-
公开(公告)号：CN108808745A
公开(公告)日：2018-11-13
申请号：CN201810638683.1
申请日：2018-06-20
Applicant: 华侨大学
IPC: H02J3/50
CPC classification number: H02J3/50 , H02J2003/007
Abstract: 本发明提供了一种主动配电网的动态无功优化方法，包括获取主动配电网的初始数据；确定无功优化的目标函数；对负荷率进行处理；对分布式电源出力进行处理；计算各个时间段最优配置数据；对主动配电网进行静态无功优化，设置两个指标以判断装置是否需要动作，最后，得到配电网的动态无功优化方案。本发明对负荷的时变性与分布式电源出力的波动性进行考虑，以小时为单位进行分段，对未来一天的DG出力和负荷率曲线进行处理，然后在每个时间段内进行静态无功优化以获得相应的最优配置数据，通过设置两个指标阈值以判断相邻时间段内装置的动作情况，该方法简化了主动配电网的动态无功优化过程，减少了装置的动作次数，同时具有良好的可实施性。
-
公开(公告)号：CN104951851B
公开(公告)日：2018-07-20
申请号：CN201510395925.5
申请日：2015-07-08
Applicant: 华侨大学
CPC classification number: Y04S10/54
Abstract: 本发明公开了一种基于灰关联回归支持向量机的风电机组状态预测模型建立方法，包括确定输入变量、回归支持向量机训练建模和预测阶段。标准支持向量机状态预测模型输入向量多、数据冗余、预测精度不佳、模型训练时间长等问题，本发明提出了一种基于灰关联‑回归支持向量机的风电机组状态预测模型建立方法，为保障机组安全运行、降低非计划停机次数提供坚实的技术支持对传统方法进行改进，将两种方法巧妙结合，建立了状态预测模型，以简单实用的方法实现了风力发电机组状态的预测，由于对各监测项目进行了灰关联度分析，筛选出了主因素，剔除掉不相关信息，因此本发明预测精度高、模型训练时间短、切实可行。
-
公开(公告)号：CN104951851A
公开(公告)日：2015-09-30
申请号：CN201510395925.5
申请日：2015-07-08
Applicant: 华侨大学
CPC classification number: Y04S10/54
Abstract: 本发明公开了一种基于灰关联回归支持向量机的风电机组状态预测模型建立方法，包括确定输入变量、回归支持向量机训练建模和预测阶段。标准支持向量机状态预测模型输入向量多、数据冗余、预测精度不佳、模型训练时间长等问题，本发明提出了一种基于灰关联-回归支持向量机的风电机组状态预测模型建立方法，为保障机组安全运行、降低非计划停机次数提供坚实的技术支持对传统方法进行改进，将两种方法巧妙结合，建立了状态预测模型，以简单实用的方法实现了风力发电机组状态的预测，由于对各监测项目进行了灰关联度分析，筛选出了主因素，剔除掉不相关信息，因此本发明预测精度高、模型训练时间短、切实可行。
-
公开(公告)号：CN119247204B
公开(公告)日：2025-03-25
申请号：CN202411764239.6
申请日：2024-12-04
Applicant: 华侨大学
Abstract: 本发明公开了一种汽轮发电机转子绕组匝间短路故障预警方法及装置，涉及数据处理领域，包括：获取历史监测数据以及励磁电流的实际值，对历史监测数据进行预处理，得到预处理后的历史监测数据并构成监测序列；构建基于Bi‑LSTM的励磁电流预测模型，采用改进的鹈鹕优化算法对待优化的训练参数进行优化，得到经优化的训练参数；基于经优化的训练参数对励磁电流预测模型进行训练，得到经训练的励磁电流预测模型；将监测序列输入到经训练的励磁电流预测模型，得到励磁电流的预测值，根据励磁电流的预测值和励磁电流的实际值判断汽轮发电机是否存在转子绕组匝间短路故障。本发明解决现有模型寻优能力差、收敛速度慢、预测准确率低的问题。
-
公开(公告)号：CN119247204A
公开(公告)日：2025-01-03
申请号：CN202411764239.6
申请日：2024-12-04
Applicant: 华侨大学
Abstract: 本发明公开了一种汽轮发电机转子绕组匝间短路故障预警方法及装置，涉及数据处理领域，包括：获取历史监测数据以及励磁电流的实际值，对历史监测数据进行预处理，得到预处理后的历史监测数据并构成监测序列；构建基于Bi‑LSTM的励磁电流预测模型，采用改进的鹈鹕优化算法对待优化的训练参数进行优化，得到经优化的训练参数；基于经优化的训练参数对励磁电流预测模型进行训练，得到经训练的励磁电流预测模型；将监测序列输入到经训练的励磁电流预测模型，得到励磁电流的预测值，根据励磁电流的预测值和励磁电流的实际值判断汽轮发电机是否存在转子绕组匝间短路故障。本发明解决现有模型寻优能力差、收敛速度慢、预测准确率低的问题。
-
Patent Agency Ranking
公开(公告)号：CN117763313B
公开(公告)日：2024-07-26
申请号：CN202410194841.4
申请日：2024-02-22
Applicant: 华侨大学
Abstract: 本发明公开了一种基于时间网络流熵法的风力发电机预警和辨识方法及装置，涉及数据处理领域，包括：在参考时刻从SCADA系统所监测的变量中选取多个关键连续时间变量，得到样本数据集；再加入t时刻的变量数据，得到混合样本数据集，构建t时刻风力发电机的特异差分网络，分离特异差分网络中各个节点的局部网络；基于混合样本数据集计算在局部网络中每个边缘节点的局部网络流熵和条件网络流熵；根据局部网络中每个边缘节点的局部网络流熵和条件网络流熵计算时间网络流熵，根据时间网络流熵生成报警信号，并在风力发电机的拓扑结构的映射下确定故障位置，解决高维数据情况下普遍存在大噪声、且变量多导致预测难度大等问题。
-
公开(公告)号：CN117992859A
公开(公告)日：2024-05-07
申请号：CN202410400068.2
申请日：2024-04-03
Applicant: 华侨大学
IPC: G06F18/241 , G06F17/16 , G06F18/2113 , G01R31/00
Abstract: 本发明公开了一种配备SCADA系统的机电装备早期故障预警与辨识方法及装置，涉及数据处理领域，包括：将SCADA系统遴选的变量映射为动态网络的节点，并构建对应的健康状态理论预测模型，将前一个采样周期的实测数据矩阵并输入健康状态理论预测模型，得到当前采样周期的参考数据矩阵；分别构建实测数据矩阵的协方差矩阵和参考数据矩阵的协方差矩阵并分别进行特征分解，根据分解得到的最大特征值所对应的特征向量及其元素排名筛选出动态网络的关键节点，分别计算实测数据矩阵与参照数据矩阵在每个时间窗口的动态网络的量化指标，再计算系统评估指标，基于系统评估指标及其对应的关键节点生成预警信号并确定故障类型，解决计算成本高、泛化能力差问题。
-
公开(公告)号：CN116244283A
公开(公告)日：2023-06-09
申请号：CN202211729637.5
申请日：2022-12-30
Applicant: 华侨大学
IPC: G06F16/215 , G06F16/28 , G06N20/00
Abstract: 本发明公开了一种发电机组人工智能系统机器学习样本筛选方法及装置，获取发电机组运行数据，对所述发电机组运行数据采用预设清洗方式进行一次或多次数据清洗，得到备选样本集和无效样本集，若采用多次数据清洗，每次数据清洗采用不同的清洗方式；对所述备选样本集采用预设排序方式进行排序，得到排序样本集，对所述排序样本集按照预设抽取方式进行抽取，得到学习样本子集；重复前一步骤多次，每次采用不同的排序方式以及相同或不同的抽取方式，抽取到不同的学习样本子集；将所有的学习样本子集合并为学习样本集。采用本方法筛选发电机人工智能系统机器学习样本，对操作人员专业素质要求低，处理过程自动化程度高，筛选出的学习样本分布广泛性好。
-
公开(公告)号：CN115792609A
公开(公告)日：2023-03-14
申请号：CN202211555486.6
申请日：2022-12-06
Applicant: 华侨大学
Abstract: 基于智能电阻法的双水内冷发电机转子匝间短路诊断方法及系统。本发明包括：收集转子电压、转子电流、转子总进水流速、转子总进水温度和转子总出水温度样本参数，计算出转子电阻值；以转子总进水流速、转子总进水温度和转子总出水温度作为输入量，以转子电阻作为输出量，将样本提交机器学习模型训练，获得训练好的模型；获取转子电压、转子电流、转子总进水流速、转子总进水温度和转子总出水温度的实时值，并计算出转子电阻值的实时值；将转子总进水流速、转子总进水温度和转子总出水温度的实时值作为输入量，输入训练好的模型，预测获得转子电阻拟合值；计算转子电阻实时值与拟合值之间的偏差值，根据偏差值判定转子是否发生了匝间短路，并标示匝间短路严重程度。本发明部署实施难度低，诊断结果准确可靠。
-
公开(公告)号：CN112268615B
公开(公告)日：2022-05-03
申请号：CN202011357161.8
申请日：2020-11-27
Applicant: 华侨大学
Abstract: 本发明公开了一种机电设备振动信号特征提取方法，主要应用于机电设备故障诊断领域。所述方法先对所采集的振动信号原始数据进行滤波、截取等预处理；然后将经过预处理后的振动信号数据进行快速傅里叶变换(FFT)，得到振动信号频谱信息；再将此频谱数据按幅值的积分值分为m段，得到各个分段的频带宽度信息；最后将带宽信息进行换算，提取特征值用于故障诊断。本发明较小波包分解(WPD)和经验模态分解(EMD)等故障特征提取方式，原理和公式简单、计算量小、运算速度快、故障辨识率高，其最大优点是易于在嵌入式系统和DSP程序中实现。
-
-
-
-
-
-
-
-
-
Search Results
79
records
(took 0.019 seconds)
