公开(公告)号：CN111412114B

公开(公告)日：2021-12-07

申请号：CN201911366231.3

申请日：2019-12-26

Applicant: 浙江运达风电股份有限公司 ,  浙江大学

Inventor： 陈棋 ,  肖威 ,  孙勇 ,  林勇刚 ,  马灵芝

IPC: F03D17/00 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于定子电流包络谱的风电机组叶轮不平衡检测方法，包括以下步骤：采集定子电流信号、处理采集得到的发电机定子电流信号、构建样本数据库、搭建神经网络模型、构建检测数据库、输送样本数据并进行识别判断和输出结果。本发明通过卷积神经网络模型，利用希尔伯特解调方法在风力机组运行过程中进行定子电流包络谱数据提取和故障特征学习，能够自适应地从信号中捕获到故障特征，避免了环境噪声、波动和人工判断误差带来的不确定性干扰，具有较高的识别精度，同时数据采集不需要安装额外的传感器，降低了测试成本，数据的采集受环境影响小准确率高，能够有效避免自然环境因素给模型判断带来困扰，适合于风力机组运行工况复杂等情况。

公开(公告)号：CN111412114A

公开(公告)日：2020-07-14

申请号：CN201911366231.3

申请日：2019-12-26

Applicant: 浙江运达风电股份有限公司 ,  浙江大学

Inventor： 陈棋 ,  肖威 ,  孙勇 ,  林勇刚 ,  马灵芝

IPC: F03D17/00 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于定子电流包络谱的风电机组叶轮不平衡检测方法，包括以下步骤：采集定子电流信号、处理采集得到的发电机定子电流信号、构建样本数据库、搭建神经网络模型、构建检测数据库、输送样本数据并进行识别判断和输出结果。本发明通过卷积神经网络模型，利用希尔伯特解调方法在风力机组运行过程中进行定子电流包络谱数据提取和故障特征学习，能够自适应地从信号中捕获到故障特征，避免了环境噪声、波动和人工判断误差带来的不确定性干扰，具有较高的识别精度，同时数据采集不需要安装额外的传感器，降低了测试成本，数据的采集受环境影响小准确率高，能够有效避免自然环境因素给模型判断带来困扰，适合于风力机组运行工况复杂等情况。

公开(公告)号：CN119128961A

公开(公告)日：2024-12-13

申请号：CN202411078320.9

申请日：2024-08-06

Applicant: 杭州安恒信息技术股份有限公司 ,  浙江大学

Inventor： 莫凡 ,  卢红波 ,  秦坤 ,  肖威

IPC: G06F21/62

Abstract: 本申请公开了一种数据脱敏处理方法及装置，获取待脱敏数据，通过预先构建的逻辑连贯性脱敏模型，对待脱敏数据进行逻辑连贯性脱敏，得到脱敏语料，其中，逻辑连贯性脱敏为保留各个数据项之间逻辑关系的脱敏，逻辑关系至少包括计算关系、地域关系、时间关系和对比关系。通过上述方案，由于多个数据项之间存在上下文逻辑关系，为了在脱敏的时候保持脱敏的逻辑关系，通过预先构建的逻辑连贯性脱敏模型，对待脱敏数据进行逻辑连贯性脱敏，逻辑连贯性脱敏为保留各个数据项之间计算关系、地域关系、时间关系、对比关系等逻辑关系的脱敏，实现在对数据进行脱敏的过程中得到保留逻辑关系的脱敏语料的目的。

公开(公告)号：CN111222677A

公开(公告)日：2020-06-02

申请号：CN201911007963.3

申请日：2019-10-22

Applicant: 浙江运达风电股份有限公司 ,  浙江大学 ,  华能新能源股份有限公司 ,  华能集团技术创新中心有限公司

Inventor： 陈棋 ,  肖威 ,  孙勇 ,  林勇刚 ,  马灵芝

IPC: G06Q10/04 ,  G06Q50/06 ,  G06N3/04

Abstract: 本发明涉及风电场风速预测领域，公开了一种基于长短期记忆时间神经网络的风速预测方法及系统，包括：A）采集已有的历史风速数据和实测的风速数据；B）分析不良数据，进行数据预处理，获得风速样本，构建风速样本数据库；C）将风速样本数据库分为训练样本数据库、验证样本数据库和检测样本数据库；D）构建长短期记忆神经网络模型；E）利用已训练好的长短期记忆神经网络模型对风速进行预测，获得风速预测值。本发明在完全利用历史数据的情况下，通过建立长短期记忆时间神经网络模型，并且对长短期记忆神经网络模型进行参数优化，实现对风能的预测，预测精度高。

公开(公告)号：CN105188196A

公开(公告)日：2015-12-23

申请号：CN201510497724.6

申请日：2015-08-13

Applicant: 珠海市珈玛光电科技有限公司 ,  浙江大学

Inventor： 吴杰 ,  刘少群 ,  谷恭山 ,  吴翌煊 ,  周万紫 ,  严仁远 ,  肖威

IPC: H05B37/02

Abstract: 本发明公开了一种具有智能感光和调光功能的LED轨道灯，属于LED照明技术领域。它包括LED轨道灯和电路板；其中，所述电路板包括感光模块、显示模块、微处理模块、DA转换模块、升压模块和LED恒流驱动器；感光模块、显示模块、DA转换模块均与微处理模块相连，DA转换模块与升压模块相连，升压模块与LED恒流驱动器相连；感光模块、LED恒流驱动器均与LED轨道灯相连，LED恒流驱动器与电网插座相连。本发明实现了一款具有优良散热性能的智能调光LED轨道灯，在加大功率的同时减小体积和提高散热效果，节能和延长灯的寿命；实现跟随环境的智能调光，使用者使用起来更为舒适、便捷。

公开(公告)号：CN110131109A

公开(公告)日：2019-08-16

申请号：CN201910338006.2

申请日：2019-04-25

Applicant: 浙江大学

Inventor： 肖威 ,  曹喆 ,  高艳婧 ,  林勇刚 ,  刘宏伟 ,  李伟

IPC: F03D17/00 ,  G06N3/04 ,  G06K9/62 ,  G06K9/00

Abstract: 本发明公开了一种基于卷积神经网络的风力机叶片不平衡检测方法，包括步骤：S1、采集风力机平衡状态和不平衡状态下的发电机转矩信号、发电机转速信号和塔架的振动加速度信号并转换为频率信号；S2、对频率信号数据进行预处理，构建风力机平衡状态样本数据库和不平衡状态样本数据库；S3、搭建卷积神经网络模型，利用已分类好的样本数据库对卷积神经网络模型进行训练、调参和验证，得到训练好的卷积神经网络模型；S4、利用步骤S3训练好的卷积神经网络模型对检测数据进行识别判断，输出包括平衡、气动不平衡和质量不平衡三类结果，从而完成风力机叶片的不平衡检测。本发明能自适应地捕获到叶片的故障特征，避免了环境因素给卷积神经网络模型判断带来的干扰。