一种水电站水车室噪声声源成像方法

    公开(公告)号:CN114018499B

    公开(公告)日:2022-09-09

    申请号:CN202111140680.3

    申请日:2021-09-28

    Abstract: 本申请属于设备状态监测方法技术和故障定位技术领域,具体而言,涉及一种水电站水车室噪声声源成像方法。首先设计一个多声音传感器同步声音采集系统;生成一个声音传感器与水电站水车室之间的声音传播距离与声音传播时间的关系表;采集水电站水车室噪声信号,计算噪声声源成像点噪声信号的强度Image,得到水电站水车室噪声声源的成像;根据噪声声源成像点噪声信号的强度Image,确定噪声声源处的工作状态;将所述成像结果可视化。本方法在水车室内使用多个同步采集的声音传感器设备组合成一个大型的声音传感器阵列,利用声阵列成像算法对水导轴承、上腹板和水车室厂房进行全空间声成像,并利用可视化技术显示设备和空间中不同位置的噪声激发强度,用于水车室运行状态监测和故障定位。

    用于光伏超短期功率预测的精度优化方法及系统

    公开(公告)号:CN118446354B

    公开(公告)日:2025-01-28

    申请号:CN202410420737.2

    申请日:2024-04-09

    Abstract: 本发明公开了一种用于光伏超短期功率预测的精度优化方法及系统,涉及光伏发电管理相关技术领域,该方法包括:交互目标光伏发电系统,提取历史功率数据和气象数据;基于光伏场景数据,进行同态划分,生成光伏场景细分数据;获取目标光伏发电系统的功率预测精度需求;根据响应性需求,进行预测输入信息时长的粒度划分,设定分级预测输入信息深度;构建光伏超短期功率预测深度波动模型;部署于目标光伏发电系统,实现光伏超短期功率预测。解决了现有光伏功率预测存在的实时的光伏数据获取不够准确、可靠,导致功率预测模型的效率和准确性不高进而使得电网运行的稳定性不好的技术问题。

    用于光伏超短期功率预测的精度优化方法及系统

    公开(公告)号:CN118446354A

    公开(公告)日:2024-08-06

    申请号:CN202410420737.2

    申请日:2024-04-09

    Abstract: 本发明公开了一种用于光伏超短期功率预测的精度优化方法及系统,涉及光伏发电管理相关技术领域,该方法包括:交互目标光伏发电系统,提取历史功率数据和气象数据;基于光伏场景数据,进行同态划分,生成光伏场景细分数据;获取目标光伏发电系统的功率预测精度需求;根据响应性需求,进行预测输入信息时长的粒度划分,设定分级预测输入信息深度;构建光伏超短期功率预测深度波动模型;部署于目标光伏发电系统,实现光伏超短期功率预测。解决了现有光伏功率预测存在的实时的光伏数据获取不够准确、可靠,导致功率预测模型的效率和准确性不高进而使得电网运行的稳定性不好的技术问题。

    一种水电站水车室噪声声源成像方法

    公开(公告)号:CN114018499A

    公开(公告)日:2022-02-08

    申请号:CN202111140680.3

    申请日:2021-09-28

    Abstract: 本申请属于设备状态监测方法技术和故障定位技术领域,具体而言,涉及一种水电站水车室噪声声源成像方法。首先设计一个多声音传感器同步声音采集系统;生成一个声音传感器与水电站水车室之间的声音传播距离与声音传播时间的关系表;采集水电站水车室噪声信号,计算噪声声源成像点噪声信号的强度Image,得到水电站水车室噪声声源的成像;根据噪声声源成像点噪声信号的强度Image,确定噪声声源处的工作状态;将所述成像结果可视化。本方法在水车室内使用多个同步采集的声音传感器设备组合成一个大型的声音传感器阵列,利用声阵列成像算法对水导轴承、上腹板和水车室厂房进行全空间声成像,并利用可视化技术显示设备和空间中不同位置的噪声激发强度,用于水车室运行状态监测和故障定位。

    基于离散状态数据和连续监测的故障预测模型方法

    公开(公告)号:CN114706730A

    公开(公告)日:2022-07-05

    申请号:CN202210398076.9

    申请日:2022-04-12

    Abstract: 本发明涉及水电站数据管理领域,目的是提供基于离散状态数据和连续监测的故障预测模型方法,包括下列步骤:步骤S1:获取机组设备的目标时间段内离散数据;步骤S2:按照离散数据捕捉的时间顺序进行排序,得到若干拟合时间段,选取第一拟合时间段内点位上的离散数据进行曲线拟合,根据最大误差阈值判断第一曲线拟合的误差结果,当误差结果不大于最大误差阈值时,执行步骤S4,当误差结果大于最大误差阈值时,执行步骤S3;步骤S3:对第一拟合时间段的终止时间进行修正,直至误差结果不大于最大误差阈值,执行步骤S4;步骤S4:按照时间顺序进行各个拟合时间段的曲线拟合,将各时间段拟合后的曲线与正常运行曲线进行比较,得到监控点位的预测事件结果。

    一种基于云图特征提取的光功率预测方法及系统

    公开(公告)号:CN118428522A

    公开(公告)日:2024-08-02

    申请号:CN202410420538.1

    申请日:2024-04-09

    Abstract: 本申请涉及数据科学技术领域,提供一种基于云图特征提取的光功率预测方法及系统。所述方法包括:建立观测数据类型,提取实时观测数据集,进行数据稳定性分析,确定预测时间跨度;建立云图特征提取指标,对实时云图数据进行特征提取,获取实时云图特征;以预测时间跨度为约束,基于观测数据集预测云图特征变化,得到云图特征预测结果;预构建光功率预测模型,同步云图特征预测至光功率模型,获得关联光功率参数;以预测时间跨度为约束,调用电功率序列,通过关联光功率参数自适应调节基础负荷发电输出功率。本申请通过结合实时观测数据集和云图特征,解决因云的生消移动变化导致的超短期光功率预测精度不足的技术问题,确保电网的安全稳定。

Patent Agency Ranking