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！

龙图腾网获悉湖北能源集团齐岳山风电有限公司申请的专利一种基于高维空间异常辨识的风电场数据质量评估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：CN119249324B 。

龙图腾网通过国家知识产权局官网在2026-01-27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：202411301812.X，技术领域涉及：G06F18/2433；该发明授权一种基于高维空间异常辨识的风电场数据质量评估方法是由王文;石东江;张永梅;何君;吴凡;田勇;牟令;肖利涛;杨德超;刘必武;杨泽开;王东设计研发完成，并于2024-09-18向国家知识产权局提交的专利申请。

本一种基于高维空间异常辨识的风电场数据质量评估方法在说明书摘要公布了：本发明属于风电场数据监测技术领域，具体公开了一种基于高维空间异常辨识的风电场数据质量评估方法，包括以下步骤：根据SCADA系统监测的风电场多维参数构建高维空间；利用Spearman相关性分析方法进行关联分析，根据分析结果，对强相关性参数组合，构建基于关联分析的三维子空间；基于自适应聚类分析方法，在三维子空间中识别得到第一异常数据集合；对弱相关性参数组合，计算弱相关性参数对应时间序列下的欧氏距离，绘制欧氏距离随时间变化的曲线，根据曲线得到第二异常数据集合；进行异常原因识别，输出异常数据集合及其对应异常成因。本发明解决了现有异常点识别方法无法区分异常点类型的问题，提高了异常数据识别的准确性。

本发明授权一种基于高维空间异常辨识的风电场数据质量评估方法在权利要求书中公布了：1.一种基于高维空间异常辨识的风电场数据质量评估方法，其特征在于，所述方法包括以下步骤： S1.根据SCADA系统监测的风电场多维参数构建高维空间； S2.利用Spearman相关性分析方法对风电场多维参数进行关联分析，得到相关性分析结果； S3.根据相关性分析结果，判断风电场多维参数的组合为弱相关性参数组合还是强相关性参数组合，若为强相关性参数组合，执行步骤S4；若为弱相关性参数组合，执行步骤S6； S4.对强相关性参数组合，在高维空间中构建基于关联分析的三维子空间： 其中，表示时刻下风机状态的子空间坐标点，表示时刻下的风速，表示时刻下的电气参数，表示时刻下的物理参数，表示SCADA系统采集数据的时刻数，表示整个采集时段中所有时刻构建的子空间； S5.基于自适应聚类分析方法，在三维子空间中识别风电场异常数据，得到第一异常数据集合，并执行步骤S7，具体为： 在三维子空间中，根据强相关性参数组合的总样本数量及数据范围设置p个半径r和q个最小样本数min_sample取值，将两组参数进行全组合得到完整的聚类参数组合； 将聚类参数组合依次输入到DBSCAN算法中进行聚类，并计算异常数据识别准确率，根据最高的准确率数值找到全局最优参数组合； 根据全局最优参数组合，得到自适应DBSCAN聚类算法，进而识别三维子空间内的数据点，得到第一异常数据集合； S6.对弱相关性参数组合，计算弱相关性参数对应时间序列下的欧氏距离，得到第二异常数据集合，并执行步骤S7；具体为：对弱相关性参数组合，逐点计算两个参数对应时间序列下的欧氏距离，绘制两个参数间欧氏距离随时间变化的曲线；筛选出曲线中数据突变为0或曲线中存在恒定不变的一段对应的数据，得到第二异常数据集合； S7.对异常数据集合进行异常原因识别，并输出异常数据集合及其对应异常成因，完成风电场数据质量评估；第一异常数据集合的异常成因为：测量装置故障，对于正常情况下的强相关性参数组合，若出现测量装置故障，则参数间的相关性降低，在相关参数坐标系下表现为异常点远离主体数据分布；第二异常数据集合的异常成因为：通讯设备故障，对于正常情况下的弱相关性参数组合，若出现通信异常，会使得参数间的相关性增强，按照时间逐点计算两个参数之间的欧氏距离，当欧氏距离在一段时间内保持不变时，表明该时段存在通信异常。

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湖北能源集团齐岳山风电有限公司，其通讯地址为：445410 湖北省恩施土家族苗族自治州利川市南坪乡南坪村；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。