-
公开(公告)号：CN114565571A
公开(公告)日：2022-05-31
申请号：CN202210158476.2
申请日：2022-02-21
Applicant: 华能华家岭风力发电有限公司 , 中国华能集团清洁能源技术研究院有限公司
Abstract: 本发明提出一种基于计算机视觉的风机叶片缺陷检测方法及设备，该方法通过构建包括基于HnNet网络的基础特征提取模块、多尺度池化融合模块、多尺度特征层融合模块、特征解耦模块和预测模块的风机叶片缺陷检测模型，进行风机叶片缺陷检测；使用单CCD摄像头纵向移位扫描周期拍摄或使用CCD阵列周期拍摄形式，获取风机叶片局部图像，相邻局部图像有重叠区域，保障不丢失图像数据；通过设置特征层解耦方式，为不同预测项提供充足特征量，提高预测准确率；通过本发明，能够识别裂纹、砂眼、分层、脱粘等各种各样、形式各异的风机叶片缺陷。
-
公开(公告)号：CN114118213A
公开(公告)日：2022-03-01
申请号：CN202111248437.3
申请日：2021-10-26
Applicant: 华能华家岭风力发电有限公司 , 中国华能集团清洁能源技术研究院有限公司
IPC: G06K9/62 , G06F17/18 , G06N3/04 , G06N3/08 , G01M13/045
Abstract: 本发明涉及一种基于VaDE的风力发电机轴承故障诊断方法及系统，所述方法包括：获取预测时段内各时刻的风力发电机轴承的状态数据；将所述预测时段内各时刻的风力发电机轴承的状态数据输入预先建立的风力发电机轴承故障诊断模型中，获取预测时段内所述风力发电机轴承对应的高斯分布的权重；基于预测时段内所述风力发电机轴承对应的高斯分布的权重对预测时段内所述风力发电机轴承是否存在故障进行诊断。本发明提供的技术方案，通过风力发电机轴承故障诊断模型诊断所述轴承是否故障，可以提高对风力发电机轴承故障诊断的准确性。
-
公开(公告)号：CN114329813A
公开(公告)日：2022-04-12
申请号：CN202111389327.9
申请日：2021-11-22
Applicant: 华能华家岭风力发电有限公司 , 中国华能集团清洁能源技术研究院有限公司
IPC: G06F30/17 , G06F30/27 , G06F30/28 , G06F111/08 , G06F113/06 , G06F119/06 , G06F119/14
Abstract: 本申请提出了一种基于Wilson模型和粒子群算法的风机叶片优化设计方法，该方法包括：确定待优化的叶片设计参数，建立初始叶片模型；将初始叶片模型沿展向等分成预设数量个叶素，并通过Wilson模型迭代计算出每个翼型的轴向诱导系数和切向诱导系数；根据每个翼型的轴向诱导系数和切向诱导系数分别计算每个翼型的扭角和弦长；将每个翼型的扭角和弦长作为粒子群算法的输入值，通过粒子群算法同时重新优化出每个翼型的扭角和弦长。该方法通过Wilson模型和粒子群算法对叶片进行联合优化设计，有效提高叶片的气动性能，提高了风机的发电效率。
-
公开(公告)号：CN114169088A
公开(公告)日：2022-03-11
申请号：CN202111341266.9
申请日：2021-11-12
Applicant: 华能华家岭风力发电有限公司 , 中国华能集团清洁能源技术研究院有限公司
IPC: G06F30/17 , G06F30/27 , G06F30/28 , G06F111/04 , G06F113/06 , G06F113/08 , G06F119/14
Abstract: 本申请提出了一种基于Wilson模型和遗传算法的风机叶片优化设计方法及系统，该方法包括：根据风场的特征模型计算风机的额定风速,并根据额定风速和额定输出功率反算出风轮直径；对初始叶片翼型模型进行空气动力分析，根据升阻比随攻角的变化曲线确定叶片翼型的攻角；将叶片沿展向等分成预设数量个叶素，并通过Wilson模型迭代计算出每个叶素的轴向诱导系数和切向诱导系数；根据轴向和切向诱导系数分别计算每个叶素的扭角和弦长；通过遗传算法根据每个扭角依次重新优化每个叶素的弦长，并拟合每个叶素的翼面和外形参数。该方法通过Wilson模型和遗传算法对叶片进行联合优化设计，有效提高叶片的气动性能，提高了风机的风能利用率。
-
公开(公告)号：CN114549436A
公开(公告)日：2022-05-27
申请号：CN202210120588.9
申请日：2022-02-07
Applicant: 华能华家岭风力发电有限公司 , 中国华能集团清洁能源技术研究院有限公司
IPC: G06T7/00 , G06K9/00 , G06V10/44 , G06V10/764 , G06V10/82 , G06V10/80 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明提出了基于多模态的风机叶片缺陷检测方法、系统、设备及装置，其中方法包括获取风机叶片表面图像；采集风机叶片的振动，得到风机叶片的运行时序振动数据；将风机叶片的表面图像和风机叶片的振动数据输入到模型中，其中模型为使用多组数据通过多模态深度学习方法训练出来的，多组数据包括第一类数据和第二类数据，第一类数据中的每一组数据均包括风机叶片表面图像和用来标识风机叶片表面图像上缺陷位置和类别的标签，第二类数据中的每一组数据均包括风机叶片的振动数据和用来标识风机叶片振动数据中缺陷类别的标签：获取模型的输出信息，其中，输出信息包括风机表面缺陷的位置和类别。本发明方法提升了对风机叶片缺陷位置和类别检测准确率。
-
Patent Agency Ranking
公开(公告)号：CN114036656B
公开(公告)日：2024-06-25
申请号：CN202111211995.2
申请日：2021-10-18
Applicant: 中国华能集团清洁能源技术研究院有限公司 , 华能(浙江)能源开发有限公司清洁能源分公司
IPC: G06F30/17 , G06F30/27 , G06N20/00 , G06F113/06
Abstract: 本发明公开了一种风电机组齿轮箱的故障诊断方法及装置。该方法包括：采集风电机组的运行参数；依次将齿轮箱参数中的一个参数作为齿轮箱输出参数，其他参数作为齿轮箱输入参数；将工况参数和齿轮箱输入参数输入至齿轮箱输出参数对应的机器学习模型中，得到齿轮箱输出参数的预测值；根据齿轮箱输出参数的预测值和齿轮箱输出参数，生成机器学习诊断结果；将工况参数和齿轮箱输入参数输入至齿轮箱输出参数对应的规则模型中，得到规则诊断结果；根据机器学习诊断结果、规则诊断结果和规则集合进行综合诊断，得到目标诊断结果。在较低成本的前提下，对齿轮箱进行准确诊断，将有效提高风电机组运行的可靠性，降低机组关键部件损坏风险。
-
公开(公告)号：CN114046228B
公开(公告)日：2023-11-07
申请号：CN202111248579.X
申请日：2021-10-26
Applicant: 华能(浙江)能源开发有限公司清洁能源分公司 , 中国华能集团清洁能源技术研究院有限公司
IPC: F03D17/00 , G06F18/2433 , G06F18/23 , G06N20/00 , G06Q50/06
Abstract: 本公开提供的风电机组异常诊断方法、系统及存储介质中，获取采集到的Scada数据与待检测数据，将采集到的Scada数据进行预处理，识别无效数据和有效数据，并对时间窗口内的有效数据提取数据特征，然后将提取的数据特征进行模型训练，得到最优模型，之后，利用最优模型和临近机组比较策略对待检测数据进行异常诊断，得到诊断结果。由此可知，本公开提出的方法中，可以提前预知风电机组的健康状态，以便用户可以及时进行检修，从而降低了风电机组故障带来的损失。同时，本公开提出的方法，是对训练数据进行工况划分之后，再根据全工况的数据得到的最优模型，从而确保了最优模型可以对全部工况进行异常诊断，提高了异常诊断的精确度。
-
公开(公告)号：CN114358012A
公开(公告)日：2022-04-15
申请号：CN202111396841.5
申请日：2021-11-23
Applicant: 华能大理风力发电有限公司洱源分公司 , 中国华能集团清洁能源技术研究院有限公司
Inventor： 曾谁飞 , 王振荣 , 李国庆 , 童强 , 桑申刚 , 张燧 , 王青天 , 黄思皖 , 刘旭亮 , 李小翔 , 冯帆 , 杜静宇 , 赵鹏程 , 武青 , 祝金涛 , 朱俊杰 , 吴昊 , 吕亮 , 韦玮 , 邸智 , 童彤 , 任鑫
Abstract: 本发明提供一种设备异常语义识别方法、装置、设备及介质，用以解决现有技术中设备异常语义识别的数据单一，识别率不高的技术问题，该方法包括：获取设备的异常数据；基于所述异常数据，通过预先训练好的神经网络模型得到文本特征；根据所述文本特征，得到识别结果并展示。
-
公开(公告)号：CN114330494A
公开(公告)日：2022-04-12
申请号：CN202111422865.3
申请日：2021-11-26
Applicant: 中国华能集团清洁能源技术研究院有限公司
Inventor： 曾谁飞 , 王振荣 , 刘艳贵 , 黄思皖 , 王青天 , 张燧 , 刘旭亮 , 李小翔 , 冯帆 , 王海明 , 沈伟文 , 郑建飞 , 邸智 , 韦玮 , 童彤 , 任鑫 , 杜静宇 , 赵鹏程 , 武青 , 祝金涛 , 朱俊杰 , 吴昊 , 吕亮
Abstract: 本发明涉及一种融合BiLSTM与注意力的发电设备异常预测方法及系统，所述方法包括：获取发电设备当前时刻的运行数据和所述发电设备当前时刻对应的气象数据，并对所述获取的数据进行预处理；将所述预处理后的数据转化为所述数据对应的词向量文本；将所述数据对应的词向量文本输入预先训练好的发电设备异常预测模型中，得到所述发电设备异常预测的得分；基于所述发电设备异常预测的得分预测所述发电设备是否异常，并将预测结果进行信息触达。本发明提供的技术方案，提高了发电设备异常预测的得分的精度，同时使得发电设备的异常预测更加方便，也降低了发电设备的异常预测成本。
-
公开(公告)号：CN114330097A
公开(公告)日：2022-04-12
申请号：CN202111421723.5
申请日：2021-11-26
Applicant: 中国华能集团清洁能源技术研究院有限公司
Inventor： 曾谁飞 , 王振荣 , 周军军 , 张燧 , 黄思皖 , 王青天 , 刘旭亮 , 李小翔 , 冯帆 , 邸智 , 韦玮 , 童彤 , 任鑫 , 杜静宇 , 赵鹏程 , 武青 , 祝金涛 , 朱俊杰 , 吴昊 , 吕亮 , 苏人奇 , 忻一豪 , 张万雄
IPC: G06F30/27 , G06K9/62 , G06N3/04 , G06N3/08 , G06F113/06 , G06F119/06
Abstract: 本发明提出一种异构数据与深度学习的风电集群功率预测方法及设备，该方法通过构建风电集群功率预测网络模型，通过特征提取网络对异构数据进行特征提取，将提取的特征基于注意力机制进行关键信息预测后，采用多模态融合策略融合生成多模态融合特征，根据生成的多模态融合特征进行风电集群功率预测。通过本发明，能够提高预测风电集群功率的精准性和稳定性，有利于电网系统运行调度及系统优化工作。
-
-
-
-
-
-
-
-
-
Search Results
63
records
(took 0.055 seconds)
