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！

龙图腾网获悉杭州电子科技大学;江苏省国信研究院有限公司;东北电力大学;金风科技股份有限公司申请的专利基于大模型的风电机组设备故障诊断方法与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：CN120257099B 。

龙图腾网通过国家知识产权局官网在2025-08-26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：202510748409.X，技术领域涉及：G06F18/2415；该发明授权基于大模型的风电机组设备故障诊断方法与系统是由张泽辉;王昕;刘洲;徐晓滨;郑梁;王翔;周飞;范思远;黄煜明;尹陆媛设计研发完成，并于2025-06-06向国家知识产权局提交的专利申请。

本基于大模型的风电机组设备故障诊断方法与系统在说明书摘要公布了：基于大模型的风电机组设备故障诊断方法和系统，方法包括以下步骤：根据正常数据初始化特征集；根据各候选特征的混合得分选择多个候选特征保存到特征集中；利用时序分段算法对正常数据进行样本划分并构建多维时空特征表示；构建故障诊断模型，包括：加载大语言模型作为基础架构，将多维时空特征表示注入大语言模型的嵌入输入层；在大语言模型的输出后接入自适应池化层，构建双层MLP分类器，用于实现对不同故障类型的识别与分类；双层MLP分类器的首层将输入特征压缩到原特征维度的一半并施加GELU激活，双层MLP分类器的第二层映射到对应的故障类别空间；构建知识机理库，为模型提供风电机组先验知识并设计风电机组知识驱动的损失函数，进行模型训练。

本发明授权基于大模型的风电机组设备故障诊断方法与系统在权利要求书中公布了：1.基于大模型的风电机组设备故障诊断方法，其特征在于，包括以下步骤： S1、采集并清洗风电机组数据，获得清洗后数据； S2、建立数据异常判定规则；利用所述数据异常判定规则对所述清洗后数据进行判定，获得正常数据； S3、根据所述正常数据初始化特征集；计算各候选特征的混合得分，根据所述混合得分选择多个所述候选特征保存到所述特征集中，包括： S31、根据所述正常数据，提取各特征列数据，计算各所述特征列数据的均值和标准差； S32、根据所述均值和所述标准差对所述特征列数据进行标准化处理，返回标准化特征列数据； S33、初始化特征集，计算各所述候选特征的所述混合得分； 所述混合得分的计算公式为： ； 式中，MI为各所述候选特征数据归一化后的互信息量；Accuracy表示采用基于梯度提升决策树模型基于当前候选特征的诊断性能指标；Redundancy为所述候选特征与已选特征的平均皮尔逊相关系数绝对值；α、γ为权重参数； S4、根据所述特征集，利用时序分段算法对所述正常数据进行样本划分并构建多维时空特征表示； S5、构建故障诊断模型，包括： 加载大语言模型作为基础架构，将所述多维时空特征表示注入大语言模型的嵌入输入层； 在大语言模型的输出后接入自适应池化层，构建双层MLP分类器，用于实现对不同故障类型的识别与分类；所述双层MLP分类器的首层将输入特征压缩到原特征维度的一半并施加GELU激活，所述双层MLP分类器的第二层映射到对应的故障类别空间； S6、构建知识机理库；所述知识机理库用于提供风电机组先验知识；根据所述风电机组先验知识设计风电机组知识驱动的损失函数；利用所述损失函数对所述故障诊断模型进行训练。

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杭州电子科技大学;江苏省国信研究院有限公司;东北电力大学;金风科技股份有限公司，其通讯地址为：310018 浙江省杭州市钱塘区白杨街道2号大街1158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”。