-
公开(公告)号：CN111709490A
公开(公告)日：2020-09-25
申请号：CN202010586207.7
申请日：2020-06-24
Applicant: 河北工业大学
Abstract: 本发明公开一种基于GRU神经网络的风机健康状态评估方法，包括以下步骤，以CLIQUE聚类方法为基础完成风机运行工况划分；选取表征风机重要部件运行状况的特征参量作为评估指标集合；针对各运行工况子空间，建立基于GRU神经网络的风机健康状态评估模型实时预测各评估指标参量的变化情况；采用基于偏互信息的特征选择方法确定评估模型的输入参量；通过变权评估方法对预测误差进行加权分析，得到风机运行健康度指数，根据健康度指数评估风机运行健康状态。相比当前多集中于某一关键部件的评估方法，本发明可以更全面、准确的评估风机运行健康状态，可为制定风电机组维护计划提供有力支撑，从而降低风力发电机的运维成本。
-
Patent Agency Ranking
公开(公告)号：CN111582392A
公开(公告)日：2020-08-25
申请号：CN202010397701.9
申请日：2020-05-12
Applicant: 河北工业大学
Abstract: 本发明公开一种风电机组关键部件多工况健康状态在线监测方法，包括：从风电机组关键部件的历史监测数据中筛选有效状态变量，并进行特征向量提取；进行自适应工况划分，并基于工况划分结果构建基于BiLSTM-GMM的多工况健康度基准模型及基于H-SVM的工况识别基准模型；通过工况识别基准模型输出实时运行状态，将特征向量输入相应工况的健康度基准模型，得到风电机组关键部件的实时健康度；进行报警阈值的计算，基于实时健康度及报警阈值完成风电机组关键部件健康状态的在线监测。本发明能够对风电机组故障部件进行快速准确定位，且能够在故障停机前两到三天进行故障报警，从而运维人员能够有针对性地进行预修，提高运维效率。
-
公开(公告)号：CN111709490B
公开(公告)日：2022-03-18
申请号：CN202010586207.7
申请日：2020-06-24
Applicant: 河北工业大学
Abstract: 本发明公开一种基于GRU神经网络的风机健康状态评估方法，包括以下步骤，以CLIQUE聚类方法为基础完成风机运行工况划分；选取表征风机重要部件运行状况的特征参量作为评估指标集合；针对各运行工况子空间，建立基于GRU神经网络的风机健康状态评估模型实时预测各评估指标参量的变化情况；采用基于偏互信息的特征选择方法确定评估模型的输入参量；通过变权评估方法对预测误差进行加权分析，得到风机运行健康度指数，根据健康度指数评估风机运行健康状态。相比当前多集中于某一关键部件的评估方法，本发明可以更全面、准确的评估风机运行健康状态，可为制定风电机组维护计划提供有力支撑，从而降低风力发电机的运维成本。
-
公开(公告)号：CN110309492A
公开(公告)日：2019-10-08
申请号：CN201910582504.1
申请日：2019-06-29
Applicant: 河北工业大学
Abstract: 本发明公开了一种基于扩散图数据降维技术的风力发电机组健康度评估方法，包括采集样本数据、构建检测模型、健康状态曲面确定、不同故障质心选择、数据降维、整机健康度评估以及风力发电机组关键部件健康度评估。本发明的有益效果是：通过对风力发电机组的健康度衰退指数监测以确保风力发电机组安全运行，在风力发电机组健康度衰退时及时安排检查和维修，避免不必要的人力物力损失，可以对风力发电机组及其关键部件进行实时的健康度评估，并且扩散图数据降维技术实现了风力发电机组健康度的可视化，提前监测风力发电机组的健康指数衰退情况，对现场维修人员具有指导意义，优化维修方案，减少人力物力浪费，从而降低风力发电机的运维成本。
-
公开(公告)号：CN111582392B
公开(公告)日：2021-03-02
申请号：CN202010397701.9
申请日：2020-05-12
Applicant: 河北工业大学
Abstract: 本发明公开一种风电机组关键部件多工况健康状态在线监测方法，包括：从风电机组关键部件的历史监测数据中筛选有效状态变量，并进行特征向量提取；进行自适应工况划分，并基于工况划分结果构建基于BiLSTM‑GMM的多工况健康度基准模型及基于H‑SVM的工况识别基准模型；通过工况识别基准模型输出实时运行状态，将特征向量输入相应工况的健康度基准模型，得到风电机组关键部件的实时健康度；进行报警阈值的计算，基于实时健康度及报警阈值完成风电机组关键部件健康状态的在线监测。本发明能够对风电机组故障部件进行快速准确定位，且能够在故障停机前两到三天进行故障报警，从而运维人员能够有针对性地进行预修，提高运维效率。
-
公开(公告)号：CN110309492B
公开(公告)日：2020-08-04
申请号：CN201910582504.1
申请日：2019-06-29
Applicant: 河北工业大学
Abstract: 本发明公开了一种基于扩散图数据降维技术的风力发电机组健康度评估方法，包括采集样本数据、构建检测模型、健康状态曲面确定、不同故障质心选择、数据降维、整机健康度评估以及风力发电机组关键部件健康度评估。本发明的有益效果是：通过对风力发电机组的健康度衰退指数监测以确保风力发电机组安全运行，在风力发电机组健康度衰退时及时安排检查和维修，避免不必要的人力物力损失，可以对风力发电机组及其关键部件进行实时的健康度评估，并且扩散图数据降维技术实现了风力发电机组健康度的可视化，提前监测风力发电机组的健康指数衰退情况，对现场维修人员具有指导意义，优化维修方案，减少人力物力浪费，从而降低风力发电机的运维成本。
-
-
-
-
-
Search Results
6
records
(took 0.015 seconds)
