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！

龙图腾网获悉新疆能源(集团)哈密清洁能源有限责任公司申请的专利一种基于机器学习和数字孪生的智能风电场风机监控系统及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：CN119878466B 。

龙图腾网通过国家知识产权局官网在2025-11-21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：202411993861.4，技术领域涉及：F03D17/00；该发明授权一种基于机器学习和数字孪生的智能风电场风机监控系统及方法是由朱慧军;杨志龙;王有河;李远志;田贵设计研发完成，并于2024-12-31向国家知识产权局提交的专利申请。

本一种基于机器学习和数字孪生的智能风电场风机监控系统及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和数字孪生的智能风电场风机监控系统及方法，涉及风机监控技术领域。本发明基于动态概率数字孪生技术，实时构建风机的多维运行状态模型，并动态更新状态分布和不确定性量化结果，从而精准反映风机的实时运行状态，提升了状态建模的灵活性与精确度；机器学习模块通过物理约束神经网络和深度操作网络，实现对关键运行参数的精准预测，并评估潜在故障风险，有效降低设备故障率；监控模块利用实时可视化技术，能够直观展示风机运行状态并标定故障区域，方便快速定位异常问题；智能优化控制模块基于深度强化学习技术，实现风机运行参数的动态调整，在提升风机发电效率的同时，优化了运行稳定性和经济性。

本发明授权一种基于机器学习和数字孪生的智能风电场风机监控系统及方法在权利要求书中公布了：1.一种基于机器学习和数字孪生的智能风电场风机监控系统，其特征在于，所述系统包括：多源数据采集模块，用于采集风机运行数据、环境数据和故障相关数据，并通过分布式边缘计算节点对采集的数据进行数据过滤、数据压缩、实时预处理和异常检测，结合时间同步技术对采集的数据进行时间戳处理以确保一致性； 数据处理模块，用于基于动态概率数字孪生技术，构建并实时更新风机的多维运行状态模型，生成动态更新的状态分布数据和不确定性量化结果；所述风机的多维运行状态模型的构建方法包括： 初始分布建模：使用高斯混合模型初始化风机运行状态的分布： 式中，Px|θ表示在模型参数θ下，数据点x的概率密度；θ为高斯混合模型的参数集合，包括均值μi、协方差矩阵∑i和权重wi；k为高斯分量的数量；wi为第i个高斯分量的权重，满足表示第i个高斯分量具有均值μi和协方差矩阵∑i； 动态协方差调整：引入不确定性矩阵U，动态调整协方差矩阵： ∑'＝∑+λ·U； 式中，∑为当前的协方差矩阵，用于描述风机运行状态的多维分布；∑'为更新后的协方差矩阵；λ为动态调整因子，用于控制不确定性矩阵U对协方差矩阵调整的权重； 重要性采样优化：使用重要性采样优化模型的权重更新： 式中，wi为粒子i的更新权重；为粒子i在时刻t-1的权重；PDt|θi为粒子i的似然函数值；Dt为当前时刻t的实时观测数据；θi为粒子i的模型参数； 机器学习模块，用于基于物理约束神经网络与深度操作网络集成架构，对风机的关键运行参数进行预测，并评估潜在的故障风险；所述关键运行参数包括机械运行参数、电器运行参数、环境相关参数、热力学参数和故障相关参数； 监控模块，用于通过实时可视化技术显示风机运行状态，标定潜在故障区域，提供风机状态的全面监测； 智能优化控制模块，用于通过实时分析和深度强化学习技术，动态调整风机运行参数； 用户交互模块，用于通过多视角界面和虚拟现实技术，为用户提供风机运行状态的实时可视化、手动控制功能及仿真分析支持，同时收集用户反馈以优化系统智能性； 所述机器学习模块包括： 数据预处理单元，用于接收数据处理模块的状态分布数据和不确定性量化结果，转换为神经网络可接受的向量表示，并进行归一化处理； 运行参数预测单元，用于构建物理约束神经网络，使用叶片运动方程作为约束条件，预测风机的关键运行参数，物理约束神经网络的损失函数表示为： ξ＝ξdata+γξphysics； 式中，ξ为物理约束神经网络的总损失函数；ξdata为基于观测数据的预测误差损失；ξphysics为基于物理约束的偏微分方程残差损失；γ为权衡因子； 故障风险评估单元，用于通过深度操作网络从状态分布中提取故障相关特征，进行故障风险评估； 深度操作网络将风机状态的多维输入映射为故障风险概率： b＝κu,a； 式中，b为故障风险的预测输出；κ表示操作网络，用于从输入特征中提取非线性映射关系；u为状态特征向量；a为操作变量，描述外部环境影响因子； 结合当前状态分布，预测故障发生的概率： PFailure|Dt＝∫PFailure|θ·Pθ|Dtdθ； 式中，PFailure|Dt表示在当前数据Dt下，风机发生故障的条件概率；PFailure|θ表示在给定模型参数θ下，风机发生故障的概率；Pθ|Dt为根据当前数据Dt的后验分布，表示模型参数θ的概率密度； 使用蒙特卡洛积分进行数值求解，输出未来运行参数的预测结果及故障风险评估报告。

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新疆能源(集团)哈密清洁能源有限责任公司，其通讯地址为：839000 新疆维吾尔自治区哈密市伊州区韩林璐17号能源大厦12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”。

以上内容由龙图腾AI智能生成。