-
公开(公告)号：CN116484636A
公开(公告)日：2023-07-25
申请号：CN202310519520.2
申请日：2023-05-09
Applicant: 华北电力科学研究院有限责任公司 , 华北电力大学(保定) , 国家电网有限公司
IPC: G06F30/20 , G06F111/08 , G06F113/06 , G06F119/02
Abstract: 本发明公开了一种多退化竞争失效的风电机组可靠性评估方法及装置，该方法包括：获取多种退化过程中的每种退化过程各自的指标数据；基于每种退化过程的指标数据采用多元维纳过程来描述风电机组的多种退化过程，建立多元退化的可靠度评估模型；基于威布尔分布进行突发失效建模，得到风电机组的第一突发失效可靠性评估模型；根据所述第一突发失效可靠性评估模型以及所述多种退化过程的退化量风险系数，采用威布尔竞争比例失效模型建立第二突发失效可靠性评估模型；根据所述多元退化的可靠度评估模型和所述第二突发失效可靠性评估模型，构建风电机组多元退化竞争失效可靠性评估模型。本发明有助于提高风电机组可靠性评估的准确性。
-
公开(公告)号：CN119290380A
公开(公告)日：2025-01-10
申请号：CN202411112197.8
申请日：2024-08-14
Applicant: 国网冀北电力有限公司电力科学研究院 , 华北电力大学(保定) , 国家电网有限公司 , 国网冀北电力有限公司
IPC: G01M13/021 , G01M13/028 , G01J5/48 , G06V10/80 , G06V10/82
Abstract: 本发明提供了一种基于多数据融合的风电机组齿轮箱故障判别方法及装置，对应的方法包括：将所述风电机组齿轮箱的声学数据转换为二维图像；将所述风电机组齿轮箱的红外热成像数据解析为三通道数据；根据预生成的卷积神经网络提取所述二维图像以及所述三通道数据的特征数据；根据所述特征数据以及预生成的Transformer模型判别所述风电机组齿轮箱故障。本发明使用多模态信息融合方法结合多种传感器信号中相互关联的故障特征，从不同模态的角度学习具有相关性的特征，丰富故障特征信息，增强故障诊断方法的精准度和可靠性，同时结合多种传感器的特点，能够防止在极端环境下某种传感器的失效问题，提升风电机组齿轮箱故障诊断方法的鲁棒性与稳定性。
-
Patent Agency Ranking
公开(公告)号：CN119163558A
公开(公告)日：2024-12-20
申请号：CN202411112201.0
申请日：2024-08-14
Applicant: 国网冀北电力有限公司电力科学研究院 , 华北电力大学(保定) , 国家电网有限公司 , 国网冀北电力有限公司
IPC: F03D17/00 , G06N3/0442 , G06N3/08
Abstract: 本发明提供了一种基于多源数据的风电机组机械部件态势感知方法和装置，方法包括：基于风电机组机械部件的损坏情况及影响因素确定并获取态势感知环境参量；对态势感知环境参量进行预处理；将预处理后的态势感知环境参量进行特征提取与融合获得多源信息融合矩阵；将多源信息融合矩阵作为态势感知模型的输入，利用态势感知模型输出进行风电机组机械部件态势识别。本发明通过采集风电机组的振动信号、输出功率、温度、湿度，对采集到的信号进行特征提取及融合，提高了风电机组机械部件态势感知的可靠性。另外本发明将输入数据通过映射器进行一次函数映射，使输入数据处于同一共享特征空间，实现多传感器信息多模式融合，进一步提高感知的准确性。
-
公开(公告)号：CN118780988A
公开(公告)日：2024-10-15
申请号：CN202410885218.3
申请日：2024-07-03
Applicant: 国网冀北电力有限公司电力科学研究院 , 华北电力大学(保定) , 国家电网有限公司 , 国网冀北电力有限公司
IPC: G06T3/4076 , G06V10/44 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/0475 , G06N3/094
Abstract: 本发明提供一种超分辨率图像重建方法及装置，涉及人工智能技术领域。所述方法包括：获取电力设备热成像图像；基于预设超分辨率图像生成模型对所述电力设备热成像图像进行处理，重建得到与所述电力设备热成像图像相对应的超分辨率图像。所述装置执行上述方法。本发明实施例提供的超分辨率图像重建方法及装置，能够获取具有更高图像质量的电力设备热成像图像。
-
公开(公告)号：CN118780163A
公开(公告)日：2024-10-15
申请号：CN202410885220.0
申请日：2024-07-03
Applicant: 国网冀北电力有限公司电力科学研究院 , 华北电力大学(保定) , 国家电网有限公司 , 国网冀北电力有限公司
IPC: G06F30/27 , G06F30/17 , G06F18/213 , G01M13/045 , G06F18/25 , G06N3/006 , G06F119/02 , G06F111/08 , G06F119/04 , G06F113/06
Abstract: 本申请提供了一种风电机组齿轮箱性能退化评估方法及系统，所述方法包含：获取风电机组齿轮箱全寿命的振动数据，通过完全自适应噪声集合经验模态分解对所述振动数据获得特征信号数据；通过核主成分分析方法融合所述特征信号数据提取健康指标数据；根据所述健康指标数据训练果蝇算法优化极限学习机模型构建的预测模型获得健康预测模型；通过所述健康预测模型分析待测风电机组齿轮箱获得退化评估结果。
-
公开(公告)号：CN118246313A
公开(公告)日：2024-06-25
申请号：CN202410189022.0
申请日：2024-02-20
Applicant: 国网冀北电力有限公司电力科学研究院 , 华北电力大学(保定) , 国家电网有限公司 , 国网冀北电力有限公司
IPC: G06F30/27 , G06F18/2411 , G06F18/214 , G06F18/25 , G06F18/213 , G06N3/006 , G06F119/02
Abstract: 本发明提供了一种风机轴承劣化性能预测方法和装置，方法包括：从风机轴承振动信号数据文件中提取时域、频域和时频域的原始特征参量；基于原始特征参量筛选出初始风机轴承性能劣化特征集；基于特征矩阵近似对角化方法对劣化特征集进行分离降维以消除特征之间的冗余和相关性，得到高效表征轴承性能劣化的融合特征；建立基于粒子群优化的支持向量机预测模型，利用融合特征构建训练集来训练支持向量机预测模型；将当前劣化指标值和历史数据输入至向量机预测模型得到下一时刻性能劣化指标。本发明不仅较传统模型提高了预测精度，还可以结合不同部件的性能劣化特征参量推广至复杂整体多部件系统的性能劣化预测中。
-
公开(公告)号：CN116629485A
公开(公告)日：2023-08-22
申请号：CN202310518423.1
申请日：2023-05-09
Applicant: 华北电力科学研究院有限责任公司 , 华北电力大学(保定) , 国家电网有限公司
IPC: G06Q10/063 , G06Q50/06 , G06F16/903
Abstract: 本申请实施例提供一种区域性极端天气对风机本体影响的量化分析方法及装置，方法包括：根据历史气象信息和历史风机故障信息确定不同气象灾害类型对应的风机受影响部件，并确定所述风机受影响部件对应的性能量化指标；根据待处理的气象灾害信息、所述风机受影响部件对应的性能量化指标以及风机受影响量化模型，确定对应的风机受影响程度，并根据所述风机受影响程度调整风机当前运行范围边界；本申请能够有效提高风电机组极端天气适应性，延展提升风电机组运行范围，保障高比例新能源电网的安全稳定运行。
-
-
-
-
-
-
Search Results
17
records
(took 0.02 seconds)
