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！

龙图腾网获悉湖南电气职业技术学院申请的专利一种基于深度学习的风力发电机组健康管理方法及系统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：CN121066786B 。

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：202511620595.5，技术领域涉及：F03D17/00；该发明授权一种基于深度学习的风力发电机组健康管理方法及系统是由何腾飞;魏华;赵宏旭;袁硕设计研发完成，并于2025-11-07向国家知识产权局提交的专利申请。

本一种基于深度学习的风力发电机组健康管理方法及系统在说明书摘要公布了：本发明涉及风力发电机组健康管理技术领域，尤其涉及一种基于深度学习的风力发电机组健康管理方法及系统。所述方法包括：通过在风力发电机组变桨系统液压部件中部署油液多参数传感器，采集油液状态监测数据，并计算单位时间内水含量异常增长数值比例；根据该比例估算液压油润滑性能劣化比值，进而评估液压动力输出的减损情况，而后判定变桨控制偏移量，识别液压动力异常前置风险因子；最后，利用深度学习算法中的多层感知机设计健康风险识别架构，对风力发电机组的液压系统进行健康风险识别，并将结果发送至控制中心，实现风力发电机组的健康管理。本发明通过对风力发电机组健康管理技术的改善处理使得风力发电机组健康管理技术更加完善。

本发明授权一种基于深度学习的风力发电机组健康管理方法及系统在权利要求书中公布了：1.一种基于深度学习的风力发电机组健康管理方法，其特征在于，包括以下步骤： 步骤S1：在风力发电机组变桨系统中的液压部件中部署油液多参数传感器，进而采集油液状态监测数据；计算油液状态监测数据，在单位时间内的水含量异常增长数值比例； 步骤S2：依据水含量异常增长数值比例进行液压油润滑性能劣化比值估计，以获得润滑性能劣化比值；根据所述的润滑性能劣化比值进行液压动力输出减损评估，生成液压动力输出减损数据； 步骤S3：基于液压动力输出减损数据判定变桨控制偏移量，而后进行液压动力异常前置风险因子识别，得到液压动力异常前置风险因子； 步骤S4：利用深度学习算法中的多层感知机对液压动力异常前置风险因子进行健康风险识别架构设计，得到健康风险识别架构，并发送至风力发电机组控制中心，以执行风力发电机组的健康管理； 步骤S2包括以下步骤： 步骤S21：获取液压油基础性能参数； 步骤S22：依据水含量异常增长数值比例对液压油基础性能参数进行液压油润滑性能劣化比值估计，以获得润滑性能劣化比值； 步骤S23：基于润滑性能劣化比值量化液压部件的磨损加剧程度； 步骤S24：根据所述的润滑性能劣化比值和磨损加剧程度进行液压动力输出减损评估，生成液压动力输出减损数据； 步骤S22包括以下步骤： 步骤S221：提取液压油基础性能参数中的基础黏度及抗乳化性； 步骤S222：依据水含量异常增长数值比例对所述基础黏度及抗乳化性进行油膜分子链间的极性平衡损失过程模拟，得到油膜分子链间的极性平衡损失数据； 步骤S223：基于所述极性平衡损失数据量化油膜破裂概率指数； 步骤S224：根据油膜破裂概率指数和极性平衡损失数据进行动力粘度损失发散评估，得到动力粘度损失发散数据； 步骤S225：依据动力粘度损失发散数据、油膜破裂概率指数进行液压油润滑性能劣化比值估计，以获得润滑性能劣化比值。

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南电气职业技术学院，其通讯地址为：411100 湖南省湘潭市岳塘区下摄司潭下路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。