CN115034128A - 一种智慧风电场智慧风电场风电机组评价方法 - Google Patents
一种智慧风电场智慧风电场风电机组评价方法 Download PDFInfo
- Publication number
- CN115034128A CN115034128A CN202210455613.9A CN202210455613A CN115034128A CN 115034128 A CN115034128 A CN 115034128A CN 202210455613 A CN202210455613 A CN 202210455613A CN 115034128 A CN115034128 A CN 115034128A
- Authority
- CN
- China
- Prior art keywords
- data
- wind power
- power plant
- index
- intelligent
- 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
- 238000011156 evaluation Methods 0.000 title claims abstract description 15
- 238000000034 method Methods 0.000 claims abstract description 14
- 230000009467 reduction Effects 0.000 claims abstract description 10
- 238000010219 correlation analysis Methods 0.000 claims abstract description 8
- 238000012545 processing Methods 0.000 claims abstract description 7
- 238000004140 cleaning Methods 0.000 claims abstract description 6
- 230000007774 longterm Effects 0.000 claims abstract description 6
- 238000013210 evaluation model Methods 0.000 claims abstract description 5
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000013075 data extraction Methods 0.000 claims description 6
- 230000004927 fusion Effects 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 5
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 238000005516 engineering process Methods 0.000 claims description 4
- 238000005457 optimization Methods 0.000 claims 4
- 238000012098 association analyses Methods 0.000 abstract description 2
- 238000001914 filtration Methods 0.000 description 5
- 239000011159 matrix material Substances 0.000 description 5
- 230000007246 mechanism Effects 0.000 description 5
- 238000000513 principal component analysis Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000011234 economic evaluation Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000010977 unit operation Methods 0.000 description 1
Classifications
-
- 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
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- 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
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
-
- 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—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
- G06F2113/00—Details relating to the application field
- G06F2113/06—Wind turbines or wind farms
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]
-
- 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
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Evolutionary Computation (AREA)
- Operations Research (AREA)
- Health & Medical Sciences (AREA)
- Quality & Reliability (AREA)
- Geometry (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Computer Hardware Design (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Wind Motors (AREA)
Abstract
本发明属于风电场数据处理领域,具体地而言为一种智慧风电场智慧风电场风电机组评价方法,将风电场数据进行数据抽取以及清洗融合,清洗融合后的数据进行风电大数据的关联分析,保留与状态评估密切相关的数据特征,删减与具体业务不关联或弱关联的维度;基于风轮、机舱和塔筒的机组模型结构划分,分析叶片、变桨系统、塔筒、发电机以及齿轮箱的运行状态;采用关联分析后的数据,按部件级建立安全性指标,按照整机级建立经济性、可靠性指标,其中安全性指标为智慧风电场的实时状态评估模型做支撑,经济性与可靠性从长期角度判断机组状态下降情况。解决大量风电数据处理以及评价繁琐的问题。
Description
技术领域
本发明属于风电场数据处理领域,具体地而言为一种智慧风电场智慧风电 场风电机组评价方法。
背景技术
随着风电场系统智能化和信息化的不断推进,风电系统中采集的数据信息量 不断增加,而以往的风电系统在收集数据时没有采用统一的格式化标准对数据 进行定义,导致数据的种类和格式多种多样。这些数据通常以文本、视频等非 结构化方式进行存储,只有少量的数据是按结构化处理,这导致风电场产生的 数据管理混乱,而且大量数据得不到有效的挖掘。如何利用知识图谱来描述和 管理智慧风电场领域的大量多源异构数据成为一个亟待解决的问题。
风电场产生的数据正以前所未有的速度增长,但由于各级风电中心在建设信 息化平台过程中缺乏标准化的数据输出格式的规定,使得数据来源种类不一, 导致数据表示格式多样。除了结构化的数据格式外,大部分数据以文本、音频、 视频等非结构化的形式存储。此外,由于在风电场生产和电力服务的各个环节 都会产生数据,导致电力数据的维度很多。这些数据一起构成了庞大、零散、 多源、异构、多维、多形式的电力数据资源,长期以来风电行业跨越式粗放发 展,大量风电数据不能得到有效利用。
发明内容
本发明提供一种智慧风电场智慧风电场风电机组评价方法,解决大量风电 数据处理以及评价繁琐的问题。
本发明是这样实现的,
一种智慧风电场智慧风电场风电机组评价方法,
将风电场数据进行数据抽取以及清洗融合,清洗融合后的数据进行风电大 数据的关联分析,保留与状态评估密切相关的数据特征,删减与具体业务不关 联或弱关联的维度;
基于风轮、机舱和塔筒的机组模型结构划分,分析叶片、变桨系统、塔筒、 发电机以及齿轮箱的运行状态;采用关联分析后的数据,按部件级建立安全性 指标,按照整机级建立经济性、可靠性指标,其中安全性指标为智慧风电场的 实时状态评估模型做支撑,经济性与可靠性从长期角度判断机组状态下降情况。
进一步地,数据抽取包括:首先根据具体的规划业务场景,确定与该类业 务相关的数据和对应的业务系统,对大数据进行抽取,应用ETL技术对不同抽 取数据源、格式进行定义,然后再对抽取的转换规则进行定义,最后再将数据 加载规则进行定义,保存数据到HBASE数据库中,完成整个数据的抽取。
进一步地,所述清洗融合包括:将抽取的数据进行数值化和标准化处理, 然后进行降维处理。
进一步地,所述安全性指标所需数据包括温度数据、风速风向数据、电网 数据、转速数据、报警记录和停机记录,提取表征各部件性能的特征参数,采 用相关系数法计算与部件特征参数的相关性大的影响因素,建立安全性层级指 标体系。
进一步地,相关系数的计算公式:
其中rxy表示样本相关系数,Sxy表示样本协方差,Sx表示x的样本标准差,Sy表示y的样本标准差,Sxy样本协方差计算公式:
本发明与现有技术相比,有益效果在于:
本发明基于风轮、机舱和塔筒的机组模型结构划分,分析叶片、变桨系统、 塔筒、发电机、齿轮箱等关键部件的运行状态;结合三层过滤机制处理后的高 信息价值密度非机理风电大数据,按部件级建立安全性指标,按照整机级建立 经济性、可靠性指标,其中安全性指标为智慧风电场的实时状态评估模型做支 撑,经济性与可靠性从长期角度判断机组状态下降情况,可以提高大量的风电 数据的处理效率。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合实施例, 对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以 解释本发明,并不用于限定本发明。
一种智慧风电场智慧风电场风电机组评价方法,包括:
将风电场数据进行数据抽取以及清洗融合,清洗融合后的数据进行风电大 数据的关联分析,保留与状态评估密切相关的数据特征,删减与具体业务不关 联或弱关联的维度;
基于风轮、机舱和塔筒的机组模型结构划分,分析叶片、变桨系统、塔筒、 发电机以及齿轮箱的运行状态;采用关联分析后的数据,按部件级建立安全性 指标,按照整机级建立经济性、可靠性指标,其中安全性指标为智慧风电场的 实时状态评估模型做支撑,经济性与可靠性从长期角度判断机组状态下降情况。
数据抽取包括:首先根据具体的规划业务场景,确定与该类业务相关的数 据和对应的业务系统,对大数据进行抽取,应用ETL技术对不同抽取数据源、 格式进行定义,然后再对抽取的转换规则进行定义,最后再将数据加载规则进 行定义,保存数据到HBASE数据库中,完成整个数据的抽取。
所述清洗融合包括:将抽取的数据进行数值化和标准化处理,然后进行降 维处理。
1)数值化。由于原始数据往往存在各种不同格式的数据形式,比如要处理 的数据是数值型,但是原始数据也许有字符型或者其他,那就要对其进行标准 化操作。对字符串取值,可以按照ANSI码值求和得到字符串的值,如果值太 大,可以取一个适当的质数对其求模,本质上就是映射到一个区间了进而得到 数值型的数据。
2)标准化。由于原始数据各个维度之间的数值往往相差很大,比如一个维 度的最小值是0.01,另一个维度最小值却是1000,那么也许在数据分析的时候, 计算相关性或者方差啥的指标,后者会掩盖了前者的作用。因此有必要对整体 数据进行归一化工作,也就是将它们都映射到一个指定的数值区间,这样就不 会对后续的数据分析产生重大影响。采取过的一个做法是min-max标准化。
3)降维。由于原始数据往往含有很多维度,这些维度之间往往不是独立的, 也就是说也许其中若干的维度之间存在关联,因此可以使用数据的相关性分析 来降低数据维度。PCA(主成分分析)是一种常用的降维方法,通过正交变换 将一组可能存在相关性的变量转换为一组线性不相关的变量,转换后的这组变 量叫主成分。
PCA把原先的n个特征用数目更少的m个特征取代,新的m个特征一要 保证最大化样本方差,二保证相互独立的。PCA的算法步骤:
设有m条n维数据,m个样本,对原始数据标准化(减去对应变量的均值, 再除以其方差),每个样本对应p个变量,x=(x*1,x*2,…,x*n)。
1.求出自变量的协方差矩阵(或相关系数矩阵);
2.求出协方差矩阵(或性关系数矩阵)的特征值及对应的特征向量;
3.将特征向量按对应特征值大小从上到下按行排列成矩阵,取前k行组成 矩a(为k*p维);
4.Y=aT*X(Y为k*1维)即为降维到k维后的数据,此步算出每个样本 的主成分得分;
5.可将每个样本的主成分得分画散点图及聚类,或将主成分得分看成新的 因变量,对其做线性回归等。
系统在运行过程中其数据质量原因导致很多异常点或缺失点,需要通过对 正常数据分布特征进行提取,进而针对性的对应用特征值分析方法对算法分析 所需的数据进行处理,处理对像主要包括运行、失效、运行时间、检修与成本 相关数据。
为保证正常业务开展的同时,尽可能的减少数据的体量,从风电大数据中 抽取与状态评估相关的数据,并对大数据进行预处理操作,本次研究提出基于 风电运行大数据建设的三层过滤机制。
第一层过滤:风电大数据具有类型多、数据源多样的特点,面向不同的业 务,必须有针对性的过滤数据库。首先根据具体的规划业务场景,确定与该类 业务相关的数据和对应的业务系统,对大数据进行抽取,应用ETL技术对不同 抽取数据源、格式进行定义,然后再对抽取的转换规则进行定义,最后再将数 据加载规则进行定义,保存数据到HBASE数据库中,完成整个数据的抽取。
第二层过滤:风电大数据由于信道错误、远程终端故障、干扰信号影响等 会产生一定的“脏数据”,显然这部分数据降低了价值密度,甚至会影响最终 业务结果的准确性。因此需要对“脏数据”进行处理,消除数据缺失、数据异 常、数据不同步、数据冗余等问题。
第三层过滤:通过对于风电大数据的关联分析,可以分析研究与状态评估 密切相关的数据特征,删减与具体业务不关联或弱关联的维度。
安全性指标所需数据包括温度数据、风速风向数据、电网数据、转速数据、 报警记录和停机记录,提取表征各部件性能的特征参数,采用相关系数法计算 与部件特征参数的相关性大的影响因素,建立安全性层级指标体系。相关系数 的计算公式:
其中rxy表示样本相关系数,Sxy表示样本协方差,Sx表示x的样本标准差,Sy表示y的样本标准差,Sxy样本协方差计算公式:
可靠性指标,对整机设备的运行可靠性下降状态划分,为中长期月度可靠 性曲线预测做数据支撑。将可靠性等级划分为4个(根据实际需要确定,等级 划分越多,可靠性评估结果就会越精密),通过设备工作的环境、功能原理及故 障机理等因素,结合历史故障记录中不同运行状态的可靠性水平确定评价可靠 性水平阈值标准。
风机经济性,指的是风机全生命周期的发电效率,分析发电效率的全部影 响因素如风速、有效风能、平均故障时间、机组可利用率等,结合机组运行数 据,构建风电机组经济性指标体系,针对整机设备的运行经济性进行状态划分, 为中长期月度经济性曲线预测做数据支撑。将与可靠性类似,将经济性等级划 分为4个(根据实际需要确定,等级划分越多,经济性评估结果就会越精密), 通过设备工作的环境、发电效率、功能原理及故障机理等因素,确定评价经济 性水平阈值标准。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发 明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明 的保护范围之内。
Claims (5)
1.一种智慧风电场智慧风电场风电机组评价方法,其特征在于,
将风电场数据进行数据抽取以及清洗融合,清洗融合后的数据进行风电大数据的关联分析,保留与状态评估密切相关的数据特征,删减与具体业务不关联或弱关联的维度;
基于风轮、机舱和塔筒的机组模型结构划分,分析叶片、变桨系统、塔筒、发电机以及齿轮箱的运行状态;采用关联分析后的数据,按部件级建立安全性指标,按照整机级建立经济性、可靠性指标,其中安全性指标为智慧风电场的实时状态评估模型做支撑,经济性与可靠性从长期角度判断机组状态下降情况。
2.按照权利要求1所述的智慧风电场多源异构大数据优化方法,其特征在于,数据抽取包括:首先根据具体的规划业务场景,确定与该类业务相关的数据和对应的业务系统,对大数据进行抽取,应用ETL技术对不同抽取数据源、格式进行定义,然后再对抽取的转换规则进行定义,最后再将数据加载规则进行定义,保存数据到HBASE数据库中,完成整个数据的抽取。
3.按照权利要求1所述的智慧风电场多源异构大数据优化方法,其特征在于,所述清洗融合包括:将抽取的数据进行数值化和标准化处理,然后进行降维处理。
4.按照权利要求1所述的智慧风电场多源异构大数据优化方法,其特征在于,所述安全性指标所需数据包括温度数据、风速风向数据、电网数据、转速数据、报警记录和停机记录,提取表征各部件性能的特征参数,采用相关系数法计算与部件特征参数的相关性大的影响因素,建立安全性层级指标体系。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210455613.9A CN115034128A (zh) | 2022-04-27 | 2022-04-27 | 一种智慧风电场智慧风电场风电机组评价方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210455613.9A CN115034128A (zh) | 2022-04-27 | 2022-04-27 | 一种智慧风电场智慧风电场风电机组评价方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115034128A true CN115034128A (zh) | 2022-09-09 |
Family
ID=83119690
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210455613.9A Pending CN115034128A (zh) | 2022-04-27 | 2022-04-27 | 一种智慧风电场智慧风电场风电机组评价方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115034128A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116611741A (zh) * | 2023-07-14 | 2023-08-18 | 湖南省计量检测研究院 | 基于风电设备的服役质量指数体系构建方法及系统 |
-
2022
- 2022-04-27 CN CN202210455613.9A patent/CN115034128A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116611741A (zh) * | 2023-07-14 | 2023-08-18 | 湖南省计量检测研究院 | 基于风电设备的服役质量指数体系构建方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106504116B (zh) | 基于电网运行与暂态稳定裕度指标关联的稳定评估方法 | |
CN108417033B (zh) | 基于多维因素的高速路交通事故分析预测方法 | |
US20230213895A1 (en) | Method for Predicting Benchmark Value of Unit Equipment Based on XGBoost Algorithm and System thereof | |
CN111639921B (zh) | 一种基于专家系统的设备故障智判与辅助处置方法 | |
CN110807550B (zh) | 基于神经网络的配变重过载识别预警方法及终端设备 | |
CN110750524A (zh) | 一种有源配电网故障特征的确定方法及系统 | |
CN114723285B (zh) | 一种电网设备安全性评估预测方法 | |
CN111027615B (zh) | 基于机器学习的中间件故障预警方法和系统 | |
CN113626400A (zh) | 基于日志树和解析树的日志事件提取方法及系统 | |
CN111709554A (zh) | 一种配电网净负荷联合预测的方法及系统 | |
CN114035468B (zh) | 基于XGBoost算法的风机检修流程预测性监控方法与系统 | |
CN106383916A (zh) | 基于工业设备预测性维护的数据处理方法 | |
CN111666978B (zh) | 一种it系统运维大数据的智能故障预警系统 | |
CN113569462A (zh) | 一种计及天气因素的配电网故障等级预测方法及系统 | |
CN115294671A (zh) | 一种空压机出口压力预测方法和预测系统 | |
CN112417627A (zh) | 一种基于四维指标体系配电网运行可靠性分析方法 | |
CN115034128A (zh) | 一种智慧风电场智慧风电场风电机组评价方法 | |
CN117239713A (zh) | 一种基于配电网调度智慧安全的管控方法及系统 | |
CN115238573A (zh) | 考虑工况参数的水电机组性能劣化趋势预测方法和系统 | |
CN114707739A (zh) | 基于大数据的风光出力预测与市场风险管控方法和系统 | |
CN113689072A (zh) | 一种基于马尔科夫链的海上风电机组运行状态评估方法 | |
CN113065580A (zh) | 一种基于多信息融合的电厂设备管理方法及系统 | |
CN113485863B (zh) | 基于改进生成对抗网络生成异构不平衡故障样本的方法 | |
CN112329432B (zh) | 一种基于改进Apriori的配电网电压越限问题关联分析方法 | |
CN113642171A (zh) | 一种基于大数据的输变电设备健康状态评估系统及方法 |
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 |