多能互补分布式能源微网运行优化控制系统的控制方法

    公开(公告)号:CN109687428B

    公开(公告)日:2020-06-19

    申请号:CN201811433827.6

    申请日:2018-11-28

    IPC分类号: H02J3/00 H02J3/38

    摘要: 本发明涉及一种多能互补分布式能源微网运行优化控制系统的控制方法,目前,分布式能源站的运行优化调整基本是经济性为原则,难以准确满足用户负荷与多能互补供能系统之间的耦合。本发明包括多目标综合分析系统、环境预测系统、优化调整系统和输出指导系统;多目标综合分析系统包括子目标分析系统、目标分析系统和多目标综合评价系统;多目标综合分析系统和环境预测系统均与优化调整系统连接,优化调整系统与输出指导系统连接。本发明通过层次分析法,将能效性、能质性、环境性、可靠性、经济性、绿色性等多目标综合评价分析,基于Q在线深度学习理论,实现多能互补综合供能系统多目标的合一性,综合提升系统优化运行。

    一种燃气分布式能源脱硝系统装置及运行方法

    公开(公告)号:CN109772166B

    公开(公告)日:2021-12-24

    申请号:CN201910034526.4

    申请日:2019-01-15

    IPC分类号: B01D53/94 B01D53/56

    摘要: 本发明涉及一种燃气分布式能源脱硝系统装置及运行方法,为解决SCR法脱硝时,内燃机排烟温度超出催化剂应用温度范围上限值,导致催化剂易失活,影响系统正常运行的问题。本发明包括高效混合器、一体化脱硝反应器、一号烟道、一号余热回收装置、二号烟道、烟囱、控制器、流量调节装置和还原剂生产系统装置;高效混合器内设置有还原剂喷嘴装置和旋流装置,一体化脱硝反应器内设置有换热器、温度传感器和催化剂装置,还原剂生产系统装置包括还原剂存储装置、二号余热回收装置、还原剂制备装置、烟气加热器和还原剂制备原料储存装置。本发明充分结合内燃机分布式能源系统的工作特点和SCR法催化特性,实现了SCR法催化剂全工况高效、稳定运行。

    一种风电机组部件健康度监测方法、装置、设备及介质

    公开(公告)号:CN118013468A

    公开(公告)日:2024-05-10

    申请号:CN202410401645.X

    申请日:2024-04-03

    IPC分类号: G06F18/27 G06F18/10 F03D17/00

    摘要: 本申请公开了一种风电机组部件健康度监测方法、装置、设备及介质,涉及设备检测技术领域,包括:基于风电机组数据构建样本数据集,利用样本数据集对温度阈值计算回归模型进行训练,以得到训练后回归模型;基于训练后回归模型确定与若干预设分位数对应的若干目标回归模型,以通过若干目标回归模型确定若干部件健康度基准值;基于若干部件健康度基准值构建健康度评分公式,并根据健康度评分公式以及风电机组部件的实时温度确定部件的健康度评分,以根据评分确定是否自动报警。由此,可以通过分析风电场站内部件温度等参数,开展全场机组相同部件运行情况对标分析,计算部件健康度指数,提取故障趋势预警信息,提升风力发电智慧运维管理水平。

    一种功率爬坡事件预测方法、装置、设备及存储介质

    公开(公告)号:CN116960941A

    公开(公告)日:2023-10-27

    申请号:CN202310761392.2

    申请日:2023-06-26

    摘要: 本申请公开了一种功率爬坡事件预测方法、装置、设备及存储介质,涉及新型电力系统技术领域,包括:将风电功率爬坡事件或光伏功率爬坡事件输入至利用训练集对基于PCA算法、STL分解法、误差修正算法和LSTM神经网络构建的初始风光功率爬坡事件预测模型进行训练后得到的目标风光功率爬坡事件预测模型中以对功率进行预测,得到风电功率预测值或光伏功率预测值;根据风电功率预测值或光伏功率预测值对风电功率爬坡事件或光伏功率爬坡事件进行爬坡事件检测,得到风电爬坡事件检测结果或光伏爬坡事件检测结果。本申请能够避免系统误差的累计,提高功率预测的精度和爬坡事件检测的准确性,并且避免了爬坡事件的漏检和检测过于频繁。

    一种风电机组风速计的故障诊断方法、装置及系统

    公开(公告)号:CN116401536A

    公开(公告)日:2023-07-07

    申请号:CN202310673221.4

    申请日:2023-06-08

    摘要: 本发明公开了一种风电机组风速计的故障诊断方法、装置及系统,涉及故障诊断领域,获取待测风电机组所在族群中所有的风电机组以及风速计的风速数据,将风速数据输入到第一预设机器学习模型中确定主成分特征,再将主成分特征输入到第二预设机器学习模型中确定风速拟合值,以便得到待测风电机组的风速拟合值,判断风速拟合值与测量风速值之间的差值是否大于预设差值,大于则判定待测风电机组的风速计故障。通过提取整个族群中所有风电机组及风速计的风速数据进行计算,可以在不需要额外架设传感器的前提上有效计算风速拟合值与待测风速计的测量风速值之间的偏差,在考虑邻比机组尾流影响和地形地貌影响的同时显著减少计算量和算法优化迭代的难度。