-
公开(公告)号：CN117878993A
公开(公告)日：2024-04-12
申请号：CN202410053994.7
申请日：2024-01-15
Applicant: 河北工业大学
Abstract: 本发明为一种主被动风电场储能系统优化调度方法，包括如下步骤：获取风电出力预测数据、负荷数据并实时获得风电出力实际数据；根据风电出力预测数据与风电出力实际数据的相对大小判断主被动调度，若风电出力预测数据>风电出力实际数据，则以风电出力实际数据进行主动调度；若风电出力预测数据不大于风电出力实际数据执行被动调度过程，被动调度过程是：直接将风电出力预测数据进行主动调度，并计算缺额功率，同时将差额功率做被动调度，在主动调度的基础上将差额功率进行分配供电来满足，根据差额功率与缺额功率以及蓄电池的储能状态对主动调度阶段的优化结果进行修正，获得最终的调度结果。通过主动与被动调度结合方式，对储能单元调度。
-
公开(公告)号：CN117834628A
公开(公告)日：2024-04-05
申请号：CN202410010820.2
申请日：2024-01-04
Applicant: 河北工业大学
Abstract: 本发明为一种面向微电网场景的边缘计算任务卸载方法，首先根据风光出力情况以及任务队列的延迟容忍度计算权重，根据权重获取需要卸载的任务队列；然后，计及卸载时延和能耗构建目标函数，在并网运行模式下，卸载时延和能耗均包括卸载到微电网设备、边缘服务器以及云服务器的三部分；在孤岛运行模式下，卸载时延和能耗均包括卸载到微电网设备和边缘服务器的两部分；最后，将任务队列作为种群，任务队列卸载到微电网设备、边缘服务器以及云服务器处理的比例作为种群的个体，目标函数作为适应度函数，利用群智能算法进行求解，根据最优解进行任务卸载。该方法根据优先级进行任务卸载，提高了微电网系统的快速响应能力，同时保证了微电网计算任务的实时性。
-
公开(公告)号：CN116717438A
公开(公告)日：2023-09-08
申请号：CN202310937407.6
申请日：2023-07-28
Applicant: 河北工业大学
IPC: F03D17/00
Abstract: 本发明为一种长时间数据缺失特性下的风机偏航数据异常检测方法，首先采集风电机组停机检修期间的偏航数据序列，从采集的偏航数据序列中提取偏航数据，得到预处理的偏航数据序列；然后，将缺失片段划分为两段，利用S‑Prophet模型预测缺失片段的前一段数据，E‑Prophet预测缺失片段的后一段数据，F‑Prophet模型用于缺失片段的整体拟合，再将拟合得到的缺失片段与缺失片段前、后的已知数据进行拼接，得到补齐后的偏航数据序列；最后，基于自动编码器构建异常检测模型，将补齐后的偏航数据序列输入到异常检测模型进行重构，并计算重构误差，若重构误差大于等于设定阈值，则为异常，否则为正常。采用双向补齐策略对缺失片段进行补齐，保证了缺失片段与整个序列的趋势和周期一致性，具有更高的预测精度。
-
公开(公告)号：CN115828466A
公开(公告)日：2023-03-21
申请号：CN202211636823.4
申请日：2022-12-15
Applicant: 河北工业大学
IPC: G06F30/17 , G06F30/27 , G06F119/02
Abstract: 本发明公开一种基于宽核卷积的风机主轴部件故障预测方法，该预测方法首先使用皮尔逊系数对原始数据进行筛选，提取目标数据的强相关数据，并将当前时刻的强相关数据与目标数据的当前时刻数据以及上一时刻点的数据融合，作为WCNN‑LSTM神经网络模型的输入；本发明预测方法中的神经网络模型中引入了变量的时间属性，以及对传统卷积核进行了改进，能够解决由于数据复杂产生的预处理困难以及模型精度不足问题，最后使用滑动窗口进行残差计算，减少故障的误检率，实现了对主轴故障更加高效的预测。
-
Patent Agency Ranking
公开(公告)号：CN117526445A
公开(公告)日：2024-02-06
申请号：CN202311474697.1
申请日：2023-11-08
Applicant: 河北工业大学
IPC: H02J3/46 , G06F30/18 , G06F30/27 , G06Q10/0631 , G06Q50/06 , G06N5/04 , H02J3/32 , H02J3/00 , G06F111/06 , G06F113/04
Abstract: 本发明为一种基于主从博弈的多微网系统容量优化配置方法，首先以能源平准化成本最低为目标构建虚拟电厂的目标函数，以年运行成本最低为目标构建微电网的目标函数；然后，引入奖励机制对虚拟电厂和微电网的目标函数进行优化；最后，计及多微网系统稳定运行的约束条件，利用多目标粒子群算法寻找帕累托前沿，选取使COE最小的解，并根据此解配置各个微电网的容量。虚拟电厂通过内部调度满足微电网的电量缺口，盈余电量向大电网售卖，当内部调度无法满足时，统一由虚拟电厂向大电网购买；微电网有选择地向虚拟电厂供电或向大电网售卖，微电网向虚拟电厂供电能够享受内部零电价优惠，并根据向虚拟电厂供电的比例分摊虚拟电厂的净利润作为分成收益；在奖励机制下虚拟电厂获取更多收益，微电网的年运行成本更低。
-
公开(公告)号：CN116611575A
公开(公告)日：2023-08-18
申请号：CN202310651967.5
申请日：2023-06-05
Applicant: 河北工业大学
Abstract: 本发明为一种基于双层决策博弈的多VPP共享储能容量优化配置方法，使用的双层决策博弈模型包括上层容量优化配置模型和下层运行优化调度模型；首先，构建了上层容量优化配置模型和下层运行优化调度模型的目标函数；然后，考虑各个模型的约束条件，上层容量优化配置模型以多VPP和共享储能电站的年综合成本最低为优化目标，下层运行优化调度模型以共享储能电站的年综合成本最低为优化目标，分别对上层容量优化配置模型和下层运行优化调度模型进行交替迭代求解，完成多VPP共享储能容量的优化配置。该方法从各个模型的众多决策变量中综合考虑了多VPP共享储能系统整体的经济效益，完成系统整体的容量配置和优化调度。
-
公开(公告)号：CN119965954A
公开(公告)日：2025-05-09
申请号：CN202510046498.3
申请日：2025-01-13
Applicant: 河北工业大学
Abstract: 本发明属于光伏发电制氢技术领域，具体是一种考虑季节性储氢的离网氢电储系统容量配置方法。首先，获取历史年的光伏发电数据，按照季节进行划分并进行数据增强；对各季光伏发电数据进行聚类，将光伏发电分为高、中、低三种状态，统计每种状态在各季中的比例作为各季各种状态的初始概率；基于马尔可夫模型构建光伏发电状态空间，得到各季的状态转移概率矩阵；根据状态转移矩阵得到状态概率向量更新公式，并计算各个季节中各天光伏发电处于各种状态的权重；然后，考虑各个季节中各天光伏发电处于各种状态的权重，构建氢电储系统容量配置的目标函数和约束条件；最后，计及约束条件，对氢电储系统容量配置的目标函数进行求解，得到帕累托前沿解集，从帕累托前沿解集中得到最优解，进而得到各设备的最优规划容量。该方法准确描述了光伏出力的不确定性，并考虑光伏发电对其余设备的制约，提高了容量配置的准确性。
-
公开(公告)号：CN118051857A
公开(公告)日：2024-05-17
申请号：CN202410355915.8
申请日：2024-03-27
Applicant: 河北工业大学
IPC: G06F18/2433 , G06F18/25 , G06N3/0442 , G06N3/08 , G06F123/02
Abstract: 本发明为一种基于扩散模型的风机时空数据异常检测方法，所述检测方法包括以下内容：对采集到的风电机组SCADA时序数据相关性分析，通过滑动窗口的模式把数据划分成w×w的矩阵；构建GRUfusion模型，GRUfusion模型包括自注意力机制模块、GRU模块和扩散模型diffusion，所述w×w的矩阵输入到GRU模块获得时间特征，w×w的矩阵的转秩矩阵输入到自注意力机制模块获得空间特征，时间特征和空间特征通过多通道融合进行特征数据拼接后进入扩散模型diffusion，由扩散模型diffusion输出预测误差，再进行异常判断。该方法准确度更高，对数据时空关系提取更加有效，同时能在设备即将发生异常时可以提前预警。
-
公开(公告)号：CN117232809A
公开(公告)日：2023-12-15
申请号：CN202311191865.6
申请日：2023-09-15
Applicant: 河北工业大学
IPC: G01M13/00 , G01M13/04 , G01M99/00 , G06F30/17 , G06F30/27 , G06Q10/04 , G06Q10/20 , G06Q50/06 , G06N3/006 , G06N20/20 , F03D17/00
Abstract: 本发明为基于DEMATEL‑ANP‑CRITIC组合赋权的风机主轴故障预诊断方法，首先获取风机运行数据，得到数据集；然后，将主轴齿箱侧油温作为目标特征，选取与目标特征具有强相关性的特征作为强相关性特征，保留目标特征和所有强相关性特征的时间序列；接着，搭建多个模型作为单体故障预诊断模型，对目标特征进行预测；最后，利用训练后的各个单体故障预诊断模型进行预测，并利用主客观相结合的方式对各个单体故障预诊断模型的预测结果进行赋权，再将所有单体故障预诊断模型的预测结果进行叠加，得到目标特征组合预测值；利用滑动窗口法和3σ准则进行故障预诊断。结合风电现场对准确性、实时性、关联性等的多元需求，利用多个单体故障预诊断模型对目标特征进行联合预测，充分发挥不同模型各自的优势，提高预测精度。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.016 seconds)
