-
公开(公告)号：CN113404655A
公开(公告)日：2021-09-17
申请号：CN202110916460.9
申请日：2021-08-11
Applicant: 湖南科技大学
IPC: F03D17/00
Abstract: 本发明涉及风力发电机故障诊断技术领域，公开了一种基于PS0‑ANFIS的风力发电机传感器状态诊断系统，包括数据采集模块，所述数据采集模块的输出端单向电性连接有传感器预测单元，所述传感器预测单元的输出端单向连接有PS0‑ANFIS处理模型，所述PS0‑ANFIS处理模型的输出端连接有比较器，所述比较器的输出端单向电性连接有开始单元，所述开始单元的输出端单向电性连接有初始化模块；本发明具备可以具体到传感器本身，更加精细，有利于工作人员快速准确的找到风机故障具体原因的优点，尤其是传感器本身有故障时，能快速精准找到故障传感器，而不需要对所有器件进行检测再来判定是该传感器出现了故障，这样可以节约维修的成本和时间，具有很大的经济效益。
-
公开(公告)号：CN111950505A
公开(公告)日：2020-11-17
申请号：CN202010860000.4
申请日：2020-08-24
Applicant: 湖南科技大学
Abstract: 本发明公开了一种SSA-AANN的风力发电机传感器状态评估方法，其方法包括如下步骤：通过风电公司得到所需要的SCADA数据，采集到多种传感器的海量数据；采用层次聚类方法对数据进行智能筛选；本发明能实现传感器的固定偏差故障、漂移故障、精度下降故障、断电故障以及脉冲故障判断，其准确性高，检验率更高，现有的技术基本上都是对整个风机状态的评定，而该技术具体到传感器本身，更加精细，有利于工作人员快速准确地找到风机故障的具体原因，尤其是传感器本身有故障时，能快速精准找到故障传感器，而不需要对所有器件进行检测再来判定是该传感器出现了故障，这样可以节约维修的成本和时间，具有很大的经济效益。
-
Patent Agency Ranking
公开(公告)号：CN111980871A
公开(公告)日：2020-11-24
申请号：CN202010860014.6
申请日：2020-08-24
Applicant: 湖南科技大学
IPC: F03D17/00
Abstract: 本发明涉及风力发电机故障诊断技术领域，公开了一种基于PS0-ANFIS的风力发电机传感器状态诊断系统，包括数据采集模块，所述数据采集模块的输出端单向电性连接有传感器预测单元，所述传感器预测单元的输出端单向连接有比较器，所述比较器的输出端单向电性连接有开始单元，所述开始单元的输出端单向电性连接有初始化模块；本发明具备可以具体到传感器本身，更加精细，有利于工作人员快速准确的找到风机故障具体原因的优点，尤其是传感器本身有故障时，能快速精准找到故障传感器，而不需要对所有器件进行检测再来判定是该传感器出现了故障，这样可以节约维修的成本和时间，具有很大的经济效益。
-
公开(公告)号：CN118839117A
公开(公告)日：2024-10-25
申请号：CN202411311197.0
申请日：2024-09-20
Applicant: 湖南科技大学
IPC: G06F18/10 , G06F18/20 , G06N3/0442 , G06N3/006 , G06N3/084
Abstract: 本申请提供的一种风速传感器异常数据的重构方法及装置，方法通过变分模态分解将历史风速序列进行一次分解，然后将分解后的残余分量通过改进的自适应噪声完全集合经验模态分解算法进行二次分解，随后将分解得到的一次分解历史风速子序列和二次分解历史风速子序列分别输入到LSTM神经网络当中，结合基于自适应扰动的疯狂蝴蝶算法进行训练，得到第一目标LSTM神经网络和第二目标LSTM神经网络，最后通过第一目标LSTM神经网络和第二目标LSTM神经网络对待测风速序列进行风速重构，得到对应的风速序列重构结果，进而实现对实际工程中的风速传感器异常数据的精准重构效果，从而提高了风电场的效率。
-
公开(公告)号：CN117933298A
公开(公告)日：2024-04-26
申请号：CN202410317551.4
申请日：2024-03-20
Applicant: 湖南科技大学
IPC: G06N3/006 , G06N3/0442 , G06N3/084
Abstract: 本申请提供的一种风速重构方法、装置、电子设备及存储介质，方法包括：步骤S1，获取多个风机在相同时间段内的风速序列及功率序列；步骤S2，根据风速序列及功率序列，从风机中筛选得到目标风机对应的目标机组集；步骤S3，以目标机组集中所有风机的风速序列，结合灰狼优化算法对初始构建的LSTM神经网络进行训练，得到目标LSTM神经网络；步骤S4，当目标风机存在异常风速时，将目标机组集在异常时段的实时风速序列输入所述目标LSTM神经网络，得到对应的风速预测序列；步骤S5，基于风速预测序列，对目标风机进行风速重构。通过结合灰狼优化算法，训练得到预测精度更高的目标LSTM神经网络，进而提升实际应用中异常风速重构的精度。
-
公开(公告)号：CN118839117B
公开(公告)日：2024-11-22
申请号：CN202411311197.0
申请日：2024-09-20
Applicant: 湖南科技大学
IPC: G06F18/10 , G06F18/20 , G06N3/0442 , G06N3/006 , G06N3/084
Abstract: 本申请提供的一种风速传感器异常数据的重构方法及装置，方法通过变分模态分解将历史风速序列进行一次分解，然后将分解后的残余分量通过改进的自适应噪声完全集合经验模态分解算法进行二次分解，随后将分解得到的一次分解历史风速子序列和二次分解历史风速子序列分别输入到LSTM神经网络当中，结合基于自适应扰动的疯狂蝴蝶算法进行训练，得到第一目标LSTM神经网络和第二目标LSTM神经网络，最后通过第一目标LSTM神经网络和第二目标LSTM神经网络对待测风速序列进行风速重构，得到对应的风速序列重构结果，进而实现对实际工程中的风速传感器异常数据的精准重构效果，从而提高了风电场的效率。
-
公开(公告)号：CN111950505B
公开(公告)日：2023-08-29
申请号：CN202010860000.4
申请日：2020-08-24
Applicant: 湖南科技大学
IPC: G06F18/213 , G06F18/2433 , G06F18/23 , G06N3/006 , G06N3/04 , G06N3/086
Abstract: 本发明公开了一种SSA‑AANN的风力发电机传感器状态评估方法，其方法包括如下步骤：通过风电公司得到所需要的SCADA数据，采集到多种传感器的海量数据；采用层次聚类方法对数据进行智能筛选；本发明能实现传感器的固定偏差故障、漂移故障、精度下降故障、断电故障以及脉冲故障判断，其准确性高，检验率更高，现有的技术基本上都是对整个风机状态的评定，而该技术具体到传感器本身，更加精细，有利于工作人员快速准确地找到风机故障的具体原因，尤其是传感器本身有故障时，能快速精准找到故障传感器，而不需要对所有器件进行检测再来判定是该传感器出现了故障，这样可以节约维修的成本和时间，具有很大的经济效益。
-
-
-
-
-
-
Search Results
7
records
(took 0.024 seconds)
