一种齿轮箱运行状态检测方法、装置、设备及介质

    公开(公告)号:CN117387938A

    公开(公告)日:2024-01-12

    申请号:CN202311312387.X

    申请日:2023-10-09

    Abstract: 本申请涉及风力发电机组齿轮箱检测领域,公开了一种齿轮箱运行状态检测方法、装置、设备及介质,包括:采集SCADA系统记录的历史健康数据集;历史健康数据集包括齿轮箱处于健康运行状态时产生的时序数据;构建包含混合膨胀卷积结构和图卷积结构的图神经网络;利用历史健康数据集训练图神经网络,得到用于获取预测值并记录预测值与历史健康数据集之间的残差值的目标行为模型;将待测齿轮箱的实时运行数据集输入至目标行为模型,获取预测数据并计算预测数据与实时运行数据集之间的残差;根据计算的残差与记录的残差值的比较结果,得到待测齿轮箱的运行状态。这样能够实现齿轮箱行为的精确建模,为齿轮箱运行状态的在线检测提供数据支撑。

    一种考虑时空离群点检测的风电机组功率曲线数据预处理方法

    公开(公告)号:CN114169681A

    公开(公告)日:2022-03-11

    申请号:CN202111314376.6

    申请日:2021-11-08

    Abstract: 本发明公开了一种考虑时空离群点检测的风电机组功率曲线数据预处理方法。该方法基于从风电机组数据采集与监视系统中获取的运行时间、风速、有功功率和桨距角数据,根据风速信息剔除不符合风机运行原理的异常点,在时间维度上制定离群判别规则剔除离群点,在空间维度上使用基于异常值分数的孤立森林算法剔除空间离群点。在本发明中,异常点剔除步骤考虑了风机的运行原理,在时间维度与空间维度上分别进行离群点检测的步骤保障了离群点检测的精确性。本发明方法基于风电机组实时运行数据,数据预处理流程规范完整,离群点检测结果具有较高的可信度,能够为风机状态监测提供有效依据,且在实际应用中具有一定的工程意义。

    一种风力发电机组零部件备品备件库存优化方法

    公开(公告)号:CN108876002B

    公开(公告)日:2021-08-17

    申请号:CN201810417122.9

    申请日:2018-05-03

    Abstract: 本发明公开了一种风力发电机组零部件备品备件库存优化方法。它包括以下步骤:S1:对风力发电机组的故障行为进行模式影响分析,建立相应的故障树模型;S2:根据风力发电机组故障树模型,找出故障树模型中的所有最小割集;S3:根据最小割集和故障树模型的结构函数,求解故障树模型中的顶事件发生概率;S4:计算不同底事件的故障责任占比,确定不同底事件对应的零部件缺货惩罚损失;S5:综合考虑零部件购置成本、仓储成本和缺货损失成本,建立零部件库存优化模型;S6:计算出零部件库存优化模型的最优解。本发明能够合理评估不同零部件对于系统失效所承担的责任比重,建立优化模型,求解不同备件的最优补货策略。

    风力发电机桨距角控制方法、系统、装置及可读存储介质

    公开(公告)号:CN109185054B

    公开(公告)日:2020-06-12

    申请号:CN201811056733.1

    申请日:2018-09-11

    Abstract: 本申请公开了一种风力发电机桨距角控制方法、系统、装置及计算机可读存储介质,包括:获取当前通过风力发电机的有效风速;利用有效风速和预设的有效风速预测模型,得到下一单位时刻的有效风速预测值;利用有效风速预测值、预设的查表算法和预设的稳态桨距角对应关系表,得到前馈桨距角;利用前馈桨距角,调节风力发电机的桨距角;本申请提前预测出当前有效风速下一单位时刻后的有效风速预测值,利用有效风速预测值,在预设的稳态桨距角对应关系表中,查找和计算出前馈桨距角,并调节风力发电机的桨距角,实现了浆距的提前变换,增加浆距变换时间,变换速率不会过急,减少风力对浆距变换的阻碍,降低浆距系统的载荷,延长了浆距系统的使用寿命。

    一种面向大型风电机组实时出力性能的评估方法

    公开(公告)号:CN114021992B

    公开(公告)日:2024-06-18

    申请号:CN202111313388.7

    申请日:2021-11-08

    Abstract: 本发明公开了一种面向大型风电机组实时出力性能的评估方法。该方法基于风电机组正常运行状态下数据采集与监视控制系统记录数据集,设计利用滑窗技术的离群点检测方法,并设计带有时间信息提取的特征提取模型,选取XGBoost模型拟合风能利用系数与输入特征的等效数学模型,并统计训练集中超限程度,用于在线应用时出力性能的实时评估。在本发明的实时出力性能评估方法中,对每个数据点能够进行多次判断,并统计其离群程度进行离群点检测,从而获取更鲁棒、更灵活的检测结果;在特征提取中考虑变量时间依赖性,解决了机器学习XGBoost模型没有利用时间信息的问题,基于训练集超限程度作为在线实时评估依据,避免了人为主观因素的干扰,保证了评估的准确性。

    一种面向大型风电机组实时出力性能的评估方法

    公开(公告)号:CN114021992A

    公开(公告)日:2022-02-08

    申请号:CN202111313388.7

    申请日:2021-11-08

    Abstract: 本发明公开了一种面向大型风电机组实时出力性能的评估方法。该方法基于风电机组正常运行状态下数据采集与监视控制系统记录数据集,设计利用滑窗技术的离群点检测方法,并设计带有时间信息提取的特征提取模型,选取XGBoost模型拟合风能利用系数与输入特征的等效数学模型,并统计训练集中超限程度,用于在线应用时出力性能的实时评估。在本发明的实时出力性能评估方法中,对每个数据点能够进行多次判断,并统计其离群程度进行离群点检测,从而获取更鲁棒、更灵活的检测结果;在特征提取中考虑变量时间依赖性,解决了机器学习XGBoost模型没有利用时间信息的问题,基于训练集超限程度作为在线实时评估依据,避免了人为主观因素的干扰,保证了评估的准确性。

Patent Agency Ranking