-
公开(公告)号：CN114004991B
公开(公告)日：2024-10-29
申请号：CN202111177268.9
申请日：2021-10-09
IPC分类号： G06F18/24 , G06F18/2433 , G06F18/214 , F03D17/00
摘要： 本发明公开了一种风电机组的故障识别方法及装置。该方法包括：采集风电机组的运行参数，其中，所述运行参数包括第一运行参数和第二运行参数；将所述第一运行参数输入至风电机组的目标正常行为模型，由所述目标正常行为模型输出所述第二运行参数的参考值；基于所述第二运行参数和所述参考值，识别所述风电机组是否出现故障。由此，可基于目标正常行为模型实现参考值的自动获取，以及根据第二运行参数和参考值自动识别风电机组是否出现故障，提高了风电机组运行的安全性和可靠性。
-
公开(公告)号：CN114201825A
公开(公告)日：2022-03-18
申请号：CN202111316146.3
申请日：2021-11-08
IPC分类号： G06F30/17 , G06F30/27 , G06K9/00 , G06F119/04
摘要： 本申请提出了一种基于组合特征的设备性能退化状态的评估方法及系统，该方法包括：采集新能源系统中至少一个设备的评估数据；通过小波包分解WPD对评估数据进行分解，并重新构建对应的小波数据；根据每个小波数据的能量计算每个小波数据的熵，并通过经验模态分解EMD对每个小波数据的熵进行分解和转化，提取出评估数据对应的组合特征向量；将所述组合特征向量输入至训练完成的自组织映射网络SOM，计算健康评估指标；构建剩余使用寿命RUL模型，通过RUL模型根据健康评估曲线预测设备的剩余使用时间。该方法可以有效识别设备的当前的退化阶段，准确反映出设备当前的健康状态，便于提前进行预警，降低了维护成本，提高设备的安全性。
-
公开(公告)号：CN114166482A
公开(公告)日：2022-03-11
申请号：CN202111320353.6
申请日：2021-11-09
IPC分类号： G01M13/00 , G01M13/045
摘要： 本发明涉及一种基于熵特征的设备故障预测方法及系统，所述方法包括：获取待测设备预设时刻的振动信号；对所述获取的振动信号进行特征提取获取所述预设时刻的振动信号对应的瑞利熵特征数据；将所述振动信号对应的瑞利熵特征数据输入预先训练好的设备故障概率预测模型中，获取所述待测设备预设时刻对应的故障概率；基于所述故障概率对所述待测设备进行故障预测。本发明提供的技术方案，通过对振动信号进行熵特征提取，利用提取的熵特征进行设备故障预测，提高了设备故障预测的准确度。
-
公开(公告)号：CN113919419A
公开(公告)日：2022-01-11
申请号：CN202111162194.1
申请日：2021-09-30
摘要： 本申请提出一种光伏组串低效的识别方法、系统及存储介质，所述方法包括：获取历史时段内各光伏设备中的各光伏组串预设时长对应的电流均值和电压均值的组串数据；对获取所述组串数据进行处理，识别出现极端值/常数/夜间发电的异常光伏组串，并将所述异常的光伏组串对应的组串数据剔除；在剔除后的组串数据中筛选各光伏设备中包含在第一预设时段内的组串数据，并基于所述筛选的组串数据获取各光伏设备中筛选后的光伏组串个数；基于各光伏设备中筛选后的光伏组串个数选择聚类对象进而对光伏设备中低效的光伏组串进行识别。本发明提供的技术方案，先剔除异常的光伏组串再进行光伏组串低效的识别，进而提高了光伏组串低效识别的准确率。
-
公开(公告)号：CN114036656B
公开(公告)日：2024-06-25
申请号：CN202111211995.2
申请日：2021-10-18
IPC分类号： G06F30/17 , G06F30/27 , G06N20/00 , G06F113/06
摘要： 本发明公开了一种风电机组齿轮箱的故障诊断方法及装置。该方法包括：采集风电机组的运行参数；依次将齿轮箱参数中的一个参数作为齿轮箱输出参数，其他参数作为齿轮箱输入参数；将工况参数和齿轮箱输入参数输入至齿轮箱输出参数对应的机器学习模型中，得到齿轮箱输出参数的预测值；根据齿轮箱输出参数的预测值和齿轮箱输出参数，生成机器学习诊断结果；将工况参数和齿轮箱输入参数输入至齿轮箱输出参数对应的规则模型中，得到规则诊断结果；根据机器学习诊断结果、规则诊断结果和规则集合进行综合诊断，得到目标诊断结果。在较低成本的前提下，对齿轮箱进行准确诊断，将有效提高风电机组运行的可靠性，降低机组关键部件损坏风险。
-
公开(公告)号：CN114046228B
公开(公告)日：2023-11-07
申请号：CN202111248579.X
申请日：2021-10-26
IPC分类号： F03D17/00 , G06F18/2433 , G06F18/23 , G06N20/00 , G06Q50/06
摘要： 本公开提供的风电机组异常诊断方法、系统及存储介质中，获取采集到的Scada数据与待检测数据，将采集到的Scada数据进行预处理，识别无效数据和有效数据，并对时间窗口内的有效数据提取数据特征，然后将提取的数据特征进行模型训练，得到最优模型，之后，利用最优模型和临近机组比较策略对待检测数据进行异常诊断，得到诊断结果。由此可知，本公开提出的方法中，可以提前预知风电机组的健康状态，以便用户可以及时进行检修，从而降低了风电机组故障带来的损失。同时，本公开提出的方法，是对训练数据进行工况划分之后，再根据全工况的数据得到的最优模型，从而确保了最优模型可以对全部工况进行异常诊断，提高了异常诊断的精确度。
-
公开(公告)号：CN114139767A
公开(公告)日：2022-03-04
申请号：CN202111297224.X
申请日：2021-11-02
摘要： 本发明涉及设备的健康趋势预测方法、系统、计算机设备及存储介质，所述方法包括：获取待测设备预设时段内的振动数据，利用经验模态分解法对所述振动数据进行特征提取获取所述数据的能量熵矩阵，基于所述能量熵矩阵确定待测设备预设时段对应的健康指标值，并确定所述指标值所属的健康等级，将所述健康指标值代入预先建立的健康趋势预测模型中，预测所述待测设备的故障时刻，基于所述故障时刻确定待测设备的健康趋势。本发明提供的技术方案，基于模态分解确定的健康指标值和确定健康等级选择健康趋势预测模型中对应的子模型进行待测设备的健康趋势预测，使得待测设备的健康趋势预测更加准确。
-
公开(公告)号：CN114123971A
公开(公告)日：2022-03-01
申请号：CN202111243198.2
申请日：2021-10-25
IPC分类号： H02S50/10
摘要： 本发明涉及一种基于VaDE的光伏组串异常检测方法及系统，所述方法包括：获取光伏电站中各光伏组串在检测时段内预设时长的电流均值、电压均值和所述各光伏组串的装机容量，基于所述电流均值、电压均值和所述各光伏组串的装机容量确定所述各光伏组串在检测时段内预设时长的各第一数据指标，将各光伏组串在检测时段内预设时长的各第一数据指标输入预先建立的光伏组串异常检测模型中，获得检测时段内所述各光伏组串对应的各高斯分布权重，基于检测时段内所述各光伏组串对应的各高斯分布权重确定光伏电站检测时段内异常的光伏组串。本发明提供的技术方案，通过光伏组串异常检测模型确定光伏组串是否异常，可以提高光伏组串异常判断的准确性。
-
公开(公告)号：CN114036820B
公开(公告)日：2024-07-12
申请号：CN202111210412.4
申请日：2021-10-18
摘要： 本发明涉及一种设备异常组串损失电量计算方法、系统及计算机设备，所述方法包括：获取光伏设备中各组串在当前日期下各时刻的电流、电压数据和组串日异常标签；利用光伏设备中各组串的组串日异常标签确定当前日期对应的所述光伏设备中异常组串和正常组串；将当前日期下各正常组串在各时刻的电流同时输入所述各异常组串对应的预先建立的全连接神经网络模型中，分别获得当前日期下各异常组串对应的各时刻的预测电流；基于所述当前日期下各异常组串对应的各时刻的预测电流和所述获取的异常组串的电流、电压数据确定光伏设备组串异常导致的日损失电量。本发明提供的技术方案，可以量化光伏设备中异常组串造成的电量损失值，且准确度高。
-
公开(公告)号：CN114298148A
公开(公告)日：2022-04-08
申请号：CN202111401709.9
申请日：2021-11-19
发明人： 曾谁飞 , 王振荣 , 傅望安 , 兰连军 , 翟大海 , 苏人奇 , 张燧 , 王青天 , 黄思皖 , 刘旭亮 , 李小翔 , 冯帆 , 邸智 , 韦玮 , 童彤 , 任鑫 , 杜静宇 , 赵鹏程 , 武青 , 祝金涛 , 朱俊杰 , 吴昊 , 吕亮
IPC分类号： G06K9/62
摘要： 本申请公开了风电机组能效状态监测方法、装置及存储介质，涉及人工智能领域，具体涉及深度学习、神经网络、自然语言处理、风电机组和新能源领域。具体实现方案为：获取风电机组监测数据；对风电机组监测数据进行预处理；基于经过预处理的风电机组监测数据，确定第一数据；基于第一数据，确定测试集；将测试集中的数据输入至预训练的知识蒸馏学生模型，得到风电机组能效状态预测结果。本申请提高了对风电机组能效异常状态监测的精准度，降低了风电机组的监测运营成本。
-
-
-
-
-
-
-
-
-
搜索结果
60 条记录 (耗时 0.086 秒)
