-
公开(公告)号：CN112798956A
公开(公告)日：2021-05-14
申请号：CN202011639677.1
申请日：2020-12-31
申请人： 江苏国科智能电气有限公司 , 燕山大学
摘要： 一种基于多分辨率时序循环神经网络的风电机组故障诊断方法，利用SCADA多变量时间序列固有的时空相关性和交互性特性，通过自适应动态融合方式同时对变量从全局和局部进行动态权重的调整，以级联方式捕获传感器变量间的时空相关性信息，并且以并行方式将调整后的信息同时输入神经网络，深度挖掘变量间交互互补的特征，加强了对特征筛选提取的性能，使得变量之间的关联性进一步加强。本发明融合了时空依赖性提取和多分辨率特征学习方法，能够提取更为丰富的故障诊断信息，与传统的门控循环单元网络模型及其他传统机器学习方法相比，本发明能够有效提高风电机组部件故障诊断性能。
-
公开(公告)号：CN112834211A
公开(公告)日：2021-05-25
申请号：CN202011641131.X
申请日：2020-12-31
申请人： 江苏国科智能电气有限公司 , 燕山大学
摘要： 一种风电机组传动系统故障预警方法，首先获取风电机组SCADA运行数据，挑选连续运行的健康数据，并对数据完成相关预处理；然后，构建长短期记忆自编码模型，使用训练集和测试集对模型进行训练；最后，使用验证集对模型的重构能力进行验证，计算重构数据与原始数据的残差，并采用核密度估计法设定阈值控制线，当重构误差高于阈值时进行故障预警，并根据重构误差的大小和达到阈值的先后时间判断出现故障的具体部件。本发明将长短期记忆网络的门控单元与去噪自编码网络相结合，可以有效捕获数据内在的时空关联性，能更好的挖掘数据之间和数据在时间维度的特征信息，能够有效提高故障预警的可靠性。
-
公开(公告)号：CN117992887A
公开(公告)日：2024-05-07
申请号：CN202311859037.5
申请日：2023-12-30
申请人： 江苏国科智能电气有限公司 , 江苏国科智能工程技术有限公司
IPC分类号： G06F18/2433 , G06F18/10 , G06F18/214 , G06N3/0464 , G06N3/0455 , G06N3/08 , F03D17/00 , G06F123/02
摘要： 本发明提出一种风电机组分工况的多约束异常检测方法，涉及风电机检测技术领域，包括利用从风电场的数据采集与检测控制系统中获取风电机组历史运行数据，进行数据清洗与预处理；将预处理后的SCADA数据按运行工况的不同进行分类，输入到卷积神经网络构成中进行特征学习，获得不同工况的特征空间矩阵；将特征空间矩阵输入到卷积神经网络构进行解码重构，将特征空间矩阵按工况的不同送入不同的超球模型中，解码重构结果与超球模型的压缩结果协同优化，互相约束。本申请的异常检测方法结合了风电机组不同工况下数据的差异性问题，利用多超球约束自编码网络的残差运算，能够更有效的挖掘风电机组工况特征，为风场中的远程运行维护提供有效技术方法。
-
公开(公告)号：CN111030078B
公开(公告)日：2024-04-16
申请号：CN201911353818.0
申请日：2019-12-25
申请人： 江苏国科智能电气有限公司
摘要： 一种直流电网接地装置，分为主电路和控制单元两部分，主电路与直流电网通过正极端子Pbus+、负极端子Pbus‑和接地端子PGnd连接。主电路包含S1U、S1D、S2U、S2D、S3U、S3D六个测试开关，以及R1C、R2C、R3C三个测试电阻。控制单元实现本发明接地装置的控制,控制单元采集正极对地电压UdcP和负极对地电压UdcN，负极对地电压UdcN减去正极对地电压UdcP得到中点偏差电压UNeut；中点偏差电压UNeut求微分得到中点偏差电压变化率pUNeut，UNeut经过低通滤波得到中点偏差电压滤波值UNeutf，UNeut减去UNeutf得到中点偏差电压暂态值ΔUNeut；根据pUNeut进行上测试开关预备状态SWPP和下测试开关预备状态SWNP两个直流电网接地装置工作状态的切换，在上测试开关预备状态SWPP时，根据ΔUNeut控制三个上测试开关的接通与断开，在下测试开关预备状态SWNP时，根据ΔUNeut控制三个下测试开关的接通与断开。
-
公开(公告)号：CN117828542A
公开(公告)日：2024-04-05
申请号：CN202311706382.5
申请日：2023-12-13
摘要： 本发明公开了一种基于多粒度时间卷积网络的超短期风功率预测方法，属于风功率预测领域，包括以下步骤：利用监督控制和数据采集(SCADA)系统采集风场的监测数据，得到机组的功率数据，并进行数据预处理，将原始数据划分为3个粒度层；设计多粒度特征提取模块，对于风电功率时间序列数据进行特征提取，获得不同粒度视角下的特征；再通过特征融合层对不同粒度特征进行特征融合；最后通过回归层对风机的风功率进行预测。本发明通过结合多粒度思想，由粗到细，由整体到局部，以不同视角对原始数据进行特征提取，并对多粒度特征进行自适应加权融合，能够提高整体的预测精度、预测效率和模型鲁棒性，为风功率预测领域提供了新的途径，使电力系统的调度更加安全平稳。
-
公开(公告)号：CN113013898B
公开(公告)日：2022-12-02
申请号：CN202110283400.8
申请日：2021-03-17
申请人： 江苏国科智能电气有限公司 , 华能通辽风力发电有限公司
摘要： 一种基于远端电网锁相的并网逆变器次同步振荡抑制方法，通过依次执行次同步振荡检测环节、坐标变换环节、优化锁相环节、参考电流计算环节实现并网逆变器抑制电网次同步振荡的功能。其中的次同步振荡检测环节输入本地电网电压，判断电网是否存在次同步振荡现象，输出电网虚拟内阻抗X2；其中的坐标变换环节将输入的本地电网电压、逆变器电流、滤波回路电流转换为两相同步旋转坐标系上的DQ轴电压或电流；其中的优化锁相环节根据输入的电网虚拟内阻抗X2、本地电网Q轴电压Ugq、电网D轴电流Igd进行远端电网电压锁相，锁相目标为Ugq＝X2Igd；其中的参考电流计算环节计算输出有功参考电流IdRef和无功参考电流IqRef。
-
公开(公告)号：CN114285164A
公开(公告)日：2022-04-05
申请号：CN202111605113.0
申请日：2021-12-24
申请人： 江苏国科智能电气有限公司
摘要： 本发明提出一种基于可变放电网络的风电变流器直流母线电容的状态监测方法。所述方法主要包括通过对母线电压进行循环采样检测，判断变流器是否停机，在变流器电压下降阶段，利用可变放电网络改变电容的放电路径，进行电容的两次不同状态放电，绘制放电电压曲线，利用CPU计算电容和电容等效电阻大小，判断电容是否失效。变流器稳定工作之时，发生故障掉电，电压快速下降之时，记录故障波形。其结构包括：控制板，保护电路和控制电路，电流信号采集转换电路，时钟电路，可变放电网络电路。
-
公开(公告)号：CN112746934A
公开(公告)日：2021-05-04
申请号：CN202011639678.6
申请日：2020-12-31
申请人： 江苏国科智能电气有限公司 , 河北工业大学
摘要： 一种自联想神经网络诊断风机故障的方法，将采集的数据归一化，去除奇异值，分为训练数据和测试数据。根据输入输出样本数据，确定自联想神经网络的输入输出节点及隐藏层结构。在保证种群多样性的同时选出较优个体的前提下，设计风机变桨系统故障诊断的选择算子公式，避免网络的权值和阈值陷入局部最优点，提高风机故障诊断准确率。设计适合风机变桨系统故障诊断的适应度函数，引入接收者操作特征曲线下方的面积AUC，以确保较低的漏诊率，并降低不平衡数据对模型诊断效果的干扰。基于改进自适应遗传算法‑自联想神经网络算法建立变桨系统正常运行模型，采用詹森‑山农散度比较正常时刻与故障时刻残差分布的偏移度，实现对变桨系统的故障诊断。
-
公开(公告)号：CN117913848A
公开(公告)日：2024-04-19
申请号：CN202211727509.7
申请日：2022-12-29
申请人： 江苏国科智能电气有限公司
摘要： 本发明提供了一种双馈风电变流器次超同步频率阻抗提升方法，包含步骤S1：采集电网三相电压Ugabc、转子三相电流Irabc、正交编码信号SABZ；步骤S2：对电网三相电压Ugabc进行锁相，得到电网频率fb1、电网角度θb1、电网Q轴电压Ugq；步骤S3：计算转差频率fslip1和转差角度θslip1；步骤S4：计算转子DQ轴电流Ird、Irq；步骤S5：计算电网电压窗口平均值UgMean；步骤S6：计算转子DQ轴电流参考值IrdRef、IrqRef；步骤S7：对转子DQ轴电流进行PIR控制和解耦前馈控制，得到转子DQ轴第二控制电压Urcd2、Urcq2；步骤8：转子DQ轴第二控制电压Urcd2、Urcq2加上电网电压前馈，再经过坐标变换等环节得到调制信号SPWM，输出到三相功率单元，实现阻抗提升。本发明可以提升新能源场站的并网次超同步频率阻抗特性，提高新能源场站并网能力，提高电力系统稳定性。
-
公开(公告)号：CN114298219A
公开(公告)日：2022-04-08
申请号：CN202111620688.X
申请日：2021-12-27
申请人： 江苏国科智能电气有限公司
摘要： 本发明提出了一种基于深度时空特征提取的风力发电机故障诊断方法，针对风力发电机SCADA多变量时间序列数据时空关联性强的特点，分别设计时间和空间特征提取网络，利用时序卷积注意力模块对时序故障特征进行筛选和提取，同时通过空洞卷积模块挖掘变量间的关联信息，然后将时序特征和空间特征进行合并，最后输入到故障分类器中，得到最终的故障诊断结果，上述技术手段，利用时间和空间维度的深度故障特征提取，深入捕获风力发电机的故障信息，提高了风力发电机故障诊断精度，从而及时的得到风力发电机故障状态信息，对其进行处理和维护，避免风电机组部件的深度伤害，保障风力发电机健康平稳运行。
-
-
-
-
-
-
-
-
-
搜索结果
76 条记录 (耗时 0.062 秒)
