实际功率与所述预测功率的差值修正所述A3C模型。本发明能够准确预测风力发电机组的功率，且提高了预测效率。
-
公开(公告)号：CN114139785A
公开(公告)日：2022-03-04
申请号：CN202111393075.7
申请日：2021-11-23
申请人： 北京华能新锐控制技术有限公司
摘要： 本公开提供一种锅炉燃烧热效率预测方法及装置。所述方法包括：采集锅炉的实时运行数据，并将所述实时运行数据进行预处理；将预处理后的实时运行数据划分为训练集和测试集；采用改进K‑means算法对训练集中的实时运行数据进行聚类，具体包括：先采用生物地理学优化算法优化K‑means初始聚类中心，之后采用K‑means算法对所述实时运行数据进行聚类；设置相关参数，使得网络符合锅炉燃烧模型；基于所述聚类后的实时运行数据，对预设的极限学习机网络进行训练，得到所述锅炉燃烧模型；利用所述锅炉燃烧模型对锅炉燃烧热效率进行预测。能有效地改善预测精度，显示出其有效性，能够有效提高预测精度和预测效率。
-
公开(公告)号：CN112580940A
公开(公告)日：2021-03-30
申请号：CN202011414435.2
申请日：2020-12-03
申请人： 北京华能新锐控制技术有限公司
摘要： 本发明提供一种风电机组运行状态在线评价方法，所述方法包括：选取风电机组运行的参数及其数据，并基于因子分析方法计算出用于模糊综合评价方法的权重；根据相对劣化度计算方法，确定风电机组在线运行监测参数的隶属度矩阵；通过模糊评价方法得到最终的风电机组运行状态在线评价结果；基于实际SCADA数据和SPSS软件平台，验证风电机组运行状态在线评价方法的有效性。本发明可以对风电机组参数权重进行实时更新，更加符合现场运行需要，可以客观地对风电机组的运行状态进行全方位评估，使得评价结果更加贴近实际运行状态，从而判断风电机组当前运行状态的优劣性，及时掌握风电机组的运行状态，为日常运行维护管理提供决策性辅助。
-
公开(公告)号：CN114153826B
公开(公告)日：2024-09-20
申请号：CN202111312716.1
申请日：2021-11-08
申请人： 北京华能新锐控制技术有限公司
IPC分类号： G06F18/10 , G06F18/23 , G06F18/2433 , G06N3/0464 , G06N3/006 , G06Q50/06
摘要： 本公开提供一种基于增强卷积去噪算法的风电机组数据清洗方法及装置。所述方法包括：基于SCADA系统，采集风电机组的风电数据；对所述风电机组的风电数据，采用模糊C均值FCM进行数据聚类；对聚类处理后的所述风电数据，基于增强卷积神经网络进行数据去噪；对去噪处理后的所述风电数据，基于布谷鸟算法进行数据缺失值填补和无效值处理，完成风电机组数据清洗。本公开的风电机组数据清洗，为风电机组的状态监测和异常检测以及长短期风电功率预测等奠定了良好的基础。在风机数据去噪中引入了增强卷积神经网络方法，并且在神经网络隐藏层的输出附加辅助监督信息作为正则化约束，可有效提高数据去噪的效率和精确性。
-
-
-
-
-
-
-
-
-
搜索结果
92 条记录 (耗时 0.066 秒)
