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！

龙图腾网获悉浙江大学;中国电建集团华东勘测设计研究院有限公司申请的专利一种大型风电机组关键部件剩余寿命概率预测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：CN119647655B 。

龙图腾网通过国家知识产权局官网在2026-01-06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：202411639105.1，技术领域涉及：G06Q10/04；该发明授权一种大型风电机组关键部件剩余寿命概率预测方法是由胡伟飞;周学维;焦清;方健豪;张桐舟;赵峰;鄢继铨;周胡;武宁;谭建荣设计研发完成，并于2024-11-15向国家知识产权局提交的专利申请。

本一种大型风电机组关键部件剩余寿命概率预测方法在说明书摘要公布了：本发明属于风机技术领域，涉及一种大型风电机组关键部件剩余寿命概率预测方法，通过数据采集与监视控制系统得到风机SCADA数据后首先进行变量筛选和预处理，接着通过傅里叶变换初步寻找风机SCADA数据的不同周期变化，再根据不同的周期对多维时间序列数据进行截取，然后通过LSTM神经网络并行处理，深入提取其时间特征，再将多个LSTM神经网络的输出向量拼接在一起并通过线性输出层得到剩余寿命预测结果，最后，通过一种基于线性回归和核密度估计的不确定性量化方法对原始剩余寿命预测结果进行不确定性量化，为风机维护决策提供更稳健的参考。对比其他的方法，本发明方法能够有效地提高风机部件剩余寿命的预测准确度和可靠度。

本发明授权一种大型风电机组关键部件剩余寿命概率预测方法在权利要求书中公布了：1.一种大型风电机组关键部件剩余寿命概率预测方法，其特征在于，包括以下步骤： 步骤S1：通过数据采集与监视控制系统获取风力发电机的SCADA数据，筛选出与风力发电机目标部件剩余寿命相关的输入变量，并进行数据的预处理，得到多个输入变量的标准化时序数据； 在步骤S1中，所述的筛选出风力发电机目标部件剩余寿命相关的输入变量，具体为：先依据专业知识选取与目标部件剩余寿命相关的初始输入变量，然后计算其他变量与初始输入变量的皮尔逊相关系数，从其他变量中选取相关系数大于预设值p的变量，与初始输入变量一同作为输入变量，从而得到n个输入变量，n为正整数； 步骤S2：对步骤S1中得到的多个输入变量的标准化时序数据进行快速傅里叶变换，并依据多个频率分量裁剪为不同长度的时序数据，然后将不同长度的时序数据输入不同的LSTM神经网络进行并行处理，提取其不同时间尺度下的特征向量并进行拼接合并，之后输入到线性输出层得到风机部件剩余寿命预测值； 步骤S3：基于线性回归和核密度估计的方法对步骤S2得到的风机部件剩余寿命预测值进行不确定性量化处理； 在步骤S1中，所述数据的预处理，具体包括： 先采用5倍标准差的阈值剔除SCADA数据极端异常值，同时以有功功率大于零为阈值剔除停机状态数据； 然后采用Z-score标准化方法对每一个输入变量的时间序列进行数据处理； 最后使用步长为1单位时间、宽度为t单位时间的滑动窗口对标准化的输入变量时间序列进行分割处理； 所述步骤S2，具体包括： 步骤S2.1：对通过窗口分割后的输入长度为t，输入变量个数为n的时序信号使用快速傅里叶变换进行处理，得到n个特征频谱图，n为正整数，然后对所有特征频谱图的幅值维度求平均得到新的频谱图，基于频谱的共轭特性，只取新频谱图的半频谱进行分析： ， 式中，，表示某一输入变量时间序列，A表示所有频率分量的对应幅值，表示快速傅里叶变换，表示计算幅值； 步骤S2.2：从步骤S2.1得到的A中选取前k个最大幅值，并找到其对应频率和周期，计算公式如下所示： ， ， 式中，表示求前k个最大值，表示取频率值，表示前k个频率值，表示频率值对应的前k个周期值； 步骤S2.3：依据从步骤S2.2得到k个周期，分别从输入的时间序列最后一个时刻开始向前截取得到k个长度为周期值的时间片段，； 步骤S2.4：将步骤S2.3获得的k个时间片段分别输入至不同的LSTM神经网络中，得到k个LSTM神经网络的最终输出向量； 步骤S2.5：将步骤S2.4得到的k个最终输出向量拼接在一起并输入到线性输出层得到风机部件剩余寿命预测值，表达式为： ， 式中，为线性层的权值，y为最终的预测结果，函数表示向量按列进行拼接。

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大学;中国电建集团华东勘测设计研究院有限公司，其通讯地址为：310058 浙江省杭州市西湖区余杭塘路866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”。

以上内容由龙图腾AI智能生成。