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！

龙图腾网获悉中科知道(北京)科技有限公司申请的专利一种基于时序大模型的极端天气发电设备故障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：CN120995330B 。

龙图腾网通过国家知识产权局官网在2026-02-06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：202511010604.9，技术领域涉及：G06F18/2433；该发明授权一种基于时序大模型的极端天气发电设备故障预测方法是由唐明杰;杨义贤;朱宇迪;黄明发;邓克俭;杨帆;邢娜设计研发完成，并于2025-07-22向国家知识产权局提交的专利申请。

本一种基于时序大模型的极端天气发电设备故障预测方法在说明书摘要公布了：本发明涉及发电机故障预测技术领域，尤其涉及一种基于时序大模型的极端天气发电设备故障预测方法，该方法包括：多参数同步采集；异常事件判定；趋势类型识别；风险等级评估；动态阈值调整；风险序列预测与预警。本发明通过引入叶片中部的三轴振动峰值、齿轮箱的油液黏度、定子的电流谐波、偏航系统的启动扭矩增量、机舱顶部的风速变化率以及主轴轴承的温升速率多个与结构载荷、电气扰动和热‑润滑状态密切关联的参数，实现对风电机组在强风极端天气下运行状态的全链条监控，有效解决了由于监测参数覆盖不全与阈值设定固定导致对极端天气下润滑异常趋势识别滞后进而造成故障预警不及时、机组停机损失加剧的问题。

本发明授权一种基于时序大模型的极端天气发电设备故障预测方法在权利要求书中公布了：1.一种基于时序大模型的极端天气发电设备故障预测方法，其特征在于，包括： 实时同步采集强风过境期间风电机组的各风力发电机中叶片中部的三轴振动峰值、齿轮箱输入轴的油液黏度、发电机定子的电流谐波含量、偏航系统的启动扭矩增量、机舱顶部的风速变化率以及主轴轴承的温升速率； 根据预设异常判定周期内的所述三轴振动峰值和预设阵风冲击阈值判定存在异常事件，得到异常判定结果； 基于所述异常判定结果，根据所述油液黏度变化率和所述温升速率判定所述异常事件的类型为润滑异常趋势，得到类型判定结果； 基于所述类型判定结果，根据各所述电流谐波含量、所述三轴振动峰值以及预设风险演化阈值，确定所述润滑异常趋势的风险等级为严重预警，得到风险判定结果； 基于所述风险判定结果，根据下一预设第一调整周期内的所述启动扭矩增量和所述风速变化率调整所述预设阵风冲击阈值，并根据下一预设第二调整周期内调整阵风冲击阈值的次数及所述油液黏度调整所述风险演化阈值； 根据预设预测周期内调整所述风险演化阈值后重新得到的全部所述风险判定结果、所述三轴振动峰值以及预设时序大模型生成风险预测序列，并根据风险预测序列的时间戳发出预警警报； 根据预设异常判定周期内的所述三轴振动峰值和预设阵风冲击阈值判定存在异常事件，得到异常判定结果的过程包括： 根据所述三轴振动峰值和预设振动峰值阈值的对比结果确定异常分布度； 根据所述异常分布度和所述预设阵风冲击阈值的对比结果判定存在所述异常事件，得到所述异常判定结果； 根据各所述风力发电机的所述电流谐波含量、所述三轴振动峰值以及预设风险演化阈值，确定所述润滑异常趋势的风险等级为严重预警的过程包括： 根据预设等级确定周期内初始时刻到各时刻的所述电流谐波含量确定谐波含量波动集合； 根据每任意相邻的两个所述风力发电机的所述谐波含量波动集合，从所述风电机组中确定若干关注发电机； 根据每任意相邻的两个所述关注发电机的所述三轴振动峰值以及预设风险演化阈值，确定所述润滑异常趋势的风险等级为严重预警； 根据预设预测周期内调整所述风险演化阈值后重新得到的全部所述风险判定结果、所述三轴振动峰值以及预设时序大模型生成风险预测序列的过程包括： 将预设预测周期内、经风险演化阈值调整后的全部风险判定结果和对应时刻的叶片中部三轴振动峰值，按分钟粒度交错拼接成一个M×2的特征矩阵，其中M为时间步数；对特征矩阵的两列分别添加通道标识嵌入，再叠加正弦—余弦位置编码，得到形状为M×D的输入张量，其中D为隐层维度；将输入张量送入多层自注意力编码器，通过稀疏全局注意力机制高效提取跨时间步与跨通道的长短期依赖特征；解码器接收编码器输出的特征表示以及“历史目标”序列，采用滑动窗口与多步递归策略，精准捕捉风险演化惯性与趋势；解码器依次生成未来T个时间步的风险概率值序列，形成最终的风险预测序列。

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科知道(北京)科技有限公司，其通讯地址为：102600 北京市大兴区经济开发区科苑路9号3号楼三层T024室；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。