-
公开(公告)号：CN117167190A
公开(公告)日：2023-12-05
申请号：CN202310969607.X
申请日：2023-08-03
申请人： 浙江浙能嘉兴海上风力发电有限公司 , 浙江大学
摘要： 本发明属于控制和能源领域，具体公开了一种基于鲁棒非线性自适应控制的风力发电机轴系扭振抑制方法，包括：首先对双馈风机的轴系模型、电气模型进行建模，并分析其轴系扭振引发机理，定义风机轴系扭转角偏差，然后将双馈风机模型转化为二阶非线性系统形式，对变换后的模型设计轴系扭振抑制器，保证转换后系统的渐近跟踪性能，有效抑制风机在遭遇大扰动时的轴系扭振问题。在所设计的轴系扭振抑制器中，风电并网系统中的不确定动态通过在线神经网络进行近似，而外部干扰和神经网络的重构误差由误差符号积分鲁棒项进行补偿。本发明能够克服现有模型中的不确定性，增强控制系统的鲁棒性，具有抗干扰能力。
-
公开(公告)号：CN118228445A
公开(公告)日：2024-06-21
申请号：CN202410187084.8
申请日：2024-02-20
申请人： 浙江浙能嘉兴海上风力发电有限公司 , 浙江大学
摘要： 本发明公开一种面向风场的分布式数据驱动场级优化方法，包括以下步骤：基于发电效率对所有风向划分子区间；基于动态风况下对子区间发电效率进行优化；采用分布式数据驱动对子区间在线并行优化。本发明分布式数据驱动的场级优化方法，随着变化的风况实时变化，实现复杂风况下大规模风场的并行优化，能够极大得减少尾流效应对风场发电的影响，解决了传统贪婪控制策略仅考虑每台风机最大发电，忽略风场尾流的问题；对划分机群的风场进行并行优化，提高了大规模风场的发电效率，并通过基于发电效率的优化子区间划分方法，将动态优化转化为多个静态子进行迭代优化，解决了数据驱动针对大规模风场以及复杂风况下所存在的优化效率低的问题。
-
公开(公告)号：CN117520875A
公开(公告)日：2024-02-06
申请号：CN202311527922.3
申请日：2023-11-16
申请人： 浙江浙能嘉兴海上风力发电有限公司 , 浙江大学
IPC分类号： G06F18/23213 , G06F18/213
摘要： 本发明公开一种风电机组SCADA数据异常标注方法，包括空间数据划分阶段和时间特征提取阶段，具体步骤流程如下：获取风电机组完整SCADA数据并进行风速区间划分与停机数据剔除；获取的不同风速区间的数据，采用核密度估计的方法获取功率的非参数化分布表达；获取整体风速区间下的可疑样本集合；确定可疑样本区间，并计算每个区间对应的差分序列；获取的相对残差序列和差分序列，构建三种不同特征序列，并采用K‑Means聚类算法，获得四种不同形态的数据点类别。实现了对不同类型数据如正常样本、离群点、变点和故障样本进行精准辨识和标注，为下游任务提供了准确的标签信息和可靠的数据支持。
-
公开(公告)号：CN117828335A
公开(公告)日：2024-04-05
申请号：CN202410044541.8
申请日：2024-01-12
申请人： 浙江浙能嘉兴海上风力发电有限公司 , 上海中电兴华智能科技有限公司
IPC分类号： G06F18/213 , G06Q10/20 , G06F18/25 , G06N3/0464 , G06F18/241 , G06F123/02
摘要： 本申请公开了一种海上升压站远程作业人员轨迹管控系统及方法，其结合基于深度学习的人工智能技术，将作业人员的轨迹数据和生理数据进行综合分析与特征交互融合处理，以从轨迹数据中学习作业人员的运动状态的同时，从生理数据中学习作业人员的生理状态，从而对作业人员的身体状况进行实时监测和管控。
-
公开(公告)号：CN117828335B
公开(公告)日：2024-06-04
申请号：CN202410044541.8
申请日：2024-01-12
申请人： 浙江浙能嘉兴海上风力发电有限公司 , 上海中电兴华智能科技有限公司
IPC分类号： G06F18/213 , G06Q10/20 , G06F18/25 , G06N3/0464 , G06F18/241 , G06F123/02
摘要： 本申请公开了一种海上升压站远程作业人员轨迹管控系统及方法，其结合基于深度学习的人工智能技术，将作业人员的轨迹数据和生理数据进行综合分析与特征交互融合处理，以从轨迹数据中学习作业人员的运动状态的同时，从生理数据中学习作业人员的生理状态，从而对作业人员的身体状况进行实时监测和管控。
-
公开(公告)号：CN115544884A
公开(公告)日：2022-12-30
申请号：CN202211248495.0
申请日：2022-10-12
申请人： 浙江大学
IPC分类号： G06F30/27 , G06Q50/06 , G06F113/06
摘要： 本发明公开了一种基于数据驱动的大型风电场尾流快速计算方法及系统，创造性地通过“机群划分‑离线建模‑在线计算”的技术框架研究风电场尾流建模工作，根据历史风向与风速信息挖掘尾流传播路径，并以减小模型计算得到的风速大小与实际风速大小的均方损失误差为目标，利用狼群算法对解析尾流模型的衰减参数进行优化求解，离线训练并得到修正的场级尾流模型，之后结合风速风向预测结果、机组自身运行状态及机组尾流的影响，实现尾流在线快速计算的部署应用，大幅度提升了实时尾流建模计算的效率和精度，为后续风电场风电机组载荷在线计算、出力性能评估和优化控制策略等在线分析任务提供高可靠的数据支撑。
-
-
-
-
-
搜索结果
6 条记录 (耗时 0.047 秒)
