-
公开(公告)号：CN117760734A
公开(公告)日：2024-03-26
申请号：CN202311817838.5
申请日：2023-12-27
Applicant: 东北电力大学
IPC: G01M13/045 , F03D17/00 , G06F18/214 , G06F18/2433 , G06F18/10 , G06F18/213
Abstract: 本发明公开了一种风力发电机组齿轮箱轴承故障诊断方法及系统，方法包括：获取风力发电机组SCADA数据与齿轮箱振动数据，并对数据进行预处理；通过RFE‑CV对预处理后的SCADA数据进行特征筛选；基于模型级融合策略与多层卷积神经网络‑长短时记忆网络构建故障诊断模型；将筛选后的SCADA数据和预处理后的齿轮箱振动数据输入所述故障诊断模型中，完成特征提取和特征融合，使用融合特征训练故障诊断模型；利用训练好的故障诊断模型对风力发电机组齿轮箱轴承进行故障诊断。本发明可有效提升对风力发电机组齿轮箱轴承故障诊断的效率和准确率，有利于及时发现风力发电机组齿轮箱轴承故障，有助于风力发电机组的长期稳定运行。
-
公开(公告)号：CN105484224A
公开(公告)日：2016-04-13
申请号：CN201510841215.0
申请日：2015-11-28
Applicant: 东北电力大学
CPC classification number: E02D3/00 , A01G17/005
Abstract: 本发明是一种移动沙丘治理方法，其特点是：包括以下步骤：根据设计建立地下水库；推土机推平沙丘；平板型夯实机夯实推平的沙丘作为场地；压道机压平场地；覆盖场地；在覆盖的场地上建设各种工厂，按照规划建设道路和绿化林带。所述覆盖场地采用钢筋混凝土预制板覆盖，相邻的钢筋混凝土预制板之间铰接，铰接处设置雨水篦子，覆盖的场地包括道路工程场地、绿化种植工程场地和企业建设工程场地。有益效果是：安装清洁电力生产装置，有效减少城镇工厂的建设用地面积，增加农业耕地面积，迁移对水质、空气或噪音污染的企业，减少对城镇居民产生的影响，提高人们的生活质量，利用网格植树造林或种植植物，阻挡风沙、净化空气、降低雾霾。
-
公开(公告)号：CN105279573B
公开(公告)日：2018-09-07
申请号：CN201510599277.5
申请日：2015-09-19
Applicant: 东北电力大学
Abstract: 一种火电厂煤耗率经济性分析方法，其特点是，包括的步骤有：通过相关热工测量元器件测量主汽流量、煤水比、再热器蒸汽压力、总风量、凝汽器真空、干渣温度、锅炉炉膛负压、给水流量、再热器温度及烟气含氧量等过程参量；通过现场的功率表读取火电机组实时发电功率，将测得的入炉总煤量除以火电机组实时发电功率，得单元机组实时煤耗率。以上述过程参量为输入，以单元机组实时煤耗率为输出，基于偏最小二乘理论提取主成分；接着以所提取的主成分为模型输入，以煤耗率为输出搭建煤耗率经济性分析模型。根据电力行业煤耗率评价标准对测试样本的经济性优劣进行评判。具有模型预测精度更高，预测偏差满足工程要求，实际工程应用价值高等优点。
-
公开(公告)号：CN103729534A
公开(公告)日：2014-04-16
申请号：CN201210408734.4
申请日：2012-10-13
Applicant: 东北电力大学
Abstract: 本发明搭建了污垢实验装置，提出了一种弧线管换热器的颗粒污垢热阻预测方法，并利用面向对象高级语言Delphi开放了相应的预测系统。本发明包括污垢实验装置的搭建，实验管材及几何尺寸的确定，测量及控制单元的安装，参数的测量与处理，预测模型的搭建及重要参数的寻优，评判模型、预测系统的搭建及应用几个部分。本发明克服了神经网络等常规方法的局部极小值问题，有效地抑制了欠学习和过学习现象，解决了机器学习理论中的泛化问题，计算量小，模型寻优速度快，可实现换热设备污垢热阻的在线监测。其最突出的优点是能够利用小样本进行模型的训练。由于模型是从温度、流速等比较容易测量的参数着手来预测换热器污垢特性，因此节省了大量的人力和物力，为以后在已知水质条件下设计冷却水系统，提前预知污垢特性提供了一种新方法。
-
公开(公告)号：CN105422381A
公开(公告)日：2016-03-23
申请号：CN201510980206.X
申请日：2015-12-24
Applicant: 东北电力大学
Abstract: 本发明是一种聚能多转子阻力型垂直轴风力发电机，其特点是，包括：沿轴向方向依次连接的若干个风力发电机，所述的若干个风力发电机的结构均是在发电机的转子钢管上固定有风压槽型叶片，通过交替设置顺时针方向的风压槽型叶片、逆时针方向的风压槽型叶片获取顺时针旋转的风力发电机、逆时针旋转的风力发电机。具有结构合理，能够更有效的利用能源，能量转换效率高，占地面积小等优点。
-
Patent Agency Ranking
公开(公告)号：CN104897725A
公开(公告)日：2015-09-09
申请号：CN201510334166.1
申请日：2015-06-17
Applicant: 东北电力大学
Abstract: 本发明是一种换热器污垢特性监测方法，其特点是，包含有：人工硬水配置、水浴温度的建立、污垢实验、数据的测量、工质元吸热量的计算、更换实验管和改变实验工质的流速等步骤，将不锈钢材质的实验管装入实验系统；启动变频水泵，将工质送至实验管段，进行热交换，吸收热量；将在线测得的工质的温度、流速等参数，连同实验管参数等代入工质元单位时间吸热方程，通过绘制工质元吸热量曲线，反映了该实验管污垢特性随时间变化的趋势。使用时，启动在线监测系统，采集实验管入口温度、出口温度，流速等信号，将信号输入计算机，计算工质元吸热量。具有方法科学合理，切实可行，实际应用价值高，能够快速、准确的对换热器污垢特性进行监测的特点。
-
公开(公告)号：CN117760735A
公开(公告)日：2024-03-26
申请号：CN202311819532.3
申请日：2023-12-27
Applicant: 东北电力大学
IPC: G01M13/045 , F03D17/00 , G06F18/213 , G06F18/214 , G06F18/10 , G06F18/2433
Abstract: 本发明公开了一种基于数字孪生的风力发电机组轴承故障诊断方法，包括如下步骤：S1、构建风力发电机组轴承的数字孪生模型；S2、采用数字孪生模型，生成风力发电机组轴承的历史故障孪生振动数据；S3、基于历史故障孪生振动数据，对数字孪生模型进行调整；S4、通过调整后的数字孪生模型，生成风力发电机组轴承的早期故障孪生振动数据；并对早期故障孪生振动数据进行预处理；S5、通过预处理后的早期故障孪生振动数据，训练生成故障诊断模型；S6、使用训练好的故障诊断模型，对待诊断的风力发电机组轴承进行故障诊断。该方法提升了模型训练效率，实现了对风力发电机组轴承早期故障的精准诊断。
-
公开(公告)号：CN110674605A
公开(公告)日：2020-01-10
申请号：CN201910909668.0
申请日：2019-09-24
Applicant: 东北电力大学
Abstract: 本发明公开了一种基于运行参数的风机功率建模方法，它包含如下步骤：通过相关测量元器件测得风场运行风机主要运行参数；利用相关性分析方法确定模型的输入变量，模型的输出变量为风机功率；基于Morlet小波神经网络构建风机功率预测模型；为了提高模型的预测精度，分别对模型的隐层节点数、学习因子及连接权值进行优化。本发明和众多国内外风机功率建模与预测模型相比，由于采用了模型结构、模型参数逐次优化，步步逼近的方法，提高了模型预测精度，预测偏差满足工程要求，因此所建模型有实际工程参考与应用价值。
-
公开(公告)号：CN105422381B
公开(公告)日：2018-06-19
申请号：CN201510980206.X
申请日：2015-12-24
Applicant: 东北电力大学
Abstract: 本发明是一种聚能多转子阻力型垂直轴风力发电机，其特点是，包括：沿轴向方向依次连接的若干个风力发电机，所述的若干个风力发电机的结构均是在发电机的转子钢管上固定有风压槽型叶片，通过交替设置顺时针方向的风压槽型叶片、逆时针方向的风压槽型叶片获取顺时针旋转的风力发电机、逆时针旋转的风力发电机。具有结构合理，能够更有效的利用能源，能量转换效率高，占地面积小等优点。
-
公开(公告)号：CN105956710A
公开(公告)日：2016-09-21
申请号：CN201610325963.8
申请日：2016-05-17
Applicant: 东北电力大学
IPC: G06Q10/04
CPC classification number: G06Q10/04
Abstract: 一种考虑参数不确定性的结构动力系统响应的预测方法，其特点是：包括：将系统的不确定性通过随机变量加以参数描述，给出各个随机变量的分布律；将非正态分布的多元随机变量，转换成相互统计独立的多元正态分布变量；基于多变量Fourier‑Hermite多项式展开，将结构动力系统响应表达为相互统计独立的多元正态分布变量多项式函数形式；利用Gauss‑Hermite数值积分计算多项式展开的待定系数及计算均值响应；将所得多项式系数及均值响应回代到Fourier‑Hermite多项式中得到系统响应的显示化多项式函数；基于系统响应多项式函数，嵌入局部MonteCarlo模拟，获得结构动力系统响应的统计特征。
-
-
-
-
-
-
-
-
-
Search Results
14
records
(took 0.026 seconds)
