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！

龙图腾网获悉浙江浙能嘉兴海上风力发电有限公司;浙江大学申请的专利一种风电机组桨叶扫塔故障的自适应预警策略设计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：CN117365869B 。

龙图腾网通过国家知识产权局官网在2025-07-15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：202311527917.2，技术领域涉及：F03D17/00；该发明授权一种风电机组桨叶扫塔故障的自适应预警策略设计方法是由钭锦周;叶如祥;杨晶民;姜凯恒;林玮;陈杰;杨秦敏;孟文超;李超设计研发完成，并于2023-11-16向国家知识产权局提交的专利申请。

本一种风电机组桨叶扫塔故障的自适应预警策略设计方法在说明书摘要公布了：本发明公开一种风电机组桨叶扫塔故障的自适应预警策略设计方法，包括步骤：基于SCADA系统的海上风电机组数据采样，获取SCADA正常行为数据集；对数据集的数据进行预处理，构建训练样本；对训练样本权重重分配；提取训练样本振动频域特征；正常行为建模，计算残差序列；训练残差分布，统计训练残差序列中连续大于阈值上限或小于阈值下限的最大个数，记为连续最大超限次数，并作为训练流程中的最终输出结果；进行在线应用阶段。本发明通过设计训练样本权重自适应分配策略，考虑不同风况下样本不均衡易导致建模精确性不均衡，对训练样本中占比较小的恶劣风况赋予更高的训练权重，保证了面向极端风况所引发的故障时结果的准确性和全面性。

本发明授权一种风电机组桨叶扫塔故障的自适应预警策略设计方法在权利要求书中公布了：1.一种风电机组桨叶扫塔故障的自适应预警策略设计方法，其特征在于，所述方法包括以下步骤： S1：基于SCADA系统的海上风电机组数据采样，获取SCADA正常行为数据集；选取待进行桨叶故障监测的风电机组关键组件，其SCADA系统中该组件振动测点所测振动信号的频域特征作为目标变量y，与组件振动相关的参数X作为相关变量，选取机组正常运行状态下N条运行数据，以十分钟作为滑动窗口构造训练集i＝1,2,...,N； S2：对数据集的数据进行预处理，构建训练样本； S3：对训练样本权重重分配；样本权重重分配为基于所获得的训练样本的内积序列做训练样本权重分配，在训练样本内积序列最大值与最小值范围内进行区间划分，设置Nh区间个数，并进行直方图统计，获取得到每个区间下训练样本的个数，第i个区间的样本的个数为hi；计算第i个区间所包含的样本的权重Wi： S4：提取训练样本振动频域特征；振动频域特征提取通过计算多通道振动信号频谱，对训练样本滑窗内四个振动数据进行傅里叶变换，合并四个通道频谱数据，作为振动信号数据的原始特征，特征维度为其中T为训练样本滑窗长度，单位为分钟；然后利用PCA对频谱特征降维，遍历训练数据样本，使用PCA主成分分析法将原始的频域特征由120T降维到M维，其中M为正常行为模型的输出特征维度； S5：正常行为建模，计算残差序列； S6：训练残差分布，统计训练残差序列中连续大于阈值上限或小于阈值下限的最大个数，记为连续最大超限次数train_max_count，将训练集中的上下阈值以及最大训练超限参数以及训练好的模型作为训练流程中的最终输出结果； S7：进行在线应用阶段。

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浙江浙能嘉兴海上风力发电有限公司;浙江大学，其通讯地址为：314000 浙江省嘉兴市南湖区台昇国际广场A座15-17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”。