公开(公告)号：CN118820780A

公开(公告)日：2024-10-22

申请号：CN202410824152.7

申请日：2024-06-25

申请人： 华北电力大学(保定)

发明人： 马良玉 ,  吕若萌

IPC分类号： G06F18/214 ,  G06F18/243 ,  G06F18/27 ,  G06F18/21 ,  G06N5/01 ,  G06N20/10

摘要： 本发明公开了一种基于XGBoost和自适应阈值的风机故障预警方法。该方法包括：数据采集与预处理：获取风机运行数据并进行预处理；特征工程与选择：选取与风机状态相关的有效特征，并进行特征工程处理；XGBoost模型训练：利用预处理后的数据训练XGBoost模型，实现对风机运行状态的学习和预测；自适应阈值确定：根据XGBoost模型输出结果及实际风机运行数据，采用自适应算法确定风机状态异常的阈值；故障预警与输出：监测风机运行状态，当检测到异常状态超过设定的自适应阈值时，及时发出故障预警信号。本发明的方法能有效降低误报率，该故障预警方法能够较早的发出预警信号，便于操作人员进行检修。

公开(公告)号：CN118820940A

公开(公告)日：2024-10-22

申请号：CN202410824156.5

申请日：2024-06-25

申请人： 华北电力大学(保定)

发明人： 马良玉 ,  吕若萌

IPC分类号： G06F18/2415 ,  G06F18/10 ,  G06F18/15 ,  G06F18/213 ,  G06F18/2111 ,  G06N3/0442 ,  G06N3/045 ,  G06N3/0464 ,  G06F123/02

摘要： 本发明公开了一种基于优化混合神经网络预测模型的风电机组故障预警方法，包括：使用传感器实时采集风电机组的运行数据，包括风速、转速、温度、振动等参数，对数据进行清洗和预处理，确保数据质量和完整性；设计并构建混合神经网络模型，结合遗传算法、粒子群优化或其他优化算法对模型进行训练和优化，提高预测精度和泛化能力；在模型训练完成后，将其部署到实际风电机组的运行环境中，系统实时监测风电机组的运行状态，一旦检测到异常或故障风险，立即发出预警信号，并且为操作人员提供详细的故障诊断信息和建议的维护措施，支持及时决策和处理。该方法能够有效准确地对风电机组故障进行提前预警，可为风电机组的运维管理提供有力的技术支持。

公开(公告)号：CN118779791A

公开(公告)日：2024-10-15

申请号：CN202410824153.1

申请日：2024-06-25

申请人： 华北电力大学(保定)

发明人： 马良玉 ,  吕若萌

IPC分类号： G06F18/2433 ,  F03D17/00 ,  G06F18/15 ,  G06F18/213 ,  G06N20/20 ,  G06N5/01 ,  G06N3/0442

摘要： 本发明公开了一种基于变权重混合预测模型的风机故障预警方法，该方法包括：获取风机运行数据，并对数据进行预处理，包括数据清洗、特征提取等；根据实时数据特征动态调整预测模型中的权重，以适应不同的工况和环境变化；基于混合预测模型，结合历史数据和实时动态权重，进行模型构建和训练；根据训练好的模型进行风机故障预警，输出预警信息或报警信号。本发明的方法具有较高的预测精度，结合滑动时间窗能够实现对齿轮箱轴承故障的提前预警。

公开(公告)号：CN118333096A

公开(公告)日：2024-07-12

申请号：CN202410496575.0

申请日：2024-04-24

申请人： 华北电力大学(保定)

发明人： 马良玉 ,  吕若萌

IPC分类号： G06N3/045 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/0442 ,  G06N3/084 ,  G06F18/2431 ,  G06F18/213

摘要： 本发明涉及风电机组故障诊断技术领域，公开了一种基于优化SEnet‑CNN的风电机组故障诊断方法。该方法包括：(1)收集风电机组运行数据；(2)使用滑动窗口对数据进行扩充；(3)使用tanh函数对压缩激励网络(SEnet)进行改进以获取更全面的数据特征，并使用改进后的SEnet调整数据中各参数的权重；(4)使用卷积神经网络(CNN)避免人为操作直接学习数据中的故障特征，同时在CNN中引入全局最大池化层提高网络的稀疏程度；(5)使用全连接层输出诊断结果。在本发明所述的方法中，通过深度学习和优化算法的结合，实现了高效、准确的故障诊断，为风力发电行业的发展和运营提供了重要技术支持。