-
公开(公告)号：CN118943840A
公开(公告)日：2024-11-12
申请号：CN202411203088.7
申请日：2024-08-29
申请人： 华能澜沧江水电股份有限公司 , 中国华能集团清洁能源技术研究院有限公司
发明人： 田起良 , 沙德生 , 张庆 , 李芊 , 吴国民 , 查荣瑞 , 浦永卿 , 张志高 , 张鑫赟 , 乔进国 , 林航冰 , 张岗 , 安留明 , 刘润兵 , 汪帅 , 丁文华 , 王瀚晨 , 高寒
IPC分类号： H01R25/00 , H01R31/06 , H01R13/508 , H01R13/516 , H01R13/73 , H02B1/32
摘要： 本发明涉及一种转接组件及开关柜。其中，转接组件包括固定架和转接件，所述固定架上设有多个插接孔，多个所述插接孔阵列排布，所述固定架用于可拆卸地设在二次保护设备上，所述转接件包括第一连接头、第二连接头和导线，所述第一连接头的一端用于插接在所述二次保护设备的接电位置，所述第一连接头的另一端通过导线与所述第二连接头的一端连接，所述第二连接头的另一端用于连接接线端子，所述第二连接头可拆卸地配合在所述插接孔内。本发明的转接组件，使得二次保护设备的更换过程简单、易操作，无需为适应新的二次保护设备而改变接线端子的位置，无需重新配线，从而提升了更换二次保护设备的作业效率，降低了开关柜停电时长。
-
公开(公告)号：CN118757338A
公开(公告)日：2024-10-11
申请号：CN202410948032.8
申请日：2024-07-16
IPC分类号： F03D17/00
摘要： 本发明提出一种风机变桨系统异常诊断方法、装置及电子设备，涉及风力发电技术领域，获取出风机变桨系统对应历史运行数据中与变桨系统状态相关的多个特征参数数据，并提取出每个特征参数数据的历史时间序列比率向量；基于各个历史时间序列比率向量，对多通道注意力机制和长短期记忆网络进行模型训练，以得到风机变桨系统异常诊断模型；将风机变桨系统对应每个实时特征参数数据的实时时间序列比率向量输入到风机变桨系统异常诊断模型，以诊断出风机变桨系统是否异常。由此，通过对多通道注意力机制和长短期记忆网络进行训练得到的风机变桨系统异常诊断模型，有效预测风机变桨系统异常，并为风机异常诊断提供重要依据。
-
公开(公告)号：CN118706029A
公开(公告)日：2024-09-27
申请号：CN202411033848.4
申请日：2024-07-30
IPC分类号： G01B11/24
摘要： 本发明公开了一种大型风力发电机转子不圆度检测装置和方法，包括散斑工装和工业照相机，散斑工装通过吸附磁座吸附在发电机转子上，工业照相机的拍摄范围包括发电机转子和散斑工装，工业照相机连接图像数据处理单元。采集发电机转子图像上传至图像数据处理单元，通过图像数据处理单元获取转子平面图像信息并计算不圆度；在端盖板安装前和端盖板安装后分别进行拍摄采集图像得到端盖板安装前的转子平面图像信息和端盖板安装后的转子平面图像信息；根据端盖板安装前的转子平面图像信息计算端盖板安装前的转子不圆度，根据转子的端盖板装配前的转子不圆度装配转子的端盖板；根据端盖板安装后的转子平面图像信息计算端盖板安装后的转子不圆度。
-
公开(公告)号：CN118628091A
公开(公告)日：2024-09-10
申请号：CN202410800544.X
申请日：2024-06-20
发明人： 陈炳江 , 刘东海 , 陈建忠 , 杨略 , 郭凯 , 洪利丰 , 蔡炎州 , 吴坤松 , 陈思琦 , 罗群峰 , 朱富强 , 沙德生 , 张庆 , 邹歆 , 吴国民 , 高开峰 , 唐立新 , 徐景悦 , 安留明 , 汪帅 , 李芊 , 张鑫赟 , 林航冰
IPC分类号： G06Q10/20 , G06Q10/0639
摘要： 本申请提出了一种基于重要度和劣化度的设备检修策略的确定方法及其装置，涉及发电设备维修技术领域。具体方案为：获取目标设备对应的目标检修模式以及目标检修模式对应的指标偏重因子，其中，目标检修模式为故障检修模式、周期性检修模式和状态检修模式中的至少一种；根据目标设备的重要度评价指标值计算目标设备的重要度；根据目标设备的实时状态监测数据获取目标设备对应的劣化度；根据重要度、劣化度和指标偏重因子计算获得目标设备对应的综合评价值；根据综合评价值确定目标设备在目标检修模式下的检修策略。本申请可以避免不必要的预防性维护和过度检修，从而降低维护成本，提高维护效率，保障设备的正常运行和良好状态。
-
公开(公告)号：CN117786493A
公开(公告)日：2024-03-29
申请号：CN202311827090.7
申请日：2023-12-27
申请人： 中国华能集团清洁能源技术研究院有限公司
IPC分类号： G06F18/241 , G06F18/2321 , G06F18/214 , G06N3/0455 , G06N3/048 , G06N3/08 , G06N3/0985
摘要： 本发明公开了一种改进原型对比学习的风电机组小样本故障诊断方法及系统，包括：从训练集中随机采样构造多个元学习任务(S|Q)作为子训练集，并从子训练集中划分支持集和查询集；将支持集输入至原型对比学习中的M‑step中，对初始模型中的编码器进行参数更新；将查询集输入至原型对比学习中的E‑step中，对初始模型的动量编码器进行参数更新；两个步骤交替进行，直到损失函数收敛；将达到最优的动量编码器加上Softmax激活函数作为训练好的小样本诊断模型，并将测试集输入训练好的小样本诊断模型中，得到测试结果。本发明结合原型对比学习在建立区分特征空间上的优势和元学习适应新任务的优势，能够解决现实中故障数据获取困难、样本少导致的诊断精度低的问题。
-
公开(公告)号：CN117607493A
公开(公告)日：2024-02-27
申请号：CN202311135656.X
申请日：2023-09-04
摘要： 本发明公开了一种振动环境下风速风向仪校准方法及系统，属于风力发电技术领域。在原风速风向仪传感器所在区域设置新装风速风向仪传感器，并采集风速风向值基准值，对原风速风向仪传感器采集的风速风向测量值进行预处理；在原风速风向仪传感器所在区域的水平方向设置和垂直方向分别设置水平方向振动传感器和垂直方向振动传感器，分别采集水平方向和垂直方向的振动数据；分别采用回归分析方法和机器学习方法，建立风速风向测量值到风速风向基准值在不同振动频率和振幅下的校准关系模型并对原风速风向仪传感器采集的风速风向测量值进行实时在线校准。本发明能够确保风电机组风速风向数据的准确度，优化发电效率和稳定性，提高风电运维的安全性。
-
公开(公告)号：CN117370796A
公开(公告)日：2024-01-09
申请号：CN202311204490.2
申请日：2023-09-18
申请人： 中国华能集团清洁能源技术研究院有限公司
IPC分类号： G06F18/214 , G06Q10/04 , G06Q50/06 , G06N3/045 , G06N3/0464 , G06N3/084 , G06N3/096 , G06N3/0985
摘要： 本申请提供了一种风电机组故障预测模型训练和故障预测方法及装置，方法包括：获取风电机组的源域数据和目标域数据；根据源域数据构建元学习任务，通过元学习任务对第一故障预测模型进行训练，得到训练完成的第一目标故障预测模型以及第一目标故障预测模型对应的第一目标网络参数；通过第一目标网络参数和目标域数据，对第二故障预测模型进行训练，得到训练完成的目标故障预测模型，目标故障预测模型用于对风电机组进行故障预测，本申请通过源域数据和目标域数据，并将迁移学习与模型无关元学习进行结合，实现已投运风电机组向新投运风电机组的故障模式迁移，解决了获取新投运的风电机组故障样本数据困难的问题，提高了目标故障预测模型的精度。
-
公开(公告)号：CN117349723A
公开(公告)日：2024-01-05
申请号：CN202311214598.X
申请日：2023-09-19
IPC分类号： G06F18/241 , G06F18/214 , G06N3/084 , G06N3/0985 , F03D17/00
摘要： 本公开提出了一种风电机组故障预测模型训练和故障预测方法及装置，该方法包括：获取训练数据和初始风电机组故障预测模型；通过分类模型对训练数据进行处理，以生成多个元学习任务；将任一个元学习任务的支持集输入至初始风电机组故障预测模型中，以获取预测结果；基于预测结果和元学习任务的查询集对初始风电机组故障预测模型进行训练，以生成目标风电机组故障预测模型。通过训练精度较低的分类模型生成支持集和查询集，可以提升训练样本的质量，同时通过结合元学习和动量对比学习，可以适用于小样本学习的情况，以此可以显著提升小样本情况下的目标风电机组故障预测模型预测的准确率。
-
公开(公告)号：CN117195936A
公开(公告)日：2023-12-08
申请号：CN202311103250.3
申请日：2023-08-28
发明人： 张鑫赟 , 沙德生 , 叶林 , 李芊 , 侯文华 , 张庆 , 李晓东 , 安留明 , 王志勇 , 浦永卿 , 徐美娇 , 马斌 , 赵岩 , 李福彬 , 孙刚 , 崔振宇 , 高开峰 , 梅小明
摘要： 本发明公开了一种设备运维巡检方法、系统、设备及存储介质，S1，获取设备监测数据，基于马尔可夫转移场的图像化处理技术，将设备监测数据转换为二维码图像；S2，建立数据库，将二维码图像存储至数据库中；S3，需要调取设备监测数据时，解析对应的二维码图像，将其转化为所需的设备监测数据。能够快速、准确地将监测数据转化为可存储、可传输的二维码图像，提高了数据处理的效率和便捷性，降低了设备成本。
-
公开(公告)号：CN117195121A
公开(公告)日：2023-12-08
申请号：CN202311117630.2
申请日：2023-08-31
IPC分类号： G06F18/2433 , G06F18/241 , G06F18/10 , G06F18/214 , G06N3/0455 , G06N3/0464 , G06N3/0475 , G06N3/094 , G06N3/084 , G06Q10/20 , G06Q50/06 , F03D17/00
摘要： 本发明公开了一种基于改进对抗自动编码器的风电机组异常状态识别方法及系统，包括：采集风电机组齿轮箱的SCADA数据，对采集到的数据进行预处理，将预处理后的数据划分训练集和测试集；构建卷积对抗自编码器模型；将训练集输入至卷积对抗自编码器模型中，对卷积对抗自编码器模型进行训练，获取最优化的模型和模型预测数据；基于训练集和模型预测数据，确定故障阈值；基于测试集和最优化的模型，获取优化模型的预测数据；基于优化模型的预测数据、测试集和故障阈值，获取数据预警图，确定齿轮箱SCADA故障预警部位。本发明通过结合生成对抗网络和自动编码器，实现了对实际值与预测值的偏差进行预警，提高了齿轮箱SCADA故障预警准确率。
-
-
-
-
-
-
-
-
-
搜索结果
277 条记录 (耗时 0.07 秒)
