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。