-
公开(公告)号：CN117708500A
公开(公告)日：2024-03-15
申请号：CN202311734391.5
申请日：2023-12-18
Applicant: 东北大学
IPC: G06F18/10 , G06N3/006 , G01M13/045
Abstract: 本发明提供一种海上风电滚动轴承振动信号去噪方法，涉及海上风电滚动轴承技术领域。结合小波分析和海鸥算法，让这两种技术相互协同工作，以自适应地去除振动信号中的噪音成分。小波分析用于将振动信号分解为不同尺度的小波系数，并确定噪音的频率和能量分布。然后，海鸥算法被应用以自适应地调整去噪参数，以减小振动信号中的噪音，同时保留有用信号。这种结合应用允许本发明适应不同振动信号的特性，从而提供了一种通用的、高效的去噪方法。与其他方法相比，该方法能够自适应地识别和去除振动信号中的噪音，同时保留有用信号，以改善滚动轴承的状态监测和故障诊断。
-
公开(公告)号：CN119575813A
公开(公告)日：2025-03-07
申请号：CN202411704569.6
申请日：2024-11-26
Applicant: 华电新疆准东五彩湾发电有限公司 , 华电电力科学研究院有限公司 , 东北大学
IPC: G05B13/04
Abstract: 本发明提供一种改进的超超临界机组协调控制系统建模方法，涉及超超临界机组协调控制系统技术领域，首先设计了一种新的数据驱动实验建模方法，结合ResNet50的改进变压器网络和超参数优化方案提取长期依赖关系和局部特征的能力，保证了CCS在调峰和快速功率变化条件下建模的准确性。然后，针对感知域和复杂特征学习能力的提升，提出了一种基于transformer卷积运算和ResNet50自注意机制的改进神经网络，并利用李雅普诺夫函数证明了该网络的收敛性。最后，提出了基于堆优化器和哈里斯鹰优化的HHBO算法，提高了算法的收敛速度和优化能力，确保数据驱动建模方法能够在负荷范围大功率变化快的情况下达到很好的性能。
-
公开(公告)号：CN117875470A
公开(公告)日：2024-04-12
申请号：CN202311606590.8
申请日：2023-11-29
Applicant: 东北大学
Abstract: 本发明设计基于增强联邦学习的海上风电超短期功率预测框架及方法，所述框架包括上下两层；所述下层考虑不同海上风电场之间信息的相互独立，将基于变分模态分解的长短期记忆网络作为各个风电厂本地训练模型，各发电厂仅利用本电厂数据训练模型，模型训练收敛后提取模型参数，通过数据传输通道将参数上传至上层中央处理器；中央处理器接受来自于各电厂的模型参数，利用每个电厂发电量占各电厂发电量总和的比重，并基于参数聚合方法产生全局参数，最终将全局参数下发到下层各电厂本地训练模型进行训练；通过参数不断的上传下发，直到全局参数收敛，利用全局参数建立全局预测模型，将模型应用于海上风电功率预测中，最终完成多电厂联合预测。
-
公开(公告)号：CN117713078A
公开(公告)日：2024-03-15
申请号：CN202311734393.4
申请日：2023-12-18
Applicant: 东北大学
IPC: H02J3/00 , G06F18/10 , G06F18/213 , G06N3/0475 , G06N3/0455 , G06N3/047 , G06Q50/06 , H02J3/38
Abstract: 本发明提供一种基于遥感观测的生成式海上风电功率超短期预测方法，涉及风能遥感观测技术领域。为纠正缩减风电场内减少的尾流效应来模拟标称功率输出，建立了实用的实时尾流模型，采用双层生成式网络分别考虑遥感数据和涡轮机组数据对最终预测功率的影响，考虑模拟功率输出与风电输出功率之间的概率分布，以提高预测准确率。风功率模拟计算能够估计实时发电量，在获取长期统计信息中占很大优势，并针对10分钟平均数据进行调整，可满足电网实时运行中的数据收集与预测；遥感数据融合估计采用生成式概率建模预测方法，将多模态数据结合，实现了风电功率精确超短期预测，通过对发电潜力进行高可靠性的定量评估为电力能源系统规划奠定了基础。
-
-
-
Search Results
4
records
(took 0.02 seconds)
