明阳智慧能源集团股份公司李卓伟获国家专利权
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!
龙图腾网获悉明阳智慧能源集团股份公司申请的专利一种基于机器学习的风电机组虚拟传感融合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:CN120007523B 。
龙图腾网通过国家知识产权局官网在2025-11-18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:202411923210.8,技术领域涉及:F03D17/00;该发明授权一种基于机器学习的风电机组虚拟传感融合方法是由李卓伟;朱阳光;黄全盼;余利敏;苗子宇;陈婧设计研发完成,并于2024-12-25向国家知识产权局提交的专利申请。
本一种基于机器学习的风电机组虚拟传感融合方法在说明书摘要公布了:本发明公开了一种基于机器学习的风电机组虚拟传感融合方法,包括以下步骤:选取风电机组的子系统作为研究对象,并获取历史运行数据;对历史运行数据进行预处理;对预处理后的数据进行相关性分析,选取高相关性的数据;根据选取的高相关性数据,基于机器学习建立传感器信息关联模型;判断传感器信息关联模型的拟合效果;建立虚拟传感器信息重构模型,对传感器进行检测并故障告警;对虚拟传感器信息重构模型进行验证及挂机测试,完成风电机组虚拟传感融合;本发明通过机器学习的方法挖掘不同测点间传感器以及相同测点同组不同传感器的关联,建立神经网络模型,构造虚拟传感器增加数据层面上的冗余,有效提升运行设备的可靠性。
本发明授权一种基于机器学习的风电机组虚拟传感融合方法在权利要求书中公布了:1.一种基于机器学习的风电机组虚拟传感融合方法,其特征在于,包括以下步骤: S1、选取风电机组的子系统作为研究对象,并获取研究对象的历史运行数据; S2、对历史运行数据进行数据清洗及去噪的预处理; S3、对预处理后的历史运行数据进行特征选择及相关性分析,选取其中高相关性的数据,包括: 采用皮尔逊相关系数对预处理后的历史运行数据进行相关性分析,识别相关性高的数据进行特征选择和模型训练,如下公式所示: ; 其中,表示变量X和Y的协方差,表示变量X的标准差,分别表示变量Y的标准差;变量X及变量Y均为历史运行数据; 若皮尔逊相关系数为正值,则表示两个变量之间存在正相关关系;若皮尔逊相关系数为负值,则表示两个变量之间存在负相关关系;若皮尔逊相关系数接近0,则表示两个变量之间无相关性; S4、根据选取的高相关性数据,基于机器学习建立传感器信息关联模型; S5、对传感器信息关联模型进行评估,判断传感器信息关联模型的拟合效果; S6、结合传感器信息关联模型及ARIMA模型,建立虚拟传感器信息重构模型,对传感器进行检测并故障告警,包括: 结合传感器信息关联模型及ARIMA模型,建立虚拟传感器信息重构模型; 首先进行初始化,读取历史运行数据,默认使用前7天数据训练模型;检查数据读取接口,测试数据读取接口的可靠性,并将数据重采样为分钟级数据; 训练ARIMA模型及传感器信息关联模型检测,每隔预设周期对传感器进行实时检测,当传感器信息关联模型的检测值触发预设的阈值则标记该传感器和相关传感器为异常;若预设周期内的异常率不小于60%,则使用ARIMA模型对该异常传感器进行检测; 使用ARIMA模型预测该传感器的未来预设周期数据,若该周期内存在至少4次的异常,则将该传感器标记为故障并告警; 若只存在单个传感器故障,则将该传感器隔离,若存在冗余传感器,使用冗余传感器的值代替该传感器的值,否则使用传感器信息关联模型的预测值代替该传感器的值,剔除该传感器并重新训练该传感器相关传感器的传感器信息关联模型; 若存在多个传感器故障,则发出更高级别的告警,若一个传感器的多个相关传感器故障或不可靠,则停止该传感器的传感器信息关联模型,将该传感器标记为不可靠,并隔离该传感器; S7、对虚拟传感器信息重构模型进行验证及挂机测试,完成风电机组虚拟传感融合,包括: 使用非训练的真实运行数据进行测试以及对传感器进行故障注入的操作,验证建立虚拟传感器信息重构模型的故障是否报出,其中传感器的失效模式分为信号丢失、信号卡滞、信号跳变、信号偏差、信号震荡,验证分为单一故障验证以及组合故障验证,若故障正常报出则认为虚拟传感器信息重构模型能够应用;若故障无法正常报出或延迟触发,则进一步分析并调整参数,使故障正常触发,保持误报率不大于千分之一;最后将该虚拟传感器信息重构模型搭载在工控机上,进行挂机测试,若实际传感器检测及告警结果与预设结果验证一致,则完成对虚拟传感器信息重构模型的验证。
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明阳智慧能源集团股份公司,其通讯地址为:528437 广东省中山市火炬开发区火炬路22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。
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。

皖公网安备 34010402703815号
请提出您的宝贵建议,有机会获取IP积分或其他奖励