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！

龙图腾网获悉贵州大学申请的专利一种基于深度强化学习的风力发电机组参数辨识方法及系统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：CN119988798B 。

龙图腾网通过国家知识产权局官网在2025-10-28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：202510083982.3，技术领域涉及：G06F17/11；该发明授权一种基于深度强化学习的风力发电机组参数辨识方法及系统是由张靖;余珮嘉;张昕;丁乘涛;张沥文;黄子悦;宋致林;陈雨轩;李原旭设计研发完成，并于2025-01-20向国家知识产权局提交的专利申请。

本一种基于深度强化学习的风力发电机组参数辨识方法及系统在说明书摘要公布了：本发明公开了一种基于深度强化学习的风力发电机组参数辨识方法及系统，该方法包括：获取初始数据集；提取所述初始数据的机械特征、电气特征和控制特征；根据所述机械特征、电气特征和控制特征，建立对应的机械子系统模型、电气子系统模型和控制子系统模型；分析所述机械子系统模型、电气子系统模型和控制子系统模型之间的动态耦合关系，获取耦合矩阵；根据所述耦合矩阵，对所述机械子系统模型、电气子系统模型和控制子系统模型进行耦合，获取综合数学模型；根据所述综合数学模型进行风力发电机参数辨识，获取识别结果。本发明实现了风力发电机组的精确建模和参数辨识，为优化机组性能和预测性维护提供了重要支持。

本发明授权一种基于深度强化学习的风力发电机组参数辨识方法及系统在权利要求书中公布了：1.一种基于深度强化学习的风力发电机组参数辨识方法，其特征在于，包括： 获取初始数据集； 提取所述初始数据集的机械特征、电气特征和控制特征； 根据所述机械特征、电气特征和控制特征，建立对应的机械子系统模型、电气子系统模型和控制子系统模型； 根据所述机械特征、电气特征和控制特征，建立对应的机械子系统模型、电气子系统模型和控制子系统模型包括： 采用基于物理模型的系统辨识方法，从初始数据集中提取机械振动频率、阻尼系数，使用最小二乘法估计机械参数，构建机械子系统模型； 采用基于数据驱动的辨识技术，从初始数据集中提取发电机转速、输出电压、电流，运用神经网络算法对发电机特性进行拟合，获取电气子系统模型； 采用基于状态空间的建模方法，从初始数据集中提取控制器输入输出信号，利用卡尔曼滤波算法估计系统状态，建立控制子系统模型； 分析所述机械子系统模型、电气子系统模型和控制子系统模型之间的动态耦合关系，获取耦合矩阵； 分析所述机械子系统模型、电气子系统模型和控制子系统模型之间的动态耦合关系，获取耦合矩阵包括： 根据机械子系统模型、电气子系统模型和控制子系统模型，采用系统辨识方法，获取各子系统的动态特性参数和子系统间的动态耦合关系参数； 根据获取的动态特性参数和动态耦合关系参数，构建状态空间模型，建立状态变量与子系统输入输出变量之间的映射关系矩阵； 采用交叉相关分析方法，计算各子系统变量之间的相关系数矩阵，量化描述子系统间的相互影响程度，获取所述耦合矩阵； 根据所述耦合矩阵，对所述机械子系统模型、电气子系统模型和控制子系统模型进行耦合，获取综合数学模型； 根据所述综合数学模型进行风力发电机参数辨识，获取识别结果。

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贵州大学，其通讯地址为：550025 贵州省贵阳市花溪区花溪大道南段2708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。