-
公开(公告)号：CN112748663A
公开(公告)日：2021-05-04
申请号：CN202011523006.9
申请日：2020-12-21
Applicant: 华能新能源股份有限公司 , 北京华能新锐控制技术有限公司
IPC: G05B13/04
Abstract: 一种基于数据驱动输出反馈的风电转矩容错控制方法，应用于具有执行器故障的风电转矩控制系统，包括以下步骤，步骤1：建立具有执行器故障的风机转矩控制系统动力学模型；步骤2：利用系统输入输出数据设计残差发生器；步骤3：建立了故障检测机制进行容错控制；考虑了风电机组无模型时依据机组的历史数据进行子空间辨识，得到故障诊断所需要的残差生成器，使得该方法的适用范围更广；建立了故障前和执行器恒增益变化故障后的风电转矩控制系统的闭环控制模型，给出了执行器恒增益变化故障下的基于输出反馈最优控制的容错控制方法。
-
公开(公告)号：CN114139785B
公开(公告)日：2025-04-15
申请号：CN202111393075.7
申请日：2021-11-23
Applicant: 北京华能新锐控制技术有限公司
IPC: G06Q10/04 , G06N3/006 , G06F18/23213
Abstract: 本公开提供一种锅炉燃烧热效率预测方法及装置。所述方法包括：采集锅炉的实时运行数据，并将所述实时运行数据进行预处理；将预处理后的实时运行数据划分为训练集和测试集；采用改进K‑means算法对训练集中的实时运行数据进行聚类，具体包括：先采用生物地理学优化算法优化K‑means初始聚类中心，之后采用K‑means算法对所述实时运行数据进行聚类；设置相关参数，使得网络符合锅炉燃烧模型；基于所述聚类后的实时运行数据，对预设的极限学习机网络进行训练，得到所述锅炉燃烧模型；利用所述锅炉燃烧模型对锅炉燃烧热效率进行预测。能有效地改善预测精度，显示出其有效性，能够有效提高预测精度和预测效率。
-
公开(公告)号：CN114066085B
公开(公告)日：2025-04-11
申请号：CN202111402300.9
申请日：2021-11-19
Applicant: 华能新能源股份有限公司 , 北京华能新锐控制技术有限公司
IPC: G06Q10/04 , G06Q10/0631 , G06Q50/06
Abstract: 本发明提供一种光伏电站清洁优化调度方法与装置，属于光伏发电技术领域。其中，本发明的方法包括下述具体步骤：构建光伏电池积尘量预测模型，并对积尘量进行预测；根据所述光伏电池积尘量预测模型，以得到发电功率；根据所述发电功率与积尘清洗成本，提出了光伏电站总利润模型；根据环境条件与得到的积尘量，以得到调度周期内光伏电站最佳清洗调度方案。本发明提出了周期内光伏电池板积尘量预测模型，为光伏电站调度决策提供参考，综合考虑发电功率预测、积尘清洗方案费用及电价，给出了电站总利润模型，解决了光伏发电系统积尘清洗调度优化问题。
-
公开(公告)号：CN114977293B
公开(公告)日：2025-03-14
申请号：CN202210616846.2
申请日：2022-06-01
Applicant: 北京华能新锐控制技术有限公司
Abstract: 本发明提供一种基于风‑光伏‑燃料电池的微电网频率控制的方法，该方法包括：采用线性化传递函数分别对微电网的发电资源和储能系统源进行建模；将发电资源和所述储能系统进行整合形成微电网，建立基于风力‑光伏‑燃料电池的微电网线性化模型；基于线性自抗扰控制算法构建用于频率控制的微电网频率控制器；基于蝙蝠优化算法对微电网频率控制器的性能进行优化。本发明的方法通过基于线性自抗扰控制算法设计的微电网频率控制器，能够有效抑制风速和负荷扰动对系统频率的影响。
-
公开(公告)号：CN116579386A
公开(公告)日：2023-08-11
申请号：CN202310505794.6
申请日：2023-05-06
Applicant: 北京华能新锐控制技术有限公司
IPC: G06N3/0464 , H02J13/00 , H02J3/00 , G06N3/0442 , G06N3/045 , G06N3/006
Abstract: 本发明针对海上风电机组的状态监测问题，提供一种级联双向深度学习网络建模方法。该方法首先依托SCADA系统广泛获取海上风电机组状态监测过程所需的数据。然后通过四分位法处理采样数据中的无效值并进行特征提取以达到数据清洗的作用。在卷积神经网络的基础上融入了双向选通循环单元和注意机制形成了级联双向深度学习网络模型，不仅可有效发掘变量的多向时空特性，还通过注意机制增强了双向选通循环单元的有用信息权重，使所得模型在海上风电机组状态监测中更具实用性。此外，采用花朵传粉算法修正模型参数，从而进一步提高状态监测过程的精确性和有效性，在消除海上风电机组运行安全隐患的同时为其接入下的电网安全稳定运行提供保障。
-
Patent Agency Ranking
公开(公告)号：CN116361690A
公开(公告)日：2023-06-30
申请号：CN202310288640.6
申请日：2023-03-23
Applicant: 北京华能新锐控制技术有限公司
IPC: G06F18/24 , G01M13/045 , G06F18/23
Abstract: 本发明公开了一种基于小样本改进图数据结构的风机故障诊断方法，包括以下步骤：首先，将风机滚动轴承的时域振动信号构建为邻近图，再对邻近图进行优化，构建改进邻近图，再优化改进邻近图，提取表征风机滚动轴承不同状态的特征指标集合，最后对特征指标集合进行聚类分析，达到对不同状态的风机滚动轴承精准分类的目的。本发明的改进邻近图数据结构更关注构建数据的局部信息，能够更加充分使用风机滚动轴承的数据信息；利用稀疏投影学习对改进邻近图数据结构进行优化，可尽可能地去除冗余数据和噪声，提高算法的运算效率和特征提取的准确率；能够有效提取表征不同风机滚动轴承状态的特征指标集合，并能够对不同状态的风机滚动轴承进行准确分类。
-
公开(公告)号：CN112748663B
公开(公告)日：2022-12-02
申请号：CN202011523006.9
申请日：2020-12-21
Applicant: 华能新能源股份有限公司 , 北京华能新锐控制技术有限公司
IPC: G05B13/04
Abstract: 一种基于数据驱动输出反馈的风电转矩容错控制方法，应用于具有执行器故障的风电转矩控制系统，包括以下步骤，步骤1：建立具有执行器故障的风机转矩控制系统动力学模型；步骤2：利用系统输入输出数据设计残差发生器；步骤3：建立了故障检测机制进行容错控制；考虑了风电机组无模型时依据机组的历史数据进行子空间辨识，得到故障诊断所需要的残差生成器，使得该方法的适用范围更广；建立了故障前和执行器恒增益变化故障后的风电转矩控制系统的闭环控制模型，给出了执行器恒增益变化故障下的基于输出反馈最优控制的容错控制方法。
-
公开(公告)号：CN115235769A
公开(公告)日：2022-10-25
申请号：CN202210809608.3
申请日：2022-07-11
Applicant: 北京华能新锐控制技术有限公司
IPC: G01M13/045 , G06K9/62
Abstract: 本发明提供了一种基于马氏距离补偿因子的风机轴承故障诊断方法，以解决传统故障特征提取方法存在的故障特征提取不准、及提高效率低的问题。其包括以下步骤，S100，获取风机滚动轴承的时域振动信号：S200，采用马氏距离加权的方式将时域振动信号映射到图形域构建形成图信号并得出马氏距离补偿因子的取值范围；S300，采用优化算法对马氏距离补偿因子的取值范围进行优化处理，并得到马氏距离补偿因子的最优解；S400，利用马氏距离补偿因子的最优解对马氏距离进行修正，并根据步骤S200重构图信号；S500，根据重构的图信号提取轴承故障特征指标，得到各轴承故障特征指标数据集；S600，将轴承故障特征指标数据集通过聚类算法进行聚类分析，完成轴承故障分类识别诊断。
-
公开(公告)号：CN115143051A
公开(公告)日：2022-10-04
申请号：CN202210596671.3
申请日：2022-05-27
Applicant: 北京华能新锐控制技术有限公司 , 华能国际电力股份有限公司井冈山电厂
Abstract: 一种变速风电机组最大功率捕获方法、系统及其应用，该方法是基于自抗扰控制、RBF神经网络和的变速风电机组最大功率捕获方法，包括如下步骤：建立变速风电机组的等效模型；采用二阶线性自抗扰控制(LADRC)算法构建发电机转矩控制器；采用引力搜索算法对发电机转矩控制器参数进行优化并获取最优参数数据集；基于最优参数数据集对径向基函数神经网络进行训练，采用已训练的径向基函数神经输出适用于当前风速条件的发电机转矩控制器参数。采用引力搜索算法对发电机转矩控制器参数进行优化并获取最优参数数据集；基于最优参数数据集对径向基函数神经网络进行训练，采用已训练的径向基函数神经输出适用于当前风速条件的发电机转矩控制器参数。
-
公开(公告)号：CN115059576A
公开(公告)日：2022-09-16
申请号：CN202210567441.4
申请日：2022-05-24
Applicant: 北京华能新锐控制技术有限公司
Abstract: 本发明提供了一种风电场联合控制方法，可以有效减小模型不确定性带来的影响，增强风场整体的发电功率并减小风机疲劳、提升寿命。采用深度Q‑Network联合控制风电场中所有风机的变桨和偏航，其所涉及的风场控制器包括有三个模块，具体为环境、自动编码器和两个强化学习代理；其中环境包括风电场中的风机和指挥中心，环境中的控制变量为叶片变桨和偏航角，来自风电场的感官输入包括自由流风速和方向；每个风机产生的合成风速、转子角速度和功率；之前的全局状态St+1和全局奖励rt+1从指挥中心获取，全局状态向量将通过自动编码器传递；自动编码器自动将全局状态St编码为数量减少的特征，自动编码器有一个输入层、若干隐藏层、一个中心层和一个输出层组成。
-
-
-
-
-
-
-
-
-
Search Results
48
records
(took 0.055 seconds)
