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！

龙图腾网获悉华北电力大学申请的专利风电机组的叶根载荷预测方法、装置、设备及介质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：CN120124429B 。

龙图腾网通过国家知识产权局官网在2026-02-03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：202510093248.5，技术领域涉及：G06F30/27；该发明授权风电机组的叶根载荷预测方法、装置、设备及介质是由葛铭纬;李新涛;杜炎庭;崔永贺;阴垣设计研发完成，并于2025-01-21向国家知识产权局提交的专利申请。

本风电机组的叶根载荷预测方法、装置、设备及介质在说明书摘要公布了：本申请涉及风电机组技术领域，具体提供一种风电机组的叶根载荷预测方法、装置、设备及介质，旨在解决当叶根的载荷过大时，由于不能及时对风电机组的运行参数进行调整，造成叶片根部超负荷运行，进而导致叶片损伤的技术问题。为此目的，本申请包括：获取叶根载荷数据和风电机组参数；将叶根载荷数据和风电机组参数，输入至预设叶根载荷预测模型，得到预设时间内的预测叶根载荷；根据预测叶根载荷，对风电机组的运行参数进行调整处理。

本发明授权风电机组的叶根载荷预测方法、装置、设备及介质在权利要求书中公布了：1.一种风电机组的叶根载荷预测方法，其特征在于，包括： 获取叶根载荷数据和风电机组参数； 将所述叶根载荷数据和所述风电机组参数，输入至预设叶根载荷预测模型，得到预设时间内的预测叶根载荷；其中，所述预测叶根载荷包括叶根平均载荷、叶根极限载荷、循环次数、预测等效疲劳载荷； 根据所述预测叶根载荷，对风电机组的运行参数进行调整处理； 其中，获取所述预设叶根载荷预测模型，包括： 获取训练数据；其中，所述训练数据包括叶根载荷和风电机组数据； 在训练第i个决策树时，从所述训练数据中选取数据组，并从所述数据组中选择预设数量的特征变量； 根据所述预设数量的特征变量，对第i个决策树的分裂点进行划分处理，得到节点，并确定所述节点是否满足停止划分条件； 若确定满足所述停止划分条件，则得到第i决策树； 当确定i=I时，停止训练；其中，I为决策树的数量； 将得到的多个决策树进行组合处理，得到所述预设叶根载荷预测模型； 其中，获取所述叶根载荷，包括： 获取叶根的摆阵应变信号和挥舞应变信号； 根据所述摆阵应变信号和所述挥舞应变信号，得到叶片摆振力矩和叶片挥舞力矩； 根据所述叶片摆振力矩和所述叶片挥舞力矩，得到载荷最大值、平均载荷和载荷循环次数； 根据所述载荷最大值和所述载荷循环次数，得到等效疲劳载荷； 将所述等效疲劳载荷、所述平均载荷和所述载荷最大值进行组合，得到所述叶根载荷； 其中，所述将所述叶根载荷数据和所述风电机组参数，输入至预设叶根载荷预测模型，得到预设时间内的预测叶根载荷之后，所述方法还包括： 在第n次迭代中，根据所述叶根极限载荷和所述循环次数，得到等效疲劳载荷计算值； 根据所述预测等效疲劳载荷和所述等效疲劳载荷计算值，得到等效疲劳载荷误差值； 判断所述等效疲劳载荷误差值是否大于预设误差值； 确定所述等效疲劳载荷误差值大于所述预设误差值，对第n-1叶根载荷预测模型进行重新训练，得到第n叶根载荷预测模型；其中，当n=1时，所述第n-1叶根载荷预测模型为所述预设叶根载荷预测模型； 其中，0n≤N，N为所述等效疲劳载荷误差值小于所述预设误差值时，得到第N预设叶根载荷预测模型。

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华北电力大学，其通讯地址为：102206 北京市昌平区北农路2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。