-
公开(公告)号：CN117458433A
公开(公告)日：2024-01-26
申请号：CN202311236020.4
申请日：2023-09-22
Applicant: 湖南大学
IPC: H02J3/00 , H02J3/38 , G06Q10/0637 , G06Q50/06
Abstract: 本发明公开了一种分布式光伏电站柔性聚集的时空概率预测方法及系统，本发明包括识别光伏电站的波动趋势并聚类为波动模式，将各个光伏电站太阳能发电的时间序列转换为波动模式序列，将不同地点在同一时间的波动模式定义为空间波动模式以建立时空相关模型；采样生成批量的空间波动模式场景并逆向过程分解为各个光伏电站发电的波动模式序列场景并发送给光伏电站；各个光伏电站将收到的波动模式序列场景转换为太阳能发电的时间序列场景，并利用预先训练好的确定性太阳能发电预测模型得到该光伏电站的确定性预测结果，并计算出每小时太阳能发电量。本发明旨在能够提高单个站点和聚合组的预测性能，能够有效提升时空概率预测的性能。
-
公开(公告)号：CN119397729A
公开(公告)日：2025-02-07
申请号：CN202411257602.5
申请日：2024-09-09
Applicant: 湖南大学
IPC: G06F30/20 , G06F30/27 , G06N5/01 , G06F113/06 , G06F119/08 , G06F119/06
Abstract: 本发明公开了一种基于交叉相关与动态规划的风电数字孪生实时性检测方法，包括获取数字孪生产生的孪生风机数据以及对应的真实风机数据，将两种数据进行数据预处理得到时间序列后计算交叉相关，找出最大的交叉相关的位置及其对应的时间延迟；使用时间延迟修正孪生风机数据的时间序列，针对真实风机数据的时间序列、修正后的孪生风机数据的时间序列计算数据误差指标以判断是否存在实时性异常，若存在实时性异常则将真实风机数据的时间序列、修正后的孪生风机数据的时间序列计算动态时间规整距离矩阵和匹配路径。本发明旨在实现实时性尺度及准确性尺度的数字孪生状态评价，提高风电机群的数字孪生系统运行状态检测中的全面性、准确性。
-
Patent Agency Ranking
公开(公告)号：CN115712065A
公开(公告)日：2023-02-24
申请号：CN202310012098.1
申请日：2023-01-05
Applicant: 湖南大学
IPC: G01R31/34 , G01M13/045 , G06F18/213 , G06F18/24 , G06V10/44 , G06V10/764 , G06V10/82 , G06F18/241 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种时频旋转门与卷积核感知匹配的电机故障诊断方法及系统，本发明包括获取多种电机故障状态下的振动信号样本，变换为频域信号，并利用时频旋转门法SDA预处理，同时将频域信号进行时序图像转换生成二维图像样本作为卷积神经网络CNN的输入，调整时频旋转门法SDA的参数以及卷积神经网络CNN的卷积层数和卷积核大小，使得时频旋转门法SDA预处理得到的数据特征数据量、卷积神经网络CNN的卷积核感知匹配，根据卷积核感知匹配时的卷积层数和卷积核大小确定卷积神经网络CNN的网络结构再训练以用于电机故障诊断。本发明能够提高电机故障诊断的准确性和效率。
-
公开(公告)号：CN119646561A
公开(公告)日：2025-03-18
申请号：CN202411502882.1
申请日：2024-10-25
Applicant: 湖南大学
IPC: G06F18/24 , G06F18/21 , G06N3/0464 , G06N3/08 , G06F123/02
Abstract: 本发明公开了一种基于时频旋转门感知匹配的风电数字孪生鲁棒性检测方法，包括获取数字孪生产生的风机检测信号和传感器采集的风机检测信号，所述风机检测信号为风机的温度、径向振动、轴向振动、电流、电压或者功率；通过旋转门算法SDA分别对两种风机检测信号进行预处理以使得预处理后的风机检测信号的特征频率幅值误差小于预设阈值；基于预处理后的风机检测信号分别更新各自对应的卷积神经网络的感受野以确定卷积神经网络卷积层层数，将两种风机检测信号的卷积神经网络卷积层层数差异作为数字孪生的鲁棒性检测结果输出。本发明旨在提高数据处理能力，解决信号平稳变化时频谱偏差和混叠以及信号突变可能导致的误诊，提高鲁棒性判断的准确性。
-
公开(公告)号：CN119532126A
公开(公告)日：2025-02-28
申请号：CN202411461748.1
申请日：2024-10-18
Applicant: 湖南大学
Abstract: 本发明公开了一种基于信号分布特性的风电数字孪生协同演化检测方法，包括：获取数字孪生产生的风机信号数据和传感器采集的风机信号数据；分别对两种风机信号数据进行预处理以使得预处理后的风机信号数据的特征频率幅值误差小于预设阈值；分别将两种预处理后的风机信号数据插值至原始的数据量；分别对两种插值后的结果进行时序序列分布转换得到时序序列信号分布概率；根据两种时序序列信号分布概率计算总体差异值作为孪生协同演化检测结果输出。本发明旨在通过对测量值和数字孪生值处理后的信号分布进行对比来验证数字孪生系统的协同演化程度，以使数字孪生系统全面、准确地反映风电机组的运行状态。
-
公开(公告)号：CN117310479A
公开(公告)日：2023-12-29
申请号：CN202311042363.7
申请日：2023-08-17
Applicant: 湖南大学
IPC: G01R31/34 , G01H17/00 , G06F18/10 , G06F18/213 , G06N3/0442 , G06F123/02
Abstract: 本发明公开了一种基于时频特征信号分布优化的电机故障预测方法及系统，本发明方法包括：S101，获取电机的振动时域信号；S102，将振动时域信号采用旋转门压缩算法SDT进行压缩以减少数据量，并对压缩后的振动时域信号采用ARIMA模型补充数据点，并转换为时间序列分布；S103，将振动时域信号采用变分模态分解VMD提取辅助预测信号；S104，将辅助预测信号、时间序列分布组合利用门控循环单元GRU实现故障预测。本发明旨在降低信号中的噪声成分、提高信号的集中程度，提高了电机故障的识别能力。
-
公开(公告)号：CN115712065B
公开(公告)日：2023-04-07
申请号：CN202310012098.1
申请日：2023-01-05
Applicant: 湖南大学
IPC: G01R31/34 , G01M13/045 , G06F18/213 , G06F18/24 , G06V10/44 , G06V10/764 , G06V10/82 , G06F18/241 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种时频旋转门与卷积核感知匹配的电机故障诊断方法及系统，本发明包括获取多种电机故障状态下的振动信号样本，变换为频域信号，并利用时频旋转门法SDA预处理，同时将频域信号进行时序图像转换生成二维图像样本作为卷积神经网络CNN的输入，调整时频旋转门法SDA的参数以及卷积神经网络CNN的卷积层数和卷积核大小，使得时频旋转门法SDA预处理得到的数据特征数据量、卷积神经网络CNN的卷积核感知匹配，根据卷积核感知匹配时的卷积层数和卷积核大小确定卷积神经网络CNN的网络结构再训练以用于电机故障诊断。本发明能够提高电机故障诊断的准确性和效率。
-
-
-
-
-
-
Search Results
7
records
(took 0.017 seconds)
