-
公开(公告)号：CN118646020B
公开(公告)日：2025-01-24
申请号：CN202411104552.7
申请日：2024-08-12
Applicant: 华电电力科学研究院有限公司 , 湖南大学
Abstract: 本申请提供了一种风电场电压控制方法、装置、设备及存储介质，涉及风电技术领域，通过杰森尾流模型，计算风机的可利用风功率，构建风电场的节点导纳矩阵，并基于每个节点的端电压，计算电压灵敏度矩阵，构建模型预测控制框架，将模型预测控制框架中的控制问题转化为二次规划问题，通过求解该问题，得到风电场在满足电网运行要求下的最优功率注入策略。通过基于杰森尾流模型的风功率计算，能够更准确地评估每台风机的可利用风功率，减少因风速波动和尾流效应导致的功率损失。对储能系统和静态无功发生器通过建模来协调并维持所有风机端电压在可行范围内，起到削峰填谷的作用以减少风能浪费，提高风电场的经济性和运行可靠性。
-
公开(公告)号：CN118646020A
公开(公告)日：2024-09-13
申请号：CN202411104552.7
申请日：2024-08-12
Applicant: 华电电力科学研究院有限公司 , 湖南大学
Abstract: 本申请提供了一种风电场电压控制方法、装置、设备及存储介质，涉及风电技术领域，通过杰森尾流模型，计算风机的可利用风功率，构建风电场的节点导纳矩阵，并基于每个节点的端电压，计算电压灵敏度矩阵，构建模型预测控制框架，将模型预测控制框架中的控制问题转化为二次规划问题，通过求解该问题，得到风电场在满足电网运行要求下的最优功率注入策略。通过基于杰森尾流模型的风功率计算，能够更准确地评估每台风机的可利用风功率，减少因风速波动和尾流效应导致的功率损失。对储能系统和静态无功发生器通过建模来协调并维持所有风机端电压在可行范围内，起到削峰填谷的作用以减少风能浪费，提高风电场的经济性和运行可靠性。
-
公开(公告)号：CN119202901A
公开(公告)日：2024-12-27
申请号：CN202411534287.6
申请日：2024-10-30
Applicant: 华电电力科学研究院有限公司
IPC: G06F18/2415 , G06F18/214 , G06N3/0475 , G06N3/045 , G01W1/10 , F03D80/40
Abstract: 本申请公开了一种风机叶片覆冰预测方法、装置和介质，涉及设备监测技术领域，包括：获取历史气象数据、叶尖速度、浆距角和历史结冰数据，作为真实样本；利用对抗生成网络模型对真实样本进行数据扩充，得到生成样本；真实样本和生成样本组成训练样本集，利用训练样本集对长短期记忆神经网络进行训练，得到风机叶片结冰预测模型以预测风机叶片的覆冰情况。在训练数据中增加反映叶片与过冷液滴相对运动的叶尖速度和浆距角，训练得到的预测模型包含了结冰相变特点和旋转物体结冰的相对运动特点，对风机叶片结冰过程的描述更为精准，预测更准确；采用对抗生成网络模型扩充预测模型的训练样本集，解决了真实样本不足的问题，进一步提高预测准确度。
-
公开(公告)号：CN118965005A
公开(公告)日：2024-11-15
申请号：CN202411444098.X
申请日：2024-10-15
Applicant: 华电电力科学研究院有限公司
Abstract: 本发明公开了一种风速预测模型训练方法、风电功率预测方法及相关装置，应用于新能源技术领域，该方法基于风电场内数据采集设备的风速数据、风向数据及坐标构建各历史采集时刻的分布图；数据采集设备为分布图中的节点，风速数据、风向数据及坐标为节点特征；确定各节点的相关性曲线距其余节点的最近距离；基于最近距离确定分布图的邻接矩阵；将各历史采集时刻分布图的节点特征及邻接矩阵输入图神经网络模型进行模型训练，得到训练完成的风速预测模型。基于风速预测模型进行风速预测，并通过预测得到的风速计算风电功率。本发明通过图神经网络模型学习各设备风力数据之间的时间相关性及空间相关性，提高风电功率预测结果的精确度。
-
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
Applicant: 华电电力科学研究院有限公司
IPC: G06F18/2135 , F03D17/00 , G01P21/02 , G06F18/214 , G06N20/00 , G06Q10/20 , G06Q50/06
Abstract: 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。
-
Patent Agency Ranking
公开(公告)号：CN115511828A
公开(公告)日：2022-12-23
申请号：CN202211181459.7
申请日：2022-09-27
Applicant: 华电电力科学研究院有限公司
Abstract: 本申请公开了一种螺栓检测方法、装置、设备及介质，涉及故障检测技术领域。通过采集连接风机塔筒的目标螺栓的图像；提取图像中目标螺栓的图形区域；根据图形区域提取目标螺栓的轮廓曲线；根据轮廓曲线提取目标螺栓的各边缘信息；根据各边缘信息获取目标螺栓的旋转角度，以便于确定目标螺栓的松动情况。由此可知，上述方案通过采集目标螺栓的图像，基于机器视觉技术提取图像中目标螺栓的区域，进一步提取螺栓轮廓，最后根据螺栓轮廓中的边缘信息进行旋转角度的获取，从而确认了螺栓是否松动。检测过程中不受螺栓所处环境的影响，经济高效，提高了检测效率和准确性。
-
公开(公告)号：CN114992047A
公开(公告)日：2022-09-02
申请号：CN202210821519.0
申请日：2022-07-13
Applicant: 华电电力科学研究院有限公司
Abstract: 本发明公开了一种风力发电机组控制方法及相关组件，涉及风力发电机控制领域，首先在需要对风力发电机进行控制时依据双馈型风力发电机的同步转速对各个风力发电机进行控制，不受环境风速的测量结果不准确的影响。其次，在双馈型风力发电机的转速均低于双馈型风力发电机的同步转速时优先将直驱型风力发电机并入电网；在部分双馈型风力发电机的转速均低于同步转速时优先将转速高于同步转速的双馈型风力发电机并入电网中；在所有双馈型风力发电机的转速均高于同步转速时优先将所有双馈型风力发电机并入电网中。可见，针对不同类型的风力发电机的特性采取不同的控制方式，能够充分发挥直驱型风力发电机和双馈型风力发电机的特性。
-
公开(公告)号：CN111612030A
公开(公告)日：2020-09-01
申请号：CN202010234807.7
申请日：2020-03-30
Applicant: 华电电力科学研究院有限公司
Abstract: 本发明公开了一种基于深度学习的风电机组叶片表面故障识别与分类方法，属于新能源发电领域。本发明将深度学习引入风电机组叶片表面故障识别，采用无人机拍摄风电机组叶片表面故障图像，将叶片图像数据集划分为训练集和验证集，搭建胶囊网络和卷积神经网络复合模型，并对该模型进行训练，使得模型能够对叶片表面故障进行识别与分类。本发明用于识别风电机组叶片图像，高效准确地实现了风电机组叶片表面故障识别与分类的目的，实例分析验证了本发明的实用性和通用性。
-
公开(公告)号：CN119167080A
公开(公告)日：2024-12-20
申请号：CN202411031956.8
申请日：2024-07-30
Applicant: 华电电力科学研究院有限公司
IPC: G06F18/214 , G06F18/2433 , G06F18/15 , G06F18/21 , G06N3/045 , G06N3/0464 , G06N3/0442 , G06N3/084 , G06N3/086 , G06N20/20 , G06Q10/04 , G06Q50/06 , H02J3/00 , G06F123/02
Abstract: 本申请涉及一种统调负荷预测的多模型训练方法，该方法包括：获取统调负荷预测数据集，其中的样本以区域的历史气象数据、历史电价数据、历史发电站运行数据为样本主体，以区域的历史统调负荷数据为样本标签；将统调负荷预测数据集划分为训练集、验证集、测试集；根据训练集和验证集对多个不同的预设模型进行训练，得到多个统调负荷预测模型；分别利用多个统调负荷预测模型对测试集中各样本进行统调负荷预测；根据多个统调负荷预测模型对应的统调负荷预测结果以及测试集中各样本的样本标签，计算多个统调负荷预测模型对应的统调负荷预测权重，对多个统调负荷预测模型进行加权集成，得到综合统调负荷预测模型，进而以此准确预测统调负荷。
-
公开(公告)号：CN111581597A
公开(公告)日：2020-08-25
申请号：CN202010184781.X
申请日：2020-03-17
Applicant: 华电电力科学研究院有限公司
IPC: G06F17/18 , G06F30/17 , G06F119/08
Abstract: 本发明公开了一种基于自组织核回归模型的风电机组齿轮箱轴承温度状态监测方法，将自组织核回归建模方法和序贯概率比残差分析方法引入风电机组状态监测。采用偏最小二乘方法选择变量，采用自组织核回归方法建立齿轮箱轴承温度与其影响变量之间的关系模型，并用该模型在监测阶段对齿轮箱轴承温度进行预测。为降低齿轮箱轴承温度预警的误报警率和漏报警率，采用序贯概率比方法分析模型计算的齿轮箱轴承温度预测值与实际值之间的残差，当序贯概率比大于设定阈值时，发出齿轮箱轴承温度异常报警。本发明用于分析齿轮箱轴承的温度数据，准确地实现了风电机组齿轮箱轴承温度监测和故障预警的目的，实例验证了本发明的实用性和通用性。
-
-
-
-
-
-
-
-
-
Search Results
31
records
(took 0.069 seconds)
