-
公开(公告)号：CN116070158A
公开(公告)日：2023-05-05
申请号：CN202211662089.9
申请日：2022-12-23
Applicant: 华北电力大学 , 国核自仪系统工程有限公司
IPC: G06F18/2431 , G06F18/214 , G06F18/25 , G06N5/01 , G06N20/20
Abstract: 本发明涉及人工智能领域，尤其涉及一种基于改进深度森林的智能BIT设计方法，包括，S1，对重型燃气轮机控制系统的模拟量输出模块进行BIT数据采集，形成模拟量输出模块的功能电路BIT采样历史数据集；S2，采用经验模态分解算法对所述功能电路BIT采样历史数据集进行特征提取；S3，将S2中提取到的特征向量采用分类树回归算法训练随机森林决策树，并将提取到的特征向量采用旋转策略训练旋转森林；S4，训练改进的深度森林，采集模拟量输出模块的功能电路BIT采样在线数据集，并通过改进的深度森林对功能电路BIT采样在线数据集进行正常、间歇故障和永久故障三种状态的识别；本发明通过构建深度森林，对模拟量输出通道电路BIT状态的精准分类。
-
公开(公告)号：CN115933608A
公开(公告)日：2023-04-07
申请号：CN202211662078.0
申请日：2022-12-23
Applicant: 华北电力大学 , 国核自仪系统工程有限公司
IPC: G05B23/02
Abstract: 本发明涉及故障诊断技术领域，尤其涉及一种控制器模块的智能BIT故障诊断方法，包括，步骤S1，采集控制器模块运行数据；步骤S2，对数据进行归一化处理；步骤S3，对全卷积网络训练和测试；步骤S4，优化全卷积网络的超参数设置；步骤S5，将预测值进行二分类；步骤S6，输出智能BIT诊断结果。本发明通过实际重型燃机控制系统控制器模块在运行过程中产生的大量历史数据建立全卷积网络模型，采用多元时序信号输入全卷积网络，实现对控制器模块的智能自检，通过数据驱动的方法，采用全卷积网络提取多元时序信号中的有效特征，从而减少噪声或突发情况造成的故障误报和漏报情况，有效提高了燃气轮机控制器模块的安全性和可靠性。
-
公开(公告)号：CN118983768A
公开(公告)日：2024-11-19
申请号：CN202410594161.1
申请日：2024-05-14
Applicant: 华北电力大学
Abstract: 本发明提供了一种基于两阶段分布式去噪的虚拟电厂惯量估计算法，属于电力系统领域。首先，针对新能源系统如光伏电厂、风电场、储能聚合区和常规发电厂，引入虚拟电厂(Virtual Power Plant,VPP)的概念。然后，针对VPP引入电力系统频率响应模型，构建了精确描述电力系统动态特性的回归方程；针对虚拟电厂惯量估计的精度与效率问题，本发明提出一种两阶段分布式去噪的虚拟电厂惯量估计方法，其中第一阶段采用自适应无迹卡尔曼滤波对VPP的非线性频率响应模型进行处理，第二阶段采用基于分布式去噪扩散模型(Denoising Diffusion Probabilistic Model,DDPM)的算法对VPP的分布式非高斯噪声进行处理，实现了对虚拟电厂惯量的精准评估。分布式DDPM算法能有效地近似后验概率分布，从而增强估计的稳定性和准确性，实现了对虚拟电厂惯量的精准评估。该算法不仅提升了采样数据的可靠性、抑制了VPP普遍存在的非高斯噪声的影响，还有效增强了电力系统的频率稳定性。本研究为虚拟电厂的稳定运行与优化控制提供了理论支撑和技术支持。
-
公开(公告)号：CN118920438A
公开(公告)日：2024-11-08
申请号：CN202410594239.X
申请日：2024-05-14
Applicant: 华北电力大学
Abstract: 本发明为一种继及传感器安全通信的虚拟电厂惯量估计新方法。本发明提供了一种虚拟电厂(Virtual Power Plant,VPP)惯量估计的新方法，属于电力系统领域。首先引入VPP概念并建立电力系统频率响应模型。本发明方法包括两个阶段：第一阶段使用自适应无迹卡尔曼滤波处理VPP频率响应模型的非线性；第二阶段利用分布式去噪扩散模型(Denoising Diffusion Probabilistic Model,DDPM)处理非高斯噪声，以提高估计准确性。为保障传感器间通信的安全性，本发明还引入了改进的ElGamal加密算法，并通过融合权重计算传感器间估计误差的协方差矩阵，以确保通信的安全性、隐私性和融合性。该研究为VPP的稳定运行与优化控制提供了理论和技术支持。
-
公开(公告)号：CN112560352B
公开(公告)日：2024-07-19
申请号：CN202011548918.1
申请日：2020-12-24
Applicant: 华北电力大学 , 国网辽宁省电力有限公司
IPC: G06F30/27 , G06N3/0442 , G06F18/214 , G06F113/06
Abstract: 本发明公开了一种基于AM‑LSTM神经网络的系统频率响应模型建模方法，属于电力系统频率响应模型的建模领域。针对风火耦合系统频率响应模型的建模问题，提出了一种基于注意力机制和长短时记忆神经网络相结合的系统频率响应模型建模方法，利用注意力机制提取耦合系统频率响应模型输入的时间序列特征，能有效利用风火耦合系统输入数据；利用长短时记忆神经网络解决了递归神经网络在更新过程中出现的梯度消失问题，此外，长短时记忆神经网络解决了现有耦合系统频率响应模型难以描述耦合系统中存在的非线性及不确定性等问题，提高了风火耦合系统频率响应模型的精度和建模效率。
-
Patent Agency Ranking
公开(公告)号：CN112104340B
公开(公告)日：2024-04-16
申请号：CN202010932326.3
申请日：2020-09-08
Applicant: 华北电力大学
IPC: H03H17/02
Abstract: 本发明提供了一种基于HMM模型和Kalman滤波技术的开关量输入模块BIT降虚警方法。该方法可以更好地识别间歇故障，降低BIT系统的虚警率。首先，基于开关量输入模块建立BIT系统，收集其BIT检测信号的海量数据；将其分为正常、永久故障、间歇故障三种状态的样本数据；对原始信号进行Kalman滤波处理，过滤噪声；利用局部均值分解法(Local Mean Decomposition,LMD)提取特征向量；然后，对处理后的三组样本数据分别进行HMM训练；最后对BIT系统的监测的实时数据也进行Kalman滤波处理，再输入到训练好的三种HMM模型中，得出识别结果。在本发明中，Kalman滤波技术可以去除采集信号过程中出现的干扰噪声，使得HMM模型的训练效果更好，识别精度提高，从而达到降低BIT系统虚警率的目的。
-
公开(公告)号：CN113126489B
公开(公告)日：2024-01-26
申请号：CN202110330063.3
申请日：2021-03-29
Applicant: 华北电力大学
IPC: G05B13/04
Abstract: 本发明公开了一种基于CNN‑GRU‑BINN的重型燃气轮机控制系统智能BIT设计方法，属于重型燃气轮机智能BIT设计领域。针对重型燃气轮机控制系统常规BIT虚警率高的问题，采用CNN和GRU两种神经网络结合的结构解决了常规BIT无法提取硬件模块检测信号时序特征的问题，利用CNN卷积神经网络结构提取控制器模块检测信号的空间特征，结合GRU循环神经网络结构提取控制器模块检测信号的时间特征，并将两者融合后输入生物激励神经网络实现控制器模块的正确状态识别以及降虚警的功能，提高智能BIT的识别精度，增强重型燃气轮机控制系统的运行可靠性。
-
公开(公告)号：CN113158555A
公开(公告)日：2021-07-23
申请号：CN202110331921.6
申请日：2021-03-29
Applicant: 华北电力大学
IPC: G06F30/27 , G06K9/62 , G06F111/08
Abstract: 本发明提供了一种基于专家系统和随机森林分类器的重型燃机控制系统模拟量输入模块BIT设计方法，属于测试和人工智能领域。该方法用于提高现有模拟量输入模块的可靠性，解决模拟量输入模块BIT虚警率高的问题。步骤如下：通过知识获取机制，采用产生式规则构建模拟量输入模块专家系统知识库，采用正向推理策略设计专家系统推理机。采用LMD算法对BIT检测数据进行特征提取，将提取到的特征向量采用CART算法训练决策树，适当对每颗决策树剪枝后，将每棵树以投票的方式生成随机森林，由随机森林对BIT检测数据进行状态识别，将过滤掉间歇状态的检测数据后送入专家系统推理机，由专家系统给出诊断结果，实现模拟量输入模块精确故障定位。
-
公开(公告)号：CN113110044A
公开(公告)日：2021-07-13
申请号：CN202110330069.0
申请日：2021-03-29
Applicant: 华北电力大学
IPC: G05B13/04
Abstract: 本发明公开了一种基于Elman神经网络和SVM的重型燃气轮机控制器模块智能BIT设计方法，采集重型燃气轮机控制器模块历史运行数据；数据标准化处理，按照时间序列确定Elman神经网络的输入和输出；针对控制器模块的单一特征参数设计并训练Elman神经网络；将处理好的数据输入训练好的的Elman神经网络并得到输出结果，将该输出结果传递至SVM进行二分类；得到当前特征参数的诊断结果，通过开关量表示正常或故障，完成控制器模块智能BIT诊断。本发明提高了重型燃气轮机控制系统控制器模块的安全性和可靠性，通过提取控制器模块历史数据中的信息建立智能BIT模型，降低了虚警率。
-
公开(公告)号：CN112560352A
公开(公告)日：2021-03-26
申请号：CN202011548918.1
申请日：2020-12-24
Applicant: 华北电力大学 , 国网辽宁省电力有限公司
IPC: G06F30/27 , G06K9/62 , G06N3/04 , G06F113/06
Abstract: 本发明公开了一种基于AM‑LSTM神经网络的系统频率响应模型建模方法，属于电力系统频率响应模型的建模领域。针对风火耦合系统频率响应模型的建模问题，提出了一种基于注意力机制和长短时记忆神经网络相结合的系统频率响应模型建模方法，利用注意力机制提取耦合系统频率响应模型输入的时间序列特征，能有效利用风火耦合系统输入数据；利用长短时记忆神经网络解决了递归神经网络在更新过程中出现的梯度消失问题，此外，长短时记忆神经网络解决了现有耦合系统频率响应模型难以描述耦合系统中存在的非线性及不确定性等问题，提高了风火耦合系统频率响应模型的精度和建模效率。
-
-
-
-
-
-
-
-
-
Search Results
132
records
(took 0.082 seconds)
