申请/专利权人：内蒙古工业大学

申请日：2024-01-17

公开（公告）日：2024-04-12

公开（公告）号：CN117874663A

主分类号：G06F18/2431

分类号：G06F18/2431;F03D17/00;G06F18/27;G06F18/15;G06Q10/20;G06Q50/06

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.30#实质审查的生效;2024.04.12#公开

摘要：本发明公开了一种风力发电机异常诊断装置及其诊断方法，具体包括以下步骤：S1、数据收集；S2、数据清洗；S3、数据分析；S4、特征工程；S5、模型建立；S6、异常检测；S7、结果解释；S8、重复训练；S9、模型优化；本发明涉及异常诊断技术领域。该风力发电机异常诊断装置及其诊断方法，有助于优化风力发电机的性能、提高运行效率，并且可以帮助预防潜在的故障和损失，并且可以不断改进和优化模型，确保其在实际应用中具有更好的表现和可靠性；通过将若干个风力发电机统一远程连接一个控制中心，对于环境因素相同的风力发电机可相互参考对比，去除一些环境因素，通过相互检测更新优化的方式，方便系统更快更精准的找到故障原因。

主权项：1.一种风力发电机异常诊断方法，其特征在于：具体包括以下步骤：S1、数据收集：收集风力发电机的输出功率和相关环境参数；S2、数据清洗：对收集到的数据进行清洗和预处理；S3、数据分析：利用统计学方法对数据进行分析；S4、特征工程：对数据进行特征提取和特征工程，找出与功率输出异常相关的特征变量；S5、模型建立：建立相关模型，将功率输出与相关特征变量进行建模分析，找出异常原因；S6、异常检测：模型训练：利用已建立的模型对数据进行训练；异常检测：通过模型预测与实际功率输出的差异进行异常检测；S7、结果解释：利用建立的模型对风力发电机的功率输出进行异常检测，找出异常的时间点和异常的原因，并根据分析结果采取相应的措施进行修复；S8、重复训练：重复进行异常检测确定原因是否正确，若异常仍存在则去除该原因重新训练检测，直至异常消除；S9、模型优化：记录每次检测的记录，并将数据补充至模型中以优化模型性能。

全文数据：

权利要求：

百度查询： 内蒙古工业大学 一种风力发电机异常诊断装置及其诊断方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD