公开(公告)号：CN119686929A

公开(公告)日：2025-03-25

申请号：CN202411808878.8

申请日：2024-12-10

Applicant: 新疆大学

Inventor： 高丙朋 ,  孙凯 ,  蔡鑫 ,  韩华彬

IPC: F03D17/00 ,  G06F18/20 ,  G06F18/10 ,  G06F18/2113 ,  G06N3/006 ,  G06N3/0442 ,  G06N3/045 ,  G06N3/082 ,  G06N3/0985

Abstract: 本发明公开了一种风电机组及其故障预警方法、装置、存储介质和计算机程序产品，该方法包括：对风电机组的历史数据进行处理得到样本并划分为训练集和测试集；基于CycleNet和多头注意力机制构建得到改进的BiGRU模型后，利用训练集进行训练得到风电机组的运行预测模型，加入预设的滑动窗口后利用测试集进行测试以对风电机组的运行预测模型进行修正，得到风电机组的故障预测模型；利用风电机组的故障预测模型，基于风电机组的当前数据预测风电机组是否故障，实现对风电机组的故障预。该方案，通过基于CycleNet和多头注意力机制学习得到故障预警模型，在复杂天气条件下实现变桨系统的故障预警，提高风电设备的运行效率和可靠性。

公开(公告)号：CN119848682A

公开(公告)日：2025-04-18

申请号：CN202411909950.6

申请日：2024-12-24

Applicant: 新疆大学

Inventor： 高丙朋 ,  韩华彬 ,  蔡鑫 ,  孙凯

IPC: G06F18/243 ,  G06F18/21 ,  G06F18/10 ,  G06N3/0442 ,  G06N3/0464 ,  F03D80/40

Abstract: 本发明公开了一种风机及其叶片结冰故障诊断方法、装置、存储介质和计算机程序产品，该方法包括：自风力发电系统的SCADA系统，获取风机的运行数据并依次进行预处理和特征工程处理，得到风机的特征变量，作为样本划分训练集与测试集；利用HO算法对神经网络模型进行优化，得到优化神经网络模型；利用训练集对优化神经网络模型进行训练，得到训练神经网络模型；利用测试集对训练神经网络模型进行评估，得到评估结果；并根据评估结果对训练神经网络模型进行修正，得到修正神经网络模型，记为风机的叶片结冰故障诊断模型。该方案，通过基于SCADA系统获取的数据进行神经网络训练，得到风机叶片结冰故障诊断模型，成本低、且检测精度高。