CN112116262A - 一种风力发电机组设备健康度的评价方法 - Google Patents
一种风力发电机组设备健康度的评价方法 Download PDFInfo
- Publication number
- CN112116262A CN112116262A CN202011018946.2A CN202011018946A CN112116262A CN 112116262 A CN112116262 A CN 112116262A CN 202011018946 A CN202011018946 A CN 202011018946A CN 112116262 A CN112116262 A CN 112116262A
- Authority
- CN
- China
- Prior art keywords
- index
- health
- degree
- generating set
- health degree
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas or water supply
Abstract
本发明提供的一种风力发电机组设备健康度的评价方法,包括以下步骤:步骤1,计算风力发电机组各设备中任一部件各指标与健康度的互信息数值;步骤2,计算该部件对健康度的初始影响度;步骤3,计算该部件的初始权重;步骤4,将风电机组运行下的工作风速阶段进行划分,得到l个工况区间;步骤5,从步骤4中得到的每个工况区间内的数据矩阵中提取各列向量,根据各列向量确定每个工况区间未来t时刻采集的对应指标的健康状态量分值;步骤6,构建该任一部件的各个指标的综合健康指标;步骤7,构建权重标准,得到该任一部件的各个指标的最终权重;步骤8,计算该任一部件的健康度;本发明解决了现有的评价风电机组健康度的方法存在指标较为单一,不能反映其复杂的状态信息的问题。
Description
技术领域
本发明涉及风力发电领域,具体涉及一种风力发电机组设备健康度的评价方法。
背景技术
风电机组常常面临高温、高湿、盐雾腐蚀、雷电等更加复杂的环境条件,风电功率波动剧烈,使得风电机组的安全性、可靠性、可用性受到威胁。面对此种情况,开展风电机组健康度状态监测与评价研究,根据评价结果预先判断机组健康衰退趋势,合理调整运行并安排维修,对提高风电机组运行安全性和可靠性,降低运行与维护费用具有重要的意义。
设备健康管理(Health Management,HM)是未来风电运维的发展方向,根据设备当前健康度为即将发生的故障制定最佳维护策略,在提高风电机组可靠性和降低维护成本方面具有巨大的潜力。在一个有效的HM系统中,主要的任务包括设备退化的监控、设备异常的检测和潜在故障模式的诊断。任务通过在线方式实现的,以便及时提取最新的设备健康信息,并与管理层同步,以支持决策。目前利用SCADA数据评价风电机组健康度方法中可以表征健康度的指标较为单一,仅通过应用风功率曲线、温度等特征来评价风电机组健康状态,不能反映其复杂的状态信息。针对这一问题,通过可获取的SCADA系统中所有参数进行分析和筛选,建立风电机组健康度状态评估的新方法。
发明内容
本发明的目的在于提供一种风力发电机组设备健康度的评价方法,解决了现有的评价风电机组健康度的方法存在指标较为单一,不能反映其复杂的状态信息的问题。
为了达到上述目的,本发明采用的技术方案如下:
本发明提供的一种风力发电机组设备健康度的评价方法,包括以下步骤:
步骤1,计算风力发电机组各设备中任一部件各指标与健康度的互信息数值;
步骤2,根据步骤1中得到各指标与健康度的互信息数值计算该部件对健康度的初始影响度;
步骤3,根据步骤2中得到的初始影响度计算该部件的初始权重;
步骤4,将风电机组运行下的工作风速阶段进行划分,得到l个工况区间;
步骤5,从步骤4中得到的每个工况区间内的数据矩阵中提取各列向量,根据各列向量确定每个工况区间未来t时刻采集的对应指标的健康状态量分值;
步骤6,根据步骤5得到的该工况区间未来t时刻采集的对应指标的健康状态量分值,结合传递因子构建该任一部件的各个指标的综合健康指标;
步骤7,构建权重标准,得到该任一部件的各个指标的最终权重;
步骤8,根据步骤6得到的该任一部件的各个指标的综合健康指标和步骤7得到的该任一部件的各个指标的最终权重计算该任一部件的健康度;
步骤9,根据步骤8得到的健康度判断该任一部件的健康等级,根据该任一部件的健康等级对风电机组设备的运行进行调整。
优选地,计算风力发电机组各设备中任一部件各指标与健康度的互信息数值,具体方法是:
获取某一时间内风机正常运行数据,构建任一部件的数据矩阵,结合高斯-copula理论,得到该任一部件各指标与健康度的互信息数值。
优选地,根据步骤1中得到各指标与健康度的互信息数值计算该部件对健康度的初始影响度,具体方法是:
将得到的各指标与健康度的互信息数值按照降序方式排列组成互信息向量;
利用互信息数值比例表示各指标的初始影响度。
优选地,根据步骤2中得到的初始影响度计算该部件的初始权重,具体方法是:
对各指标的初始影响度进行归一化处理,得到初始权重。
优选地,从步骤4中得到的每个工况区间内的数据矩阵中提取各列向量,根据各列向量确定每个工况区间未来t时刻采集的对应指标的健康状态量分值,具体方法是:
从该任一部件的每一个工况区间内的数据矩阵中提取各列向量,将各列向量进行威布尔分布处理,得到每一个工况区间各个指标的概率分布;根据每一个工况区间各个指标的概率分布,确定该工况区间未来t时刻采集的各个指标的健康状态量分值。
优选地,根据步骤5得到的该工况区间未来t时刻采集的对应指标的健康状态量分值,结合传递因子构建该任一部件的各个指标的综合健康指标,具体方法是:
通过下式构建综合健康指标:
其中,Kj为传递因子,0.95≤Kj≤1.05。
优选地,构建权重标准,得到该任一部件的各个指标的最终权重,具体方法是:
获取该任一部件未来t时刻相邻的某一时间段内的数据矩阵中各个指标对应的列向量数据,并对该列向量数据进行归一化处理,得到各指标对应的方差,将所得的所有方差进行归一化处理,则可得到各个指标对应的方差系数;
结合各个指标对应的方差系数和各个指标对应的初始权重构建权重标准:
Wj=σjwj
其中,σj表示第j项指标的方差系数;wj为第j项指标的初始权重;
将得到的各个指标对应的方差系数按照先大后小的顺序进行排序;
之后,按照方差系数从小到大的顺序,将两个相邻的方差系数对应的两个指标的权重标准进行比较,根据比较结果计算指标关系值ri;具体地:
优选地,根据步骤6得到的该任一部件的各个指标的综合健康指标和步骤7得到的该任一部件的各个指标的最终权重计算该任一部件的健康度,具体方法是:
通过下式计算该任一部件的健康度:
HD=P1x1(t)+P2x2(t)+...+Pmxm(t)。
优选地,根据计算得到的该任一部件的健康度设置健康度区间,得到该任一部件对应的健康等级,根据该任一部件的健康等级对风电机组设备的运行进行调整:
当0.8≤HD≤1.0时,健康等级为Ⅰ;风力发电机组设备的运行状态良好;
当0.6≤HD<0.8时,健康等级为Ⅱ;风力发电机组设备的运行状态偏离正常状态;
当0.3≤HD<0.6时,健康等级为Ⅲ;风力发电机组设备的运行状态严重劣化;
当0.0≤HD<0.3时,健康等级为Ⅳ;风力发电机组设备处于故障状态。
与现有技术相比,本发明的有益效果是:
本发明提供的一种风力发电机组设备健康度的评价方法,利用设备长时间运行过程中各项指标的概率分布推导出某一时刻各项指标的健康度分值,进而结合指标独立值得到综合健康指标;根据某一时刻前后各项指标数据波动性与该指标与健康度互信息数值、各指标间的关系值得到各项指标健康度权重;最终得到设备多指标表征的健康度,解决了现有的评价风电机组健康度的方法存在指标较为单一,不能反映其复杂的状态信息的问题。
附图说明
图1是本发明的流程示意图;
图2是发电机定子健康度;
图3是发电机健康图。
具体实施方式
下面结合附图,对本发明进一步详细说明。
本发明提供的一种风力发电机组设备健康度的评价方法,包括以下步骤:
步骤1,选择风机SCADA系统收集的反映风电机组各系统运行状态的参数,针对部件选取表征参量,具体如下。
选取一定时间内风机正常运行数据,构建单一部件的数据矩阵Aij(i表示数据指标分类,j表示同类数据不同采集点);利用高斯-copula理论,例如某部件各指标A1j、A2j、…Aij与健康度的互信息数值可表示为:
其中,I为互信息数值;H表示可最直接反映健康度的参数;X表示数据矩阵中的选定参数;Cρ(u,v)为copula概率密度;ρ为相关系数;Φ为标准正态分布;x1为反映健康度参数向量;x2为数据矩阵中的选定一列参数向量。
步骤2,根据步骤1中得到的互信息数值计算该部件对健康度的初始影响度。
互信息数值I的大小间接反映此参数对风电机组健康度的影响程度,互信息按照降序方式排列组成互信息向量:
I=[I1,I2,I3,I4,...,In]
其中,In为第n项指标与健康度的互信息数值。
则可以利用互信息数值比例表示初始影响度wm:
其中,Im为第m项指标与健康度的互信息数值。
步骤3,对各指标的初始影响度wm进行归一化处理,得到初始权重wj:
步骤4,划分工况:将风电机组运行下的3m·s-1-25m·s-1的风速阶段划分为l个区间,即[L1,L2,L3,...,Ll],其中,Li表示第i个区间。则每一个区间长度为(25-3)/l,单位为m·s-1;经过分析,设置l=44。
步骤5,从运行过程中的单一部件的每一个工况区间内的数据矩阵Aij中提取各列向量,即Ai1、Ai2、…Aij;之后对各列向量进行威布尔分布处理,得到每一个工况区间各个指标的概率分布;根据每一个工况区间各个指标的概率分布,确定该工况区间未来t时刻采集的各个指标的健康状态量分值C1(t),C2(t),C3(t),......,Cm(t);(该健康状态量分值取值范围为0.0-1.0分,其中,1.0分表示处于最佳状态;0.0分表示设备强制报废)。
步骤6,将步骤5中得到的单一部件未来t时刻的各个健康状态量分值C1(t),C2(t),C3(t),......,Cm(t)及传递因子K相结合构建综合健康指标,用x1(t)、x2(t)、…、xm(t)表示,其中,第j个指标的综合健康指标为:
其中,Kj为传递因子,0.95≤Kj≤1.05。
传递因子数值根据状态量独立性界定,独立度越低则传递因子越大;独立性不明确的状态量可视为1。
步骤7,构建权重标准:
Wj=σjwj
0≤σj≤1
0≤Wj≤1
选取单一部件未来t时刻附近一段时间内数据矩阵中各指标对应的列向量数据进行归一化处理,得到各指标对应的方差,将所得系列方差进行归一化,则可得到各指标的方差系数,即σj表示第j项指标的方差系数,wj为第j项指标的初始权重。
将得到的各指标的方差系数按照先大后小的顺序进行排序;
之后,按照方差系数从小到大的顺序,将两个相邻的方差系数对应的两个指标的权重标准进行比较,根据比较结果计算指标关系值ri,即,按照方差系数从小到大的顺序,将第j项指标对应的权重标准与第j-1项指标对应的权重标准进行比较,根据比较结果计算指标关系值ri;具体地:
当Wj>Wj-1,则ri=1;
其中,Wj为第j项指标对应的权重标准;Wj-1为第j-1项指标对应的权重标准。
根据得到的ri,则计算第z个指标的最终权重Pz:
步骤8,根据步骤6得到的综合健康指标和步骤7得到的最终权重,计算该某一部件的健康度,并将其进行可视化展示;
健康状态可以用相对健康度HD(Health degree)来定义,其定义为:
HD=F{x1(t),x2(t),x3(t),...,xm(t)}
带入公式,可得:
HD=P1x1(t)+P2x2(t)+...+Pmxm(t)
通过相对健康度函数F计算单相总体健康度,设置健康度区间:
实施例
本发明提供的一种风力发电机组设备健康度的评价方法,包括以下步骤:
步骤1,以发电机为例,根据发电机结构将设备分为各部件,包含定子、转子、控制回路、结构与联轴器几大部件。
选择SCADA系统收集的反映风电机组各系统运行状态的参数,针对部件选取特定的表征参量,如风速、转子转速、定子三相电流、温升、振动、功率曲线等。
选取一定时间内正常运行数据,构建单一部件数据矩阵Aij(i表示数据指标分类,j表示同类数据不同采集点);利用高斯-copula理论,例如定子各指标A1j、A2j、…Aij与健康度的互信息数值可表示为:
I为互信息数值;H表示可最直接反映健康度的参数;X表示特定参数;Cρ(u,v)为copula概率密度;ρ为相关系数;Φ为标准正态分布;x1为反映健康度参数向量;x2为数据矩阵中的选定的一列参数向量。
步骤2,根据步骤1中得到的互信息数值计算该部件对健康度的初始影响度。
I的大小间接反映此参数对风电机组健康度的影响程度,互信息按照降序方式排列组成互信息向量:
I=[I1,I2,I3,I4,...,In]
其中,In为第n项指标与健康度的互信息数值。
则可以利用互信息数值比例表示初始影响度wm:
其中,Im为第m项指标与健康度的互信息数值。
步骤3,对各指标的初始影响度wm进行归一化处理,得到初始权重wj,如图2所示;
步骤4,划分工况:将风电机组运行下,3m·s-1-25m·s-1的风速阶段划分为l个区间,即[L1,L2,L3,...,Ll],其中,Li表示第i个区间。则每一个区间长度为(25-3)/l,单位为m·s-1;经过分析,设置l=44。
步骤5,分别提取运行过程中单一部件数据矩阵Aij每一个区间内对应各列向量,做出威布尔分布,得到每一个工况区间各个指标的概率分布;根据每一个工况区间各个指标的概率分布,确定该工况区间未来t时刻采集的各个指标的健康状态量分值化C1(t),C2(t),C3(t),......,Cm(t)(0.0-1.0分,1.0分表示处于最佳状态,0.0分表示设备强制报废)
步骤6,将设备t时刻的单项健康状态量C1(t),C2(t),C3(t),......,Cm(t)及传递因子K构建综合健康指标,用x1(t)、x2(t)、…、xm(t)表示,其中第j项综合健康指标为:
其中,Kj为传递因子,0.95≤Kj≤1.05,根据状态量独立性界定,独立度越低则传递因子越大,独立性不明确的状态量可视为1。
步骤7,构建权重标准:
Wj=σjwj
0≤σj≤1
0≤Wj≤1
选取单一部件未来t时刻附近一段时间内数据矩阵中各指标对应的列向量数据进行归一化处理,得到各指标对应的方差,将所得系列方差进行归一化,则可得到各指标方差系数,即σj表示第j项指标的方差系数,wj为第j项指标的初始置权重。
将得到的各方差系数σj按照先大后小的顺序进行排序;
根据方差系数σj的大小排序,将第j项指标对应的权重标准与第j-1项指标对应的权重标准进行比较,根据比较结果计算指标关系值ri;具体地:
当Wj>Wj-1,则ri=1;
其中,Wj为第j项指标对应的权重标准;Wj-1为第j-1项指标对应的权重标准。
则可以求出第z个指标的最终权重Pz,为:
步骤8,计算健康度并可视化展示,健康状态可以用相对健康度HD(Healthdegree)来定义,其定义为:
HD=F{x1(t),x2(t),x3(t),...,xm(t)}
带入公式,可得:
HD=P1x1(t)+P2x2(t)+...+Pmxm(t)
通过相对健康度函数F计算单相总体健康度,设置健康度区间:
步骤9,整理定子、转子、联轴器、结构、控制回路等部件相对健康度,构建设备健康图,如图3所示。
Claims (9)
1.一种风力发电机组设备健康度的评价方法,其特征在于,包括以下步骤:
步骤1,计算风力发电机组各设备中任一部件各指标与健康度的互信息数值;
步骤2,根据步骤1中得到各指标与健康度的互信息数值计算该部件对健康度的初始影响度;
步骤3,根据步骤2中得到的初始影响度计算该部件的初始权重;
步骤4,将风电机组运行下的工作风速阶段进行划分,得到l个工况区间;
步骤5,从步骤4中得到的每个工况区间内的数据矩阵中提取各列向量,根据各列向量确定每个工况区间未来t时刻采集的对应指标的健康状态量分值;
步骤6,根据步骤5得到的该工况区间未来t时刻采集的对应指标的健康状态量分值,结合传递因子构建该任一部件的各个指标的综合健康指标;
步骤7,构建权重标准,得到该任一部件的各个指标的最终权重;
步骤8,根据步骤6得到的该任一部件的各个指标的综合健康指标和步骤7得到的该任一部件的各个指标的最终权重计算该任一部件的健康度;
步骤9,根据步骤8得到的健康度判断该任一部件的健康等级,根据该任一部件的健康等级对风电机组设备的运行进行调整。
2.根据权利要求1所述的一种风力发电机组设备健康度的评价方法,其特征在于,计算风力发电机组各设备中任一部件各指标与健康度的互信息数值,具体方法是:
获取某一时间内风机正常运行数据,构建任一部件的数据矩阵,结合高斯-copula理论,得到该任一部件各指标与健康度的互信息数值。
3.根据权利要求1所述的一种风力发电机组设备健康度的评价方法,其特征在于,根据步骤1中得到各指标与健康度的互信息数值计算该部件对健康度的初始影响度,具体方法是:
将得到的各指标与健康度的互信息数值按照降序方式排列组成互信息向量;
利用互信息数值比例表示各指标的初始影响度。
4.根据权利要求1所述的一种风力发电机组设备健康度的评价方法,其特征在于,根据步骤2中得到的初始影响度计算该部件的初始权重,具体方法是:
对各指标的初始影响度进行归一化处理,得到初始权重。
5.根据权利要求1所述的一种风力发电机组设备健康度的评价方法,其特征在于,从步骤4中得到的每个工况区间内的数据矩阵中提取各列向量,根据各列向量确定每个工况区间未来t时刻采集的对应指标的健康状态量分值,具体方法是:
从该任一部件的每一个工况区间内的数据矩阵中提取各列向量,将各列向量进行威布尔分布处理,得到每一个工况区间各个指标的概率分布;根据每一个工况区间各个指标的概率分布,确定该工况区间未来t时刻采集的各个指标的健康状态量分值。
7.根据权利要求1所述的一种风力发电机组设备健康度的评价方法,其特征在于,构建权重标准,得到该任一部件的各个指标的最终权重,具体方法是:
获取该任一部件未来t时刻相邻的某一时间段内的数据矩阵中各个指标对应的列向量数据,并对该列向量数据进行归一化处理,得到各指标对应的方差,将所得的所有方差进行归一化处理,则可得到各个指标对应的方差系数;
结合各个指标对应的方差系数和各个指标对应的初始权重构建权重标准:
Wj=σjwj
其中,σj表示第j项指标的方差系数;wj为第j项指标的初始权重;
将得到的各个指标对应的方差系数按照先大后小的顺序进行排序;
之后,按照方差系数从小到大的顺序,将两个相邻的方差系数对应的两个指标的权重标准进行比较,根据比较结果计算指标关系值ri;具体地:
当Wj>Wj-1,则ri=1;
其中,Wj为第j项指标对应的权重标准;Wj-1为第j-1项指标对应的权重标准;
根据得到的指标关系值ri,则计算第z个指标的最终权重Pz:
8.根据权利要求1所述的一种风力发电机组设备健康度的评价方法,其特征在于,根据步骤6得到的该任一部件的各个指标的综合健康指标和步骤7得到的该任一部件的各个指标的最终权重计算该任一部件的健康度,具体方法是:
通过下式计算该任一部件的健康度:
HD=P1x1(t)+P2x2(t)+...+Pmxm(t)。
9.根据权利要求1所述的一种风力发电机组设备健康度的评价方法,其特征在于,根据计算得到的该任一部件的健康度设置健康度区间,得到该任一部件对应的健康等级,根据该任一部件的健康等级对风电机组设备的运行进行调整:
当0.8≤HD≤1.0时,健康等级为Ⅰ;风力发电机组设备的运行状态良好,风力发电机组继续运行;
当0.6≤HD<0.8时,健康等级为Ⅱ;风力发电机组设备的运行状态偏离正常状态,加强各项指标的监测;
当0.3≤HD<0.6时,健康等级为Ⅲ;风力发电机组设备的运行状态严重劣化,做好停机准备;
当0.0≤HD<0.3时,健康等级为Ⅳ;风力发电机组设备处于故障状态,立即停机。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011018946.2A CN112116262A (zh) | 2020-09-24 | 2020-09-24 | 一种风力发电机组设备健康度的评价方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011018946.2A CN112116262A (zh) | 2020-09-24 | 2020-09-24 | 一种风力发电机组设备健康度的评价方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112116262A true CN112116262A (zh) | 2020-12-22 |
Family
ID=73800124
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011018946.2A Pending CN112116262A (zh) | 2020-09-24 | 2020-09-24 | 一种风力发电机组设备健康度的评价方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112116262A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113657786A (zh) * | 2021-08-24 | 2021-11-16 | 国网青海省电力公司清洁能源发展研究院 | 基于风电机组运行性能评估指标体系的机群划分方法 |
CN113722656A (zh) * | 2021-07-28 | 2021-11-30 | 国网浙江省电力有限公司电力科学研究院 | 一种火力发电机组实时健康度评价方法及系统 |
CN114004059A (zh) * | 2021-09-24 | 2022-02-01 | 雅砻江流域水电开发有限公司 | 一种水轮发电机组健康画像方法 |
CN114254904A (zh) * | 2021-12-13 | 2022-03-29 | 华北电力大学 | 一种风电机组机舱运行健康度评价方法及装置 |
CN115564298A (zh) * | 2022-10-29 | 2023-01-03 | 北京远舢智能科技有限公司 | 产线设备健康度评价方法、系统、智能终端和存储介质 |
CN115619107A (zh) * | 2022-12-20 | 2023-01-17 | 浙江浙能数字科技有限公司 | 一种基于多维信息的燃煤电厂设备健康度评价方法 |
-
2020
- 2020-09-24 CN CN202011018946.2A patent/CN112116262A/zh active Pending
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113722656A (zh) * | 2021-07-28 | 2021-11-30 | 国网浙江省电力有限公司电力科学研究院 | 一种火力发电机组实时健康度评价方法及系统 |
CN113657786A (zh) * | 2021-08-24 | 2021-11-16 | 国网青海省电力公司清洁能源发展研究院 | 基于风电机组运行性能评估指标体系的机群划分方法 |
CN114004059A (zh) * | 2021-09-24 | 2022-02-01 | 雅砻江流域水电开发有限公司 | 一种水轮发电机组健康画像方法 |
CN114004059B (zh) * | 2021-09-24 | 2022-08-23 | 雅砻江流域水电开发有限公司 | 一种水轮发电机组健康画像方法 |
CN114254904A (zh) * | 2021-12-13 | 2022-03-29 | 华北电力大学 | 一种风电机组机舱运行健康度评价方法及装置 |
CN114254904B (zh) * | 2021-12-13 | 2022-08-19 | 华北电力大学 | 一种风电机组机舱运行健康度评价方法及装置 |
CN115564298A (zh) * | 2022-10-29 | 2023-01-03 | 北京远舢智能科技有限公司 | 产线设备健康度评价方法、系统、智能终端和存储介质 |
CN115619107A (zh) * | 2022-12-20 | 2023-01-17 | 浙江浙能数字科技有限公司 | 一种基于多维信息的燃煤电厂设备健康度评价方法 |
CN115619107B (zh) * | 2022-12-20 | 2023-03-28 | 浙江浙能数字科技有限公司 | 一种基于多维信息的燃煤电厂设备健康度评价方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112116262A (zh) | 一种风力发电机组设备健康度的评价方法 | |
CN104200396B (zh) | 一种风力发电机部件故障预警方法 | |
CN109376801B (zh) | 基于集成深度神经网络的风力发电机叶片结冰诊断方法 | |
CN103115789B (zh) | 金属结构损伤剩余寿命的第二代小波支持向量机评估方法 | |
CN111582392B (zh) | 一种风电机组关键部件多工况健康状态在线监测方法 | |
CN109858140B (zh) | 一种基于信息熵离散型贝叶斯网络冷水机组故障诊断方法 | |
CN111680875B (zh) | 基于概率基线模型的无人机状态风险模糊综合评价方法 | |
CN111597682A (zh) | 预测风力机齿轮箱轴承剩余寿命的方法 | |
CN111401749A (zh) | 一种基于随机森林与极限学习回归的动态安全评估方法 | |
CN114723285B (zh) | 一种电网设备安全性评估预测方法 | |
CN112906764B (zh) | 基于改进bp神经网络的通信安全设备智能诊断方法及系统 | |
CN110417005B (zh) | 结合深度学习和仿真计算的暂态稳定严重故障筛选方法 | |
CN110994604A (zh) | 基于lstm-dnn模型的电力系统暂态稳定评估方法 | |
CN112215722B (zh) | 主导失稳模式判别模型构建方法、主导失稳模式判别方法 | |
CN111878322B (zh) | 风力发电机装置 | |
CN111273125A (zh) | 基于rst-cnn的电力电缆沟道故障诊断方法 | |
CN107036808A (zh) | 基于支持向量机概率估计的风电机组齿轮箱复合故障诊断方法 | |
CN114169718A (zh) | 一种基于风电机组状态评估提高机组可靠性的方法 | |
CN115313930A (zh) | 一种大型汽轮发电机励磁电流实时预测方法 | |
CN113177357B (zh) | 一种电力系统暂态稳定评估方法 | |
Shahriyari et al. | A Deep Learning-Based Approach for Comprehensive Rotor Angle Stability Assessment | |
CN105426665B (zh) | 基于状态监测的动态可靠度确定方法 | |
Long et al. | Wind turbine anomaly identification based on improved deep belief network with SCADA data | |
CN115130731A (zh) | 一种风力发电机故障检测方法、设备及介质 | |
CN112836958A (zh) | 一种基于模糊综合评价的风电机组运行状态评估系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |