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！

龙图腾网获悉中国船舶重工集团海装风电股份有限公司;华北电力大学申请的专利一种风力发电机的缺失状态变量填补方法及装置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：CN116680567B 。

龙图腾网通过国家知识产权局官网在2025-09-12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：202310684853.0，技术领域涉及：G06F18/214；该发明授权一种风力发电机的缺失状态变量填补方法及装置是由陶建权;胡阳;何璇;赵经玮;冉军设计研发完成，并于2023-06-09向国家知识产权局提交的专利申请。

本一种风力发电机的缺失状态变量填补方法及装置在说明书摘要公布了：本申请提供了一种风力发电机的缺失状态变量填补方法及装置，其中，利用随机森林算法从待选特征变量集中确定出至少一个特征输入变量；利用整体训练样本集对用于对风力发电状态的缺失数据进行填补的第一初始模型进行模型训练得到第一目标模型；利用整体测试样本集对第一目标模型进行测试得到第一目标模型的缺失数据填补准确率；判断第一目标模型的缺失数据填补准确率是否超过标准准确率；若超过，则将目标风力发电机的参考状态变量输入至第一目标模型得到待填补状态变量的预测值；将待填补状态变量的预测值填补至待填补状态变量中得到目标风力发电机的完整预测状态信息。采用上述方法，以实现对风力发电机的缺失状态变量进行填补。

本发明授权一种风力发电机的缺失状态变量填补方法及装置在权利要求书中公布了：1.一种风力发电机的缺失状态变量填补方法，其特征在于，所述方法包括： 根据预先配置的特征输出变量，利用随机森林算法从待选特征变量集中确定出至少一个特征输入变量，其中，所述待选特征变量集中包括目标风力发电机的至少一个状态特征变量，至少一个所述特征输入变量为所述特征输出变量的强相关变量； 利用整体训练样本集对用于对风力发电状态的缺失数据进行填补的第一初始模型进行模型训练得到第一目标模型，其中，所述整体训练样本集中的训练输出样本为至少一个所述特征输出变量中的满足预设数量的特征输出变量，所述整体训练样本集中的训练输入样本为所述整体训练样本集中的训练输出样本的强相关变量； 利用整体测试样本集对所述第一目标模型进行测试得到所述第一目标模型的缺失数据填补准确率，其中，所述整体测试样本集中的测试输出样本为至少一个所述特征输出变量中除所述训练输出样本以外的其余特征输出变量，所述整体测试样本集中的测试输入样本为所述整体测试样本集中的测试输出样本的强相关变量； 判断所述第一目标模型的缺失数据填补准确率是否超过标准准确率； 若所述第一目标模型的缺失数据填补准确率超过标准准确率，则将所述目标风力发电机的参考状态变量输入至所述第一目标模型得到所述目标风力发电机的待填补状态变量的预测值，其中，所述参考状态变量为所述目标风力发电机的状态特征变量中未缺失的特征变量，所述待填补状态变量为所述目标风力发电机的状态特征变量中存在缺失的特征变量； 将所述待填补状态变量的预测值填补至所述待填补状态变量中得到所述目标风力发电机的完整预测状态信息； 在判断所述第一目标模型的缺失数据填补准确率是否超过标准准确率后，所述方法还包括； 若所述第一目标模型的缺失数据填补准确率未超过所述标准准确率，则利用赤池信息量准则确定出至少一个所述特征输入变量和所述特征输出变量之间的延迟阶次； 根据所述延迟阶次将至少一个所述特征输入变量进行作用域划分得到至少一组特征输入变量组，其中，每组所述特征输入变量组中的特征输入变量均落入相同的变量区间内； 对于每组所述特征输入变量组，将该特征输入变量组中的每个特征输入变量作为第二初始模型的模型输入，将该特征输入变量组中的每个特征输入变量的强相关变量作为第二初始模型的模型输出，对所述第二初始模型进行模型训练得到通过该特征输入变量组训练得到的第二目标模型； 利用第三目标模型对所述目标风力发电机的待填补状态变量进行填补，其中，所述第三目标模型为利用目标特征输入变量组训练得到的第二目标模型，所述目标特征输入变量组为所包含的特征输入变量落入目标区间内的特征输入变量组，所述目标区间为所述目标风力发电机的缺失状态数据的强相关变量所落入的变量区间。

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中国船舶重工集团海装风电股份有限公司;华北电力大学，其通讯地址为：404100 重庆市渝北区北部新区经开园金渝大道30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”。