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！

龙图腾网获悉中国华能集团清洁能源技术研究院有限公司申请的专利基于AVAE_SDL的风电机组SCADA故障预警与定位方法、系统、装置及介质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：CN117235570B 。

龙图腾网通过国家知识产权局官网在2025-07-25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：202311118587.1，技术领域涉及：G06F18/24；该发明授权基于AVAE_SDL的风电机组SCADA故障预警与定位方法、系统、装置及介质是由刘潇波;沙德生;张庆;李芊;邹歆设计研发完成，并于2023-08-31向国家知识产权局提交的专利申请。

本基于AVAE_SDL的风电机组SCADA故障预警与定位方法、系统、装置及介质在说明书摘要公布了：本发明公开了一种基于AVAE_SDL的风电机组SCADA故障预警与定位方法、系统、装置及介质，包括：采集风电机组齿轮箱的SCADA数据，并对采集到的数据进行预处理，然后将预处理后的数据划分训练集和测试集；构建AVAE_SDL模型；将训练集输入至AVAE_SDL模型中进行训练，获取最优化模型和风电机组故障程度的异常评分，并确定故障阈值；基于测试集和最优化模型，获取优化模型的预测数据，并绘制故障预警图；基于SCADA数据中各输入参数与优化模型的预测数据的残余误差，以及故障预警图，确定风电机组齿轮箱的故障位置。本发明结合字典学习和对抗变分自动编码器，提升了预警模型的稳定性；本发明能够显著提高SCADA故障预警准确率，实现尽早提前预警，并能实现风力发电机组的故障定位。

本发明授权基于AVAE_SDL的风电机组SCADA故障预警与定位方法、系统、装置及介质在权利要求书中公布了：1.基于AVAE_SDL的风电机组SCADA故障预警与定位方法，其特征在于，包括： 采集风电机组齿轮箱的SCADA数据，并对采集到的数据进行预处理，然后将预处理后的数据划分训练集和测试集； 构建AVAE_SDL模型； 将训练集输入至AVAE_SDL模型中进行训练，获取最优化模型和风电机组故障程度的异常评分，并确定故障阈值，所述将训练集输入至AVAE_SDL模型中进行训练，获取最优化的模型，具体为： 更新AVAE_SDL模型的编码器解码器、更新字典和更新判别器；训练集X输入变分自动编码器解码器中，编码器输出均值μ和方差σ，方差乘以随机噪声加上均值得到Z I，Z I输入解码器得到中间潜在编码Z S和输出结果X’，中间潜在编码Z S输入到字典学习中得到稀疏系数矩阵A和字典矩阵Dic，更新编码器解码器的损失函数为： 其中，为编码器解码器的重构误差，是KL散度，是字典学习中的损失函数；N为数据的大小，X为模型的输入样本，X’为模型的输出样本，即重构样本，μ和σ分别为变分自动编码器VAE的输出均值和方差，即中间变量； 更新字典的损失函数为： 其中，||·||2为2阶范数，||·||1为1阶范数； Z I与Z S共同输入到判别器中进行对抗判别，如下所示： 三次更新交替进行，直到收敛到指定的误差阈值之下； 基于测试集和最优化模型，获取优化模型的预测数据，并绘制故障预警图； 基于SCADA数据中各输入参数与优化模型的预测数据的残余误差，以及故障预警图，确定风电机组齿轮箱的故障位置； 所述基于SCADA数据中各输入参数与优化模型的预测数据的残余误差，以及故障预警图，确定风电机组齿轮箱的故障位置，具体为： 计算每一个时间点测试集数据与优化模型的预测数据的残余误差，判断残余误差是否超出故障预警图的故障阈值，若超过，则对超过的测试集数据进行检查； 在AVAE_SDL模型中，残余误差为： 根据残余误差error实现定位，风电机组的SCADA数据包含多个参数，残余误差error是各参数实际值与预测值的偏差。

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中国华能集团清洁能源技术研究院有限公司，其通讯地址为：102209 北京市昌平区北七家未来科技城华能人才创新创业基地实验楼A楼；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”。