買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網恭喜華北電力大學(保定)申請的專利基于改進ILOF-LSTM-Gamma算法的風電機組可靠性評估方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN119783562B 。

龍圖騰網通過國家知識產權局官網在2025-06-03發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202510279562.2，技術領域涉及：G06F30/27；該發明授權基于改進ILOF-LSTM-Gamma算法的風電機組可靠性評估方法是由唐貴基;王海朋;劉子軒;李遠超;何玉靈;盧洪昌;牛宇航;孫凱;吳學偉設計研發完成，并于2025-03-11向國家知識產權局提交的專利申請。

本基于改進ILOF-LSTM-Gamma算法的風電機組可靠性評估方法在說明書摘要公布了：本發明公開了基于改進ILOF?LSTM?Gamma算法的風電機組可靠性評估方法，涉及電力技術領域，包括：通過SCADA系統獲得風電機組各關鍵部件的歷史狀態數據；采ILOF算法對所述歷史狀態數據進行預處理，獲得預處理后的數據；基于改進自適應多頭注意力機制和改進LSTM網絡方法建立風電機組性能退化預測模型，將所述預處理后的數據輸入所述風電機組性能退化預測模型，獲得預測后的風電機組性能數據；采用雙層改進非線性Gamma過程建立風電機組可靠性評估模型，將預測后的風電機組性能數據輸入所述風電機組可靠性評估模型，獲得風電機組可靠性評估結果。本發明提升了風電機組性能退化預測的精度，并提高了評估結果的準確率。

本發明授權基于改進ILOF-LSTM-Gamma算法的風電機組可靠性評估方法在權利要求書中公布了：1.基于改進ILOF-LSTM-Gamma算法的風電機組可靠性評估方法，其特征在于，包括：通過SCADA系統獲得風電機組各關鍵部件的歷史狀態數據；采用改進前置局部異常因子算法對所述歷史狀態數據進行預處理，獲得預處理后的數據；基于改進自適應多頭注意力機制和改進LSTM網絡方法建立風電機組性能退化預測模型，將所述預處理后的數據輸入所述風電機組性能退化預測模型，獲得預測后的風電機組性能數據；采用雙層改進非線性Gamma過程建立風電機組可靠性評估模型，將預測后的風電機組性能數據輸入所述風電機組可靠性評估模型，獲得風電機組可靠性評估結果；所述風電機組各關鍵部件包括齒輪箱部件、發電機部件、變槳系統部件和偏航系統部件；所述齒輪箱部件的歷史狀態數據包括油溫、振動、齒輪磨損狀態；所述發電機部件的歷史狀態數據包括電壓、電流、溫度、功率輸出；所述變槳系統部件的歷史狀態數據包括變槳角度、控制信號、電機電流；所述偏航系統部件的歷史狀態數據包括偏航角度、偏航電機工作狀態；采用改進前置局部異常因子算法對所述歷史狀態數據進行預處理，獲得預處理后的數據包括：采用改進三次樣條插值方法進行對所述歷史狀態數據進行補充，獲得補充數據集；基于所述補充數據集采用離群點檢測算法去除不符合物理意義的數據，獲得每個數據點的改進局部離群因子，若所述改進局部離群因子大于預設離群點閾值，則此數據點為離群點，獲得預處理后的數據；采用改進三次樣條插值方法進行對所述歷史狀態數據進行補充包括： ；約束條件為： ； ； ；其中，為三次樣條插值函數；、和分別為待求插值系數；為不同部件的狀態數據，為不同部件；為第個部件的第個插值位置；為第個部件的第個插值數據；為三次樣條插值函數在第個部件的第個插值位置處的一階導數；為三次樣條插值函數在第個部件的第個插值位置處的二階導數；為每個部件的數據長度；基于所述補充數據集采用離群點檢測算法去除不符合物理意義的數據，獲得每個數據點的改進局部離群因子包括：將n維空間中點S和點O的歐氏距離為： ；其中，為第個部件的歷史狀態數據中，數據點到數據點的距離；為根據每個部件的健康狀態范圍不同；為在數據點鄰域內到數據點距離為的點；計算改進局部可達密度為： ；其中，為改進局部可達密度；為在數據點的鄰域內，數據點中到數據點的第可達距離；為數據點的鄰域長度；計算每個部件狀態數據的改進局部離群因子： ；其中，為數據點的改進局部離群因子；為數據點的改進局部可達密度；為數據點的改進局部可達密度；獲得預測后的風電機組性能數據包括： ；其中，為經過改進自適應多頭注意力機制處理的風電機組性能退化數據；為連接函數；為可學習的權重輸出矩陣；采用雙層改進非線性Gamma過程建立風電機組可靠性評估模型包括：基于改進非線性Gamma過程建立上層風電機組評估模型；基于改進浣熊優化算法建立非線性Gamma過程未知參數的下層優化模型；基于改進非線性Gamma過程建立上層風電機組評估模型包括：將步驟3預測的風電機組性能退化數據導入改進非線性Gamma過程： ；其中，、分別為形狀參數；為關于t的連續非線性函數；為尺度隨機函數；為可調參數；為尺度參數； ；其中，為Gamma函數；為風電機組各部件性能退化過程的概率密度函數；進一步得到分布函數為： ；將風電機組整體失效閾值設置為各關鍵部件達到失效閾值的時間，得到風電機組可靠性的評估模型為： ；基于改進浣熊優化算法建立非線性Gamma過程未知參數的下層優化模型包括： ；其中，為0-1之間的隨機數；為非線性Gamma過程未知參數的位置函數；取值為未知參數集{}；為標準正態分布函數；為最優位置；為隨機整數；M為浣熊數量； ；采用以下方法進行位置更新： ；其中，、分別為隨迭代次數變化的參數下界和上界。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人華北電力大學(保定)，其通訊地址為：071003 河北省保定市永華北大街619號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。