-
公开(公告)号：CN110765703B
公开(公告)日：2022-05-27
申请号：CN201911066604.5
申请日：2019-11-04
IPC分类号： G06F30/27 , G06N3/04 , G06F113/06
摘要： 本发明公开了一种风电场聚合特性建模方法，该方法包括以下步骤：步骤一：采集风电场多台风电机组位置处的实测运行数据，并对上述数据进行清洗及归一化处理；步骤二：建立风电功率波动性衡量指标；步骤三：建立风电场聚合出力平滑效应衡量指标，并得出平滑效应衡量指标与聚合机组台数N及机组间功率序列的相关系数的关系式；步骤四：建立基于卷积神经网络的多位置点风况信息与机组间功率序列相关性的映射模型；步骤五：构成模型训练样本，以均方根误差函数指标训练神经网络模型，输出机组出力相关性映射结果；步骤六：实现基于卷积神经网络的风电场聚合特性建模。
-
公开(公告)号：CN110765703A
公开(公告)日：2020-02-07
申请号：CN201911066604.5
申请日：2019-11-04
IPC分类号： G06F30/27 , G06N3/04 , G06F113/06
摘要： 本发明公开了一种风电场聚合特性建模方法，该方法包括以下步骤：步骤一：采集风电场多台风电机组位置处的实测运行数据，并对上述数据进行清洗及归一化处理；步骤二：建立风电功率波动性衡量指标；步骤三：建立风电场聚合出力平滑效应衡量指标，并得出平滑效应衡量指标与聚合机组台数N及机组间功率序列的相关系数的关系式；步骤四：建立基于卷积神经网络的多位置点风况信息与机组间功率序列相关性的映射模型；步骤五：构成模型训练样本，以均方根误差函数指标训练神经网络模型，输出机组出力相关性映射结果；步骤六：实现基于卷积神经网络的风电场聚合特性建模。
-
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
申请人： 华北电力大学
IPC分类号： G06F30/23 , G06F111/10 , G06F119/14
摘要： 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
申请人： 华北电力大学
摘要： 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。
-
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
申请人： 华北电力大学
IPC分类号： G06F30/28 , G06F113/08 , G06F119/14 , G06F113/06
摘要： 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
申请人： 华北电力大学
摘要： 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：CN111291514B
公开(公告)日：2024-04-05
申请号：CN202010078646.7
申请日：2020-02-03
申请人： 华北电力大学
IPC分类号： G06F30/23 , G06F30/27 , G06N20/00 , G06F119/04
摘要： 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
申请人： 华北电力大学
IPC分类号： G01W1/02 , G06F18/27 , G06F18/243 , G06N5/01 , G06N20/20 , G06N3/0455 , G06N3/0464 , G06N3/096 , G01W1/10 , G06F123/02
摘要： 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。
-
公开(公告)号：CN117347286A
公开(公告)日：2024-01-05
申请号：CN202311316431.4
申请日：2023-10-11
申请人： 华北电力大学
摘要： 本发明涉及叶片损伤检测技术领域，具体提供一种风电叶片损伤检测方法、装置、电子设备及存储介质，旨在解决现有检测方案无法获知风电叶片深度损伤的问题。为此目的，本发明的一种风电叶片损伤检测方法，包括：获取待检测叶片的高光谱图像；检测待检测叶片的高光谱图像，获得待检测叶片的表面损伤信息；基于待检测叶片的表面损伤信息确定待检测叶片的深度损伤信息。基于此，本发明能够精确地对叶片表面损伤进行定位与识别，并且能够基于表面损伤信息对叶片的深度损伤进行量化评估，为叶片检修提供更多的维修数据，提高损伤诊断的准确率，提升叶片检修的效率。
-
公开(公告)号：CN116595727A
公开(公告)日：2023-08-15
申请号：CN202310484971.7
申请日：2023-04-28
申请人： 华北电力大学
IPC分类号： G06F30/20 , G06Q50/06 , G06F113/04 , G06F119/02
摘要： 本公开涉及一种风况数据的时间软测量方法、装置、设备及存储介质。该方法包括：获取目标机组对应的轮毂后实测风况序列，其中，目标机组未安装机舱式激光测风雷达，轮毂后实测风况序列是受到目标机组的风轮影响的非真实来流风况序列；利用预先训练的风况时间软测量模型，对轮毂后实测风况序列进行风况时间软测量处理，得到目标机组对应的轮毂前实测风况序列，并将轮毂前实测风况序列作为时间软测量结果，其中，轮毂前实测风况序列是未受到目标机组的风轮影响的真实来流风况序列，并且，轮毂前实测风况序列用于对目标机组所在的风电场进行尾流控制以及效能评估。由此，对于未安装机舱式激光测风雷达的机组，保证了尾流控制和效能评估的效果。
-
-
-
-
-
-
-
-
-
搜索结果
122 条记录 (耗时 0.078 秒)
