-
公开(公告)号：CN103984956A
公开(公告)日：2014-08-13
申请号：CN201410172548.4
申请日：2014-04-25
Applicant: 广东电网公司电力科学研究院 , 华中科技大学
Abstract: 本发明公开了基于机器视觉图像对电力系统风力发电机叶片表面点蚀故障进行诊断的方法，包括：步骤一、划分风力发电机叶片，获得叶片基元；步骤二、对风力发电机叶片基元进行拍照，并对背景进行剔除；步骤三、对图像基元进行特征提取；步骤四、提出一种神经网络聚类—LLE流行学习算法对提取的多维图像特征进行降维；步骤五、通过实验获取风力机叶片正常状态图像基元以及表面点蚀故障图像基元；步骤六、使用训练数据库对故障诊断所用的支持向量机进行训练；步骤七、使用步骤六中训练好的支持向量机对风力发电机叶片基元的表面是否存在点蚀故障进行诊断；步骤八、对所有的叶片基元均进行步骤二、三、四、七的操作，直至完成整片叶片的点蚀诊断。
-
公开(公告)号：CN107203137A
公开(公告)日：2017-09-26
申请号：CN201710494156.3
申请日：2017-06-26
Applicant: 华中科技大学
IPC: G05B13/04
CPC classification number: G05B13/042
Abstract: 本发明公开了一种复杂非线性抽水蓄能机组调速系统的启发式增益自适应PID控制方法。首先以简单实用的并联PID控制结构为基础，建立启发式增益自适应PID控制器；同时构建非线性抽水蓄能机组调速系统精细化模型；接着建立非线性抽水蓄能机组调速系统HGS‑NPID控制参数优化的多目标函数；进一步，运用多目标人工羊群算法对非线性抽水蓄能机组调速系统HGS‑NPID控制参数进行优化。本发明提出的非线性抽水蓄能机组调速系统启发式增益自适应PID控制方法实现简单、实时性强，控制增益能根据工况点变化实现在线自适应调整，既能充分适应抽水蓄能机组调速系统水击与非线性，又能改善常规控制方式在不同水头工况下的动态品质。
-
公开(公告)号：CN103982378B
公开(公告)日：2017-01-11
申请号：CN201410171787.8
申请日：2014-04-25
Applicant: 广东电网公司电力科学研究院 , 华中科技大学
IPC: F03D80/40
CPC classification number: Y02E10/722
Abstract: 本发明公开了基于机器视觉图像对电力系统风力发电机叶片表面结冰故障进行诊断的方法，包括如下步骤：步骤一、划分风力发电机叶片，获得叶片基元；步骤二、对风力发电机叶片基元进行拍照，并对背景进行剔除；步骤三、对步骤二获得的叶片基元结果图像进行二次划分成图像基元，并对基元结果图像进行特征提取；步骤四、对故障诊断所用的支持向量机进行训练；步骤五、使用训练好的支持向量机对风力发电机叶片基元的表面故障种类进行诊断；步骤六、对所有的叶片基元均进行步骤二、三、五的操作，直至完成整片叶片的表面结冰故障诊断。该方法诊断精度高。
-
公开(公告)号：CN107203137B
公开(公告)日：2018-11-30
申请号：CN201710494156.3
申请日：2017-06-26
Applicant: 华中科技大学
IPC: G05B13/04
Abstract: 本发明公开了一种复杂非线性抽水蓄能机组调速系统的启发式增益自适应PID控制方法。首先以简单实用的并联PID控制结构为基础，建立启发式增益自适应PID控制器；同时构建非线性抽水蓄能机组调速系统精细化模型；接着建立非线性抽水蓄能机组调速系统HGS‑NPID控制参数优化的多目标函数；进一步，运用多目标人工羊群算法对非线性抽水蓄能机组调速系统HGS‑NPID控制参数进行优化。本发明提出的非线性抽水蓄能机组调速系统启发式增益自适应PID控制方法实现简单、实时性强，控制增益能根据工况点变化实现在线自适应调整，既能充分适应抽水蓄能机组调速系统水击与非线性，又能改善常规控制方式在不同水头工况下的动态品质。
-
公开(公告)号：CN103984952B
公开(公告)日：2017-09-22
申请号：CN201410157662.X
申请日：2014-04-18
Applicant: 广东电网公司电力科学研究院 , 华中科技大学
Abstract: 本发明公开了基于机器视觉图像对电力系统风力发电机叶片表面裂纹故障进行诊断的方法，该方法包括步骤一、划分风力发电机叶片，获得叶片基元；步骤二、对风力发电机叶片基元进行拍照，并对背景进行剔除；步骤三、对步骤二获得的叶片基元结果图像进行二次划分成图像基元，并对基元结果图像进行特征提取；步骤四、对故障诊断所用的支持向量机进行训练；步骤五、使用训练好的支持向量机对风力发电机叶片基元的表面故障种类进行诊断；步骤六、对所有的叶片基元均进行步骤二、三、五的操作，直至完成整片叶片的表面故障诊断。该方法诊断精度高。
-
Patent Agency Ranking
公开(公告)号：CN103984956B
公开(公告)日：2017-07-18
申请号：CN201410172548.4
申请日：2014-04-25
Applicant: 广东电网公司电力科学研究院 , 华中科技大学
Abstract: 本发明公开了基于机器视觉图像对电力系统风力发电机叶片表面点蚀故障进行诊断的方法，包括步骤一、划分风力发电机叶片，获得叶片基元；步骤二、对风力发电机叶片基元进行拍照，并对背景进行剔除；步骤三、对图像基元进行特征提取；步骤四、提出一种神经网络聚类—LLE流行学习算法对提取的多维图像特征进行降维；步骤五、通过实验获取风力机叶片正常状态图像基元以及表面点蚀故障图像基元；步骤六、使用训练数据库对故障诊断所用的支持向量机进行训练；步骤七、使用步骤六中训练好的支持向量机对风力发电机叶片基元的表面是否存在点蚀故障进行诊断；步骤八、对所有的叶片基元均进行步骤二、三、四、七的操作，直至完成整片叶片的点蚀诊断。
-
公开(公告)号：CN106014849A
公开(公告)日：2016-10-12
申请号：CN201610522883.1
申请日：2016-07-05
Applicant: 华中科技大学
CPC classification number: Y02E10/22 , Y02E10/226 , Y02E60/17 , F03B15/00 , F03B13/06 , F05B2270/404 , F05B2270/707
Abstract: 本发明公开了一种抽水蓄能机组调速系统快速非线性模糊预测控制方法，包括模糊PID参数自适应、在线滚动预测和控制律计算三个步骤；该控制方法具有模糊PID控制的参数随工况自调整功能，且通过控制器中建立的抽水蓄能机组调速系统非线性模型利用在线滚动预测方法对系统未来状态进行预测，在即时控制律的设置时考虑到了系统未来状态量偏差信息；本发明提供的这种预测控制方法能够满足抽水蓄能机组在不同工况下的控制过程，有效提高机组控制精度，改善机组运行过程的暂态性能。
-
公开(公告)号：CN104600756B
公开(公告)日：2015-09-16
申请号：CN201510046939.6
申请日：2015-01-29
Applicant: 华中科技大学
Inventor： 周建中 , 李超顺 , 许颜贺 , 朱文龙 , 郑阳 , 薛小明 , 夏鑫 , 张楚 , 付文龙 , 赵威 , 陈晓玥 , 刘懿 , 莫莉 , 严冬 , 闫宝伟 , 孙怀卫 , 赵娜 , 梁籍 , 曾小凡 , 陈璐
IPC: H02J3/46
Abstract: 本发明公开了一种中小型水力发电机组的机群等值建模方法，属于电力系统水力发电机组的机群建模与等值分析领域。本发明首先对电网进行区域划分、建立水力发电机组—负荷等值模型，包括并联PID调速器模型、引水系统弹性水击模型、基于综合特性曲线的六参数水轮机模型、三阶实用发电机模型；通过提出的并行粒子群算法辨识等值水力发电机模型参数和负荷模型参数。本发明获得的等值模型更大程度地满足水电能源系统仿真、电力系统分析和调度运行计算的精细化建模要求。
-
公开(公告)号：CN103984952A
公开(公告)日：2014-08-13
申请号：CN201410157662.X
申请日：2014-04-18
Applicant: 广东电网公司电力科学研究院 , 华中科技大学
Abstract: 本发明公开了基于机器视觉图像对电力系统风力发电机叶片表面裂纹故障进行诊断的方法，该方法包括步骤一、划分风力发电机叶片，获得叶片基元；步骤二、对风力发电机叶片基元进行拍照，并对背景进行剔除；步骤三、对步骤二获得的叶片基元结果图像进行二次划分成图像基元，并对基元结果图像进行特征提取；步骤四、对故障诊断所用的支持向量机进行训练；步骤五、使用训练好的支持向量机对风力发电机叶片基元的表面故障种类进行诊断；步骤六、对所有的叶片基元均进行步骤二、三、五的操作，直至完成整片叶片的表面故障诊断。该方法诊断精度高。
-
公开(公告)号：CN103982378A
公开(公告)日：2014-08-13
申请号：CN201410171787.8
申请日：2014-04-25
Applicant: 广东电网公司电力科学研究院 , 华中科技大学
IPC: F03D11/00
CPC classification number: Y02E10/722
Abstract: 本发明公开了基于机器视觉图像对电力系统风力发电机叶片表面结冰故障进行诊断的方法，包括如下步骤：步骤一、划分风力发电机叶片，获得叶片基元；步骤二、对风力发电机叶片基元进行拍照，并对背景进行剔除；步骤三、对步骤二获得的叶片基元结果图像进行二次划分成图像基元，并对基元结果图像进行特征提取；步骤四、对故障诊断所用的支持向量机进行训练；步骤五、使用训练好的支持向量机对风力发电机叶片基元的表面故障种类进行诊断；步骤六、对所有的叶片基元均进行步骤二、三、五的操作，直至完成整片叶片的表面结冰故障诊断。该方法诊断精度高。
-
-
-
-
-
-
-
-
-
Search Results
21
records
(took 0.126 seconds)
