-
公开(公告)号：CN109139390A
公开(公告)日：2019-01-04
申请号：CN201811127368.9
申请日：2018-09-27
Applicant: 河北工业大学
IPC: F03D17/00
Abstract: 本发明公开了一种基于声信号特征库的风机桨叶故障识别方法，包括以下步骤：步骤1、采集一个风场所有风机正常运行时各自桨叶发出的声音信号，利用梅尔频率倒谱系数法将各台风机桨叶的声信号转化为待测样本的特征矩阵；步骤2、求取各待测样本的特征矩阵分别与正常状态特征库中对应位置的参考样本的特征矩阵的相关系数ρ1，并设定ρ1的初始阀值a，以此为判据判断所测样本是否故障；步骤3、待测样本经过步骤2判断是否故障，故障类型通过故障类型特征库来识别。通过计算待测样本与正常状态特征库、故障类型特征库中对应参考样本的相关系数的大小来判断是否故障，并指示故障的类型，并对相关系数的阀值不断修正，提高叶片故障检测的准确性。
-
公开(公告)号：CN108599236A
公开(公告)日：2018-09-28
申请号：CN201810370225.4
申请日：2018-04-24
Applicant: 华北电力科学研究院有限责任公司 , 国网冀北电力有限公司电力科学研究院 , 河北工业大学 , 国家电网公司
Abstract: 本发明提供了一种双馈风电场次同步振荡SVG抑制方法及装置，方法包括：获取双馈风电场输出端的电压信号、电流信号以及风电场参数；风电场参数包括：风速、输电线路串补度；根据电压信号、电流信号确定有功功率信号、电压振荡幅值以及电流振荡幅值；确定SVG控制器的工作模式；根据确定的工作模式、电压振荡幅值、电流振荡幅值、振荡频率、风电场参数和预先建立的SVG参数表确定SVG控制器的模块参数；SVG参数表为预先建立的不同工作模式下SVG功能模块参数与系统运行信息对应表，利用确定参数的SVG控制器对风电场进行次同步振荡SVG抑制。本发明从采样信号中滤出次同步频段信号，利用电压和有功功率，对双馈风电场次同步振荡SVG抑制。
-
公开(公告)号：CN105069192B
公开(公告)日：2018-02-27
申请号：CN201510424007.0
申请日：2015-07-20
Applicant: 河北工业大学
IPC: G06F17/50
Abstract: 本发明公开了一种基于遗传算法求解风机功率曲线参数模型的改进方法，该方法通过风电机组运行过程中的风机运行数据来确定风机功率曲线参数模型中的各个参数。但使用遗传算法求解模型参数的过程中，每次迭代过程都会计算种群中所有个体的适应度，当风机运行数据的数据量增加时，种群的适应度函数和评价函数的计算量就会随之增加，程序的空间复杂度和时间复杂度也都会增加。因此，本方法首先对风机运行数据按网格聚类并分配权重，之后应用遗传算法确定参数模型中的各个参数。通过对风机运行数据聚类可以避免因风机运行数据的数据增加而导致适应度函数和评价函数计算量增加，通过对聚类点分配权重可以使模型适应大多数原始数据点，增加模型可信度。
-
公开(公告)号：CN120012040A
公开(公告)日：2025-05-16
申请号：CN202510090719.7
申请日：2025-01-21
Applicant: 河北工业大学
IPC: G06F18/27 , H02J3/00 , H02J3/38 , G06F18/23213 , G06F18/15 , G06F18/213 , G06F18/25 , G06F18/214 , G06F18/21 , G06N3/045 , G06N3/0464 , G06N3/0442 , G06N3/084 , G06N3/048 , G06F123/02
Abstract: 本发明公开了一种基于场景实时切换的超短期风电功率预测方法，该方法首先对历史风速时间序列提取可表征风速波动程度的多维特征向量；随后采用K‑means聚类算法对上述多维特征向量进行聚类，将风电运行状态划分为多个场景。然后根据各场景的样本熵值区分强波动与弱波动场景，其中强波动场景采用CNN‑BIGRU模型进行预测；弱波动场景采用最小二乘支持向量机(LSSVM)模型。最后，根据实时风速数据，对待预测时刻前一时序片段的波动特征进行识别，计算与场景聚类中心的欧氏距离，判断所属场景并选择相应预测模型，进而动态地生成风电功率预测结果。该方法能够在风速波动频繁且复杂的环境下实现对不同场景的自适应切换，有效提升超短期风电功率预测的准确性与稳定性。
-
公开(公告)号：CN119878448A
公开(公告)日：2025-04-25
申请号：CN202510065987.3
申请日：2025-01-16
Applicant: 河北工业大学
Abstract: 本发明公开一种漂浮式风电机组稳定性控制方法和装置、系统、存储介质，包括：步骤S1、获取漂浮式风电机组的历史运行数据；步骤S2、根据漂浮式风电机组的历史运行数据训练麻雀搜索算法模型，得到漂浮式风电机组稳定性控制模型；步骤S3、将漂浮式风电机组的实时运行数据输入到漂浮式风电机组稳定性控制模型，实时调整PID控制参数，以实现对风电机组的稳定性进行控制。采用本发明的技术方案，能够更高效地控制漂浮式风电机组的稳定性，同时避免了不必要的能源浪费。
-
Patent Agency Ranking
公开(公告)号：CN117786558A
公开(公告)日：2024-03-29
申请号：CN202311832901.2
申请日：2023-12-28
Applicant: 河北工业大学
IPC: G06F18/2431 , G06N3/084 , G06N3/0442 , G06N3/049 , G06N3/048 , G06N3/047
Abstract: 本发明公开一种改进多头自注意力机制‑BiLSTM的风机轴承故障诊断方法，该方法首先由周期空洞自注意力和局部自注意力组成的改进多头自注意力机制对振动信号重新加权，给予故障数据点高权重，故障消失点低权重，也能减少特征增强过程中的时间消耗及随机干扰影响；然后，利用BiLSTM层能够同时考虑输入序列的过去和未来信息的特性，通过正向和反向两个方向的隐藏状态，这使得模型能够更全面地捕捉序列中的上下文信息，有助于更好提取振动信号长期依赖特征；最后，经全连接层和Softmax层输出风机轴承故障诊断结果。测试结果表明，本发明风机轴承故障诊断方法故障分类准确率为100％。
-
公开(公告)号：CN117195463A
公开(公告)日：2023-12-08
申请号：CN202310691099.3
申请日：2023-06-12
Applicant: 河北工业大学
IPC: G06F30/20 , G06Q30/0203 , G06Q30/0201 , G06F17/18
Abstract: 本发明为一种考虑个体决策行为的电动私家车保有量推演方法，首先基于小世界网络生成消费者的社交网络；然后，根据消费者对电动汽车的认知，将消费者状态分为S1～S4四种；基于马尔科夫链构建消费者状态决策模型，从广告宣传影响、消费者对电动私家车的感知总效用、考虑经济环保效用的购买概率、换车需求、电动汽车的综合技术性能以及电动汽车的技术发展速度6个方面表征消费者对电动汽车的认知；最后，遍历所有消费者，根据当前推演周期消费者的状态，利用模型判断下一推演周期消费者的状态，并将处于状态S4的所有消费者人数进行累加，得到电动私家车保有量。考虑微观消费者的心理和个体经济因素对购买电动私家车决策行为的影响，充分考虑个体差异性，更加符合真实场景。
-
公开(公告)号：CN113032968B
公开(公告)日：2023-10-31
申请号：CN202110229436.8
申请日：2021-03-02
Applicant: 国网冀北电力有限公司电力科学研究院 , 华北电力科学研究院有限责任公司 , 国家电网有限公司 , 河北工业大学
IPC: G06F30/20 , G06F30/17 , H02J3/38 , G06F111/10
Abstract: 本发明提供了一种双馈风机控制器参数辨识方法及装置，该参数辨识方法包括：根据参数待辨识的双馈风机控制器的结构确定对应的预设数学模型；采集所述双馈风机控制器在当前运行时段的多个输入输出数据；根据所述数学模型以及所述多个输入输出数据得到双馈风机控制器待辨识参数的初步辨识结果；根据预先采集的双馈风机控制器在历史运行时段的多个运行数据对所述待辨识参数的初步辨识结果进行调整，得到双馈风机控制器待辨识参数的最终辨识结果。本发明的双馈风机控制器参数辨识方法大大提高了参数辨识的精度。
-
公开(公告)号：CN108561271B
公开(公告)日：2023-06-09
申请号：CN201810693804.2
申请日：2018-06-29
Applicant: 河北工业大学
Abstract: 本发明公开了一种组合式垂直轴风力机包括顶部叶轮、行星齿轮箱、塔架结构、塔架叶轮、隔板、发电机和基础。风力机采用升阻结合型叶轮。采用分层组合式塔架，每层有隔板，将该层塔架叶轮重量传递至塔架，主轴仅传递扭矩，不受载荷，有利于垂直轴风力机大型化。塔架中安置塔架叶轮，充分利用捕风面积，提高风能利用率；升力型叶片保证高转速效率，阻力型叶片保证低转速扭矩；各层叶轮间采用柔性联轴器连接，克服不共轴影响。顶部叶轮中的升力型叶片保证高转速效率；顶部叶轮桁架的横截面为半圆形，作为支撑的同时也起阻力型叶片的作用。行星齿轮箱消除顶部叶轮与塔架叶轮间转速差，减少能量传输损耗，提高转化效率。
-
公开(公告)号：CN115587738A
公开(公告)日：2023-01-10
申请号：CN202211370289.7
申请日：2022-11-03
Applicant: 河北工业大学
IPC: G06Q10/0631 , G06F16/25 , G06F18/23213 , G06N3/0464 , G06N3/08 , G06Q50/06
Abstract: 本发明为基于时空相关特征融合的风电场动态调节能力评估方法，包括以下内容：1)获得风电场各风电机组的数据，并进行异常数据清洗，获得正常运行数据；2)构建风速‑功率‑理论桨距角的映射关系模型；3)风电机组分群等值；4)风电场调节能力实时评估，构建基于DRN‑GRU网络的风电场理论出力模型；在实时评估过程中，由风速‑功率‑理论桨距角的映射关系模型根据风电机群的等值风速和等值功率得到对应的理论桨距角，修正时空相关特征矩阵，将修正时空相关矩阵输入DRN‑GRU网络的风电场理论出力模型得到风电场理论出力，与当前风电场出力对比，即得到风电场有功调节裕度。根据有功调节裕度对风电场调节能力进行实时评估。
-
-
-
-
-
-
-
-
-
Search Results
121
records
(took 0.039 seconds)
