公开(公告)号：CN119227552B

公开(公告)日：2025-01-24

申请号：CN202411733111.3

申请日：2024-11-29

Applicant: 华北电力大学(保定)

Inventor： 唐贵基 ,  王海朋 ,  刘子轩 ,  何玉灵 ,  张超 ,  崔鑫 ,  李远超 ,  李瑞杰 ,  孙凯

IPC: G06F30/27 ,  G06N3/0442 ,  G06N3/08 ,  G06F119/02

Abstract: 本发明属于风电机组可靠性评估领域，提供了基于动态LSTM‑Sage‑Husa算法的风电机组可靠性评估方法及装置，本发明由SCADA系统得到风电机组各部件的运行数据，利用多层感知LSTM模型对退化过程性能参数进行预测，并且采用动态Sage‑Husa算法对非线性Wiener退化过程修正，引入状态向量的均值和协方差矩阵，建立风电机组考虑有效冲击的非线性Wiener退化过程，对风电机组可靠性评估；本发明考虑了有效冲击对风电机组的影响，通过采用多层感知LSTM模型预测退化过程中缺少数据问题，可以解决因为数据缺失导致风电机组可靠性评估不准确问题，此外，为了更精确的捕捉非线性退化过程中的机组性能变化，并降低数据的波动性，除去退化数据中的噪点，引入分布参数变量，利用动态Sage‑Husa算法求得退化过程中的统计模型和分布参数，并结合预测分布参数，得到了最优估值的退化函数，提升了模型的准确性。

公开(公告)号：CN118760955A

公开(公告)日：2024-10-11

申请号：CN202411254752.0

申请日：2024-09-09

Applicant: 华北电力大学(保定)

Inventor： 唐贵基 ,  王海朋 ,  刘子轩 ,  何玉灵 ,  卢洪昌 ,  李凯文 ,  崔鑫 ,  李远超 ,  孙凯 ,  吴学伟

IPC: G06F18/241 ,  G06N7/02 ,  G06F18/213 ,  G06F18/214 ,  G06F18/27 ,  F03D17/00

Abstract: 本发明属于风电机组故障诊断技术领域，公开了一种改进奇异谱分解和ALexNet‑Adaboost的多工况风电机组故障诊断方法，首先，将SCADA系统测得的数据由梯形模糊数进行模糊化；其次，将模糊化后的数据带入奇异谱分解，根据融合互信息法和散布熵原理来求得最优模态数和最优奇异谱分量；接着，将最优奇异谱分量由Teager能量算子计算最优的瞬时能量信号，得到不同工况的时频图；最后，将时频图导入ALexNet‑Adaboost模型进行强分类，并且进行多工况下的风电机组故障识别；本发明降低了SCADA系统在极端环境下采集数据的模糊性，改进了奇异谱分解中最优模态数确定和迭代停止条件问题，增强信号的冲击特征，由ALexNet‑Adaboost模型对不同工况的时频图进行强分类，进而对风电机组的故障进行识别。

公开(公告)号：CN119783562A

公开(公告)日：2025-04-08

申请号：CN202510279562.2

申请日：2025-03-11

Applicant: 华北电力大学(保定)

Inventor： 唐贵基 ,  王海朋 ,  刘子轩 ,  李远超 ,  何玉灵 ,  卢洪昌 ,  牛宇航 ,  孙凯 ,  吴学伟

IPC: G06F30/27 ,  G06N3/045 ,  G06N3/0442 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/082 ,  G06F18/213 ,  G06F18/2433 ,  G06F113/06 ,  G06F119/02

Abstract: 本发明公开了基于改进ILOF‑LSTM‑Gamma算法的风电机组可靠性评估方法，涉及电力技术领域，包括：通过SCADA系统获得风电机组各关键部件的历史状态数据；采ILOF算法对所述历史状态数据进行预处理，获得预处理后的数据；基于改进自适应多头注意力机制和改进LSTM网络方法建立风电机组性能退化预测模型，将所述预处理后的数据输入所述风电机组性能退化预测模型，获得预测后的风电机组性能数据；采用双层改进非线性Gamma过程建立风电机组可靠性评估模型，将预测后的风电机组性能数据输入所述风电机组可靠性评估模型，获得风电机组可靠性评估结果。本发明提升了风电机组性能退化预测的精度，并提高了评估结果的准确率。

公开(公告)号：CN119227552A

公开(公告)日：2024-12-31

申请号：CN202411733111.3

申请日：2024-11-29

Applicant: 华北电力大学(保定)

Inventor： 唐贵基 ,  王海朋 ,  刘子轩 ,  何玉灵 ,  张超 ,  崔鑫 ,  李远超 ,  李瑞杰 ,  孙凯

IPC: G06F30/27 ,  G06N3/0442 ,  G06N3/08 ,  G06F119/02

Abstract: 本发明属于风电机组可靠性评估领域，提供了基于动态LSTM‑Sage‑Husa算法的风电机组可靠性评估方法及装置，本发明由SCADA系统得到风电机组各部件的运行数据，利用多层感知LSTM模型对退化过程性能参数进行预测，并且采用动态Sage‑Husa算法对非线性Wiener退化过程修正，引入状态向量的均值和协方差矩阵，建立风电机组考虑有效冲击的非线性Wiener退化过程，对风电机组可靠性评估；本发明考虑了有效冲击对风电机组的影响，通过采用多层感知LSTM模型预测退化过程中缺少数据问题，可以解决因为数据缺失导致风电机组可靠性评估不准确问题，此外，为了更精确的捕捉非线性退化过程中的机组性能变化，并降低数据的波动性，除去退化数据中的噪点，引入分布参数变量，利用动态Sage‑Husa算法求得退化过程中的统计模型和分布参数，并结合预测分布参数，得到了最优估值的退化函数，提升了模型的准确性。