基于融合特征的知识图谱的水电机组故障诊断方法和系统

    公开(公告)号:CN110033101A

    公开(公告)日:2019-07-19

    申请号:CN201910173342.6

    申请日:2019-03-07

    Abstract: 本发明公开了一种基于融合特征的知识图谱的水电机组故障诊断方法和系统,属于故障诊断技术领域。包括:根据水电机组振动数据,提取水电机组的结构化振动数据特征;根据水电机组多种诊断报告,提取水电机组的非结构化文本数据特征;将水电机组的结构化振动数据特征和非结构化文本数据特征进行异构知识融合,得到融合特征;根据融合特征,构建水电机组故障诊断知识图谱;根据水电机组故障诊断知识图谱和水电机组当前状态特征,对水电机组当前状态进行推理诊断。本发明通过融合结构化数据和非结构化数据,构建双层结构的水电机组故障诊断知识图谱,既保证了对文本和数据知识的合理且充分的利用,并有效地保证了在数据更新情况下图谱的稳定性。

    一种抽水蓄能机组导叶关闭规律双目标优化方法及系统

    公开(公告)号:CN108280263A

    公开(公告)日:2018-07-13

    申请号:CN201711430466.5

    申请日:2017-12-26

    Abstract: 本发明提出一种基于双目标优化的抽水蓄能机组双目标导叶关闭优化方法及系统,具体为:采集初始时刻的机组转速、蜗壳水击压力;建立抽水蓄能机组过渡过程仿真模型,模型输出为机组转速、蜗壳水击压力,模型输入是导叶关闭规律;在控制参数和目标函数约束条件下,以双目标优化函数为目标,迭代求解抽水蓄能机组过渡过程仿真模型,获得最优控制参数。本发明同时优化转速指标和水击压力指标,单次求解优化模型即可获得关闭规律优化方案集,该方法充分反应了目标的对立特性,显著提高了导叶关闭规律的优化效率。

    一种基于DdAE深度学习模型的水电机组故障诊断方法与系统

    公开(公告)号:CN108062572A

    公开(公告)日:2018-05-22

    申请号:CN201711461876.6

    申请日:2017-12-28

    Abstract: 本发明涉及水电机组故障诊断技术领域,具体涉及一种基于DdAE深度学习模型的水电机组故障诊断方法与系统。本发明建立在对水电机组原始振动数据分析的基础上,采用了基于多层神经网络模型的深度学习特征提取方法,不需要复杂的人工处理和特征提取过程,采用基于随机搜索的ASFA方法进行DdAE的结构参数调优,达到策略优化的目的。通过深度降噪自动编码器模型实现了原始数据的分布式表达,并将特征提取后的重构数据输入至Softmax回归模型判断水电机组的工作状态和故障类型。网络试验结果分析表明,该方法能有效地应用于水电机组的故障诊断。

    一种基于区间二型T-S模糊模型的短期风速预测方法与系统

    公开(公告)号:CN108053077A

    公开(公告)日:2018-05-18

    申请号:CN201711463836.5

    申请日:2017-12-28

    Abstract: 本发明公开一种基于区间二型T‑S模糊模型的短期风速预测方法与系统。方法中对历史实际风速观测数据进行变分模态分解VMD为K个模态,对每个模态进行属性选择和归一化处理,建立预测模糊模型;利用区间二型模糊C回归聚类IT2‑FCR对模型进行结构划分,并以实际观测风速数据与模糊模型预测结果的加权均方根误差为目标函数利用引力搜索算法GSA进行模型前件参数优化;利用最小二乘法对模型参数进行辨识。从而得到以历史实际观测数据为输入的短期风速预测区间二型T‑S模糊模型。本发明采用一种新型的二型超平面隶属函数,可以提高风速模糊预测模型的辨识精度,能得到更精确的辨识参数,使得对应的风速预测结果与实际观测风速吻合更好。

    一种基于人工神经网络的风速区间预测方法与系统

    公开(公告)号:CN108022025A

    公开(公告)日:2018-05-11

    申请号:CN201711463820.4

    申请日:2017-12-28

    Abstract: 本发明公开了一种基于人工神经网络的风速区间预测方法与系统,用于风场的短期风速预测。首先运用变分模态分解(variational mode decomposition,VMD)把初始复杂的时间序列分解为多个结构简单的时间序列。再用Gram‑Schmidt正交化(Gram‑Schmidt orthogonal,GSO)进行特征选择。将处理好的风速序列作为人工神经网络(artificial neural network,ANN)的输入,ANN的输出为未来时刻风速的上下界。最后通过多目标引力搜索算法(Multi objective gravitational search algorithm,MOGSA)训练ANN权重与偏置,以覆盖率和区间宽度两个矛盾的指标作为优化目标,得到最优方案集。通过该方法预测出来的风速区间对实际的风速区间覆盖率高,区间宽度窄。该组合模型将预测的准确度提升到一个很高的水平。

    一种基于DdAE深度学习模型的水电机组故障诊断方法与系统

    公开(公告)号:CN108062572B

    公开(公告)日:2021-04-06

    申请号:CN201711461876.6

    申请日:2017-12-28

    Abstract: 本发明涉及水电机组故障诊断技术领域,具体涉及一种基于DdAE深度学习模型的水电机组故障诊断方法与系统。本发明建立在对水电机组原始振动数据分析的基础上,采用了基于多层神经网络模型的深度学习特征提取方法,不需要复杂的人工处理和特征提取过程,采用基于随机搜索的ASFA方法进行DdAE的结构参数调优,达到策略优化的目的。通过深度降噪自动编码器模型实现了原始数据的分布式表达,并将特征提取后的重构数据输入至Softmax回归模型判断水电机组的工作状态和故障类型。网络试验结果分析表明,该方法能有效地应用于水电机组的故障诊断。

    一种抽水蓄能机组开机规律的双目标优选方法及系统

    公开(公告)号:CN108304615B

    公开(公告)日:2019-12-20

    申请号:CN201711451826.X

    申请日:2017-12-28

    Abstract: 本发明公开了一种抽水蓄能机组开机规律的双目标优选方法及系统,用于在抽水蓄能机组水轮机工况开机时,对决策变量进行优选。该方法具体为:根据抽水蓄能机组调节系统建立仿真模型,以转速超调量和转速上升时间建立双目标优化函数,在决策变量、转速曲线和目标函数约束条件下,迭代求解抽水蓄能机组调节系统仿真模型,获得最优导叶开启规律集。本发明选择转速上升时间和转速超调量为两个优化目标,能够寻找到一组优化解,给决策者提供了更多的选择机会,通过决策选择出的解代表更优的开机规律。更优的开机规律能使抽水蓄能机组水轮机工况开机时间更短,机组转速超调更小,机组转速调节时间更短,系统过渡过程动态特性品质更优。

Patent Agency Ranking