-
公开(公告)号：CN117686229A
公开(公告)日：2024-03-12
申请号：CN202311646995.4
申请日：2023-12-04
Applicant: 华北电力大学(保定)
IPC: G01M13/045 , G06F18/2415 , G06N3/0464 , G06N3/0455 , G06N3/0895
Abstract: 一种基于半监督时序学习的风力发电机组轴承故障诊断方法，所述方法包括以下步骤：a.利用风力发电机组轴承原始振动信号构建训练集和测试集；b.建立一维卷积神经网络；c.构建半监督学习模型；d.采用MAML训练半监督学习模型；e.将测试集中的有标签数据输入到训练后的半监督学习模型，对半监督学习模型进行测试；f.用已经测试合格的半监督学习模型判断风力发电机组轴承故障的类型。本发明采用半监督学习模型判断风力发电机组轴承故障的类型，可以有效地利用有限的带标签数据和大量的无标签数据对模型进行训练，很好地解决了故障数据量不足的问题，降低了轴承故障智能诊断的难度，提高了轴承故障诊断结果的准确性。
-
公开(公告)号：CN120046077A
公开(公告)日：2025-05-27
申请号：CN202510197620.7
申请日：2025-02-21
Applicant: 华北电力大学(保定)
IPC: G06F18/2433 , G06F18/10 , G06F18/15 , G06F18/213 , G06F17/18 , G06N3/045 , G06N3/0442 , G06N3/0455 , G06N3/084 , F03D17/00 , G08B21/18
Abstract: 一种基于KAformer模型的风电机组异常状态检测方法，包括以下步骤：a.数据预处理；b.检测模型的搭建：在原始ViT的基础上，将其编码器由简单的MLP替换为KAN，构建KAformer模型，并增设前置LSTM网络；c.模型的训练；d.模型的测试：计算预警阈值和报警阈值；构建异常状态评判指标，根据评判指标判断风电机组的异常运行状态发生时间段；e.利用测试合格的检测模型对风电机组的异常状态进行检测。本发明通过改进原始ViT模型得到能够很好地建立风电机组正常运行状态逻辑的检测模型，再通过KLD计算和KDE方法构建异常状态评判指标，可精准检测风电机组的异常运行状态，及时报警，保证风电机组安全运行。
-
公开(公告)号：CN116663926B
公开(公告)日：2024-08-20
申请号：CN202310639635.5
申请日：2023-05-31
Applicant: 国网北京市电力公司 , 国家电网有限公司 , 华北电力大学(保定)
IPC: G06Q10/0637 , G06Q10/0631 , G06Q10/04 , G06Q50/06 , H02J3/00
Abstract: 本发明属于电力负荷预测技术领域，具体公开了一种基线负荷估计结果修正方法、系统、设备及介质，本发明通过对回弹效应导致的负荷变化量和基线负荷估计结果偏差量进行计算，使用计算获得的结果进行神经网络训练，获得训练后的神经网络ANN架构，通过训练后的神经网络ANN架构对基线负荷估计结果进行修正，基于神经网络的需求响应基线负荷估计结果修正方法具有很强的适用性，适用于回弹效应对各类基线负荷估计方法影响偏差的修正。通过神经网络学习回弹效应对基线负荷估计影响的偏差，并使用获得的修正量修正基线负荷估计结果，有效的提升了基线负荷估计方法对应的精度，解决基线负荷估计结果出现偏差的问题。
-
公开(公告)号：CN116663926A
公开(公告)日：2023-08-29
申请号：CN202310639635.5
申请日：2023-05-31
Applicant: 国网北京市电力公司 , 国家电网有限公司 , 华北电力大学(保定)
IPC: G06Q10/0637 , G06Q10/0631 , G06Q10/04 , G06Q50/06 , H02J3/00
Abstract: 本发明属于电力负荷预测技术领域，具体公开了一种基线负荷估计结果修正方法、系统、设备及介质，本发明通过对回弹效应导致的负荷变化量和基线负荷估计结果偏差量进行计算，使用计算获得的结果进行神经网络训练，获得训练后的神经网络ANN架构，通过训练后的神经网络ANN架构对基线负荷估计结果进行修正，基于神经网络的需求响应基线负荷估计结果修正方法具有很强的适用性，适用于回弹效应对各类基线负荷估计方法影响偏差的修正。通过神经网络学习回弹效应对基线负荷估计影响的偏差，并使用获得的修正量修正基线负荷估计结果，有效的提升了基线负荷估计方法对应的精度，解决基线负荷估计结果出现偏差的问题。
-
-
-
Search Results
4
records
(took 0.019 seconds)
