-
公开(公告)号：CN118232331B
公开(公告)日：2024-12-27
申请号：CN202410359515.4
申请日：2024-03-27
Applicant: 华北电力大学
IPC: H02J3/00 , G06Q10/04 , G06Q50/06 , G06N3/0442 , G06N3/08
Abstract: 本公开涉及一种波浪能发电功率预测方法、装置、设备及介质。该方法包括：获取待预测区域的波浪发电实测功率；利用微调好的波浪发电功率预测模型，对待预测区域的波浪发电实测功率进行处理，确定待预测区域的波浪发电预测功率；其中，波浪发电功率预测模型利用参考区域的波浪高度数据对初始神经网络进行预训练，并利用参考区域的波浪发电实测功率对得到的预训练模型进行微调确定，波浪高度数据与所述参考区域的波浪发电实测功率呈正相关关系，并且，正相关关系的关系值大于预设的正相关值。由此，采用公开易得的波浪高度数据和少量的波浪发电实测功率分别进行预训练和微调，实现了利用少量的波浪发电实测功率，精准的进行波浪发电功率预测。
-
公开(公告)号：CN119044327A
公开(公告)日：2024-11-29
申请号：CN202411142924.5
申请日：2024-08-20
Applicant: 华北电力大学
Abstract: 本公开涉及一种塔筒的缺陷位置检测方法、装置、设备及介质。塔筒上设置三个声传感器，每两个声传感器之间的距离相等，该方法包括：获取声传感器采集的声发射信号；确定每两个声传感器采集所述声发射信号的时间差；根据每两个声传感器分别对应的位置、声发射信号的传播速率以及时间差，从塔筒上确定初始缺陷位置；基于每两个初始缺陷位置之间的距离，从初始缺陷位置中确定目标缺陷位置。由此，基于声传感器的位置、声发射信号的传播速度、不同声传感器之间的时间差，实现对塔筒上的缺陷位置进行精准检测，该方法所需的声传感器数量少且成本低，所需的检测结构简单且安装方便，有利于在实际场景中推广应用。
-
公开(公告)号：CN118275075A
公开(公告)日：2024-07-02
申请号：CN202410246096.3
申请日：2024-03-05
IPC: G01M10/00
Abstract: 本发明公开了基于浮式风电机组的振荡浮子集成系统实验装置及方法，属于风力发电技术领域，本发明实现了建立点吸式振荡浮子与浮式风电机组集成系统的耦合动力模型，能够更准确地评估系统在实际海洋环境下的性能。同时实现了建立液压式波浪能能量转化系统的物理实验模型，考虑液压系统的非线性特性对集成系统性能的影响，提高了实验结果的准确性和可靠性。本发明的风电机组叶轮转动速度实时可控可以考虑不同叶尖速比下的集成系统动力学特性，从而更好地优化系统的性能和效率。发明实现了全方位的监测集成系统的水动力性能，有利于揭示复杂集成系统的耦合动力学特性，为系统优化和安全性评估提供了重要数据支持。
-
公开(公告)号：CN111159929B
公开(公告)日：2024-06-18
申请号：CN201911174257.8
申请日：2019-11-26
Applicant: 华北电力大学
IPC: G06F30/23 , G06F111/10 , G06F119/14
Abstract: 本发明属于风电机组叶片结构动力技术领域，尤其涉及一种基于时域有限差分方法的复合材料叶片结构动力学数值模拟方法，包括：步骤1：在梁单元空间坐标系的基础上建立各向异性复合材料叶片理论模型并进行变换；步骤2：通过对变换后的理论模型进行数值离散化来建立各向异性复合材料叶片数值模型；步骤3：通过在不同时刻分别交错构造线速度和角速度、力与力矩的变量来建立适用于有限差分方法的结构动力学计算网格；步骤4：在给定边界条件和初始条件后，求解结构动力学计算网格数值。本发明使得结构动力学求解比传统有限元方式具有更为简洁的形式和更高的效率。
-
公开(公告)号：CN118134039A
公开(公告)日：2024-06-04
申请号：CN202410279367.5
申请日：2024-03-12
Applicant: 华北电力大学
Abstract: 本公开涉及一种风光功率预测模型的训练方法、装置、系统及介质。每个客户端基于服务端下发的共用模型的共用参数、在上一个训练轮次确定的本地参数、在上一个训练轮次确定的权重以及本地训练数据，自适应的确定本地参数和权重以开启下一轮次的训练，使得每个客户端在保留自己数据特性的同时，还考虑了其他客户端的数据特性。这样，不仅提高了对客户端本地的风光数据的适应性，还能有效处理不同客户端的风光数据的不同特性，从提高了风光功率预测模型的泛化能力，最终提高风光电站的发电功率的预测精度。
-
Patent Agency Ranking
公开(公告)号：CN112347611B
公开(公告)日：2024-05-31
申请号：CN202011102957.9
申请日：2020-10-15
Applicant: 华北电力大学
IPC: G06F30/28 , G06F113/08 , G06F119/14 , G06F113/06
Abstract: 本发明公开了属于新能源风力发电技术领域的一种风力机远场尾流流向湍流度计算方法。包括步骤：1，获取风电机组入流情况、风电机组参数和风电机组运行状态的基本数据；2，根据获取的基本数据计算轮毂高度水平面内尾流速度损失剖面标准差σ随下游距离x的线性变化函数；在尾流速度损失分布已知的情况下，或通过高斯速度损失剖面拟合直接获取，相当于已知的输入条件；3，将轮毂高度水平面内尾流速度损失剖面标准差σ作为输入值输入到附加湍流度模型中，结合风电机组入流数据得出风电机组远场尾流流向湍流度的预测结果。本发明可以实现风电机组远场尾流流向湍流度的准确预测，对机组排布优化具有重要的指导意义。
-
公开(公告)号：CN117893355A
公开(公告)日：2024-04-16
申请号：CN202410039179.5
申请日：2024-01-10
Applicant: 华北电力大学
Abstract: 本公开涉及一种基于移动轨迹的区域电力模拟方法、装置、设备及介质。该方法包括：获取不同用户类型在活动区域的移动轨迹数据，并获取活动区域的建筑类型；基于建筑类型和移动轨迹数据中轨迹点的时间信息，对活动区域进行行为状态预测，确定不同用户类型的行为状态；根据不同用户类型的行为状态以及轨迹点对应的外部环境参数，预测活动区域中不同用户类型的电器使用行为；基于不同用户类型的电器使用行为，对活动区域进行能耗模拟，得到活动区域的能耗模拟数据。可见，移动轨迹数据包多种微观特征和复杂特征，因此，当面对个体行为的多样性和复杂性的活动区域，能够精准的进行区域电力模拟，最终提高了节能减排效果、能源效率和管理效果。
-
公开(公告)号：CN117856282A
公开(公告)日：2024-04-09
申请号：CN202311588711.0
申请日：2023-11-24
Applicant: 华北电力大学
IPC: H02J3/24 , H02J3/48 , H02P9/10 , H02P101/15
Abstract: 本公开涉及一种调频备用优化运行策略确定方法、装置、设备及介质。该方法包括：获取风电场中各台机组的相关参数；基于各台机组的相关参数，计算风电场的动能裕度约束条件，其中，所述风电场在所述动能裕度约束条件下对应的调频能力大于预设调频能力；根据动能裕度约束条件，在尾流效应影响下计算风电场的超速减载输出功率，并将风电场的超速减载输出功率对应的控制策略，作为风电场的调频备用优化运行策略，其中，调频备用优化运行策略作为超速减载控制策略对风电场进行超速减载控制。由此，在提高风电场的整体调频能力的同时也能减少能量损耗，因此，利用此超速减载控制策略对风电场进行超速减载控制时，能够提高风电场的调频能力和输出功率。
-
公开(公告)号：CN111291514B
公开(公告)日：2024-04-05
申请号：CN202010078646.7
申请日：2020-02-03
Applicant: 华北电力大学
IPC: G06F30/23 , G06F30/27 , G06N20/00 , G06F119/04
Abstract: 本发明提出了一种风电机组疲劳寿命的快速预测方法，该方法将风电机组的疲劳损伤与机器学习相耦合。首先，根据实际工况下可能出现的风参数条件对风电机组部件进行疲劳损伤预计算，建立部件每分钟疲劳损伤数据库；然后，将疲劳损伤数据库中的数据输入至机器学习模型中进行多次迭代训练，建立风参数与疲劳损伤量之间的非线性映射关系；最后，将SCADA数据中风参数数据或测风塔数据输入至已经训练好的机器学习模型中，得到风电机组部件疲劳寿命的预测值。
-
公开(公告)号：CN117784282A
公开(公告)日：2024-03-29
申请号：CN202311799805.2
申请日：2023-12-25
Applicant: 华北电力大学
IPC: G01W1/02 , G06F18/27 , G06F18/243 , G06N5/01 , G06N20/20 , G06N3/0455 , G06N3/0464 , G06N3/096 , G01W1/10 , G06F123/02
Abstract: 本公开涉及一种风光电站的天气预报数据预测方法、装置、设备及介质。该方法包括：获取风光电站在当前时刻之后的数值气象要素数据，并获取风光电站在当前时刻之后的预测风光时序数据；利用风光数据预测模型，对数值气象要素数据和预测风光时序数据进行处理，预测风光电站在未来时间段内的风光数据，得到风光电站的天气预报数据。由此，结合表征全球场大气状态特征的数值气象要素数据以及包含时序特征的预测风光时序数据，并利用训练好的风光数据预测模型，来预测风光电站未来的风光数据，提高了风光数据的预测精度，降低了风光电站在短期发电时产生的功率预测误差，从而保证电力系统平稳安全的运行。
-
-
-
-
-
-
-
-
-
Search Results
205
records
(took 0.054 seconds)
