公开(公告)号：CN117250003A

公开(公告)日：2023-12-19

申请号：CN202310424827.4

申请日：2023-04-20

Applicant: 华北电力大学

Inventor： 黄从智 ,  何佳璇

IPC: G01M13/045 ,  G06N3/0442 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/08

Abstract: 本发明公开一种基于VMD‑TCN‑BiLSTM神经网络的一次风机轴承振动故障预警方法，首先获取某火电厂一次风机轴承振动数据并对数据进行预处理。然后使用VMD对原始振动信号进行模态分解。将数据进行标准化处理，并使用滑动窗口重构标准化后的模态数据作为网络的输入。选用贝叶斯优化算法对TCN‑BiLSTM的参数进行优化，构建TCN‑BiLSTM网络拓扑结构。根据上述TCN‑BiLSTM网络模型，拟合某火电厂一次风机轴承振动信号。将模型输出的振动信号与真实振动信号作差得到误差值。采用EWMA确定故障上下阈值，若误差超过阈值即为认为振动信号开始出现异常趋势，应该进行故障预警。本发明为解决火电机组典型设备故障预警问题提供了一种方案和思路。

公开(公告)号：CN119062522A

公开(公告)日：2024-12-03

申请号：CN202410902925.9

申请日：2024-07-05

Applicant: 华北电力大学

Inventor： 黄从智 ,  何佳璇

IPC: F03D17/00 ,  G06F18/2433 ,  G06F18/15 ,  G06F18/213 ,  G06F18/214 ,  G06F18/21 ,  G06N3/047 ,  G06N7/01 ,  G06N3/048

Abstract: 一种融合深度学习和贝叶斯神经网络的风电机组系统级运行状态及风险监测方法，该方法融合预测与健康管理技术与概率风险评估技术，实现了风电机组的系统级运行状态及风险监测。首先，选取风电机组关键部件状态变量，获取其运行数据并进行预处理。其次，构建基于TimeMixer网络的风电机组关键部件状态监测模型。然后，基于JS散度构建关键部件健康度，实现风电机组部件级状态监测。最后，基于部件级健康度和关键状态变量构建贝叶斯神经网络拓扑结构并进行训练。通过训练后的贝叶斯神经网络预测风电机组的系统级健康度并计算风电机组故障概率上下限，实现风电机组运行风险持续估计。本发明为解决风电机组系统级运行状态及风险监测问题提供了一种方案和思路。

公开(公告)号：CN118293086A

公开(公告)日：2024-07-05

申请号：CN202410282006.6

申请日：2024-03-12

Applicant: 华北电力大学

Inventor： 黄从智 ,  何佳璇

IPC: F04D27/00 ,  F23N5/24 ,  G08B21/18 ,  G06F18/22 ,  G06F18/15 ,  G06F18/213 ,  G06F18/25 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/0475 ,  G06N3/094 ,  G06N3/048

Abstract: 一种基于TimeGAN数据增强和MSGNet的引风机运行状态智能监测方法，首先，获取某火电机组引风机运行数据并对数据进行预处理。其次，采用TimeGAN对原始数据集进行数据增强，扩充原始数据集以缓解数据的分布不均。然后，采用MSGNet网络构建引风机的状态监测模型。最后，采用基于Rényi散度的JRD距离构建引风机健康度，通过将状态监测模型输出值与运行数据真实值间的JRD距离代入健康度中，从而计算出引风机的实时健康度，实现引风机的运行状态智能监测，并在健康度低于所设定阈值时对引风机进行预警。本发明为解决火电机组典型设备运行状态智能监测问题提供了一种方案和思路。

公开(公告)号：CN116797204A

公开(公告)日：2023-09-22

申请号：CN202310735498.5

申请日：2023-06-20

Applicant: 华北电力大学

Inventor： 黄从智 ,  何佳璇

IPC: G06Q10/20 ,  G06Q10/04 ,  G06Q50/06 ,  G06F18/15 ,  G06F18/2131 ,  G06F18/214 ,  G06N3/0442 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/049 ,  G06N3/08 ,  G01M99/00 ,  G01F1/00

Abstract: 本发明公开一种基于小波分解与重构和TCN‑GRU‑Self‑Attention的磨煤机一次风量故障预警方法，首先获取某磨煤机一次风量信号数据并对数据进行预处理。对一次风量信号进行小波分解与重构。将重构后的数据进行标准化处理并使用滑动窗口划分标准化后的数据作为网络的输入。选用贝叶斯优化算法对TCN‑GRU‑Self‑Attention的参数进行优化，构建TCN‑GRU‑Self‑Attention网络拓扑结构。根据上述TCN‑GRU‑Self‑Attention网络，拟合某磨煤机的一次风量信号。计算模型的输出值与一次风量真实值的JS散度。根据过程量化指标中常用的指标函数建立健康度和JS散度之间的关系，得到一次风量当前时刻的健康度。根据健康度来判断一次风量是否出现异常趋势，若健康度低于设定值即认为一次风量开始出现异常，从而进行故障预警。本发明为解决磨煤机故障预警提供了一种方案和思路。