-
公开(公告)号：CN119742841A
公开(公告)日：2025-04-01
申请号：CN202411941091.9
申请日：2024-12-26
Applicant: 江苏国科智能电气有限公司 , 江苏国科智能工程技术有限公司 , 中广核如东海上风力发电有限公司 , 中广核新能源投资(深圳)有限公司江苏分公司
Abstract: 本发明涉及接入分布式能源的配电网储能技术领域，具体公开了一种基于阿基米德优化算法的配电网储能系统配置优化和功率决策方法，主要解决接入高渗透率分布式能源的配电网储能系统配置方案和储能电池运行周期内的最佳充放电功率策略。本发明首先建立考虑配电网电压偏移最小、线损率最低和储能经济性最优的多目标储能优化配置和最佳充放电功率决策模型。然后，通过建立阿基米德优化算法来求解优化模型。最后，通过算例分析验证了在IEEE33节点上储能系统的多目标优化配置和充放电功率决策指令的有效性，并对比多种优化算法证明了：基于阿基米德优化算法的储能优化配置和充放电功率决策，具有较好的求解收敛性能和算法决策的合理性。
-
公开(公告)号：CN117992887A
公开(公告)日：2024-05-07
申请号：CN202311859037.5
申请日：2023-12-30
Applicant: 江苏国科智能电气有限公司 , 江苏国科智能工程技术有限公司
IPC: G06F18/2433 , G06F18/10 , G06F18/214 , G06N3/0464 , G06N3/0455 , G06N3/08 , F03D17/00 , G06F123/02
Abstract: 本发明提出一种风电机组分工况的多约束异常检测方法，涉及风电机检测技术领域，包括利用从风电场的数据采集与检测控制系统中获取风电机组历史运行数据，进行数据清洗与预处理；将预处理后的SCADA数据按运行工况的不同进行分类，输入到卷积神经网络构成中进行特征学习，获得不同工况的特征空间矩阵；将特征空间矩阵输入到卷积神经网络构进行解码重构，将特征空间矩阵按工况的不同送入不同的超球模型中，解码重构结果与超球模型的压缩结果协同优化，互相约束。本申请的异常检测方法结合了风电机组不同工况下数据的差异性问题，利用多超球约束自编码网络的残差运算，能够更有效的挖掘风电机组工况特征，为风场中的远程运行维护提供有效技术方法。
-
公开(公告)号：CN111030078B
公开(公告)日：2024-04-16
申请号：CN201911353818.0
申请日：2019-12-25
Applicant: 江苏国科智能电气有限公司
Abstract: 一种直流电网接地装置，分为主电路和控制单元两部分，主电路与直流电网通过正极端子Pbus+、负极端子Pbus‑和接地端子PGnd连接。主电路包含S1U、S1D、S2U、S2D、S3U、S3D六个测试开关，以及R1C、R2C、R3C三个测试电阻。控制单元实现本发明接地装置的控制,控制单元采集正极对地电压UdcP和负极对地电压UdcN，负极对地电压UdcN减去正极对地电压UdcP得到中点偏差电压UNeut；中点偏差电压UNeut求微分得到中点偏差电压变化率pUNeut，UNeut经过低通滤波得到中点偏差电压滤波值UNeutf，UNeut减去UNeutf得到中点偏差电压暂态值ΔUNeut；根据pUNeut进行上测试开关预备状态SWPP和下测试开关预备状态SWNP两个直流电网接地装置工作状态的切换，在上测试开关预备状态SWPP时，根据ΔUNeut控制三个上测试开关的接通与断开，在下测试开关预备状态SWNP时，根据ΔUNeut控制三个下测试开关的接通与断开。
-
公开(公告)号：CN117828542A
公开(公告)日：2024-04-05
申请号：CN202311706382.5
申请日：2023-12-13
Applicant: 江苏国科智能电气有限公司 , 江苏国科智能工程技术有限公司 , 中广核新能源投资(深圳)有限公司江苏分公司 , 中广核如东海上风力发电有限公司
Abstract: 本发明公开了一种基于多粒度时间卷积网络的超短期风功率预测方法，属于风功率预测领域，包括以下步骤：利用监督控制和数据采集(SCADA)系统采集风场的监测数据，得到机组的功率数据，并进行数据预处理，将原始数据划分为3个粒度层；设计多粒度特征提取模块，对于风电功率时间序列数据进行特征提取，获得不同粒度视角下的特征；再通过特征融合层对不同粒度特征进行特征融合；最后通过回归层对风机的风功率进行预测。本发明通过结合多粒度思想，由粗到细，由整体到局部，以不同视角对原始数据进行特征提取，并对多粒度特征进行自适应加权融合，能够提高整体的预测精度、预测效率和模型鲁棒性，为风功率预测领域提供了新的途径，使电力系统的调度更加安全平稳。
-
公开(公告)号：CN113013898B
公开(公告)日：2022-12-02
申请号：CN202110283400.8
申请日：2021-03-17
Applicant: 江苏国科智能电气有限公司 , 华能通辽风力发电有限公司
Abstract: 一种基于远端电网锁相的并网逆变器次同步振荡抑制方法，通过依次执行次同步振荡检测环节、坐标变换环节、优化锁相环节、参考电流计算环节实现并网逆变器抑制电网次同步振荡的功能。其中的次同步振荡检测环节输入本地电网电压，判断电网是否存在次同步振荡现象，输出电网虚拟内阻抗X2；其中的坐标变换环节将输入的本地电网电压、逆变器电流、滤波回路电流转换为两相同步旋转坐标系上的DQ轴电压或电流；其中的优化锁相环节根据输入的电网虚拟内阻抗X2、本地电网Q轴电压Ugq、电网D轴电流Igd进行远端电网电压锁相，锁相目标为Ugq＝X2Igd；其中的参考电流计算环节计算输出有功参考电流IdRef和无功参考电流IqRef。
-
Patent Agency Ranking
公开(公告)号：CN114285164A
公开(公告)日：2022-04-05
申请号：CN202111605113.0
申请日：2021-12-24
Applicant: 江苏国科智能电气有限公司
Abstract: 本发明提出一种基于可变放电网络的风电变流器直流母线电容的状态监测方法。所述方法主要包括通过对母线电压进行循环采样检测，判断变流器是否停机，在变流器电压下降阶段，利用可变放电网络改变电容的放电路径，进行电容的两次不同状态放电，绘制放电电压曲线，利用CPU计算电容和电容等效电阻大小，判断电容是否失效。变流器稳定工作之时，发生故障掉电，电压快速下降之时，记录故障波形。其结构包括：控制板，保护电路和控制电路，电流信号采集转换电路，时钟电路，可变放电网络电路。
-
公开(公告)号：CN112798956A
公开(公告)日：2021-05-14
申请号：CN202011639677.1
申请日：2020-12-31
Applicant: 江苏国科智能电气有限公司 , 燕山大学
Abstract: 一种基于多分辨率时序循环神经网络的风电机组故障诊断方法，利用SCADA多变量时间序列固有的时空相关性和交互性特性，通过自适应动态融合方式同时对变量从全局和局部进行动态权重的调整，以级联方式捕获传感器变量间的时空相关性信息，并且以并行方式将调整后的信息同时输入神经网络，深度挖掘变量间交互互补的特征，加强了对特征筛选提取的性能，使得变量之间的关联性进一步加强。本发明融合了时空依赖性提取和多分辨率特征学习方法，能够提取更为丰富的故障诊断信息，与传统的门控循环单元网络模型及其他传统机器学习方法相比，本发明能够有效提高风电机组部件故障诊断性能。
-
公开(公告)号：CN112746934A
公开(公告)日：2021-05-04
申请号：CN202011639678.6
申请日：2020-12-31
Applicant: 江苏国科智能电气有限公司 , 河北工业大学
Abstract: 一种自联想神经网络诊断风机故障的方法，将采集的数据归一化，去除奇异值，分为训练数据和测试数据。根据输入输出样本数据，确定自联想神经网络的输入输出节点及隐藏层结构。在保证种群多样性的同时选出较优个体的前提下，设计风机变桨系统故障诊断的选择算子公式，避免网络的权值和阈值陷入局部最优点，提高风机故障诊断准确率。设计适合风机变桨系统故障诊断的适应度函数，引入接收者操作特征曲线下方的面积AUC，以确保较低的漏诊率，并降低不平衡数据对模型诊断效果的干扰。基于改进自适应遗传算法‑自联想神经网络算法建立变桨系统正常运行模型，采用詹森‑山农散度比较正常时刻与故障时刻残差分布的偏移度，实现对变桨系统的故障诊断。
-
公开(公告)号：CN118036429A
公开(公告)日：2024-05-14
申请号：CN202311798230.2
申请日：2023-12-26
Applicant: 江苏国科智能电气有限公司 , 江苏国科智能工程技术有限公司
IPC: G06F30/27 , G06N3/0464 , G06N3/0455 , G06N3/08 , G01M13/02 , G01M13/028 , G06F113/06 , G06F119/12 , G06F119/10 , G06F119/02 , G06F119/04 , G06F111/04
Abstract: 本发明涉及基于时频约束重构网络的风电传动系统剩余寿命预测方法，包括如下步骤：利用加速度计采集风电传动系统部件X轴向与Y轴向双通道振动信号，获取数据集；将数据集分别送入时频约束重构网络，获得具有振动信号中的隐藏退化特征；将隐藏退化特征送入典型相关性约束模块，反向约束时频重构网络学习到的隐藏退化特征；将隐藏退化特征送入多层感知机，预测风电传动系统剩余寿命。本申请通过双通道加速度计进行状态监测，增加信息来源，并构建时频约束重构网络从时域频域角度约束所提取的隐藏退化特征；利用典型相关约束手段对隐藏退化特征进行协同约束，优化时频约束重构网络参数，增强隐藏退化特征之间的相关性，丰富特征信息。
-
公开(公告)号：CN118035697A
公开(公告)日：2024-05-14
申请号：CN202311859031.8
申请日：2023-12-30
Applicant: 江苏国科智能电气有限公司 , 江苏国科智能工程技术有限公司
Abstract: 本发明提供基于跨风场风电机组联邦故障诊断模型的构建方法，该框架包括：以聚类的方式被划分为多个风电机组群；为风电机组群分配一个边缘服务器；每个风电机组群内部在边缘服务器上完成边缘诊断模型的构建，并在边缘模型聚合前采用动态验证的策略保证所得边缘模型的诊断性能；在边缘服务器之上建立一个中央服务器，不同风电机组群之间以知识蒸馏的方式完成知识在各边缘诊断模型中的流动与集成，在向各边缘服务器传递全局知识前采用知识选择的方案以保证所传递知识质量。本发明采用模型参数和知识两种信息混合传递的方案，在保证原始隐私数据不可见前提下，缓解风电机组分布式特性所带来数据异构问题，最终实现跨风场风电机组智能故障诊断。
-
-
-
-
-
-
-
-
-
Search Results
62
records
(took 0.049 seconds)
