-
公开(公告)号：CN114509179A
公开(公告)日：2022-05-17
申请号：CN202111579619.9
申请日：2021-12-22
Applicant: 中国大唐集团新能源科学技术研究院有限公司
IPC: G01K13/00 , G01K1/02 , G06F16/2458
Abstract: 本发明公开了一种风机变桨电机温升故障预警方法，包括测温获取单元、数据储存单元、数值构建单元和预警生成单元，涉及风机变桨电机技术领域，可以通过温度传感模块对变桨电机内的每个时段温度值进行检测，同时对各个时段的温度值进行储存形成历史数据库，而在历史数据库中，可以利用捕捉模型将故障数据区分开，人员可以提前输入预警阀值，将故障数据与预警阀值进行筛选对比，若故障数据大于预警阀值，则可以根据报警器发出预警信息，无需人员自行判断，同时可以大大提高判断温升故障的效率。
-
公开(公告)号：CN112523940A
公开(公告)日：2021-03-19
申请号：CN202011302066.8
申请日：2020-11-19
Applicant: 中国大唐集团新能源科学技术研究院有限公司
IPC: F03D7/00
Abstract: 本发明涉及一种基于状态负荷分配的风电机组能量管理方法，包括：步骤1，将风场内的所有风机分为以下7类步骤2，计算风场需要分配的总的功率值ΔP；步骤3，当ΔP>0时，风力发电机做升功率处理，先采用第5类风电机组进行功率调节，当第5类风力发电机组无法满足升功率需求时，再逐一启动第4类风机进行功率调节，以满足电网调度的需要；当ΔP
-
公开(公告)号：CN112378605A
公开(公告)日：2021-02-19
申请号：CN202011116165.7
申请日：2020-10-19
Applicant: 大唐(赤峰)新能源有限公司 , 中国大唐集团新能源科学技术研究院有限公司
Abstract: 本发明涉及一种基于EMD分解自学习的风电机组叶片故障识别方法，包括：步骤一，采集风电机组叶片声音信号在线监测数据，并对采集的监测数据进行EMD分解；步骤二，将EMD分解后的声音信号与正常声音信息进行比较，若存在差异，获取差异信息对应的IMF分量，并启动视频监测设备采集差异信息对应的风电机组叶片的视频图像数据；步骤三，基于BP神经网络的图像识别方法对采集的视频图像进行识别，得到风电机组叶片故障识别结果。本发明无需进行大量的人工筛选，当叶片出现故障时声音信号出现异常，通过触发视频监测，对高清视频监测图片内叶片表面裂纹、雷击、断裂等进行判断，进而对故障声信号进行标识，适用于对风电机组叶片的声音微弱信号进行检测。
-
公开(公告)号：CN110374795A
公开(公告)日：2019-10-25
申请号：CN201910591303.8
申请日：2019-07-02
Applicant: 中国大唐集团新能源科学技术研究院有限公司
Abstract: 本发明涉及一种可伸缩风力机叶片，包括：叶根伸缩部，其为风力机叶片的根部圆筒段；密封隔板，其用于将叶根伸缩部的底端封闭，以使叶根伸缩部形成活塞形式；空气缸筒，空气缸筒的两端敞开，空气缸筒用来固定于风力机的轮毂上，叶根伸缩部装配于空气缸筒的一端内；调压活塞，其设在空气缸筒的内腔壁的另一端，进而使得叶根伸缩部的密封端部和调压活塞在空气缸筒的内部围成密封空间；以及驱动机构，其用来驱动调压活塞在空气缸筒的另一端内伸缩进而用来调节空气缸筒内的压力，风力机的叶片在旋转过程中实现伸缩。采用此结构对叶片随旋转周期进行有限行程的伸缩，进而限制捕风载荷，均衡叶片载荷，从而达到减小交变载荷。
-
公开(公告)号：CN109404216A
公开(公告)日：2019-03-01
申请号：CN201811587564.4
申请日：2018-12-25
Applicant: 中国大唐集团新能源科学技术研究院有限公司
IPC: F03D7/00
CPC classification number: F03D7/00 , F05B2270/1033 , F05B2270/32
Abstract: 本发明提供一种提高风电机组大风发电量的控制方法，所述风电机组根据功率管理给定输出值按照如下方式运行，当测得平均风速超过25m/s后，给定功率以固定的速率降低功率运行，当风速维持在25m/s～30m/s时，风机以低功率运行，当平均风速大于30m/s时，风机保护停机，当平均风速小于24m/s时，给定功率以固定的速率开始增加至功率输出给定功率，该控制方法可以增加风机可利用小时数，提高发电量。
-
Patent Agency Ranking
公开(公告)号：CN112378605B
公开(公告)日：2023-06-27
申请号：CN202011116165.7
申请日：2020-10-19
Applicant: 大唐(赤峰)新能源有限公司 , 中国大唐集团新能源科学技术研究院有限公司
Abstract: 本发明涉及一种基于EMD分解自学习的风电机组叶片故障识别方法，包括：步骤一，采集风电机组叶片声音信号在线监测数据，并对采集的监测数据进行EMD分解；步骤二，将EMD分解后的声音信号与正常声音信息进行比较，若存在差异，获取差异信息对应的IMF分量，并启动视频监测设备采集差异信息对应的风电机组叶片的视频图像数据；步骤三，基于BP神经网络的图像识别方法对采集的视频图像进行识别，得到风电机组叶片故障识别结果。本发明无需进行大量的人工筛选，当叶片出现故障时声音信号出现异常，通过触发视频监测，对高清视频监测图片内叶片表面裂纹、雷击、断裂等进行判断，进而对故障声信号进行标识，适用于对风电机组叶片的声音微弱信号进行检测。
-
公开(公告)号：CN114510512A
公开(公告)日：2022-05-17
申请号：CN202111574771.8
申请日：2021-12-21
Applicant: 中国大唐集团新能源科学技术研究院有限公司
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：CN114508499A
公开(公告)日：2022-05-17
申请号：CN202111580029.8
申请日：2021-12-22
Applicant: 中国大唐集团新能源科学技术研究院有限公司
Inventor： 徐志轩 , 张舒翔 , 张磊 , 唐宏芬 , 张树晓 , 尹男 , 曹庆才 , 张建新 , 张礼兴 , 郭旭峰 , 荀佳萌 , 曹善桥 , 高德兰 , 刘显荣 , 石如心 , 王娟
IPC: F04D27/00
Abstract: 本发明公开了一种基于机组运行大数据的风机健康度预警系统，包括预警建立系统、数据预处理系统、计算分析系统、数据确定系统和数据对比系统，涉及风机检测技术领域，根据风机齿轮的工作时长，提前在系统内设定疲劳度健康值,生成预警系统，当预警建立系统输入后，可以对风机齿轮的循环载荷力进行计算，从而可以对风机齿轮的疲劳程度进行确定，当风机齿轮的疲劳度计算后，可以将最后的数据通过数据计算模块与提前设定的健康数值进行比较，当计算后的数值超过预设的健康数值时，PCU控制模块将通过报警模块进行预警警报预警，同时显示面板可以将超出健康值的数值进行显示，不仅提高了整体数据的准确性，同时还可以提高作业效率。
-
公开(公告)号：CN114417704A
公开(公告)日：2022-04-29
申请号：CN202111589047.2
申请日：2021-12-23
Applicant: 中国大唐集团新能源科学技术研究院有限公司
IPC: G06F30/27 , G06K9/62 , G06N3/04 , G06N3/08 , G06F113/06 , G06F119/04
Abstract: 本发明公开了一种基于改进栈式自编码的风电机组发电机健康评估方法，涉及风力发电的技术领域，包括以下步骤：S1：获取训练数据集：对风电机组发电机运行数据进行清洗后再进行线性归一化处理，得到有效的训练数据和测试数据，然后对栈式自编码模型进行训练、测试，S2：构建多个栈式自编码器模型：S3：对每个栈式自编码器模型进行训练；S4：集成提取训练数据集的深度特征；S5：将训练好的基准模型作为发电机在线状态检测器，并将册数数据输入到基准模型中，得到每个时间段内风电机组发电机的健康度并输出。保证健康评估结果客观性的前提下提高了准确性，更加灵敏直观、能够再故障发生前检测出故障趋势。
-
公开(公告)号：CN112621745A
公开(公告)日：2021-04-09
申请号：CN202011338589.8
申请日：2020-11-25
Applicant: 中国大唐集团新能源科学技术研究院有限公司 , 大唐滑县风力发电有限责任公司
Abstract: 本发明涉及一种风电机组巡检机器人系统，包括机舱智能巡检机器人、机器人机舱柜、机器人塔底柜及智能巡检机器人远程监控站；机舱智能巡检机器人搭载有监测传感器，用于在机舱内按照规定路线行进，通过搭载的监测传感器对机舱内部监测点进行巡检；监测传感器包括红外夜视摄像头、热成像摄像头、烟雾传感器、声音传感器、温湿度传感器；机舱内部监测点包括发电机、高速轴、齿轮箱、主轴、主轴螺栓、机舱柜；机器人机舱柜包括控制器、稳压电源、光电转换器、光端机；机器人塔底柜包括光端机、wifi网关、手持操作终端；智能巡检机器人远程监控站包括监控设备；本发明实现机舱内部状态监测、数据分析、故障分析，具有可靠、高效、省时、安全等多种优点。
-
-
-
-
-
-
-
-
-
Search Results
46
records
(took 0.052 seconds)
