买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉浙江工业大学申请的专利一种基于GAN-QP特征迁移模型的风电机组状态监测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116011332B 。

龙图腾网通过国家知识产权局官网在2025-07-18发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211739162.8，技术领域涉及：G06F30/27；该发明授权一种基于GAN-QP特征迁移模型的风电机组状态监测方法是由金晓航;王浩设计研发完成，并于2022-12-31向国家知识产权局提交的专利申请。

本一种基于GAN-QP特征迁移模型的风电机组状态监测方法在说明书摘要公布了：本发明公开一种基于GAN‑QP特征迁移模型的风电机组状态监测方法，包括以下步骤：收集两台风电机组发电机系统运行状态历史数据集；将一台作为源域机组另一台作为目标域机组，分别对两台机组的数据集进行预处理，得到源域训练集、目标域训练集；基于目标域训练集、源域训练集对特征迁移模型进行训练，训练后特征迁移模型可将目标域机组数据的特征分布变换至源域机组数据的特征分布；基于源域训练集训练自编码器；对目标域机组在线数据集进行预处理，得到目标域测试集，基于训练后特征迁移模型将目标域测试集变换至源域空间，得到源域测试集；将源域测试集输入训练后自编码器，计算源域测试集与源域训练集的均方误差，基于均方误差判断系统运行是否正常。

本发明授权一种基于GAN-QP特征迁移模型的风电机组状态监测方法在权利要求书中公布了：1.一种基于GAN-QP特征迁移模型的风电机组状态监测方法，其特征在于，包括以下步骤： S1、收集两台机组类型相同但地理位置、额定功率不同的风电机组的发电机系统运行状态历史数据集； S2、将其中一台风电机组作为源域机组，另一台风电机组作为目标域机组，分别对两台风电机组的发电机系统运行状态历史数据集进行预处理，以得到源域训练集、目标域训练集； S3、基于目标域训练集、源域训练集对特征迁移模型进行训练，以得到训练后特征迁移模型，所述训练后特征迁移模型可将目标域机组运行数据的特征分布变换至源域机组运行数据的特征分布； S4、基于源域训练集对自编码器进行训练，以学习源域机组正常运行状态下的数据的特征分布规则，以得到训练后自编码器； S5、对目标域机组的发电机系统运行状态在线数据集进行预处理，以得到目标域测试集，并基于训练后特征迁移模型将目标域测试集变换至源域空间，以得到源域测试集； S6、将步骤S5得到的源域测试集作为训练后自编码器的输入数据，计算源域测试集与源域训练集的均方误差，并基于所述均方误差判断发电机系统运行状态是否正常； 步骤S3中，包括以下步骤： S3.1、将目标域训练集分成多个批次； S3.2、选取某一批次的目标域训练集输入生成器网络行预处理，以得到生成数据集； S3.3、将生成数据集与源域训练集输入判别器网络，以输出二者的判别结果； S3.4、基于判别结果计算生成器网络、判别器网络的损失函数值，并基于所述损失函数值更新生成器网络和判别器网络的模型参数； S3.5、循环执行步骤S3.2～步骤S3.4至预设次数，以使生成器网络的生成数据集的特征分布逼近源域训练集的特征分布，并将最终得到的生成器网络作为训练后特征迁移模型； 判别器网络所采用的损失函数LD为： 其中，D·表示判别器输出，xg表示生成数据集数据，xr表示源域训练集数据，λ为平衡系数，dxr,xg表示xr和xg之间的欧氏距离，pr为源域训练集数据分布，pg为生成数据集数据分布，为对源域训练集数据分布和生成数据集数据分布中的每一个样本数据求期望值。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人浙江工业大学，其通讯地址为：310000 浙江省杭州市拱墅区潮王路18号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。