-
公开(公告)号：CN118148847A
公开(公告)日：2024-06-07
申请号：CN202410164580.1
申请日：2024-02-05
Applicant: 大唐可再生能源试验研究院有限公司 , 中国大唐集团科学技术研究总院有限公司
Abstract: 本发明公开了一种风力机组发电性能异常检出方法及系统，涉及风力发电相关技术领域。所述方法包括：对目标风力机组进行全流程监测，提取历史运行参数集；构建目标风电机组的发电性能模型；对发电量进行预测，确定期望发电量；判断实际发电量是否符合期望发电量；若不符合，对实时运行参数集进行覆盖遍历，确定多个覆盖数据；根据多个异常运行参数制定检修方案；对目标风电机组进行全流程的检修维护。本发明解决了现有技术中存在的机组运行参数获取不精准，进而导致模型预测的实时发电量偏差较大使得风电机组性能异常定位检出不准确、不可靠的技术问题。
-
公开(公告)号：CN118128775A
公开(公告)日：2024-06-04
申请号：CN202410146475.5
申请日：2024-02-02
Applicant: 大唐可再生能源试验研究院有限公司 , 中国大唐集团科学技术研究总院有限公司
IPC: F04D27/00
Abstract: 本申请涉及风机性能监测技术领域，提供一种优化后风机的性能追踪监测方法及系统。所述方法包括：获得目标风机的M个性能指标，其中，M为大于1的正整数；基于所述M个性能指标进行监测因子分析，获得M个指标监测因子集；基于所述M个指标监测因子集对所述目标风机进行监测，获得M个指标监测数据；基于所述M个指标监测数据进行性能分析，生成M个指标性能系数；基于所述M个指标性能系数，生成风机性能追踪报告。本申请解决了现有技术中风机检修困难的技术问题，达到了提高风机检修效率，节约人力物力的技术效果。
-
公开(公告)号：CN118128691A
公开(公告)日：2024-06-04
申请号：CN202410167189.7
申请日：2024-02-06
Applicant: 大唐可再生能源试验研究院有限公司 , 中国大唐集团科学技术研究总院有限公司
Abstract: 本发明公开了一种用于优化发电效率的风电机组智能控制方法及系统，涉及智能控制技术领域，该方法包括：执行风速数据监测，同步生成预测风速数据；建立机组数字孪生模型，进行机组发电效率寻优拟合，建立风速对应的响应策略寻优结果；通过已监测数据和预测风速数据确定窗口风速的标定值和稳定值；以标定值执行响应策略寻优结果的策略匹配；以策略匹配结果作为控制基准，通过稳定值进行控制的稳定优化，执行风电机组的智能控制管理。本发明解决了现有技术中由于气象变化的复杂性和不确定性，影响风电机组的发电效率的技术问题，达到了通过控制策略寻优和运行稳定性优化，提高风电机组的发电效率和可靠性的技术效果。
-
公开(公告)号：CN118030382A
公开(公告)日：2024-05-14
申请号：CN202410171556.0
申请日：2024-02-06
Applicant: 大唐可再生能源试验研究院有限公司 , 中国大唐集团科学技术研究总院有限公司
Abstract: 本发明公开了基于SCADA的静态偏航误差计算方法及系统，涉及数据处理技术领域，包括：读取风机运管的多元控制系统，结合预执行任务进行系统自调与组态调整；确定数据传输链路，拟合搭建风机运管模块；控制进行风机实时运况监测，回传遥测数据；结合偏航处理模型，执行预处理与偏离计算，确定偏航计算结果；进行偏航溯源定位，确定预调定位特征；确定偏航调整数据，进行偏航校正，定点回传反馈控制数据；进行偏航分析，确定校正趋势曲线。本发明解决了现有技术难以有效应对复杂的外部干扰和不确定性，从而难以实现精确、可靠和实时的偏航控制的技术问题，达到了提供精确、可靠和实时的偏航控制，从而提高风机的运行效率和稳定性的技术效果。
-
公开(公告)号：CN116226263A
公开(公告)日：2023-06-06
申请号：CN202310002727.2
申请日：2023-01-03
Applicant: 大唐可再生能源试验研究院有限公司 , 中国大唐集团科学技术研究总院有限公司
IPC: G06F16/26 , G06F16/2458 , G06F16/2457 , G06Q10/0631 , G06Q50/06
Abstract: 本发明公开了一种可再生能源可视化智能管控制方法及系统，涉及数据处理技术领域，该方法包括：获取可再生能源供给源分布信息和能源需求侧分布信息；遍历能源需求侧分布信息进行第一时间区间的需求量分析，获取能源期望供给量和能源期望供给时间；遍历可再生能源供给源分布信息进行第一时间区间的生产量分析，获取能源生产量和能源生产时间；构建可视化数字孪生模型；将能源期望供给量和能源期望供给时间添加进能源需求侧可视化标识信息；将能源生产量和能源生产时间添加进可再生能源供给源可视化标识信息；进行能源调度管控。本发明解决了现有技术中存在可再生能源管理控制可视化程度低，无法进行准确管控的技术问题。
-
Patent Agency Ranking
公开(公告)号：CN114510512B
公开(公告)日：2023-10-31
申请号：CN202111574771.8
申请日：2021-12-21
Applicant: 大唐可再生能源试验研究院有限公司
Inventor： 张舒翔 , 徐志轩 , 吴立东 , 唐宏芬 , 尹男 , 曹庆才 , 张建新 , 张树晓 , 张礼兴 , 郭旭峰 , 荀佳萌 , 曹善桥 , 高德兰 , 刘显荣 , 石如心 , 王娟
IPC: G06F16/2458 , G06N3/04 , H02J7/35 , H02J13/00 , H05K5/02
Abstract: 本发明公开了一种基于深度学习与多重集成的风电短期功率预测方法，包括以下步骤：步骤一、使用数据收集装置获取待预测风电所在区域的气象数据；步骤二、数据收集装置通过预处理模块对获取的气象数据进行预处理；步骤三、针对气象数据不同变量，采用标准方法进行归一化处理；步骤三、对气象数据不同变量之间的相关性进行分析；步骤四、深度与多重集成式的神经网络结构设计；步骤五、利用训练样本数据对深度与多重集成式的神经网络进行训练；步骤六、在风电短期功率预测模块中，利用训练好的深度与多重集成式的神经网络模型对测试样本的风电短期功率进行预测。本发明便于更加全面的收集区域内的气象数据，使得数据有效性更强，避免数据单一性。
-
公开(公告)号：CN115420328A
公开(公告)日：2022-12-02
申请号：CN202210757830.3
申请日：2022-08-29
Applicant: 大唐可再生能源试验研究院有限公司 , 大唐国信滨海海上风力发电有限公司
Abstract: 本申请提出了一种风电桩基冲刷检测方法，包括：步骤1：获取风电桩基现场环境数据；步骤2：根据现场环境数据，确定测量船；步骤3：根据测量船，设计并安装支架；步骤4：在支架上安装多波束测深系统；步骤5：进行测线布设；步骤6：完成测线布设之后，进行水深数据采集和显示；步骤7：对采集的水深数据进行处理，并输出水深数据；步骤8：获取原始水深数据，并对比本次采集的水深数据和原始水深数据，确定以风电桩基为中心的预设范围内的冲刷情况。
-
公开(公告)号：CN118052445A
公开(公告)日：2024-05-17
申请号：CN202311768582.3
申请日：2023-12-21
Applicant: 大唐可再生能源试验研究院有限公司
IPC: G06Q10/0637 , H02J3/38 , G06Q50/06
Abstract: 本发明提供了一种风电机组发电性能评估方法，所述方法包括(1)选取待评估风电机组；(2)获取基准评估期电量和优化评估期电量；(3)进行电量提升效果评估；(4)获取基准评估期故障率和优化评估期故障率；(5)进行故障率变化评估。本发明采用双机组模式(优化机组和参考机组)评估发电量提升效果和故障率变化，考虑风向和风速变化，并采用两种方法得到结果选取较低值作为最终的电量提升比率值，可以达到很好的准确性。
-
公开(公告)号：CN114483478B
公开(公告)日：2023-10-24
申请号：CN202111574752.5
申请日：2021-12-21
Applicant: 大唐可再生能源试验研究院有限公司
Abstract: 本发明公开了一种基于SCADA大数据的风电场故障预警方法，涉及风电场故障预警技术领域，包括风电场本体、风电设备、无线收发模块组和备用电池组，还包括，步骤S1：温度采集单元实时不间断采集风电场本体电力线路上的温度变化情况；步骤S2：湿度采集单元实时不间断采集风电场本体电力线路上的湿度变化情况；步骤S3：电压在线监测单元实时不间断采集风电场本体电力线路上的电压变化情况。该基于SCADA大数据的风电场故障预警方法通过实时监测风电场电力线路上的温度、湿度和电压变化情况能够实时监测风电场电力线路的运行情况，提前发现并处理风电场故障信息，及时提供风电场故障预警信息，保证风电场安全运行。
-
公开(公告)号：CN114320773B
公开(公告)日：2023-09-22
申请号：CN202111580061.6
申请日：2021-12-22
Applicant: 大唐可再生能源试验研究院有限公司
IPC: F03D17/00
Abstract: 本发明公开了一种基于功率曲线分析与神经网络的风电机组故障预警方法，充分利用SCADA数据，且不需要对风电机组复杂的物理特性进行分析，将该方法分别用于风电场的变桨系统和偏航系统的故障预警，进一步证明方法的有效性，LPP特征提取降低了建模和预测的难度，提高了预测精度，神经网络算法中的极端学习机在学习速度和泛化性能上都比传统的BP神经网络更有优势，与极端学习机预测模型对比，核极端学习机预测模型在稳定性和预测精度上有一定的改善，信息熵方法结合熵的概念，能够对数据的变化剧烈程度进行量化，该方法能够实现风电机组早期故障的检测，从而达到故障预警的目的。
-
-
-
-
-
-
-
-
-
Search Results
45
records
(took 0.091 seconds)
