CN112598539A - 一种风力发电机组风功率曲线优化计算及异常值检测方法 - Google Patents
一种风力发电机组风功率曲线优化计算及异常值检测方法 Download PDFInfo
- Publication number
- CN112598539A CN112598539A CN202011573959.6A CN202011573959A CN112598539A CN 112598539 A CN112598539 A CN 112598539A CN 202011573959 A CN202011573959 A CN 202011573959A CN 112598539 A CN112598539 A CN 112598539A
- Authority
- CN
- China
- Prior art keywords
- data
- wind
- data set
- abnormal
- wind power
- 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.)
- Granted
Links
- 230000002159 abnormal effect Effects 0.000 title claims abstract description 44
- 238000004364 calculation method Methods 0.000 title claims abstract description 15
- 238000001514 detection method Methods 0.000 title claims description 13
- 238000005457 optimization Methods 0.000 title claims description 12
- 238000000034 method Methods 0.000 claims abstract description 32
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 8
- 238000007621 cluster analysis Methods 0.000 claims description 6
- 238000005070 sampling Methods 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 238000010408 sweeping Methods 0.000 claims description 3
- 238000010977 unit operation Methods 0.000 abstract description 2
- 239000013256 coordination polymer Substances 0.000 abstract 1
- 238000004458 analytical method Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000010248 power generation Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 230000002547 anomalous effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/06—Wind turbines or wind farms
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/70—Wind energy
- Y02E10/72—Wind turbines with rotation axis in wind direction
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Human Resources & Organizations (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Public Health (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Wind Motors (AREA)
Abstract
本发明公开了一种风力发电机组风功率曲线计算方法，该方法主要包括：采集风力发电机组在一定周期内的运行数据；获取风力发电机组风轮直径物理参数以及对象风场空气密度；基于风力发电机组运行数据、风轮直径和空气密度计算出机组对应时间的风能利用系数Cp；拼接机组运行数据和Cp值，以构成新的数据集；将新数据集基于风速额定值进行划分，对于划分后的数据分别利用CP阈值判定法和DBSCAN算法进行异常值标定；计算类别标记后的数据集，得到机组实际运行风功率曲线和异常值分布情况。
Description
技术领域
本发明涉及风力发电数据分析领域，尤其涉及一种风力发电机组风功率曲线计算及异常值检测方法。
背景技术
风力发电机组的风功率曲线是衡量机组出力性能的重要指标之一。风功率曲线是以风速为横坐标，功率为纵坐标所拟合出来一条近似曲线。采用合适的拟合方法对准确评估机组出力性能有着至关重要作用。
目前，风力发电机组的风功率曲线拟合方法主要基于机组SCADA数据完成。拟合方法主要是将SCADA数据按照风速进行区间分割，然后求出每个区间内的功率均值，最后结合风速与功率均值拟合出机组实际运行风功率曲线。虽然SCADA数据包括时间、风速和功率数据，但实际采集到的数据分布较为离散，且存在非正常发电数据，直接利用区间分割并求均值的方法会带来计算误差。针对该类方法的不足，改进的方法主要是利用四分位或者基于标准风功率曲线设置置信区间来消除异常数据，然后再拟合出风功率曲线。
但是，改进的方法依赖风机数据中正常数据占比高，或者假设机组大部分时间处于设计范围内，当机组异常数据占比高，或者投入运行时就处于异常状态时，这类方法拟合出来的风功率曲线会偏离真实的机组风功率曲线，且缺少对机组异常值分布情况的分析。
发明内容
针对上述现有技术存在的问题，本发明提供一种风力发电机组风功率曲线优化计算及异常值检测方法，与其他方法相比，本方法不需要知道机组设计功率曲线且对正常数据的占比没有要求，方法适用性强，计算效率高。
本发明采用的技术方案：一种风力发电机组风功率曲线优化计算及异常值检测方法，包括以下步骤：
S1：采集风力发电机组一个周期内的运行数据，得到原始采集数据；
S2：根据风轮直径和空气密度计算风能利用系数Cp；
S3：将Cp值拼接到原始数据中，构建新的数据集A；
S4：设定额定风速，将数据集A中风速小于额定风速的数据归为数据集B，其余数据归为数据集C；
S5：设置Cp阈值，对数据集B中的数据进行Cp阈值筛选，将在阈值范围内的数据标记为正常数据，在阈值范围之外的数据标记为异常数据；
S6：对数据集C中的数据利用DBSCAN算法进行聚类分析，得到数据集所属的类别；将数据集C中数量最多的一类数据标记为正常数据，其他的标记为异常数据；
S7：将数据集B和数据集C中的正常数据进行拼接，得到清洗后的数据集D；将数据集B和数据集C中的异常数据桶方法拼接，得到异常数据集E；
S8：对正常数据集D 和异常数据集E进行排序，以切入风速为起点，区间长度为0.5m/s，进行风速区间划分；
S9：计算每个区间内正常数据的风功率均值；计算每个区间内异常数据占对应区间的百分比，若某个区间内数据集为空，则该区间的风功率值取前、后区间风功率的均值，百分比则计算为0；
S10：以划分区间内的风速为横坐标，风功率均值为纵坐标，采用三次样条插值拟合，得到机组实际风功率曲线。
优选的，所述的步骤S1中，一个周期不小于3个月，数据采样间隔为10分钟，采集的数据包括时间、风速和对应的风功率。
优选的，步骤S2中计算风能利用系数Cp的方法为：
其中P为风机实际运行功率，ρ为空气密度，S为风轮扫风面积，v为风速，对应时间需与运行数据时间相同，空气密度为风场实测空气密度或者标准空气密度。
优选的，步骤S5中，Cp阈值设置为[0.2，0.5].
优选的，所述步骤S6中，对数据集C中的数据先进行标准化处理，再利用DBSCAN算法进行聚类分析。
优选的，所述的步骤S3中将Cp值拼接到原始数据的方法为：循环比较Cp值所在的时刻是否与某条原始数据时刻相同，如果相同，则在该条原始数据右边直接增加Cp列；如果不同，则继续遍历搜寻匹配，直至循环结束。
优选的，步骤S7中将数据集B和数据集C中的正常数据进行拼接的方法为: 将B和C按照列名称是否相同进行上下拼接，然后按照风速由小到大进行排序。
本发明的有益效果：
1、不依赖机组标准功率曲线，可适用于任何机型；
2、对采集到的数据集中正常样本占比没有要求，能展现任何工况下的机组风功率曲线；
3、对机组运行数据进行分段处理，更加有效剔除了异常数据，拟合出的功率曲线更接近机组实际风功率曲线；
4、增加了对运行数据异常分布分析，能弥补只根据风功率曲线来评估机组性能的不足；
5、Cp值特征计算简单，方法可重复使用，有效提高了方法泛化能力。
附图说明
图1是本方法实施流程图；
图2是本方法拟合出的风功率曲线及异常数据示例；
图3是本方法对异常数据集分布结果示例。
具体实施方式
如图1、图2和图3所示，本实例提供一种风力发电机组风功率曲线优化计算及异常值检测方法，包括以下步骤：
S1：采集风力发电机组一个周期内的运行数据，得到原始采集数据，本示例数据来源于某风场真实运行数据；
S2：根据风轮直径和空气密度计算风能利用系数Cp；
S3：将Cp值拼接到原始数据中，构建新的数据集A；
S4：设定额定风速，将数据集A中风速小于额定风速的数据归为数据集B，其余数据归为数据集C；
S5：设置Cp阈值，对数据集B中的数据进行Cp阈值筛选，将在阈值范围内的数据标记为正常数据，在阈值范围之外的数据标记为异常数据；
S6：对数据集C中的数据利用DBSCAN算法进行聚类分析，得到数据集所属的类别；将数据集C中数量最多的一类数据标记为正常数据，其他的标记为异常数据；
S7：将数据集B和数据集C中的正常数据进行拼接，得到清洗后的数据集D；将数据集B和数据集C中的异常数据桶方法拼接，得到异常数据集E；
S8：对正常数据集D 和异常数据集E进行排序，以切入风速为起点，区间长度为0.5m/s，进行风速区间划分；
S9：计算每个区间内正常数据的风功率均值；计算每个区间内异常数据占对应区间的百分比，若某个区间内数据集为空，则该区间的风功率值取前、后区间风功率的均值，百分比则计算为0；
S10：以划分区间内的风速为横坐标，风功率均值为纵坐标，采用三次样条插值拟合，得到机组实际风功率曲线。
本实施例中，步骤S1中，一个周期不小于3个月，数据采样间隔为10分钟，采集的数据包括时间、风速和对应的风功率。
步骤S2中计算风能利用系数Cp的方法为：
其中P为风机实际运行功率，ρ为空气密度，S为风轮扫风面积，v为风速，对应时间需与运行数据时间相同，空气密度为风场实测空气密度或者标准空气密度。
步骤S5中，Cp阈值设置为[0.2，0.5]，当Cp值大于0.5或者小于0.2时，将该条机组标记为异常1，其余的标价为正常0；
所述步骤S6中，对数据集C中的数据先进行标准化处理，得到归一化后的数据样本，然后设置DBSCAN模型的算法参数，最优利用DBSCAN算法对数据样本进行聚类分析，得到样本二分类结果，将数量较多的类标记为正常0，数量较少的类标记为异常1。
所述的步骤S3中将Cp值拼接到原始数据的方法为：循环比较Cp值所在的时刻是否与某条原始数据时刻相同，如果相同，则在该条原始数据右边直接增加Cp列；如果不同，则继续遍历搜寻匹配，直至循环结束。
步骤S7中将数据集B和数据集C中的正常数据进行拼接的方法为: 将B和C按照列名称是否相同进行上下拼接，然后按照风速由小到大进行排序。
Claims (6)
1.一种风力发电机组风功率曲线优化计算及异常值检测方法，其特征在于：包括以下步骤：
S1：采集风力发电机组一个周期内的运行数据，得到原始采集数据集，数据列名为测点名称，行为数据记录条；
S2：根据风轮直径和空气密度计算风能利用系数Cp；
S3：将Cp值拼接到原始数据中，构建新的数据集A；
S4：设定额定风速，将数据集A中风速小于额定风速的数据归为数据集B，其余数据归为数据集C；
S5：设置Cp阈值，对数据集B中的数据进行Cp阈值筛选，将在阈值范围内的数据标记为正常数据，在阈值范围之外的数据标记为异常数据；
S6：对数据集C中的数据利用DBSCAN算法进行聚类分析，得到数据集所属的类别；将数据集C中数量最多的一类数据标记为正常数据，其他的标记为异常数据；
S7：将数据集B和数据集C中的正常数据进行拼接，得到清洗后的数据集D，用于计算风电机组在整个风速区间内的风功率曲线；将数据集B和数据集C中的异常数据按照同样的拼接方法进行拼接，得到异常数据集E，用于计算风电机组在整个风速区间内的异常数据百分比；
S8：对正常数据集D和异常数据集E分别进行排序，以切入风速为起点，区间长度为0.5m/s，进行风速区间划分；
S9：计算每个区间内正常数据的风功率均值；计算每个区间内异常数据占对应区间的百分比，若某个区间内数据集为空，则该区间的风功率值取前、后区间风功率的均值，百分比则计算为0；
S10：以划分区间内的风速为横坐标，风功率均值为纵坐标，采用三次样条插值拟合，得到机组实际风功率曲线。
2.根据权利要求1所述的一种风力发电机组风功率曲线优化计算及异常值检测方法，其特征在于：所述的步骤S1中，一个周期不小于3个月，数据采样间隔为10分钟，采集的数据包括时间、风速和对应的风功率。
3.根据权利要求1所述的一种风力发电机组风功率曲线优化计算及异常值检测方法，其特征在于：步骤S2中计算风能利用系数Cp的方法为：
其中P为风机实际运行功率，ρ为空气密度，S为风轮扫风面积，v为风速，对应时间与运行数据时间相同，空气密度为风场实测空气密度或者标准空气密度。
4.根据权利要求1所述的一种风力发电机组风功率曲线优化计算及异常值检测方法，其特征在于：步骤S5中，Cp阈值设置为[0.2，0.5].
根据权利要求1所述的一种风力发电机组风功率曲线优化计算及异常值检测方法，其特征在于：所述步骤S6中，对数据集C中的数据先进行标准化处理，再利用DBSCAN算法进行聚类分析。
5.根据权利要求1所述的一种风力发电机组风功率曲线优化计算及异常值检测方法，其特征在于：所述的步骤S3中将Cp值拼接到原始数据的方法为：循环比较Cp值所在的时刻是否与某条原始数据时刻相同，如果相同，则在该条原始数据右边直接增加Cp列；如果不同，则继续遍历搜寻匹配，直至循环结束。
6.根据权利要求1所述的一种风力发电机组风功率曲线优化计算及异常值检测方法，其特征在于：步骤S7中将数据集B和数据集C中的正常数据进行拼接的方法为：将B和C按照列名称是否相同进行上下拼接，然后按照风速由小到大进行排序。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011573959.6A CN112598539B (zh) | 2020-12-28 | 2020-12-28 | 一种风力发电机组风功率曲线优化计算及异常值检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011573959.6A CN112598539B (zh) | 2020-12-28 | 2020-12-28 | 一种风力发电机组风功率曲线优化计算及异常值检测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112598539A true CN112598539A (zh) | 2021-04-02 |
| CN112598539B CN112598539B (zh) | 2024-01-30 |
Family
ID=75203581
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011573959.6A Active CN112598539B (zh) | 2020-12-28 | 2020-12-28 | 一种风力发电机组风功率曲线优化计算及异常值检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112598539B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113236508A (zh) * | 2021-05-31 | 2021-08-10 | 浙江运达风电股份有限公司 | 一种用于风力发电机组风速-功率异常数据检测的方法 |
| CN114579827A (zh) * | 2022-05-06 | 2022-06-03 | 昆仑智汇数据科技(北京)有限公司 | 一种工业设备数据性能曲线的处理方法、装置及设备 |
| CN114969017A (zh) * | 2022-07-28 | 2022-08-30 | 深圳量云能源网络科技有限公司 | 风功率数据清洗方法、清洗装置及预测方法 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103902837A (zh) * | 2014-04-16 | 2014-07-02 | 广西大学 | 一种基于经验Copula函数进行风速预测的方法 |
| US20150198144A1 (en) * | 2012-09-18 | 2015-07-16 | Korea Electric Power Corporation | Method of automatically calculating power curve limit for power curve monitoring of wind turbine |
| CN106089579A (zh) * | 2016-06-16 | 2016-11-09 | 三重型能源装备有限公司 | 风力发电机组的控制方法和系统 |
| CN107742053A (zh) * | 2017-11-28 | 2018-02-27 | 国华（河北）新能源有限公司 | 风电机组异常识别方法及装置 |
| CN108536881A (zh) * | 2017-03-06 | 2018-09-14 | 新疆金风科技股份有限公司 | 用于计算风电场发电量的方法和设备 |
| CN109740175A (zh) * | 2018-11-18 | 2019-05-10 | 浙江大学 | 一种面向风电机组功率曲线数据的离群点判别方法 |
| CN110084465A (zh) * | 2019-03-11 | 2019-08-02 | 杭州电子科技大学 | 基于储能的风力发电系统成本/供电可靠性评估方法 |
| CN110139983A (zh) * | 2016-12-30 | 2019-08-16 | 远景能源（江苏）有限公司 | 实证评估风力涡轮机发电机运行的方法和系统 |
| CN110566404A (zh) * | 2019-08-29 | 2019-12-13 | 陕能榆林清洁能源开发有限公司 | 用于风力发电机组的功率曲线优化装置和方法 |
-
2020
- 2020-12-28 CN CN202011573959.6A patent/CN112598539B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20150198144A1 (en) * | 2012-09-18 | 2015-07-16 | Korea Electric Power Corporation | Method of automatically calculating power curve limit for power curve monitoring of wind turbine |
| CN103902837A (zh) * | 2014-04-16 | 2014-07-02 | 广西大学 | 一种基于经验Copula函数进行风速预测的方法 |
| CN106089579A (zh) * | 2016-06-16 | 2016-11-09 | 三重型能源装备有限公司 | 风力发电机组的控制方法和系统 |
| CN110139983A (zh) * | 2016-12-30 | 2019-08-16 | 远景能源（江苏）有限公司 | 实证评估风力涡轮机发电机运行的方法和系统 |
| CN108536881A (zh) * | 2017-03-06 | 2018-09-14 | 新疆金风科技股份有限公司 | 用于计算风电场发电量的方法和设备 |
| CN107742053A (zh) * | 2017-11-28 | 2018-02-27 | 国华（河北）新能源有限公司 | 风电机组异常识别方法及装置 |
| CN109740175A (zh) * | 2018-11-18 | 2019-05-10 | 浙江大学 | 一种面向风电机组功率曲线数据的离群点判别方法 |
| CN110084465A (zh) * | 2019-03-11 | 2019-08-02 | 杭州电子科技大学 | 基于储能的风力发电系统成本/供电可靠性评估方法 |
| CN110566404A (zh) * | 2019-08-29 | 2019-12-13 | 陕能榆林清洁能源开发有限公司 | 用于风力发电机组的功率曲线优化装置和方法 |
Non-Patent Citations (1)
| Title |
|---|
| 孙洁: "风电场机组功率曲线优化的研究", 《风电运维》, pages 66 - 74 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113236508A (zh) * | 2021-05-31 | 2021-08-10 | 浙江运达风电股份有限公司 | 一种用于风力发电机组风速-功率异常数据检测的方法 |
| CN114579827A (zh) * | 2022-05-06 | 2022-06-03 | 昆仑智汇数据科技(北京)有限公司 | 一种工业设备数据性能曲线的处理方法、装置及设备 |
| CN114579827B (zh) * | 2022-05-06 | 2022-08-05 | 昆仑智汇数据科技(北京)有限公司 | 一种工业设备数据性能曲线的处理方法、装置及设备 |
| CN114969017A (zh) * | 2022-07-28 | 2022-08-30 | 深圳量云能源网络科技有限公司 | 风功率数据清洗方法、清洗装置及预测方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112598539B (zh) | 2024-01-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112598539A (zh) | 一种风力发电机组风功率曲线优化计算及异常值检测方法 | |
| CN109740175B (zh) | 一种面向风电机组功率曲线数据的离群点判别方法 | |
| CN110008628B (zh) | 一种光伏阵列故障参数辨识方法 | |
| CN106570790B (zh) | 一种计及风速数据分段特性的风电场出力数据修复方法 | |
| CN103291544B (zh) | 数字化风电机组功率曲线绘制方法 | |
| CN108733966A (zh) | 一种基于决策树群的多维电能表现场状态检验方法 | |
| CN107944175B (zh) | 一种考虑风湍流强度的风机真实功率曲线获取方法 | |
| CN110598726A (zh) | 一种基于随机森林的输电杆塔鸟害风险预测方法 | |
| CN111275570A (zh) | 一种基于迭代式统计与假设检验的风电机组功率异常值检测方法 | |
| CN111522808B (zh) | 一种风电机组异常运行数据处理方法 | |
| CN109779848B (zh) | 全场风速修正函数的获得方法、装置及风电场 | |
| CN112267972B (zh) | 一种风电机组功率曲线异常智能判定方法 | |
| CN117093947B (zh) | 一种发电柴油机运行异常监测方法及系统 | |
| CN116956047B (zh) | 一种基于风力发电数据的风电机组性能评估系统 | |
| CN112598148A (zh) | 基于协同表达和LightGBM算法的风机变桨电机温度故障预警方法 | |
| CN104574221B (zh) | 一种基于损失电量特征参数的光伏电站运行状态辨识方法 | |
| CN111950131B (zh) | 一种考虑限电因素的风电场出力等值聚合模型构建方法 | |
| CN110751213A (zh) | 一种测风塔异常风速数据识别与补齐的方法 | |
| CN112800103B (zh) | 一种scada数据挖掘的风电机组功率曲线的获取系统及方法 | |
| CN112855458B (zh) | 一种风力发电机组的风速仪故障诊断方法、系统及介质 | |
| CN112883019A (zh) | 数据处理方法及系统 | |
| CN114065618A (zh) | 一种基于微分进化的参数模型拟合风机功率曲线的方法 | |
| CN113344742A (zh) | 基于聚类和时序分析的自动抄表成功率影响因素分析方法 | |
| CN113946977A (zh) | 一种基于决策树算法预警风机变桨故障的应用方法 | |
| CN113309661B (zh) | 一种提升风力发电机组发电量的方法 |
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 | ||
| CB02 | Change of applicant information |
Address after: 221000 No. 6, Keji Road, Xuzhou Economic and Technological Development Zone, Xuzhou City, Jiangsu Province Applicant after: XCMG Hanyun Technology Co.,Ltd. Address before: 221000 east of Keji Road, Xuzhou Economic and Technological Development Zone, Xuzhou City, Jiangsu Province Applicant before: JIANGSU XUGONG INFORMATION TECHNOLOGY Co.,Ltd. |
|
| CB02 | Change of applicant information | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |