-
公开(公告)号：CN113982850A
公开(公告)日：2022-01-28
申请号：CN202111060718.6
申请日：2021-09-10
Applicant: 大唐国信滨海海上风力发电有限公司 , 中国大唐集团科学技术研究院有限公司火力发电技术研究院
IPC: F03D17/00
Abstract: 本发明涉及一种融合高低频信号的风机综合健康分析方法及系统，方法包括：采集低频监测数据和高频监测数据，进行时间对齐和质量评估，将不符合质量指标的数据剔除；筛选出预设工况下的监测数据；对监测数据进行分窗处理；对每一个时间窗口下的监测数据进行特征提取，将提取到的特征进行合并得到风机在对应时间窗口下的特征子集，形成特征集；根据特征集进行模型训练，得到风机异常监测模型；将风机当前的监测数据对应的特征集输入至模型中，得到风机当前的健康风险评估值，根据健康风险评估值确定风机当前是否出现故障。本发明充分利用经具备的数据基础，搭建模型并进行异常检测，满足用户对于风机实现真正系统级的健康分析的需求。
-
公开(公告)号：CN113982850B
公开(公告)日：2023-11-10
申请号：CN202111060718.6
申请日：2021-09-10
Applicant: 大唐国信滨海海上风力发电有限公司 , 中国大唐集团科学技术研究院有限公司火力发电技术研究院
IPC: F03D17/00
Abstract: 本发明涉及一种融合高低频信号的风机综合健康分析方法及系统，方法包括：采集低频监测数据和高频监测数据，进行时间对齐和质量评估，将不符合质量指标的数据剔除；筛选出预设工况下的监测数据；对监测数据进行分窗处理；对每一个时间窗口下的监测数据进行特征提取，将提取到的特征进行合并得到风机在对应时间窗口下的特征子集，形成特征集；根据特征集进行模型训练，得到风机异常监测模型；将风机当前的监测数据对应的特征集输入至模型中，得到风机当前的健康风险评估值，根据健康风险评估值确定风机当前是否出现故障。本发明充分利用经具备的数据基础，搭建模型并进行异常检测，满足用户对于风机实现真正系统级的健康分析的需求。
-
公开(公告)号：CN114021610A
公开(公告)日：2022-02-08
申请号：CN202111061125.1
申请日：2021-09-10
Applicant: 中国大唐集团科学技术研究院有限公司火力发电技术研究院
Abstract: 本发明涉及一种基于迁移学习的风机故障识别模型训练方法及系统，包括：S110、对源风机和目标风机各自的历史运行数据进行特征提取，得到各自的特征数据集；S120、对源风机故障识别模型进行训练和对超参数进行优化，得到最佳超参数；S130、根据最佳超参数和目标风机的特征数据集进行模型训练，得到目标风机故障识别模型，计算效果评估值；S140、按照分配比例形成迁移特征数据集，根据迁移特征数据集和最佳超参数进行模型训练，得到风机故障识别迁移模型，计算效果评估值；S150、判断迁移是否有效；若是，则将风机故障识别迁移模型作为对目标风机进行故障识别的模型。本发明可以提高故障识别模型的泛化能力，降低故障识别模型对样本数据的要求。
-
公开(公告)号：CN114021610B
公开(公告)日：2023-04-07
申请号：CN202111061125.1
申请日：2021-09-10
Applicant: 中国大唐集团科学技术研究院有限公司火力发电技术研究院
IPC: G06F18/2433 , G06N20/00 , G06N20/10
Abstract: 本发明涉及一种基于迁移学习的风机故障识别模型训练方法及系统，包括：S110、对源风机和目标风机各自的历史运行数据进行特征提取，得到各自的特征数据集；S120、对源风机故障识别模型进行训练和对超参数进行优化，得到最佳超参数；S130、根据最佳超参数和目标风机的特征数据集进行模型训练，得到目标风机故障识别模型，计算效果评估值；S140、按照分配比例形成迁移特征数据集，根据迁移特征数据集和最佳超参数进行模型训练，得到风机故障识别迁移模型，计算效果评估值；S150、判断迁移是否有效；若是，则将风机故障识别迁移模型作为对目标风机进行故障识别的模型。本发明可以提高故障识别模型的泛化能力，降低故障识别模型对样本数据的要求。
-
-
-
Search Results
4
records
(took 0.108 seconds)
