一种风电集控系统数据质量采集计算方法、装置及存储介质

    公开(公告)号:CN112186894A

    公开(公告)日:2021-01-05

    申请号:CN202010936208.X

    申请日:2020-09-08

    IPC分类号: H02J13/00

    摘要: 本发明涉及一种风电集控系统数据质量采集计算方法、装置及存储介质,涉及电力技术领域,包括:采集各个场站的原始数据信息;对原始数据信息的数据质量进行一致性分析、评估和预警,得到预处理数据信息;并根据传输协议将各个场站的预处理数据信息传输至集控中心端;对预处理数据信息的数据质量进行一致性分析、评估和预警,得到显示数据信息;展示供用户数据质量动态监测和预警的显示数据信息。对场站和集控中心端等各环节的数据信息进行动态不间断监测和质量预警,解决了从场站采集大量数据传输到集控中心端的数据质量难题,可以实现比传统数据采集传输更准确、更完备的数据质量。

    基于机器学习算法的风电机组齿轮箱故障诊断分析方法

    公开(公告)号:CN114444382B

    公开(公告)日:2024-07-19

    申请号:CN202111674258.6

    申请日:2021-12-31

    摘要: 本发明公开了一种基于机器学习算法的风电机组齿轮箱故障诊断分析方法,包括:采用SCADA系统收集的某风电场的实际运营数据进行分析,每十分钟采集一次数据,数据类别包含风速、风功率、齿轮箱油温、风向、偏航角、桨距角、电压、电流等;数据预处理:空值和异常值处理;通过皮尔逊相关系数选择出这些数据中与齿轮箱高速轴承相关性较高的特征;利用ResNet网络构建齿轮箱故障预测模型,进行齿轮箱高速轴承温度预测。通过齿轮箱高速轴承温度预测值和实际值之间的残差对齿轮箱偏离正常状态的程度进行评估,根据3‑sigma准则设置残差上下限值进行齿轮箱高速轴成温度异常故障预警,工作人员根据故障预警数据结合现场情况,进行预警诊断分析。

    主成分分析法和Resnet网络的光伏设备发电量损耗预测方法

    公开(公告)号:CN114510869A

    公开(公告)日:2022-05-17

    申请号:CN202111668399.7

    申请日:2021-12-31

    摘要: 本发明提供了主成分分析法和Resnet网络的光伏设备发电量损耗预测方法,包括以下步骤:S1数据处理:计算不同光伏设备类型的设备类型指数,并获取影响光伏设备发电量损耗的因素;S2预测评估模型的建立:在所述影响光伏设备发电量损耗的因素中,通过主成分分析法构建主成分因素,并以主成分因素为模型输入参数,依据Resnet网络方法构建,分别构建主体序列预测评估模型和细节序列预测评估模型;S3预测日前一天数据的获取:获取预测日前一天光伏设备发电量耗损序列,并其分解成主体部分和细节部分;S4序列值的输出:利用预测评估模型预测,得到主体部分预测值和细节部分预测值;S5预测值的获得:将两个预测值利用小波重构,得到光伏设备发电量损耗的预测值。

    一种用于风电机组叶片状态的监测方法及系统

    公开(公告)号:CN114753974A

    公开(公告)日:2022-07-15

    申请号:CN202210294630.9

    申请日:2022-03-24

    摘要: 本发明提供了一种用于风电机组叶片状态的监测方法,在风电机组的塔筒上布置至少一组图像监测装置,中央处理器实时根据风向信息向调节图像监测装置位置及角度,风电机组开始运行以后,中央处理器对叶片图像进行分析处理,结合叶片绕叶轮中轴线的转角位置信息获取风电机组叶片状态。本发明同时提供了一种风电机组叶片状态系统,包括一组安装于塔筒的图像监测装置,图像监测装置包括环抱安装于塔筒的环形轨道以及安装于环形轨道的第一图像监测模块、第二图像监测模块和第三图像检测模块。本发明能根据风电机组叶片尺寸灵活调节摄像头角度,图像视野完整,可以获取精确的叶片状态,适用于不同型号的风电机组叶片状态监测。

    基于机器学习算法的风电机组齿轮箱故障诊断分析方法

    公开(公告)号:CN114444382A

    公开(公告)日:2022-05-06

    申请号:CN202111674258.6

    申请日:2021-12-31

    摘要: 本发明公开了一种基于机器学习算法的风电机组齿轮箱故障诊断分析方法,包括:采用SCADA系统收集的某风电场的实际运营数据进行分析,每十分钟采集一次数据,数据类别包含风速、风功率、齿轮箱油温、风向、偏航角、桨距角、电压、电流等;数据预处理:空值和异常值处理;通过皮尔逊相关系数选择出这些数据中与齿轮箱高速轴承相关性较高的特征;利用ResNet网络构建齿轮箱故障预测模型,进行齿轮箱高速轴承温度预测。通过齿轮箱高速轴承温度预测值和实际值之间的残差对齿轮箱偏离正常状态的程度进行评估,根据3‑sigma准则设置残差上下限值进行齿轮箱高速轴成温度异常故障预警,工作人员根据故障预警数据结合现场情况,进行预警诊断分析。