-
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
申请人： 浙江运达风电股份有限公司 , 浙江大学
摘要： 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
申请人： 浙江运达风电股份有限公司 , 浙江大学
摘要： 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：CN106499583B
公开(公告)日：2019-03-05
申请号：CN201610891035.8
申请日：2016-10-13
申请人： 浙江运达风电股份有限公司 , 国家电网公司 , 国网江苏省电力公司电力科学研究院
摘要： 一种基于RBF神经网络技术的风力发电机组系统辨识方法，包括以下步骤：步骤1获取系统辨识所需数据：根据风力发电机组系统特性,获取辨识所需的输入数据、输出数据；采样时间选取系统内部采样时间；转矩环辨识时输入信号为发电机转矩Tg，桨距环辨识时为桨叶节距角β，输出数据为发电机转速Ω；步骤2基于RBF技术进行系统辨识，描述风力发电机组系统，将转矩环或者桨距环设为非线性SISO系统，采用非线性扩展自回归华东平均模型NARMAX描述，RBF神经网络训练过程如下：信号前向传播：计算RBF神经网络的输出；误差反向传播：采用δ学习算法，调整RBF网络各层间的权值。本发明具有良好的运算速度和较低的计算量、稳定性较好。
-
公开(公告)号：CN110836168B
公开(公告)日：2021-02-09
申请号：CN201911002744.6
申请日：2019-10-21
申请人： 浙江运达风电股份有限公司 , 张北运达风电有限公司
摘要： 本发明公开了一种基于PSO寻优的风机阻尼自适应控制方法及其控制器，包括以下步骤：步骤一、设计阻尼控制器数学模型，并对频率以及阻尼比初始化；步骤二、更改阻尼控制器参数，获得传动链阻尼比；步骤三、获取微粒速度；步骤四、获取微粒历史最优位置；步骤五、获取微粒位置；步骤六、根据阻尼比误差达到允许范围判断是否最优值；通过对转速滤波得到转矩增量叠加在发电机转矩给定值上，从而达到增加传动链阻尼比的效果，通过PSO算法寻找得到阻尼控制器参数的最优值，最终实现设定的阻尼控制器加入转矩环后传动链阻尼比接近所需要的传动链阻尼比。本发明算法简单，容易实施，具有良好的运行速度和较低的计算量，模型性能及稳定性能够得到保证。
-
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
申请人： 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
摘要： 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：CN110836168A
公开(公告)日：2020-02-25
申请号：CN201911002744.6
申请日：2019-10-21
申请人： 浙江运达风电股份有限公司 , 张北运达风电有限公司
摘要： 本发明公开了一种基于PSO寻优的风机阻尼自适应控制方法及其控制器，包括以下步骤：步骤一、设计阻尼控制器数学模型，并对频率以及阻尼比初始化；步骤二、更改阻尼控制器参数，获得传动链阻尼；步骤三、获取微粒速度；步骤四、获取微粒历史最优位置；步骤五、获取微粒位置；步骤六、根据阻尼比误差达到允许范围判断是否最优值；通过对转速滤波得到转矩增量叠加在发电机转矩给定值上，从而达到增加传动链阻尼值的效果，通过PSO算法寻找得到阻尼控制器参数的最优值，最终实现设定的阻尼控制器加入转矩环后传动链阻尼接近所需要的传动链阻尼值。本发明算法简单，容易实施，具有良好的运行速度和较低的计算量，模型性能及稳定性能够得到保证。
-
公开(公告)号：CN108879786B
公开(公告)日：2020-11-13
申请号：CN201810929005.0
申请日：2018-08-15
申请人： 浙江运达风电股份有限公司
IPC分类号： H02J3/38
摘要： 本发明公开了一种风力发电机组主要部件频率及阻尼比的辨识方法，包括：获取风力发电机组系统主要部件的输入数据和输出数据，将输入数据和输出数据分别作为通过非线性系统辨识建立的风机模型的输入量和输出量；计算风机模型的模型参数和主要部件的传递函数；计算传递函数的极点，获得第一频率范围，对主要部件的输出数据进行功率谱分析，获得第二频率范围，利用第二频率范围缩小第一频率范围的范围，得到频率迭代范围；计算频率迭代范围内每个频率对应的幅值，获取最大幅值、与最大幅值对应的目标频率和目标极点p，通过计算主要部件的阻尼比。本申请公开的上述技术方案，可以提高对主要部件的频率及阻尼比辨识的准确性，且该辨识方法简单易操作。
-
公开(公告)号：CN108879786A
公开(公告)日：2018-11-23
申请号：CN201810929005.0
申请日：2018-08-15
申请人： 浙江运达风电股份有限公司
IPC分类号： H02J3/38
摘要： 本发明公开了一种风力发电机组主要部件频率及阻尼比的辨识方法，包括：获取风力发电机组系统主要部件的输入数据和输出数据，将输入数据和输出数据分别作为通过非线性系统辨识建立的风机模型的输入量和输出量；计算风机模型的模型参数和主要部件的传递函数；计算传递函数的极点，获得第一频率范围，对主要部件的输出数据进行功率谱分析，获得第二频率范围，利用第二频率范围缩小第一频率范围的范围，得到频率迭代范围；计算频率迭代范围内每个频率对应的幅值，获取最大幅值、与最大幅值对应的目标频率和目标极点p，通过计算主要部件的阻尼比。本申请公开的上述技术方案，可以提高对主要部件的频率及阻尼比辨识的准确性，且该辨识方法简单易操作。
-
公开(公告)号：CN106499583A
公开(公告)日：2017-03-15
申请号：CN201610891035.8
申请日：2016-10-13
申请人： 浙江运达风电股份有限公司 , 国家电网公司 , 国网江苏省电力公司电力科学研究院
CPC分类号： Y02E10/723 , F03D7/0224 , F03D7/0276 , F03D7/046 , G06N3/084
摘要： 一种基于RBF神经网络技术的风力发电机组系统辨识方法，包括以下步骤：步骤1获取系统辨识所需数据：根据风力发电机组系统特性,获取辨识所需的输入数据、输出数据；采样时间选取系统内部采样时间；转矩环辨识时输入信号为发电机转矩Tg，桨距环辨识时为桨叶节距角β，输出数据为发电机转速Ω；步骤2基于RBF技术进行系统辨识，描述风力发电机组系统，将转矩环或者桨距环设为非线性SISO系统，采用非线性扩展自回归华东平均模型NARMAX描述，RBF神经网络训练过程如下：信号前向传播：计算RBF神经网络的输出；误差反向传播：采用δ学习算法，调整RBF网络各层间的权值。本发明具有良好的运算速度和较低的计算量、稳定性较好。
-
-
-
-
-
-
-
-
搜索结果
9 条记录 (耗时 0.034 秒)
