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！

龙图腾网获悉福建亿山能源管理有限公司申请的专利一种风力涡轮机预测性维护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：CN119379264B 。

龙图腾网通过国家知识产权局官网在2025-07-11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：202411929347.4，技术领域涉及：G06Q10/20；该发明授权一种风力涡轮机预测性维护方法及系统是由江茂营;王德峰;丁富龙;钟婧设计研发完成，并于2024-12-25向国家知识产权局提交的专利申请。

本一种风力涡轮机预测性维护方法及系统在说明书摘要公布了：本发明公开了一种风力涡轮机预测性维护方法及系统，包括以下步骤：1.采集风力涡轮机的多源数据，包括运行数据、环境数据和历史维护数据；2.对采集的数据进行预处理，采用小波变换提取振动信号的高频特征与低频趋势，主成分分析降维并降低冗余数据，同时通过Kalman滤波消除噪声；3.构建融合多源数据的深度学习预测模型，所述模型输入包括时间序列数据、环境参数和设备图像数据，输出设备的健康状态评分和潜在故障类别；4.基于局部异常聚类算法进行故障前兆分析；该方法和系统在数据全面性、模型预测精度、实时性及维护自动化等方面具有显著提升。

本发明授权一种风力涡轮机预测性维护方法及系统在权利要求书中公布了：1.一种风力涡轮机预测性维护方法，其特征在于，包括以下步骤： 1.采集风力涡轮机的多源数据，包括运行数据、环境数据和历史维护数据； 2.对采集的数据进行预处理，采用小波变换提取振动信号的高频特征与低频趋势，主成分分析降维并降低冗余数据，同时通过Kalman滤波消除噪声； 3.构建融合多源数据的深度学习预测模型，所述模型输入包括时间序列数据、环境参数和设备图像数据，输出设备的健康状态评分和潜在故障类别； 4.基于局部异常聚类算法进行故障前兆分析，包括： 将实时数据划分为固定时间窗口，提取滑动窗口内的统计特征； 基于K-Means或DBSCAN算法对异常点进行聚类分析； 通过动态时间规整算法匹配异常聚类与历史故障模式，判断潜在故障的可能性； 5.动态调整维护周期，调整公式为：Tmaint-adaptive＝Tbase-k1·Lload-k2·Shealth；其中，Tmaint-adaptive为调整后的维护周期，Tbase为基础维护周期，k1和k2为调整系数，Lload为当前运行负载，Shealth为健康状态评分； 6.结合环境动态影响因子优化健康状态评分，优化公式为：Sadjusted＝Sraw-Wenv；其中，Sadjusted为调整后的健康评分，Sraw为初始健康评分，Wenv为环境动态权重，所述环境动态权重由环境特征的主成分权重与特征值决定； 7.基于预测结果与历史维护记录自动生成维护方案，所述维护方案包括维护部件、所需工具和操作步骤，并根据优先级进行任务排序； 8.将维护方案发送至运维人员或自动化维护系统执行； 步骤1中，运行数据包括振动、电流和转速部件的实时状态信息；环境数据包括风速、风向、温湿度和沙尘浓度环境参数；历史维护数据包括故障类别、发生原因和维护记录；多源数据中的运行数据还通过热成像设备获取关键部件的温度分布，结合图像处理算法检测异常热斑，优化故障预测结果； 步骤4中的局部异常聚类算法采用滑动窗口技术提取时间序列数据的均值、标准差和峰值作为聚类特征，异常点的聚类结果通过动态时间规整算法与历史故障数据进行匹配； 步骤5中的运行负载Lload通过实时监测发电功率、转速和风速计算得出，风速与发电功率之间的关系由功率曲线模型表示；通过实时环境数据动态更新k1和k2参数，以适应环境条件的变化； 步骤6中的环境动态权重Wenv通过以下公式计算： 其中，Wenv为环境动态权重，λj为环境特征的主成分权重，Fj为环境特征值，m为环境参数的数量。

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福建亿山能源管理有限公司，其通讯地址为：350108 福建省福州市闽侯县上街镇乌龙江南大道28号1号楼19层；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”。