-
公开(公告)号：CN116341870A
公开(公告)日：2023-06-27
申请号：CN202310391422.5
申请日：2023-04-13
Applicant: 华北电力大学
IPC: G06Q10/0631 , G06Q50/06 , G06Q50/10 , G06N3/0442 , G06N3/08 , G06F18/23
Abstract: 本发明公开一种高速服务区能源系统短期负荷预测方法及系统，属于高速服务区能源系统领域。获取高速服务区能源系统中电能、冷能、热能三种能源类别的历史运行数据后，重组和叠加成像素图，将所有能源类别任一采集时刻的前n个采集时刻的像素图组成元胞数组后作为输入量，同一能源类别任一采集时刻的总负荷数据作为标签，训练短期负荷预测模型，获得每种能源类别训练好的短期负荷预测模型，利用训练好的短期负荷预测模型即可预测每种能源类别在预测时刻的总负荷数据。本发明通过充分发掘不同能源类别之间的耦合信息，并结合MCNN‑LSTM神经网络模型，提高了预测短期负荷的精确。
-
公开(公告)号：CN115730191A
公开(公告)日：2023-03-03
申请号：CN202211076582.2
申请日：2022-09-05
Applicant: 华北电力大学 , 西安热工研究院有限公司 , 华能集团技术创新中心有限公司
IPC: G06F18/10 , G06F18/2433 , G06N3/0455 , G06N3/048 , G06N3/08 , G06Q50/02 , G06F16/215 , G06Q10/04
Abstract: 本发明公开了属于磨煤机状态监测与故障预警技术领域的一种基于注意力机制的磨煤机故障预警方法。包括步骤1：获取磨煤机历史正常的运行时间内所有参数的动态变化数据；步骤2：分析磨煤机断煤、堵煤、煤自燃故障成因及现象，选定代表磨煤机状态的关键测点参数作为建模变量；步骤3：对数据集进行数据预处理；步骤4：建立基于注意力机制的Transformer预测模型，并进行在线训练；步骤5：获取Transformer预测模型的预测偏离度，并用此预测偏差表征磨煤机设备健康程度；步骤6：通过滑动窗口法处理预测偏离度序列，计算故障预警阈值，并进行故障预警。本发明选取的关键测点参数数值会与模型预测值出现较大偏差，实现设备早期故障的预警。
-
公开(公告)号：CN113011656B
公开(公告)日：2022-08-02
申请号：CN202110302223.3
申请日：2021-03-22
Applicant: 内蒙古电力(集团)有限责任公司内蒙古电力科学研究院分公司 , 华北电力大学 , 北方联合电力有限责任公司包头第一热电厂
Abstract: 本发明涉及一种电站辅机故障预警方法及系统，构建辅机状态预测模型，根据状态参数历史数据集获得多个预测时刻的每个状态参数的预测值，基于欧氏距离相似度函数，计算每个预测时刻的所有状态参数的预测值向量和每个预测时刻的所有状态参数的测量值向量的相似度，构建基于LSTM的动态阈值预测模型，获得每个预测时刻的动态预警阈值，实现预警阈值的自适应调整，降低误报警率；基于各建模变量预测值和测量值的相对误差，计算恒定阈值作为静态预警阈值，结合误差大小和误差出现时间实现故障点追溯，提高了故障点追溯的准确性。
-
Patent Agency Ranking
公开(公告)号：CN113516310A
公开(公告)日：2021-10-19
申请号：CN202110782887.4
申请日：2021-07-12
Applicant: 内蒙古电力(集团)有限责任公司内蒙古电力科学研究院分公司 , 华北电力大学
Abstract: 本发明涉及一种变压器故障预警方法及系统，采用每种溶解气体的训练好的长短期记忆神经网络模型能够实现对每种溶解气体含量的预测，并基于滑动窗口计算残差分布特性，能够有效剔除随机信号的影响，防止出现误报警的情况，有效提高了变压器故障预警的准确度。
-
公开(公告)号：CN112734285A
公开(公告)日：2021-04-30
申请号：CN202110087577.0
申请日：2021-01-22
Applicant: 内蒙古电力(集团)有限责任公司内蒙古电力科学研究院分公司 , 华北电力大学
Abstract: 本发明涉及一种电站送风机超温预警方法，所述预警方法包括如下步骤：获取电站送风机的历史运行数据；建立LSTM神经网络模型；根据历史运行数据，采用正交试验的方法确定LSTM神经网络模型的超参数；采集电站送风机的自当前时刻之前的预设时间段内的运行数据中的输入变量，输入超参数确定后的LSTM神经网络模型，获取未来时刻的送风机轴承温度；当未来时刻的送风机轴承温度大于轴承温度限值时，生成超温预警信号。本发明采用LSTM神经网络模型实现送风机轴承温度的预测，以实现电站送风机安全预警，并且采用正交试验的方法确定LSTM神经网络模型的超参数，克服了LSTM神经网络模型的超参数的寻优过程复杂的技术缺陷，提高送风机轴承温度预测的时效性。
-
公开(公告)号：CN107967534A
公开(公告)日：2018-04-27
申请号：CN201711160287.4
申请日：2017-11-20
Applicant: 华北电力大学
Abstract: 本发明提供一种通过构建运行数据典型工况样本库提高预测精度的方法，所述方法利用相关分析消除冗余变量，利用主成分分析进行降维，以工况信息量指标最大为目标，搜寻给定数量的运行数据样本，构建典型工况样本库，使其涵盖大部分运行工况，以此来表过程特性，在建立模型时既不影响计算效率，又能保证模型的预测精度。
-
公开(公告)号：CN103714262B
公开(公告)日：2016-08-10
申请号：CN201410024860.9
申请日：2014-01-20
Applicant: 华北电力大学
IPC: G06F17/50
Abstract: 本发明提供一种基于缓冲块时序设计的热工软测量模型更新方法，属于热工技术和人工智能交叉技术领域。该方法选择辅助变量作为模型的输入，要预测的关键变量作为模型的输出，选取历史运行数据建立初始软测量模型；利用缓冲块来设计更新时序，将最新采样的数据样本暂存入缓冲块中，当缓冲块存储满后，再判断模型性能，决定是否进行更新模型；在模型更新时并非针对当前时刻的样本进行，而是对缓冲块中的样本进行逐个更新。本发明提出的缓冲块时序设计更新方法，减少了测量噪声以及离群样本对模型性能的影响，从而避免因采集样本中的噪声和干扰而触发模型更新，同时使更新模块在实际工程中应用成为可能，而且也降低了更新频率，减少了计算时间。
-
公开(公告)号：CN104807039A
公开(公告)日：2015-07-29
申请号：CN201510198128.8
申请日：2015-04-23
Applicant: 华北电力大学
IPC: F23N5/00
Abstract: 本发明属于热工技术和人工智能交叉技术领域，涉及一种锅炉燃烧优化的变量降维建模方法。本发明选择扰动变量DV（Disturbance Variables）和控制变量MV（Manipulated Variables）作为模型的辅助变量，要预测的被控变量CV（Controlled Variables）作为模型的输出，选择历史运行数据作为初始训练样本，利用主成分分析（Principal Component Analysis）对模型的扰动变量DV进行特征提取，实现输入变量的降维，将提取的特征变量与控制变量MV一同作为模型的输入，利用LSSVM（Least Squares Support Vector Machine）建立锅炉的被控变量模型。本发明通过对输入变量的降维，可以有效地提高模型的预测精度和泛化能力，能够实现对被控变量的精确预测，对电站锅炉的燃烧优化控制有重要的意义。
-
-
-
-
-
-
-
Search Results
48
records
(took 0.033 seconds)
