-
公开(公告)号：CN111091236B
公开(公告)日：2023-06-20
申请号：CN201911186151.X
申请日：2019-11-27
申请人： 长春吉电能源科技有限公司 , 吉林电力股份有限公司科技开发分公司 , 吉林中电投新能源有限公司 , 东北电力大学
摘要： 本发明公开了一种按桨距角分类的多分类深度学习短期风功率预测方法,包括以下步骤：将原始风机数据按桨距角度区间等分划分为四个数据集；对所述的四个数据集分别做皮尔森相关性分析以确定每个数据集中各变量与风功率的相关度；根据每个数据集中变量的相关度，挑选与风功率相关性高的几种变量作为深度神经网络模型的输入，风功率作为输出；将每个数据集按比例划分为训练集和测试集，使用训练集和测试集对所述深度神经网络模型分别进行训练和测试，得出最终的深度神经网络模型。本发明的预测方法克服了现有技术中风功率预测精确度不高的问题。
-
公开(公告)号：CN116012358A
公开(公告)日：2023-04-25
申请号：CN202310090848.7
申请日：2023-02-09
申请人： 江西中电投新能源发电有限公司 , 长春吉电能源科技有限公司
摘要： 本发明涉及光伏板检测领域，且公开了一种光伏板鸟粪快速检测识别的方法，其包括以下步骤：步骤一、光伏板分割，通过分割算法对光伏板进行定位，进而对每块光伏板的位置进行分割；步骤二、光伏板校正，分割后的光伏板采用透视变换的方法进行校正；步骤三、光伏板增强去噪；步骤四，鸟粪定位识别，将图像空间从RGB空间转换到HSV空间，按照HSV颜色空间的H、S、V值定位出白色鸟粪的颜色区域。本发明提出的光伏板鸟粪识别方案是从鸟粪相对固定特征出发在光伏板定位颜色区域，本申请的优点在于快速，与深度学习方法相比，无需大量标注样本进行模型训练以及投入巨大的人工成本，可以对鸟粪进行快速高效的识别定位。
-
公开(公告)号：CN115982663A
公开(公告)日：2023-04-18
申请号：CN202310164314.4
申请日：2023-02-24
申请人： 吉电(滁州)章广风力发电有限公司 , 安徽吉电新能源有限公司 , 宿松吉电新能源有限公司 , 漳浦阳光浦照新能源发电有限公司 , 长春吉电能源科技有限公司
IPC分类号： G06F18/2433 , F03D17/00 , G06F18/15 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/084 , G06N3/088
摘要： 本发明涉及新能源风机技术领域，且公开了一种新能源风机设备的故障预警系统，包括风电机组状态监测模块和风电机组预测模块，所述风电机组状态监测模块包括卷积自编码器单元和双向长短期神经网络单元，所述风电机组预测模块包括预测模型建立单元和异常监测单元。该方法通过神经网络正常模型的预测值与实际值进行比较得到误差，将在正常行为模型定义的置信区间之外的误差判断为异常；结果表明通过观察神经网络的预测值与实时数据之间的误差和误差频率的增加来实现故障预警，该方法着力解决故障预警时间和预警精度的矛盾。提出基于SCADA数据的风机部件故障预警方法，通过风机实时数据进行试验、分析，验证所给出的方法在预警时间、精度方面的有效性。
-
公开(公告)号：CN112949543A
公开(公告)日：2021-06-11
申请号：CN202110284821.2
申请日：2021-03-17
申请人： 长春吉电能源科技有限公司 , 吉林电力股份有限公司科技开发分公司 , 东北电力大学
摘要： 本发明涉及风机故障诊断技术领域，提供一种基于快速傅里叶变换和ELM的风机叶片故障诊断方法，包括：步骤1：风机叶片故障诊断模型建立：获取每台风机在每个采样区间的叶片振动信号、该采样区间最后一秒的瞬时风速与瞬时风功率形成样本，并添加故障状态标签；对叶片振动信号进行快速傅里叶变换；对叶片振动信号的频谱进行特征提取，记录特征值包括最大幅值、最大幅值对应的频率等；以每台风机在每个采样区间的特征值及该采样区间最后一秒的瞬时风速与瞬时风功率为输入、对应的故障状态标签为输出，构建并训练基于ELM的风机叶片故障诊断模型；步骤2：新工况叶片故障诊断。本发明能够提高风机叶片故障诊断的准确率与效率并降低成本。
-
公开(公告)号：CN111091236A
公开(公告)日：2020-05-01
申请号：CN201911186151.X
申请日：2019-11-27
申请人： 长春吉电能源科技有限公司 , 吉林电力股份有限公司科技开发分公司 , 吉林中电投新能源有限公司 , 东北电力大学
摘要： 本发明公开了一种按桨距角分类的多分类深度学习短期风功率预测方法,包括以下步骤：将原始风机数据按桨距角度区间等分划分为四个数据集；对所述的四个数据集分别做皮尔森相关性分析以确定每个数据集中各变量与风功率的相关度；根据每个数据集中变量的相关度，挑选与风功率相关性高的几种变量作为深度神经网络模型的输入，风功率作为输出；将每个数据集按比例划分为训练集和测试集，使用训练集和测试集对所述深度神经网络模型分别进行训练和测试，得出最终的深度神经网络模型。本发明的预测方法克服了现有技术中风功率预测精确度不高的问题。
-
公开(公告)号：CN118011429B
公开(公告)日：2024-08-09
申请号：CN202410424011.6
申请日：2024-04-10
申请人： 扶余吉电新能源有限公司 , 长春吉电能源科技有限公司
摘要： 本发明提出了一种机舱式测风激光雷达的流场风速测量方法，涉及激光雷达测量技术领域，利用机舱式测风激光雷达系统所测光学信号，估算目标点的轴向风速；计算插值点位置的修正风速，对所述目标点的轴向风速进行差值均匀化；基于插值点位置的修正风速，预测激光雷达测量范围以外的期望位置风速。保证了目标测量点的测量精度，能够预测任意探测范围外的流场风速。
-
公开(公告)号：CN118011429A
公开(公告)日：2024-05-10
申请号：CN202410424011.6
申请日：2024-04-10
申请人： 扶余吉电新能源有限公司 , 长春吉电能源科技有限公司
摘要： 本发明提出了一种机舱式测风激光雷达的流场风速测量方法，涉及激光雷达测量技术领域，利用机舱式测风激光雷达系统所测光学信号，估算目标点的轴向风速；计算插值点位置的修正风速，对所述目标点的轴向风速进行差值均匀化；基于插值点位置的修正风速，预测激光雷达测量范围以外的期望位置风速。保证了目标测量点的测量精度，能够预测任意探测范围外的流场风速。
-
公开(公告)号：CN116682001A
公开(公告)日：2023-09-01
申请号：CN202310391033.2
申请日：2023-04-12
申请人： 长春吉电能源科技有限公司 , 吉林高分遥感应用研究院有限公司 , 江西中电投新能源发电有限公司
IPC分类号： G06V20/10 , G06V10/82 , G06N3/0464 , G06N3/08 , G06Q10/20
摘要： 本发明涉及机器学习的数字图像处理领域，具体提供了一种基于深度学习的遥感图像风力发电机组检测方法，包括如下步骤：S1：对遥感数据进行预处理并构建数据集；S2：基于YOLOv5目标检测网络，构建包括深度可分离卷积、残差单元和空间金字塔结构的主干特征提取网络并以此建立基于深度学习的风力发电机组检测模型；S3：建立模型训练集与参数设定；S4：对模型进行验证及精度评定；本方案中将遥感影像数据和底层形状特征相融合作为模型的输入信息，同时在主干特征提取网络中使用深度可分离卷积、残差单元和空间金字塔结构，可降低模型的复杂度，增强网络的特征提取能力，提高网络目标的检测精度。
-
公开(公告)号：CN116345550A
公开(公告)日：2023-06-27
申请号：CN202310262165.5
申请日：2023-03-17
申请人： 东北电力大学 , 长春吉电能源科技有限公司
摘要： 本发明公开了基于隔离型模块化多电平变换器的真双极低压直流系统，包括变换器单元、低压直流单元，变换器单元为三端口隔离型模块化多电平变换器，变换器单元输入端为低压直流端口，变换器单元输出端包括中压直流端口、中压交流端口，变换器单元的低压直流端口通过真双极接线方式连接低压直流单元；本发明将隔离型模块化多电平变换器与真双极技术相结合，从而使系统不需要额外接入电压平衡器就能构建真双极性配电，可以实现单级式功率变换，同时消去了子模块高压侧的大电容及不需要均压控制。
-
公开(公告)号：CN116129617A
公开(公告)日：2023-05-16
申请号：CN202211522079.5
申请日：2022-11-30
申请人： 陕西吉电能源有限公司 , 长春吉电能源科技有限公司 , 重庆中电自能科技有限公司
摘要： 本发明实施例涉及光伏发电技术领域，本发明实施例具体公开了一种基于时序数据画像的低效发电预警方法及系统，由于现有技术很少考虑周期性变化带来的干扰，同时造成估计的发电损失与实际损失存在较大误差，影响灰尘预警准确度；因此，在本发明提供的预警方法中，通过制定光伏遮挡时间序列的阴影画像，基于阴影画像计算阴影损失电量；光伏组串积灰判断与损失电量计算；光伏组串低效运行报警。因此，本发明结合光伏遮挡时间序列的阴影画像，区分组串电流降低的具体原因，将组串为周期性波动现象造成的阴影遮挡进行规避，降低误报警率，提高预警准确性。
-
-
-
-
-
-
-
-
-
搜索结果
33 条记录 (耗时 0.048 秒)
