-
公开(公告)号：CN118686750A
公开(公告)日：2024-09-24
申请号：CN202410683082.8
申请日：2024-05-30
Applicant: 河北工业大学
IPC: F03D17/00 , G01M13/00 , G06F18/10 , G06F18/2131 , G06F18/22 , G06F18/2431 , G06F18/23213
Abstract: 本发明公开了一种基于模态分类与对称变换倍频程的风机叶片故障诊断方法，首先采集原始声音信号，对原始声音信号进行分帧，计算各帧信号的短时能量，根据短时能量较大的三帧信号确定风噪信号；同时，对原始声音信号进行模态分解，将所有模态分量划分为噪声模态分量、混合模态分量和信号模态分量，并对混合模态分量进行降噪；剔除噪声模态分量，利用信号模态分量和降噪后的混合模态分量进行信号重构，实现原始声音信号的降噪；然后，对声音信号进行频带划分，同时对降噪后的声音信号进行分帧，计算每帧信号在各个频带内的功率，组成特征向量，进而得到叶片声音信号的特征向量；最后，对叶片声音信号的特征向量进行聚类，得到两个簇的分布判断风机叶片是否发生故障。该方法从原始声音信号中直接提取风噪信号，避免了风噪不同所导致的降噪效果不同，频带划分更加关注叶片声音信号的主要分布频段。
-
公开(公告)号：CN118572689A
公开(公告)日：2024-08-30
申请号：CN202410653526.3
申请日：2024-05-24
Applicant: 河北工业大学
IPC: H02J3/00 , G06Q10/0631 , G06Q50/06 , G06F18/15 , G06F18/213 , G06F18/25 , G06N3/045 , G06N3/042 , G06N3/0442 , G06N3/0464 , G06N3/0499 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于DSTGLM‑TCN‑GCN的电动汽车充电站群短期负荷预测方法，首先获取待预测区域电动汽车充电站群历史时期的负荷序列，并对缺失值、异常值进行填补；对负荷序列进行归一化处理，将归一化后的负荷序列按照时间窗口进行划分；然后，构建由动态时空图学习模块和TCN‑GCN模型组成的DSTGLM‑TCN‑GCN模型；多个连续时间步的负荷经过动态时空图学习模块进行处理，得到各个时间步的动态时空邻接矩阵；多个时间步的负荷和动态时空邻接矩阵同时输入到TCN‑GCN模型中，提取每个时间步的时空特征，时空特征经过全连接层，得到负荷预测结果；最后，对DSTGLM‑TCN‑GCN模型进行训练，将训练后的DSTGLM‑TCN‑GCN模型作为负荷预测模型，用于电动汽车充电站群短期负荷预测。通过动态时空邻接矩阵更好地描述电动汽车充电站群节点间关联程度的动态变化，有利于提高预测精度。
-
公开(公告)号：CN117375081A
公开(公告)日：2024-01-09
申请号：CN202311333958.8
申请日：2023-10-16
Applicant: 河北工业大学
IPC: H02J3/38 , G06F30/18 , G06F30/27 , G06N7/01 , G06Q10/0639 , G06Q50/06 , H02J3/14 , H02J3/32 , H02J3/28 , H02J3/06 , H02J3/00 , H02J15/00 , G06F111/08 , G06F113/04 , G06F119/02
Abstract: 计及柔性负荷的低碳型孤岛微电网系统的可靠性评估方法，所述方法包括以下步骤：搭建系统模型并输入系统各个元件的参数；步骤2、根据元件的马尔科夫两状态模型与时序蒙特卡洛法生成系统的状态矩阵；步骤3、进行柔性负荷的日前优化调度；步骤4、进行日内可靠性评估；步骤5、若ND
-
公开(公告)号：CN113241768B
公开(公告)日：2023-06-02
申请号：CN202110581805.X
申请日：2021-05-24
Applicant: 河北工业大学
Abstract: 本发明为一种考虑混合无功响应的双层无功电压协调控制方法，将SVC与慢速无功调节设备一起纳入协调控制，所述慢速无功调节设备包括慢速连续设备和离散设备，当系统出现扰动后，充分利用系统内不同调节特性的各类连续和离散无功设备，实现对系统电压的快速动态支撑；在彼此之间不产生冲突的情况下对系统电压和动态无功储备按照控制目标优先级和控制时序进行优化控制；在动态无功储备优化过程中，优先考虑快慢连续无功设备之间的无功交换，实现无功精细分配，当某台发电机的无功超过容量限制时，按照无功缺额进行并联电容器组的投切，实现SVC和离散设备之间的无功交换。该方法实现了扰动后的电压快速平滑调控和稳态下的动态无功储备优化控制。
-
公开(公告)号：CN110096673B
公开(公告)日：2023-03-14
申请号：CN201910352976.8
申请日：2019-04-29
Applicant: 河北工业大学
Abstract: 本发明提出一种适用于信号分解的EMD改进方法，方法包括：针对信号EMD分解过程，在生成信号上下包络线步骤中，计算待测信号所有极大值和极小值的平均值a、b，并定义a、b为信号上下包络线的两端端点；在设置信号分解停止准则步骤中，利用相邻的imf分量间的相关系数的局部极小值或imf分量频谱能量的变化趋势的局部极大值设置新的停止准则，代替传统EMD分解停止准则。所述改进方法能够有效地解决端点效应问题，可以直接得到有效的imf分量，避免了信号无效的分解过程，缩短了EMD分解信号的耗时，提高了EMD分解的效率。
-
Patent Agency Ranking
公开(公告)号：CN113205226B
公开(公告)日：2022-10-14
申请号：CN202110588219.8
申请日：2021-05-28
Applicant: 河北工业大学
Abstract: 本发明为一种结合注意力机制以及误差修正的光伏功率预测方法，该方法包括以下内容：建立BiLSTM‑Attention神经网络模型；选取与待预测日相近的历史相似日的光伏发电序列为训练样本，并对历史相似日的光伏功率序列进行模态分解，得到不同的分量，然后以每个分量作为输入分别训练一个BiLSTM‑Attention神经网络模型，得到每个分量的预测值，所有分量的预测值相加得到总的预测值记为y1；同时，以训练样本直接训练一个BiLSTM‑Attention神经网络模型，得到训练样本的预测值，再将相似日的训练样本的预测值与真实的训练样本做差获得误差序列；对误差序列进行相同的分解、预测操作得到总的误差预测值记为y2；则最终的预测结果y为二者相加。实现了光伏功率预测结果的修正，使预测结果更加准确。
-
公开(公告)号：CN112330487B
公开(公告)日：2022-10-04
申请号：CN202011206980.2
申请日：2020-11-03
Applicant: 河北工业大学
Abstract: 本发明为一种光伏发电短期功率预测方法，该方法包括以下内容：获取光伏电站包括各种气象信息影响因素的历史数据，并应用互信息提取出互信息值大于0.7所对应的主要影响因素，以所提取的主要影响因素构成训练和测试数据样本；建立Elman神经网络，并对网络参数进行初始化，以样本作为神经网络的输入，神经网络的输入向量维度与所提取的主要影响因素的数量一致；利用改进的杂交粒子群‑禁忌搜索混合算法优化神经网络的网络结构单元的连接权值，将互信息提取的主要影响因素输入优化后的Elman神经网络进行最后的预测，得到光伏发电功率。该方法有效的解决易早熟问题，避免了局部收敛和粒子搜索能力的下降，防止陷入局部最优，整体实现了光伏预测的准确性。
-
公开(公告)号：CN115085636A
公开(公告)日：2022-09-20
申请号：CN202210822906.6
申请日：2022-07-14
Applicant: 天津滨海高新区河工电器科技有限公司 , 河北工业大学
Abstract: 本发明提供了一种复合协同的发电装置、控制方法及控制系统，涉及新能源设备领域，包括光伏装置，垂直轴风力机以及塔筒，塔筒内设有主轴，侧边设有驱动电机，垂直轴风力机包括升力型叶片，叶片支架，转动轴以及永磁发电机，光伏装置包括光伏阵列以及光伏底座，光伏阵列的非对光侧倾斜设有安装护板，光伏阵列与光伏底座之间设有导流板。本申请通过多个共用结构件实现总体结构的紧凑和成本的降低。该装置白天以光伏发电为主、可实现“光伏+风电”模式运行，实现该装置最大发电功率。夜间该装置切换到“风电”模式下运行。当垂直轴风力机超过额定风速后，该装置可以减少风能捕获，借助电磁刹车器减速直至刹车停机。
-
公开(公告)号：CN114841193A
公开(公告)日：2022-08-02
申请号：CN202210304543.7
申请日：2022-03-21
Applicant: 河北工业大学
Abstract: 本发明为一种改进MFCC算法的风机叶片故障诊断方法，首先对传统MFCC算法的物理频率与梅尔频率转换公式进行改进，将声音信号的全频域分为三个频段，对三个频段赋予不同权重，故障信号频段的权重最大，权重越大频段内放置滤波器的个数越多，使得改进后的MFCC算法更加关注故障信号频段，提取到更多故障信息；其次，利用K‑means聚类算法对MFCC特征矩阵的所有样本特征帧进行聚类，并利用群智能算法对故障信号频段进行迭代寻优；最后，将聚类结果输入到SVM中进行训练，将训练后的SVM用于故障诊断。该方法得到的聚类结果条形图具有良好的周期性，聚类结果更准确，有利于提高故障诊断的准确率。
-
公开(公告)号：CN112329339B
公开(公告)日：2022-07-19
申请号：CN202011162929.6
申请日：2020-10-27
Applicant: 河北工业大学
IPC: G06F30/27 , G06Q10/04 , G06Q50/06 , G06N3/04 , G01P5/00 , G06F111/08 , G06F113/08
Abstract: 本发明公开一种风电场短期风速预测方法，该预测方法对风速分解后的风速分量进行重新组合，得到两个风速分量，降低了多个风速分量预测误差累积造成的整体预测误差过大，并且将影响风速预测效果的风速随机波动提取出来，提高另一风速分量的预测精度。此外，应用人工鱼群算法优化RBF神经网络提高了神经网络的预测精度和计算效率。对于影响风速预测的随机波动，建立了风速波动量对趋势量的相依概率模型，使风速随机波动预测更加准确，提高了风速预测精度。
-
-
-
-
-
-
-
-
-
Search Results
121
records
(took 0.035 seconds)
