-
公开(公告)号：CN118779738A
公开(公告)日：2024-10-15
申请号：CN202411263712.2
申请日：2024-09-10
申请人： 华润电力技术研究院有限公司 , 华润新能源投资有限公司
IPC分类号： G06F18/2411 , G06N20/10 , G06F18/10 , G06F18/213 , G01M13/028
摘要： 本发明适用于齿轮箱故障智能识别领域，具体是一种风电机组齿轮箱故障诊断方法及系统，所述方法包括：采集风电机组齿轮箱内关键零部件的振动信号；初始化变分模态分解算法的参数，利用变分模态分解算法对关键零部件的振动信号进行模态分解，得到多个IMF分量，利用小波包分析法对最优分解模态数的各个模态IMF分量进行能量熵特征提取，得到齿轮箱振动信号的故障特征向量，输入SVM进行训练和识别，实现风电机组齿轮箱内关键零部件的故障诊断。本发明提取的故障特征向量，可以充分反映齿轮箱振动信号的真实状态，提高了齿轮箱故障诊断的精度，解决了传统EMD方法中存在的模态混叠和端点效应等问题导致分解后的IMF分量中有效信号成分不足的问题。
-
公开(公告)号：CN118794690A
公开(公告)日：2024-10-18
申请号：CN202411285030.1
申请日：2024-09-13
申请人： 华润电力技术研究院有限公司 , 华润新能源投资有限公司
IPC分类号： G01M13/045 , G06F18/213 , G06F18/214 , G06F18/22 , G06F18/241 , G06F18/2433 , G06F18/25 , G06N3/0455 , G06F123/02
摘要： 本发明提供了多源风电机组轴承故障诊断方法，涉及风电机组故障诊断技术领域，该方法通过获取多源异构数，处理后得到全面覆盖风电机组运行的轴承传感数据，特征提取融合形成综合特征向量，训练无监督特征学习模型，建立轴承故障诊断模型，将实时监测的轴承传感数据输入至轴承故障诊断模型，输出每个监测时刻风电机组轴承的运行状态和异常得分，进行异常检测、识别异常点和确定异常类型，使用时间序列分析历史数据和异常点作为输入，应用预设的故障预测模型生成故障预测结果，根据预警阈值生成故障预警信号。通过融合多种监测数据，提高对风电机组轴承故障的检测精度和及时性，实现对轴承健康状态的实时监控和评估。
-
公开(公告)号：CN113310693B
公开(公告)日：2024-06-25
申请号：CN202110631324.5
申请日：2021-06-07
申请人： 华润电力技术研究院有限公司
IPC分类号： G01M13/045 , G01M13/028 , F03D17/00
摘要： 本申请公开了一种机械故障检测方法、装置、设备及存储介质，包括：对待检测机械运行中产生的振动信号进行采集，得到待检测信号及相应的待检测频谱；确定待检测机械对应的故障频率和待检测频谱对应的频谱分辨率，基于故障频率和频谱分辨率确定分割因子；分割因子表征故障频率在待检测频谱中对应的数据点数；基于分割因子对待检测频谱进行划分，并根据划分结果得到待检测频谱对应的频谱包络线；根据频谱包络线确定待检测频谱对应的分割边界，基于分割边界利用小波变换进行故障检测。本申请通过故障频率和频谱分辨率得到分割因子，并基于分割因子对频谱分段后得到的频谱包络线确定分割边界，无需人为设置频谱的分段数量，以提高故障识别效率。
-
公开(公告)号：CN117759490A
公开(公告)日：2024-03-26
申请号：CN202311701585.5
申请日：2023-12-11
申请人： 华润电力技术研究院有限公司
IPC分类号： F03D17/00 , H04L41/0677 , H04L41/0631 , G06N3/0442
摘要： 本发明公开了一种风电机组叶片故障监测方法及系统，所述方法包括：通过安装在所述风电机组叶片内部的噪声传感器采集噪声信号；对所述噪声信号进行数据预处理；将预处理后的所述噪声信号通过变分模态分解分解成有限的若干个固有模态函数分量；通过若干所述固有模态函数分量进行故障诊断。当叶片开裂后，本发明所述方法可以通过叶片内部的噪声的改变监测叶片的损坏情况，本发明所提出的风电机组叶片故障监测方法监测范围全面，可以实现全天候的在线监测，而且产生的数据量较少，处理方便，算法开发难度和应用成本更低。
-
公开(公告)号：CN118653970A
公开(公告)日：2024-09-17
申请号：CN202411139873.0
申请日：2024-08-20
申请人： 华润电力技术研究院有限公司
IPC分类号： F03D17/00 , G06F18/2131 , G06F18/2433 , G06N20/00 , G06Q10/20 , G06Q50/06 , G06F123/02
摘要： 本发明提供了一种风电机组运行状态预警阈值的修正方法及系统，涉及风力发电领域，该方法通过实时采集风机机组的运行数据，形成时间序列数据；对时间序列数据进行突变检测，将超过阈值的点标记为异常点，并记录每个异常点的位置、幅度和持续时间；从风机机组的历史运行数据中提取以异常点为起点的时间序列特征、频域特征和统计特征；并计算每个异常点的突变幅度和持续时间，使用快速傅里叶变换对异常点周围的数据进行频率分析，提取频率成分；将提取的特征作为输入，训练故障预测模型，使用训练后的模型对风机机组的运行状态进行预测和评估，识别出预测结果；生成预警信号。本发明通过动态调整预警阈值，提高预警的准确性和及时性。
-
公开(公告)号：CN118585851A
公开(公告)日：2024-09-03
申请号：CN202411084200.X
申请日：2024-08-08
申请人： 华润电力技术研究院有限公司
IPC分类号： G06F18/23213 , G06F18/21 , G06F18/214 , G06F18/15 , G06N3/006
摘要： 本发明涉及一种预警方法，具体是一种风力发电机组异常振动的预警方法，该方法基于改进鲸鱼算法，对CatBoost模型进行参数优化，构建风电机组振动信号异常预警模型；对风电机组振动信号的影响因素按贡献度进行排序，基于排序结果选择前k个影响因素的实时振动信号数据作为振动信号预测模型的输入，输出振动信号的预测数据；将离线振动信号数据与振动信号的预测数据作为输入样本集进行K均值聚类，若聚类结果是分成两个不同的簇，则表明风电机组的未来状态与历史状态有显著差异，发出预警信号。本发明还提供了一种风力发电机组异常振动的预警系统。本发明可以有效的提前发现风力发电机组前期异常振动征兆，及时进行早期预警。
-
公开(公告)号：CN113310693A
公开(公告)日：2021-08-27
申请号：CN202110631324.5
申请日：2021-06-07
申请人： 华润电力技术研究院有限公司
IPC分类号： G01M13/045 , G01M13/028 , F03D17/00
摘要： 本申请公开了一种机械故障检测方法、装置、设备及存储介质，包括：对待检测机械运行中产生的振动信号进行采集，得到待检测信号及相应的待检测频谱；确定待检测机械对应的故障频率和待检测频谱对应的频谱分辨率，基于故障频率和频谱分辨率确定分割因子；分割因子表征故障频率在待检测频谱中对应的数据点数；基于分割因子对待检测频谱进行划分，并根据划分结果得到待检测频谱对应的频谱包络线；根据频谱包络线确定待检测频谱对应的分割边界，基于分割边界利用小波变换进行故障检测。本申请通过故障频率和频谱分辨率得到分割因子，并基于分割因子对频谱分段后得到的频谱包络线确定分割边界，无需人为设置频谱的分段数量，以提高故障识别效率。
-
公开(公告)号：CN118653970B
公开(公告)日：2024-10-25
申请号：CN202411139873.0
申请日：2024-08-20
申请人： 华润电力技术研究院有限公司
IPC分类号： F03D17/00 , G06F18/2131 , G06F18/2433 , G06N20/00 , G06Q10/20 , G06Q50/06 , G06F123/02
摘要： 本发明提供了一种风电机组运行状态预警阈值的修正方法及系统，涉及风力发电领域，该方法通过实时采集风机机组的运行数据，形成时间序列数据；对时间序列数据进行突变检测，将超过阈值的点标记为异常点，并记录每个异常点的位置、幅度和持续时间；从风机机组的历史运行数据中提取以异常点为起点的时间序列特征、频域特征和统计特征；并计算每个异常点的突变幅度和持续时间，使用快速傅里叶变换对异常点周围的数据进行频率分析，提取频率成分；将提取的特征作为输入，训练故障预测模型，使用训练后的模型对风机机组的运行状态进行预测和评估，识别出预测结果；生成预警信号。本发明通过动态调整预警阈值，提高预警的准确性和及时性。
-
公开(公告)号：CN118626948B
公开(公告)日：2024-10-18
申请号：CN202411107220.4
申请日：2024-08-13
申请人： 华润电力技术研究院有限公司
IPC分类号： G06F18/2413 , G06N3/0455 , G06N3/0499 , G06N3/082 , G06F18/214 , G06F18/2415 , G01M13/045 , F03D17/00
摘要： 本发明涉及数据处理领域，具体是一种基于数据分析的风电机组故障诊断方法，该方法通过对采集到的原始数据集数据进行相位偏移、自谱与互谱数据扩增，得到扩充数据集；将编码器栈嵌入使用TensorFlow深度学习框架搭建的神经网络模型；利用扩充数据集对神经网络模型进行训练，得到故障诊断网络模型，将目标风电机组待检测数据集输入训练好的诊断网络模型，输出目标风电机组的故障诊断结果。本发明通过对采集到的原始数据集数据进行相位偏移、自谱与互谱数据扩增，为使用TensorFlow深度学习框架搭建的神经网络模型的训练过程提供了充足的数据支撑，基于TensorFlow深度学习框架中搭建的神经网络模型，能够提高风电机组故障诊断的精度和效率。
-
公开(公告)号：CN118626948A
公开(公告)日：2024-09-10
申请号：CN202411107220.4
申请日：2024-08-13
申请人： 华润电力技术研究院有限公司
IPC分类号： G06F18/2413 , G06N3/0455 , G06N3/0499 , G06N3/082 , G06F18/214 , G06F18/2415 , G01M13/045 , F03D17/00
摘要： 本发明涉及数据处理领域，具体是一种基于数据分析的风电机组故障诊断方法，该方法通过对采集到的原始数据集数据进行相位偏移、自谱与互谱数据扩增，得到扩充数据集；将编码器栈嵌入使用TensorFlow深度学习框架搭建的神经网络模型；利用扩充数据集对神经网络模型进行训练，得到故障诊断网络模型，将目标风电机组待检测数据集输入训练好的诊断网络模型，输出目标风电机组的故障诊断结果。本发明通过对采集到的原始数据集数据进行相位偏移、自谱与互谱数据扩增，为使用TensorFlow深度学习框架搭建的神经网络模型的训练过程提供了充足的数据支撑，基于TensorFlow深度学习框架中搭建的神经网络模型，能够提高风电机组故障诊断的精度和效率。
-
-
-
-
-
-
-
-
-
搜索结果
12 条记录 (耗时 0.059 秒)
