-
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
申请人： 浙江运达风电股份有限公司 , 浙江大学
IPC分类号： G01M13/021 , G01M13/028 , G01M13/00 , G01M13/02 , G06F17/14
摘要： 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。
-
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
申请人： 浙江大学 , 浙江运达风电股份有限公司
摘要： 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。
-
公开(公告)号：CN114065618A
公开(公告)日：2022-02-18
申请号：CN202111313404.2
申请日：2021-11-08
申请人： 浙江运达风电股份有限公司 , 浙江大学
IPC分类号： G06F30/27 , G06N3/00 , G06F111/04 , G06F111/08 , G06F113/06 , G06F119/02
摘要： 本发明公开了一种基于微分进化的参数模型拟合风机功率曲线的方法。该方法针对风机数据采集与监视系统采集的数据，基于风速信息进行数据清洗；建立五参数logistic模型对清洗后的功率曲线数据集进行拟合，logistic参数模型与标准风机功率曲线具有高度相似的特征，保证了曲线拟合的准确性；使用自适应控制参数变化的微分进化算法对五参数logistic模型的参数进行辨识，保证拟合曲线平滑性的同时提升了拟合速度，最终得到拟合风机功率曲线的五参数logistic模型。本发明方法是基于数据的参数建模方法，数据清洗步骤完备，选取的参数模型兼顾了实际运行数据特征与标准风机功率曲线特征，具有一定的理论价值与实际工程意义。
-
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
申请人： 浙江运达风电股份有限公司 , 浙江大学
IPC分类号： F03D7/00
摘要： 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。
-
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
申请人： 浙江大学 , 浙江运达风电股份有限公司
IPC分类号： G06Q10/063 , G06Q50/06 , G06N3/048 , G06N3/0464 , G06N20/00
摘要： 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。
-
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
申请人： 浙江大学 , 浙江运达风电股份有限公司
摘要： 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。
-
公开(公告)号：CN111414717A
公开(公告)日：2020-07-14
申请号：CN202010135920.X
申请日：2020-03-02
申请人： 浙江大学 , 浙江运达风电股份有限公司
摘要： 本发明公开了基于XGBoost-LightGBM的机组功率预测方法，包括以下步骤：离线建模；收集训练样本集；对于训练集数据采用XGBoost做特征提取；划分训练集和测试集；学习出LightGBM模型；在线预测。上述技术方案采用极端梯度增强算法用于对特征的选择，筛选出对输出功率的预测更为有效和敏感的特征，将筛选出的有效特征变量代入到Light Gradient Boosting Machine模型，建立功率预测模型，该技术方案充分考虑了采集到的变量对机组功率预测的有效性，对于风力发电机组功率预测具有更高的准确性。
-
公开(公告)号：CN114169681B
公开(公告)日：2024-07-16
申请号：CN202111314376.6
申请日：2021-11-08
申请人： 浙江大学 , 浙江运达风电股份有限公司
IPC分类号： G06Q10/0639 , G06Q50/06
摘要： 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。
-
公开(公告)号：CN114033631A
公开(公告)日：2022-02-11
申请号：CN202111314387.4
申请日：2021-11-08
申请人： 浙江运达风电股份有限公司 , 浙江大学
摘要： 本发明公开了一种风电机组风能利用系数在线辨识方法。该方法基于风电机组数据采集与监视控制系统记录数据集，选取相关变量进行风能利用系数的计算，结合不同变量相关关系进行异常数据剔除，并设计利用滑窗的离群点检测方法量化离群程度，对风能利用系数进行数据清洗，进而选取变量估计模型拟合风能利用系数与相关变量等效模型，从而实现风能利用系数在线辨识。在本发明风能利用系数在线辨识方法中，结合不同变量相关关系可以以更精确的规则进行异常运行数据剔除，利用滑窗的离群点检测方法能以不同辨识精度需求进行离群点剔除，使数据清洗具有灵活性；通过风能利用系数的在线辨识输出风电机组实时运行状态，具有较强的理论性与实用性。
-
公开(公告)号：CN117268757A
公开(公告)日：2023-12-22
申请号：CN202311311014.0
申请日：2023-10-09
申请人： 浙江运达风电股份有限公司 , 浙江大学
IPC分类号： G01M13/04
摘要： 本申请涉及风力发电机组轴承检测领域，公开了一种风力发电机组轴承故障预警方法、装置、设备及介质，包括：根据风力发电机组的SCADA历史数据，建立针对轴承温度的估计模型，并利用估计模型获取验证残差序列；根据验证残差序列，利用3‑sigma原则确定轴承温度残差预警阈值并获取基准预警分数；利用估计模型获取待测数据对应的应用残差序列；将应用残差序列与残差预警阈值进行比较，得到应用残差序列的超限情况并计算对应的超限预警分数；当该分数超过基准预警分数时，则进行轴承故障预警。这样考虑了残差序列的波动对轴承故障预警结果输出的影响，能够有效降低风力发电机组轴承故障漏报与误报的风险，实现准确可靠的故障预警。
-
-
-
-
-
-
-
-
-
搜索结果
716 条记录 (耗时 0.066 秒)
