申请/专利权人：北京中泰瑞通科技有限公司

申请日：2022-07-14

公开（公告）日：2024-04-30

公开（公告）号：CN115130387B

主分类号：G06F30/27

分类号：G06F30/27;G06N3/045;G06N3/042;G06N3/084;G06N5/045;G06F113/06

优先权：

专利状态码：有效-授权

法律状态：2024.04.30#授权;2023.01.13#著录事项变更;2022.10.25#实质审查的生效;2022.09.30#公开

摘要：本发明为一种风力发电智能态势感知系统，该感知系统包括以下内容：采用具有数据通道扩展能力的分层态势感知神经网络架构，包括专家网络层、特征融合层和推断网络层；专家网络层中对应每一种传感器输入单独设立一个专家网络，输入为各种传感器采集的数据，输出为对应不同传感器的多模态特征；特征融合层的输入为专家网络层的输出，特征融合层的输出为态势特征序列；特征融合层对专家网络层中的每个专家网络的输出做四种新定义的范数运算，并拼接成序列；推断网络处理特征融合层输出的特征序列，输出态势转移知识图谱上的游走决策；采用基于终身学习的训练策略优化网络参数。在有新数据引入时具有较好的自适应性，能有效提升发电稳定性、可靠性。

主权项：1.一种风力发电智能态势感知系统，其特征在于，该感知系统包括以下内容：1采用具有数据通道扩展能力的分层态势感知神经网络架构：态势感知神经网络包含三层，分别为专家网络层、特征融合层和推断网络层；专家网络层的输入为各种传感器采集的数据，输出为对应不同传感器的多模态特征；专家网络层中对应每一种传感器输入单独设立一个专家网络，以传感器数据为输入，以从数据中提取到的潜在特征为输出，每一个专家网络的输出是阶数不一的张量；特征融合层的输入为专家网络层的输出，特征融合层的输出为态势特征序列；特征融合层对专家网络层中的每个专家网络的输出做四种新定义的范数运算，将阶数不一的张量整合为阶数相同的张量并拼接成序列，即为特征融合层输出的特征序列；推断网络层的推断网络处理特征融合层输出的特征序列，输出态势转移知识图谱上的游走决策；四种新定义的范数为：||·||α，||·||β，||·||γ，||·||ε，计算公式为： 其中，Data为待求范数的阶数不定的张量，HighTensor为阶数大于2的高阶张量的集合；[0，*]表示Data数据坐标的第一个维度坐标值为0的所有数据；0表示Data在该维度上的坐标值，*表示通配符，[1，*]表示Data数据坐标的第一个维度坐标值为1的所有数据；2采用基于终身学习的训练策略优化专家网络和推断网络的网络参数：态势感知神经网络的训练有两个过程：训练专家网络层中新增的专家网络，新增的专家网络都使用随机初始化，用新数据训练新的专家网络；根据新的专家网络训练推断网络；训练方法为梯度下降和误差反传；所述基于终身学习的训练策略为：向网络结构中添加新类型的数据输入Dd时，经过上述训练完成态势感知神经网络的训练，若推断网络给出的游走决策指向新的状态，则更新态势图谱；态势感知神经网络使用神经元模型，能够在时序上输出脉冲信号，利用每一个单独训练的专家网络叠加训练推断网络，以此实现可扩展的网络参数优化过程；所述基于终身学习的训练策略的训练过程是：第一步，利用视频流数据张量Vd和运动特征张量Vf训练专家网络1，视频流监测风机的运行的状况，用大量的视频流数据集训练专家网络1，这种视频流数据集带有运动特征的标签；利用训练后的专家网络1、特征融合层和随机初始化的推断网络构建单模态输入的态势感知神经网络；利用Vd数据和该数据对应在态势转移知识图谱上的状态S与节点游走动作A训练推断网络；若推断网络输出A'使状态游走到当前态势转移知识图谱未定义的节点，则使用Vd数据和该数据对应的势定义新的节点；态势转移知识图谱根据先验获得，定义节点的态势内容包括：发电机组的发电功率、故障类型、运行工况、故障概率，训练过程中，推断网络的输出为A'；当训练完成时推断网络的参数优化完成；第二步，利用发电功率数据张量Pd和功率特征张量Pf训练专家网络2，利用训练后的专家网络1、专家网络2、特征融合层和第一步训练的推断网络构建双模态输入的态势感知神经网络；利用Vd、Pd和数据对应在态势转移知识图谱上的状态S与节点游走动作A训练推断网络；若推断网络输出A'使状态游走到当前态势转移知识图谱未定义的节点，则使用Pd、Pd和数据对应的态势定义新的节点；定义节点的态势内容包括：故障类型、运行工况和故障概率；训练过程中，推断网络的输出为A'；当训练完成时推断网络的参数优化完成；第三步，中间步骤依次类推，直到最后一步，利用新类型数据Dd和新特征Df训练专家网络n，利用训练后的专家网络1、专家网络2、…、专家网络n、特征融合层和上一步训练的推断网络构建多模态输入的态势感知神经网络；利用Vd、Pd、……、Dd和数据对应在态势转移知识图谱上的状态S与节点游走动作A训练推断网络，若推断网络输出A'使状态游走到当前态势转移知识图谱未定义的节点，则使用数据对应的态势定义新的节点；定义节点的态势内容包括：发电机组的发电功率、故障类型、运行工况和故障概率；训练过程中，推断网络的输出为A'；当训练完成时推断网络的参数优化完成，至此完成终身学习训练。

全文数据：

权利要求：

百度查询： 北京中泰瑞通科技有限公司 一种风力发电智能态势感知系统

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