-
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
Applicant: 华北电力大学
IPC: G06F30/23 , G06F30/27 , G06N20/00 , G06F119/04
Abstract: 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：CN113094997A
公开(公告)日：2021-07-09
申请号：CN202110418312.4
申请日：2021-04-19
Applicant: 华北电力大学
IPC: G06F30/27 , G06K9/62 , G06N3/08 , G06F111/06 , G06F113/06
Abstract: 本公开涉及一种风电机组运行模拟方法、装置、设备和存储介质。该方法包括：获取风电机组的待模拟数据，其中，待模拟数据包括风电机组的实时运行数据和/或仿真数据，实时运行数据和仿真数据均包括风况数据、工况数据；将待模拟数据输入至预先训练好的运行模拟模型，得到风电机组的运行模拟结果，其中，运行模拟模型根据风况样本集、工况样本集以及样本运行模拟数据训练得到。通过上述方式，实现了基于训练好的运行模拟模型和获取的实际运行数据，准确且快速地确定风电机组的运行参数和荷载参数，且运行模拟模型采用通用的编程语言建立，模型的兼容性高。
-
公开(公告)号：CN115754714A
公开(公告)日：2023-03-07
申请号：CN202211297008.X
申请日：2022-10-21
Applicant: 华北电力大学
IPC: G01R31/34 , G06F18/214 , G06N3/0442
Abstract: 本发明涉及风电机组故障定位技术领域，具体提供一种风电机组发电机故障定位方法、电子设备及存储介质，旨在解决现有技术中大多由工作人员定位故障，从而导致故障定位方法的准确度较低的技术问题。为此目的，本发明的风电机组发电机故障定位方法包括：获取与风电机组发电机相关的输入变量；将输入变量的实测值输入训练好的发电机状态监测模型，获得输入变量的重构值；基于输入变量的重构值和实测值确定重构误差；基于重构误差对风电机组发电机进行故障定位。如此，提高了风电机组发电机故障定位的准确度，保证了风电机组发电机的稳定性。
-
公开(公告)号：CN113094997B
公开(公告)日：2022-04-01
申请号：CN202110418312.4
申请日：2021-04-19
Applicant: 华北电力大学
IPC: G06F30/27 , G06K9/62 , G06N3/08 , G06F111/06 , G06F113/06
Abstract: 本公开涉及一种风电机组运行模拟方法、装置、设备和存储介质。该方法包括：获取风电机组的待模拟数据，其中，待模拟数据包括风电机组的实时运行数据和/或仿真数据，实时运行数据和仿真数据均包括风况数据、工况数据；将待模拟数据输入至预先训练好的运行模拟模型，得到风电机组的运行模拟结果，其中，运行模拟模型根据风况样本集、工况样本集以及样本运行模拟数据训练得到。通过上述方式，实现了基于训练好的运行模拟模型和获取的实际运行数据，准确且快速地确定风电机组的运行参数和荷载参数，且运行模拟模型采用通用的编程语言建立，模型的兼容性高。
-
Patent Agency Ranking
公开(公告)号：CN115450864B
公开(公告)日：2024-11-15
申请号：CN202211341472.4
申请日：2022-10-26
Applicant: 华北电力大学
Abstract: 本发明公开了属于风电机组状态预警及故障诊断技术领域的一种基于合成少数类样本的风电机组叶片结冰诊断方法。该方法包括步骤1：监测并记录风电机组的结冰状态，给相应的SCADA数据增加结冰标签，将瞬时特征、原始SCADA数据提取的特征及时序特征结合成最终特征；步骤2：拟合理论功率曲线，采用KBS2合成少数类样本过采样方法形成新的数据集；步骤3：对训练集进行多次迭代，并得出测试集的准确率指标；步骤4：离线训练、在线部署及应用风电机组叶片结冰状态预测模型。本发明能够解决风电机组叶片结冰特征提取及结冰数据占比过低的问题，为风电机组运行维护、状态预警及故障预测研究提供可靠的方法基础。
-
公开(公告)号：CN115450864A
公开(公告)日：2022-12-09
申请号：CN202211341472.4
申请日：2022-10-26
Applicant: 华北电力大学
Abstract: 本发明公开了属于风电机组状态预警及故障诊断技术领域的一种基于合成少数类样本的风电机组叶片结冰诊断方法。该方法包括步骤1：监测并记录风电机组的结冰状态，给相应的SCADA数据增加结冰标签，将瞬时特征、原始SCADA数据提取的特征及时序特征结合成最终特征；步骤2：拟合理论功率曲线，采用KBS2合成少数类样本过采样方法形成新的数据集；步骤3：对训练集进行多次迭代，并得出测试集的准确率指标；步骤4：离线训练、在线部署及应用风电机组叶片结冰状态预测模型。本发明能够解决风电机组叶片结冰特征提取及结冰数据占比过低的问题，为风电机组运行维护、状态预警及故障预测研究提供可靠的方法基础。
-
公开(公告)号：CN115290327A
公开(公告)日：2022-11-04
申请号：CN202210791735.5
申请日：2022-07-05
Applicant: 华北电力大学
IPC: G01M13/045 , G06K9/62 , G06F17/18
Abstract: 本公开涉及一种风电机组的主轴承故障预警方法、装置、设备及存储介质。获取目标风电机组的主轴承温度影响参数；基于主轴承温度影响参数对目标风电机组进行主轴承温度预测，计算目标风电机组的主轴承温度预测残差；对主轴承温度预测残差进行核密度估计，确定主轴承温度预测残差的概率密度曲线；根据概率密度曲线与预设的概率置信区间，对目标风电机组的主轴承进行故障预警。这种故障预警方式方便且可靠，能够对主轴承进行及时、有效的状态监测与故障预警，保证机组安全、可靠、高效运行。
-
公开(公告)号：CN114718805A
公开(公告)日：2022-07-08
申请号：CN202210533328.4
申请日：2022-05-17
Applicant: 华北电力大学
Abstract: 本发明公开了一种具有微波定向除冰功能的风电机组叶片及其制造和除冰方法，所述叶片的前缘部分及叶尖部分由具备高吸波性能的金属纳米粒子/碳纤维/环氧树脂复合材料制成；多个高功率磁控管被安装在所述风电机组叶片的叶根位置，并配置为呈某机械角度均匀分布，并在磁控管的天线处安装微型舵机，用于以控制微波的方向；在叶片腔内靠近叶片前缘的工字梁处覆盖具备高微波反射能力的金属箔。当叶片上产生结冰时，启动安装在叶片叶根位置的高功率磁控管和舵机，发出定向微波，通过所述金属箔将微波反射至叶片上的覆冰区域，所述复合材料将微波能吸收转化为热能，从而实现除冰。
-
公开(公告)号：CN111291514A
公开(公告)日：2020-06-16
申请号：CN202010078646.7
申请日：2020-02-03
Applicant: 华北电力大学
IPC: G06F30/23 , G06F30/27 , G06N20/00 , G06F119/04
Abstract: 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。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.026 seconds)
