科创中国
基于机器学习算法电站辅机故障诊断及状态分析研究
成果类型：: 发明专利
发布时间: 2022-10-28 17:18:15
科技成果产业化落地方案
方案提交机构：成果发布人| 宋杨凡 | 2022-10-28 17:18:15
(1)辅机故障预警诊断模型研究依据电厂磨煤机、 空预器设备正常状态与故障状态运行数据， 基千机器学习算法， 进行磨煤机、 空预器设备故障预警及诊断， 建立故障预警诊断模型；(2)辅机劣化分析模型研究依据电厂磨煤机设备不同历史标签运行数据，基于机器学习算法，进行磨煤机设备 劣化分析研究， 建立劣化分析模型。
基于光伏发电原理和光伏电站结构,设计了光伏电站加速模拟装置,并从多个方面验证了该装置的科学性与可行性,证明其可以用于获取无故障运行、固定物阴影遮挡、云层遮挡和光伏组件老化这四种状态下的光伏电站运行数据。
随着全球能源和环保需求的持续增加,作为几种重要清洁能源技术之一的光伏发电在近年来取得了迅猛发展.然而,由于长期在户外运行,多样的环境气候条件容易导致发生故障,因此,开发一套能够快速发现机故障预警诊断系统对于确保辅机电站的安全运行显得极为重要.。
宋杨凡，男，工学博士，硕士生导师，讲师，中国电机工程学会会员，中国工程热物理学会会员，汉族，河北保定人。2013年获重庆大学工学学士学位，2019年获重庆大学工学博士学位。2017年9月至2018年9月，由国家公派至加拿大西安大略大学（The University of Western Ontario）进行博士生联合培养，师从加拿大皇家学会院士、加拿大工程院院士、国际流态化领域著名学者Jesse Zhu教授，开展多相流态化机理研究。目前在国内外学术刊物上公开发表论文30余篇，获得国家发明专利授权5项。主要研究方向为：多相流态化机理及相间传递，机器学习流场预测，微生物燃料电池技术，循环流化床锅炉燃烧调整及污染物控制等。
为了研发该成果而投入的经费，已取得相关效益，针对甲方的新需求，可继续投入时间进行升级补充；成果在可以减轻企业检修人员的劳动强度，提高产品的质量，为企业带来经济效益等方面具有推动作用。有效提高工厂的控制性能，提升生产效率。
本成果可以通过甲方与乙方技术转让和技术合作等方式方式进行转化，具体转化方式、项目金额与部分细节双方可进行面谈。若甲方有新需求可与负责人进行细节沟通，并依据签订合同进行具体实施工作
下载app