-
公开(公告)号:CN116110508A
公开(公告)日:2023-05-12
申请号:CN202310016218.5
申请日:2023-01-06
申请人: 南京华盾电力信息安全测评有限公司
IPC分类号: G16C20/20 , B01D53/80 , B01D53/50 , G08B21/14 , G16C20/70 , G06F18/23213 , G06F18/214 , G06F18/15 , G06N7/01 , F04B15/04 , F04B17/03 , F04B49/06
摘要: 本发明公开了一种燃煤机组SO2超标预警方法、系统、装置及介质,方法包括:获取机组历史运行数据;对机组历史运行数据进行预处理,得到SO2超标概率样本库;根据SO2超标概率样本库,构建SO2超标概率预测模型;根据SO2超标概率预测模型,计算未来各时段SO2超标概率并发出预警;根据未来各时段SO2超标概率随浆液循环泵电流总和的变化趋势,给出未来各时段浆液循环泵电流调整建议。本发明综合考虑了各种不确定因素引起的SO2超标风险,预测精度高,且能够帮助运行人员将脱硫运行工况调整到较合理的工况,避免浆液循环泵的出力过大造成经济性损失。
-
公开(公告)号:CN105700514A
公开(公告)日:2016-06-22
申请号:CN201610070237.6
申请日:2016-02-01
申请人: 南京华盾电力信息安全测评有限公司
IPC分类号: G05B23/02
CPC分类号: G05B23/0208
摘要: 本发明公开了一种电厂侧远程节能诊断平台数据采集平台,包括DCS系统采集接口机、厂用电系统采集接口机、电量系统采集接口机、DCS系统、厂用电系统和电量系统,DCS系统采集接口机与DCS系统连接,厂用电系统采集接口机与厂用电系统连接,电量系统采集接口机与电量系统连接。本发明根据现场信息化程度,采集来自DCS控制系统和厂用电系统中包含部署新增的接口和在原有传输接口中增加相应的测点数据,完成数据的采集上传将经济性能指标的劣化值分解到具体设备和过程参数等影响因素上,及时发现节能降耗点,为机组的优化运行指导提供决策依据。其可扩展性强、安全性好、灵活性好、可靠性高、便于维护。
-
公开(公告)号:CN115187145B
公开(公告)日:2023-01-24
申请号:CN202211098866.1
申请日:2022-09-09
申请人: 南京华盾电力信息安全测评有限公司
摘要: 本发明公开了一种考虑弃水风险的梯级水库日前调度期末库水位控制方法,其包括:根据历史预报/预测数据与实际数据,得到径流预报和负荷预测的误差分布规律;根据径流预报和负荷预测的误差分布规律,计算梯级水库水电站调度面临时段的弃水风险;根据弃水风险计算方法,对梯级水库水电站历史调度过程进行弃水预警模拟,得到梯级水库水电站弃水预警空报率和漏报率;以梯级水库水电站弃水预警空报率和漏报率联合最小为目标,获取梯级各水库水电站临界弃水预警值;根据梯级各水库水电站临界弃水预警值和弃水风险计算方法,得到梯级水库日前调度期末库水位。本发明充分考虑了径流预报和负荷预测的不确定性,能够准确推算出梯级水库日前调度期末库水位。
-
公开(公告)号:CN115187145A
公开(公告)日:2022-10-14
申请号:CN202211098866.1
申请日:2022-09-09
申请人: 南京华盾电力信息安全测评有限公司
摘要: 本发明公开了一种考虑弃水风险的梯级水库日前调度期末库水位控制方法,其包括:根据历史预报/预测数据与实际数据,得到径流预报和负荷预测的误差分布规律;根据径流预报和负荷预测的误差分布规律,计算梯级水库水电站调度面临时段的弃水风险;根据弃水风险计算方法,对梯级水库水电站历史调度过程进行弃水预警模拟,得到梯级水库水电站弃水预警空报率和漏报率;以梯级水库水电站弃水预警空报率和漏报率联合最小为目标,获取梯级各水库水电站临界弃水预警值;根据梯级各水库水电站临界弃水预警值和弃水风险计算方法,得到梯级水库日前调度期末库水位。本发明充分考虑了径流预报和负荷预测的不确定性,能够准确推算出梯级水库日前调度期末库水位。
-
公开(公告)号:CN115578084A
公开(公告)日:2023-01-06
申请号:CN202211077826.9
申请日:2022-09-05
申请人: 南京华盾电力信息安全测评有限公司
IPC分类号: G06Q10/20 , G06Q50/06 , G06F18/214 , G06N3/04 , G06N3/08
摘要: 本发明公开了一种基于深度卷积自编码器的风电机组变频器故障预警方法,包括:获取风机运行数据并制作为样本数据集,将样本数据集中的训练集导入深度卷积自编码器训练模型进行训练,获得训练参数对深度卷积自编码器训练模型进行优化,并导入验证集对优化后的深度卷积自编码器训练模型进行验证,获得通过验证的深度卷积自编码器训练模型并将测试集导入进行预测输出模型估计值;将模型估计值与目标变量的实际运行值进行计算,获取实时估计残差并与残差阈值进行对比确定设备状态并选择输出预警信息;本发明实现对风电机组运行状态的实时监测,并通过深度卷积自编码器训练模型实现对风电机组目标变量的精确估计,进行风电机组功率变频器的故障预警。
-
-
-
-