-
Patent Agency Ranking
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。
-
公开(公告)号：CN114483479B
公开(公告)日：2023-09-12
申请号：CN202111590033.2
申请日：2021-12-23
Applicant: 大唐可再生能源试验研究院有限公司
IPC: F03D17/00 , F03D80/60 , G06F18/2431
Abstract: 本发明公开了一种基于随机森林的风机高温降容状态评估方法，包括具体以下步骤：步骤一：数据采集模块对风电机组工作环境的数据进行采集；步骤二：再由数据传输模块将数据采集模块中采集的当前运行环境温度数据经过控制模块传输到数据对比模块中，与数据对比模块中预设环境温度范围进行比较；步骤三：控制模块对获得的训练集和测试集进行随机森林生成训练，生成风机高温升降容状态随机森林智能体；步骤四：分析模块利用满足准确率的随机森林智能体进行实时运行风险判定分析，从而实时获得风机高温降容状态评估结果。本发明便于在对风机高温降容状态评估之前，先对工作环境温度进行降温，避免使得机组状态进一步恶化导致各类故障的发生。
-
公开(公告)号：CN114508499B
公开(公告)日：2024-01-09
申请号：CN202111580029.8
申请日：2021-12-22
Applicant: 大唐可再生能源试验研究院有限公司
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：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。
-
-
-
-
Search Results
5
records
(took 0.032 seconds)
