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！

龙图腾网获悉东北电力大学申请的专利一种风电机组运行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：CN116816617B 。

龙图腾网通过国家知识产权局官网在2025-09-16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：202310816914.4，技术领域涉及：F03D17/00；该发明授权一种风电机组运行状态监测方法是由辛红伟;王建国;张秀宇;武英杰;杨彦军;文孝强设计研发完成，并于2023-07-05向国家知识产权局提交的专利申请。

本一种风电机组运行状态监测方法在说明书摘要公布了：本发明公开了一种风电机组运行状态监测方法，属于风电机组监测技术领域，包括以下步骤：S1、对风电塔筒的振动数据和叶片的实时振动数据进行预处理，得到风电塔筒和叶片的最新振动数据；S2、提取塔筒特征矩阵和提取叶片特征矩阵；S3、确定塔筒特征值和叶片特征值；S4、构建状态检测模型，将塔筒特征值和叶片特征值输入至状态检测模型，确定风电机组运行状态。该风电机组运行状态监测方法通过构建状态检测模型，对塔筒特征和叶片特征进行特征融合，进行大小值比较即可确定风电机组运行状态，其过程简单易实现。

本发明授权一种风电机组运行状态监测方法在权利要求书中公布了：1.一种风电机组运行状态监测方法，其特征在于，包括以下步骤： S1、采集风电塔筒和叶片在不同时刻的实时振动数据，并对风电塔筒的振动数据和叶片的实时振动数据进行预处理，得到风电塔筒和叶片的最新振动数据； S2、根据风电塔筒的最新振动数据，提取塔筒特征矩阵；根据叶片的最新振动数据，提取叶片特征矩阵； S3、根据塔筒特征矩阵，确定塔筒特征值；根据叶片特征矩阵，确定叶片特征值； S4、构建状态检测模型，将塔筒特征值和叶片特征值输入至状态检测模型，确定风电机组运行状态； 所述S1中，对风电塔筒和叶片的实时振动数据进行预处理的方法相同，均为：利用滑动窗口将不同时刻的实时振动数据均匀划分为若干个振动数据分组，提取各个振动数据分组中所有振动数据的均值，作为各个振动数据分组的振动分组特征值，并计算所有振动分组特征值的均值，作为振动特征值，将小于振动特征值的实时振动数据剔除，完成预处理； 所述S2包括以下子步骤： S21、将风电塔筒的最新振动数据从小到大排序，生成风电塔筒振动序列； S22、根据风电塔筒振动序列，生成塔筒特征矩阵； S23、将叶片的最新振动数据从小到大排序，生成风电叶片振动序列； S24、根据风电叶片振动序列，生成叶片特征矩阵； 所述S3中，确定塔筒特征值的具体方法为：计算风电塔筒的最新振动数据的误差系数，将风电塔筒的最新振动数据的误差系数与塔筒特征矩阵的特征值之间的乘积作为塔筒特征值； 其中，风电塔筒的最新振动数据的误差系数U的计算公式为： 式中，P表示风电塔筒的所有最新振动数据个数，u p 表示第p个风电塔筒的最新振动数据，X表示塔筒特征矩阵，E表示单位矩阵； 所述S3中，确定叶片特征值的具体方法为：计算叶片的最新振动数据的误差系数，将叶片的最新振动数据的误差系数与叶片特征矩阵的特征值之间的乘积作为叶片特征值； 其中，叶片的最新振动数据的误差系数V的计算公式为： 式中，Q表示叶片的所有最新振动数据个数，v q 表示第q个叶片的最新振动数据，Y表示塔筒特征矩阵； 所述S4中，确定风电机组运行状态的具体方法为：将塔筒特征值和叶片特征值输入至状态检测模型中，生成风电机组运行特征值，若风电机组运行特征值大于风电机组运行特征阈值，则风电机组运行异常，否则风电机组运行正常； 其中，状态检测模型Z的表达式为： 式中，X表示塔筒特征矩阵，Y表示叶片特征矩阵，U表示风电塔筒的最新振动数据的误差系数，V表示叶片的最新振动数据的误差系数，u表示塔筒特征值，v表示叶片特征值。

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东北电力大学，其通讯地址为：132011 吉林省吉林市长春路169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”。

以上内容由龙图腾AI智能生成。