-
公开(公告)号:CN116979517A
公开(公告)日:2023-10-31
申请号:CN202310952090.3
申请日:2023-07-31
申请人: 华电电力科学研究院有限公司
IPC分类号: H02J3/00 , H02J3/38 , G06F18/2135 , G06N3/084
摘要: 本发明公开了一种光伏板功率爬坡事件的预测方法及相关组件,涉及功率预测领域,通过获取光伏板的第一功率数据,对第一功率数据进行VMD分解,得到第一功率数据对应的模态分量,获取光伏板所处的环境数据,将环境数据和模态分量共同作为预测数据,将预测数据输入到预设神经网络模型中,预测光伏板在当前时刻经过预设时长后的第二功率数据,确定预第二功率数据减去第一功率数据的差值,当差值与预设时长之间的比值大于预设阈值时判定预测功率爬坡事件发生。通过VMD分解以及神经网络模型结合对第二功率数据进行计算,可以准确地预测第二功率数据;通过计算功率变化速率,可以准确地对功率爬坡事件进行预测,满足对预测精度的要求。
-
公开(公告)号:CN116611184A
公开(公告)日:2023-08-18
申请号:CN202310558967.0
申请日:2023-05-16
申请人: 华电电力科学研究院有限公司
IPC分类号: G06F30/17 , G06F30/27 , G06F18/214 , G06F119/02
摘要: 本发明公开了一种齿轮箱的故障检测方法、装置及介质,适用于风力发电技术领域。获取齿轮箱的状态数据;调用GANomaly故障诊断模型以输入状态数据;获取GANomaly故障诊断模型的输出数据作为当前样本分数;将当前样本分数与样本阈值分数进行比较以得到对应的故障检测结果。该方法基于GANomaly故障诊断模型,可以实现在毫无异常样本训练下对异常样本进行检测,其采用该方法不受类不平衡训练数据的影响以解决类不平衡问题,通过GANomaly故障诊断模型实现自学习故障诊断,减轻工作人员的工作检测负担,与传统信号处理方法相比,提升了风电齿轮箱的故障诊断的准确性。
-
公开(公告)号:CN117972547A
公开(公告)日:2024-05-03
申请号:CN202410354793.0
申请日:2024-03-26
申请人: 华电电力科学研究院有限公司
IPC分类号: G06F18/2411 , G06F18/213 , G06F18/25
摘要: 本申请公开了一种风电机组关键部件的故障预警方法、装置及介质;涉及风电机领域,解决使用单一数据来源导致的故障预警准确率低的问题,提取历史运行数据的残差特征;提取历史振动数据的时频域特征;将残差特征与时频域特征按照时间尺度对齐后生成对应的输入特征向量;将输入特征向量输入至集成训练模型进行训练;将待测试样本数据输入至训练后的集成训练模型中,根据分类器的输出概率输出预警故障状态。本申请中通过历史运行数据与振动数据的提取特征融合后的数据进行训练集成训练模型,由于将运行数据的残差特征与机组振动数据时频域特征相融合,较于单独利用时序数据或单独利用振动数据作为训练数据进行故障预测,提高了故障预测的准确率。
-
公开(公告)号:CN115493747A
公开(公告)日:2022-12-20
申请号:CN202210916237.9
申请日:2022-08-01
申请人: 华电电力科学研究院有限公司
IPC分类号: G01M1/16
摘要: 本发明公开了一种基于应变技术的旋转机械轴系动平衡检测方法,在旋转设备上安装多组应变片,通过测量低速旋转时转轴多个截面的应变来检测轴系的不平衡力分布情况。该方法不需要通过建立转子动力学模型求取影响系数,动平衡试验准确度较高;同时开展动平衡检测时也无需试加重,能够有效减少动平衡试验次数,提高旋转机械动平衡试验效率,降低动平衡试验风险,尤其适用于旋转机械在整机真实状态下的轴系动平衡故障检测。
-
公开(公告)号:CN113049236A
公开(公告)日:2021-06-29
申请号:CN202110262384.4
申请日:2021-03-10
申请人: 华电电力科学研究院有限公司
摘要: 本发明公开了一种基于物联网识别技术的叶片测频装置,包括用于激发汽轮机叶片振动的纽扣式震动马达,设置在汽轮机叶片上安装有加速度传感器,加速度传感器通过信号线与振动信号分析仪连接,振动信号分析仪通过连接线与带有数据终端的上位机相连;纽扣式震动马达包括马达外壳、智能驱动电路、磁性底座和固定座,马达外壳的底部与磁性底座相连接,智能驱动电路通过固定座固定在磁性底座上。本发明采用纽扣式震动马达来激发汽轮机叶片振动,通过加速度传感器采集振动信号并传输到振动信号分析仪进行处理,之后上位机显示叶片静态频率。本发明提高了测量的精确性,同时降低了现场检测可能带来的安全风险,满足了越来越严格的生产安全性需求。
-
公开(公告)号:CN112882405A
公开(公告)日:2021-06-01
申请号:CN202011562617.4
申请日:2020-12-25
申请人: 华电电力科学研究院有限公司
IPC分类号: G05B19/042
摘要: 本发明公开了一种基于物联网通信技术的纽扣式线性震动马达,包括线性马达、智能驱动电路、磁性底座和固定座,磁性底座的内侧绝缘,线性马达的外壳底部与磁性底座的绝缘侧相连接,智能驱动电路通过固定座固定在磁性底座上。本发明利用RS232串口实现上位PC机与主单片机间的通信,用PTR8000完成信号的无线通讯,然后传给单片机,再通过智能驱动电路实现纽扣式线性震动马达共振,使被测工业叶片产生自由振动。本发明克服了传统工业叶片频率工人锤测试时,每次敲击力度大小、敲击方位不一等缺点,通过上位PC机向线性震动马达发出共振频率信号来产生一致的激振力,使被测叶片产生自由振动,提高了测量精度和效率。
-
公开(公告)号:CN117972547B
公开(公告)日:2024-06-14
申请号:CN202410354793.0
申请日:2024-03-26
申请人: 华电电力科学研究院有限公司
IPC分类号: G06F18/2411 , G06F18/213 , G06F18/25
摘要: 本申请公开了一种风电机组关键部件的故障预警方法、装置及介质;涉及风电机领域,解决使用单一数据来源导致的故障预警准确率低的问题,提取历史运行数据的残差特征;提取历史振动数据的时频域特征;将残差特征与时频域特征按照时间尺度对齐后生成对应的输入特征向量;将输入特征向量输入至集成训练模型进行训练;将待测试样本数据输入至训练后的集成训练模型中,根据分类器的输出概率输出预警故障状态。本申请中通过历史运行数据与振动数据的提取特征融合后的数据进行训练集成训练模型,由于将运行数据的残差特征与机组振动数据时频域特征相融合,较于单独利用时序数据或单独利用振动数据作为训练数据进行故障预测,提高了故障预测的准确率。
-
公开(公告)号:CN115049267A
公开(公告)日:2022-09-13
申请号:CN202210696691.8
申请日:2022-06-20
申请人: 华电电力科学研究院有限公司
IPC分类号: G06Q10/06 , G06Q50/06 , G06F16/16 , G06F16/215
摘要: 本申请公开了一种风电机组数据处理方法、系统、设备及计算机介质,获取待处理的目标风电机组数据;获取对目标风电机组数据进行处理的第一算法及第二算法;确定第一算法处理风电机组数据的第一性能信息;确定第二算法处理风电机组数据的第二性能信息;基于第一性能信息及第二性能信息确定第一算法及第二算法各自的算法效果参数及算法效率参数;基于算法效果参数及算法效率参数,在第一算法及第二算法中确定对风电机组数据进行处理的目标算法,以基于目标算法对目标风电机组数据进行处理。本申请可以基于算法效果参数及算法效率参数,在第一算法及第二算法中确定对风电机组数据进行处理的目标算法,可以借助目标算法准确对风电机组数据进行处理。
-
公开(公告)号:CN110829962A
公开(公告)日:2020-02-21
申请号:CN201910944479.7
申请日:2019-09-30
申请人: 华电电力科学研究院有限公司
IPC分类号: H02S20/32 , F24S30/425 , F16F15/04
摘要: 本发明属于光伏发电板技术领域,具体为一种角度可调节的光伏发电板,包括底板和支撑板,底板的上端设有第二电机,第二电机的输出轴上端与支撑板的底端固定连接,第二电机上固定连接有安装架,安装架与底板的上端通过螺钉固定连接,第二电机的两侧均设有减震装置,减震装置的底端与底板的上端固定连接,减震装置的上端固定连接有滑动装置,支撑板的下侧设有与滑动装置相对应的置物槽,滑动装置的一端穿入置物槽内。本发明可以实现光伏发电板角度的调节,能够在一定范围内实现光伏发电板尽可能多的接受阳光照射,增大发电效率。
-
公开(公告)号:CN117972535B
公开(公告)日:2024-06-14
申请号:CN202410372661.0
申请日:2024-03-29
申请人: 华电电力科学研究院有限公司
IPC分类号: G06F18/241 , G06F18/213 , G06F18/10 , G06N3/045 , G06N3/0442 , G06F18/25 , G06N3/09 , G06Q10/20 , G06Q50/06
摘要: 本申请公开了风电机组关键部件故障预警方法、装置、设备及存储介质,涉及风电故障预警技术领域,包括:基于预设数据处理方式对SCADA时序数据和CMS振动数据进行数据处理得到处理后数据;利用改进后辅助分类器生成对抗网络算法和预设组合建模模型对处理后数据进行处理以得到振动数据时域特征和残差特征并进行融合以得到目标输入特征向量并输入至预设孪生神经网络子模型中以得到训练后模型和特征向量;通过特征向量对初始关系度量网络和初始故障分类网络进行训练以得到由训练后关系度量网络和训练后故障分类网络构成的故障辨识网络,以便完成对风电机组关键部件的故障识别预警。这样一来,可以提高风电机组故障辨识准确率。
-
-
-
-
-
-
-
-
-