-
公开(公告)号：CN110907170B
公开(公告)日：2021-03-16
申请号：CN201911207401.3
申请日：2019-11-30
申请人： 华能如东八仙角海上风力发电有限责任公司 , 西安热工研究院有限公司
IPC分类号： G01M13/021 , G01M13/04 , G01K1/02
摘要： 一种风电机组齿轮箱轴承温度状态监测与故障诊断方法，风电机组状态监测与故障诊断对风电场降低维护成本，提高运行水平具有重要的实用价值。由于风电场地理位置相似的机组运行参数具有的特殊分布规律与极强的相关性，本发明以某风电场具有强相关性的四台1.5MW机组齿轮箱轴承温度进行横向对比分析。统计四台强相关风电机组齿轮箱轴承温度‑功率散点分布特征，发现被监测风电机组齿轮箱轴承温度与其他相关风电机组齿轮箱轴承温度之间关系的异常变化，并对被监测风电机组齿轮箱状态进行判断，并发出故障预警。
-
公开(公告)号：CN110907066B
公开(公告)日：2020-11-06
申请号：CN201911207393.2
申请日：2019-11-30
申请人： 华能如东八仙角海上风力发电有限责任公司 , 西安热工研究院有限公司
摘要： 本发明公开了一种基于深度学习模型的风电机组齿轮箱轴承温度状态监测方法，本发明将深度学习引入风电机组状态监测。采用偏最小二乘方法(PLS)选择变量，搭建深度卷积神经网络建立齿轮箱轴承温度与其影响变量之间的关系模型，并用该模型在监测阶段对齿轮箱轴承温度进行预测，当模型计算的齿轮箱轴承温度预测值与实际值之间的残差大于设定阈值时，发出齿轮箱轴承温度异常报警。该发明用于分析齿轮箱轴承的温度数据，高效准确地实现了风电机组齿轮箱轴承温度的人工智能监测和故障预警的目的。实例分析验证了该发明的实用性和通用性。
-
公开(公告)号：CN110907066A
公开(公告)日：2020-03-24
申请号：CN201911207393.2
申请日：2019-11-30
申请人： 华能如东八仙角海上风力发电有限责任公司 , 西安热工研究院有限公司
摘要： 本发明公开了一种基于深度学习模型的风电机组齿轮箱轴承温度状态监测方法，本发明将深度学习引入风电机组状态监测。采用偏最小二乘方法(PLS)选择变量，搭建深度卷积神经网络建立齿轮箱轴承温度与其影响变量之间的关系模型，并用该模型在监测阶段对齿轮箱轴承温度进行预测，当模型计算的齿轮箱轴承温度预测值与实际值之间的残差大于设定阈值时，发出齿轮箱轴承温度异常报警。该发明用于分析齿轮箱轴承的温度数据，高效准确地实现了风电机组齿轮箱轴承温度的人工智能监测和故障预警的目的。实例分析验证了该发明的实用性和通用性。
-
公开(公告)号：CN111047218A
公开(公告)日：2020-04-21
申请号：CN201911375918.3
申请日：2019-12-27
申请人： 华能如东八仙角海上风力发电有限责任公司 , 西安热工研究院有限公司
IPC分类号： G06Q10/06 , G06Q10/00 , G05B19/418
摘要： 本发明公开了一种智慧风电场运维数据交互及使用方法，通过建立故障知识库、检修经验知识库、故障检修工作信息库等必要的数据库，通过软件程序、一定的判定规则实现各个数据库间信息的查询、更新及使用，实现智慧风电场内各类运维相关信息的交互和使用，以及运维人员经验的数字化；本发明方法有助于实现风电场运维经验的数字化以及运维建议的智能化，促进风电场智慧化建设，弥补了风电场现有数据交互不充分的缺点。
-
公开(公告)号：CN110907170A
公开(公告)日：2020-03-24
申请号：CN201911207401.3
申请日：2019-11-30
申请人： 华能如东八仙角海上风力发电有限责任公司 , 西安热工研究院有限公司
IPC分类号： G01M13/021 , G01M13/04 , G01K1/02
摘要： 一种风电机组齿轮箱轴承温度状态监测与故障诊断方法，风电机组状态监测与故障诊断对风电场降低维护成本，提高运行水平具有重要的实用价值。由于风电场地理位置相似的机组运行参数具有的特殊分布规律与极强的相关性，本发明以某风电场具有强相关性的四台1.5MW机组齿轮箱轴承温度进行横向对比分析。统计四台强相关风电机组齿轮箱轴承温度-功率散点分布特征，发现被监测风电机组齿轮箱轴承温度与其他相关风电机组齿轮箱轴承温度之间关系的异常变化，并对被监测风电机组齿轮箱状态进行判断，并发出故障预警。
-
公开(公告)号：CN118499206A
公开(公告)日：2024-08-16
申请号：CN202410830249.9
申请日：2024-06-25
申请人： 西安热工研究院有限公司 , 盛东如东海上风力发电有限责任公司
IPC分类号： F03D80/40
摘要： 本发明公开了一种基于全景视觉的海上风电叶片除冰方法及相关装置，方法包括：判断是否进行除冰；根据所述判断的结果，选择是否启动除冰加热系统，其中，若需要除冰，则启动加热系统，并计算出加热系统除冰的最佳作业参数；基于计算出的所述加热系统除冰的最佳作业参数，控制加热系统进行除冰作业，并根据除冰效果，动态调整加热系统除冰功率。该方法在利用全景视觉技术除冰的过程中，通过计算出加热系统除冰的最佳作业参数，能够以最佳的作业功效和效率将冰清除；其次，在除冰的过程中，根据除冰效果，动态调整加热系统的除冰功率，降低了作业能耗。
-
公开(公告)号：CN118372251A
公开(公告)日：2024-07-23
申请号：CN202410673268.5
申请日：2024-05-28
申请人： 西安热工研究院有限公司 , 华能烟台新能源有限公司
摘要： 本发明公开了一种基于视觉导航的海上风机检修机器人系统及使用方法，机械臂上设置有具有力矩传感器的承重吊钩；环境感知及导航系统包括多个广角摄像头，环境感知及导航系统包括集成有目标检测和六轴位姿估计算法的边缘计算盒；智能控制系统与环境感知及导航系统、检修作业机构、机器人移动平台和远程监控系统相通信；智能控制系统包括集成有故障诊断算法和自主充电算法的边缘计算盒和工控机。本发明采用视觉导航、多传感器融合，使机器人能够实现对风机塔架的精确定位和动态路径规划，并通过六轴位姿估计算法提升了作业自主性和稳定性，同时能够自主诊断和自主充电，能够减少人工参与并提高检修效率。
-
公开(公告)号：CN114777913B
公开(公告)日：2024-06-07
申请号：CN202210462463.4
申请日：2022-04-28
申请人： 西安热工研究院有限公司
IPC分类号： G01H17/00 , F03D17/00 , G06Q10/20 , G06Q10/04 , G06Q50/06 , G06F16/215 , G06F16/2458
摘要： 本发明提供的一种风机叶片状态监测的预警方法及系统，包括以下步骤：步骤1，获取风机叶片对应的原始振动数据；步骤2，从原始振动数据中分别获取前一日叶片一阶固有频率数据和当前实时叶片一阶固有频率数据；步骤3，根据得到的前一日叶片一阶固有频率数据计算各个风机叶片对应的一阶固有频率前一日均值；根据得到的当前实时叶片一阶固有频率数据计算叶片系统对应的变异系数；步骤4，根据得到的各个风机叶片对应的一阶固有频率前一日均值和叶片系统对应的变异系数对风机叶片状态进行监测预警；本发明弥补了现有风机叶片状态监测预警模型因只关注单一叶片固有频率变化造成的诊断结论不准确的不足。
-
公开(公告)号：CN118092239A
公开(公告)日：2024-05-28
申请号：CN202410066167.1
申请日：2024-01-17
申请人： 华能赫章风力发电有限公司 , 西安热工研究院有限公司
IPC分类号： G05B19/042 , H04N7/18 , G08B19/00
摘要： 本发明公开了一种风电场智能安全监控及响应系统，包括：视频监控模块，负责对风电场内的设施进行实时拍摄得到视频图像，并对视频图像进行分析，识别出异常情况，及时报警和通知相关人员；入侵报警模块，负责对风电场的周边区域进行监测；出入口管理模块，负责对风电场的出入口进行控制；环境监测模块，负责对风电场的环境参数进行实时采集并对风力资源进行预测和优化，提高风电场的发电效率和电网适应性，同时监测风电场的污染物排放和噪声水平；火灾报警模块，负责对风电场的火灾风险进行监测；智能控制模块，负责对风电场进行远程调控，实现风电场的智能化运维。本发明整合多模块协同运作，提高了风电场的安全性、效率、经济性和环保性。
-
公开(公告)号：CN118053111A
公开(公告)日：2024-05-17
申请号：CN202311836704.8
申请日：2023-12-28
申请人： 华能山东发电有限公司蓬莱风电分公司 , 西安热工研究院有限公司
IPC分类号： G06V20/52 , G06V20/17 , G06V10/44 , G06V10/46 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/09 , G06N5/022 , G06Q50/06
摘要： 本发明公开了一种风力发电机组图像识别故障检测方法。该方法首先通过风电场内的监控摄像头或无人机拍摄风力发电机组的外观图像。然后对图像进行去噪、增强、校正、分割等预处理,提高图像质量和可用性,同时进行图像标注,标识出风力发电机组的各个部件和关键点。接着利用深度学习的方法对图像进行特征提取和分类判断,识别风力发电机组是否存在故障以及故障类型和位置。最后根据图像分析结果,结合风力发电机组的工作原理和故障机理对故障进行诊断,给出故障详细信息和处理建议。该方法利用图像识别技术检测风力发电机组故障,无需额外安装传感器,提高检测效率和准确性,降低系统复杂度,有利于风力发电机组的状态监控和故障预测。
-
-
-
-
-
-
-
-
-
搜索结果
121 条记录 (耗时 0.085 秒)
