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！

龙图腾网获悉西安理工大学申请的专利考虑运行工况的风力发电机组健康状态评估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：CN119914480B 。

龙图腾网通过国家知识产权局官网在2025-11-14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：202411939277.0，技术领域涉及：F03D17/00；该发明授权考虑运行工况的风力发电机组健康状态评估方法是由刘军;葛磊设计研发完成，并于2024-12-26向国家知识产权局提交的专利申请。

本考虑运行工况的风力发电机组健康状态评估方法在说明书摘要公布了：本发明公开了考虑运行工况的风力发电机组健康状态评估方法，包括：对风电机组SCADA历史数据进行预处理；采用mRMR算法选取各预测参量的相关特征参量；划分风电机组运行工况；在划分的各工况下构建基于CNN‑BiGRU的多参量预测模型；将风机健康运行状态下的历史数据进行工况划分，将各工况下的特征参量数据分为训练集和测试集输入CNN‑BiGRU预测模型，得到预测值，然后根据训练集的预测值与实际值之间的残差构建标准残差集；确定健康状态等级指标；根据风电机组实时SCADA数据，确定风电机组当前的健康等级。本发明方法的评估结果更加客观准确，且可以提前监测到风电机组的劣化趋势。

本发明授权考虑运行工况的风力发电机组健康状态评估方法在权利要求书中公布了：1.考虑运行工况的风力发电机组健康状态评估方法，其特征在于，具体按照以下步骤实施： 步骤1、对风电机组SCADA历史数据进行预处理； 步骤2、基于预处理后的数据，采用mRMR算法选取各预测参量的相关特征参量； 步骤3、划分风电机组运行工况； 步骤4、在各工况下构建基于CNN-BiGRU的多参量预测模型； 步骤5、将风机健康运行状态下的历史数据按照步骤3进行工况划分，将各工况下的特征参量数据分为训练集和测试集输入CNN-BiGRU预测模型，得到预测值，然后根据训练集的预测值与实际值之间的残差构建标准残差集； 步骤6、确定健康状态等级指标； 步骤7、根据风电机组实时SCADA数据，确定风电机组当前的健康等级； 其中，步骤6具体为：计算风机健康运行状态下测试集多参量预测值的残差到标准残差集之间的马氏距离，对得到的马氏距离进行滑动平均及动态加权，根据动态加权后的马氏距离定义风电机组健康指标为： ， 将风电机组运行状态分为健康、合格、异常三个等级，设定健康指标的值，以风电机组健康运行状态下多参量预测结果的残差到标准残差集之间的马氏距离的分布对值进行确定，根据3σ准则，以该分布μ+3σ处的马氏距离作为健康与合格等级的分界点，以该分布的最大值确定风电机组异常状态指标。

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西安理工大学，其通讯地址为：710048 陕西省西安市碑林区金花南路5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。