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！

龙图腾网获悉河北大学申请的专利基于优化深度置信网络的风电机组故障预警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：CN121388820B 。

龙图腾网通过国家知识产权局官网在2026-03-20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：202511948597.7，技术领域涉及：G06F18/2413；该发明授权基于优化深度置信网络的风电机组故障预警方法及系统是由张照彦;杨景程;张泽;刘少康;李泽;黄玉柱;刘航安设计研发完成，并于2025-12-23向国家知识产权局提交的专利申请。

本基于优化深度置信网络的风电机组故障预警方法及系统在说明书摘要公布了：本发明属于风电机组技术领域，具体提供基于优化深度置信网络的风电机组故障预警方法及系统，包括：基于风场安装的数据采集与监视控制SCADA系统，获取SCADA数据；其中，SCADA数据包括风场周围环境参数以及风电机组部件性能参数；利用KNN‑箱型图组合算法，对SCADA数据进行异常值检测；联合麻雀搜索算法SSA以及粒子群算法PSO对深度置信网络DBN进行参数寻优，构建基于SSA‑PSO‑DBN的风电机组故障预警模型；基于风电机组故障预警模型，完成对风电机组故障的预警。本发明提出的算法对于风电机组运行状态判断上有较高的精度，能够进一步降低误判的风险，同时能够实现对风电机组故障的早期预警。

本发明授权基于优化深度置信网络的风电机组故障预警方法及系统在权利要求书中公布了：1.基于优化深度置信网络的风电机组故障预警方法，其特征在于，包括： 基于风场安装的数据采集与监视控制SCADA系统，获取SCADA数据；其中，所述SCADA数据包括风场周围环境参数以及风电机组部件性能参数； 利用KNN-箱型图组合算法，对所述SCADA数据进行异常值检测，获得清洗后的SCADA数据； 联合麻雀搜索算法SSA以及粒子群算法PSO对深度置信网络DBN进行参数寻优，构建基于SSA-PSO-DBN的风电机组故障预警模型； 基于所述风电机组故障预警模型，完成对风电机组故障的预警； 对所述SCADA数据进行异常值检测的方法包括： 建立风速阈值，对于小于所述风速阈值的风速区间，采用KNN算法计算SCADA数据中目标样本与训练样本的距离，对所述训练样本按照距离从小到大进行排序，筛选出满足预设距离要求的k个近邻训练样本，并统计k个近邻训练样本各自的标签数量，将出现次数最多的标签作为目标样本的异常值检测结果； 对于大于等于所述风速阈值的风速区间，采用箱型图算法获取SCADA数据的四分位数和四分位距，识别SCADA数据的异常值； 构建风电机组故障预警模型的方法包括： 初始化麻雀种群及相关参数，对每只麻雀进行分类，并对分类后的麻雀进行DBN训练，获得第一DBN训练结果；其中，麻雀分类的类型包括发现者、加入者以及警戒者； 基于第一DBN训练结果更新麻雀位置，并对麻雀重新分类后再次进行DBN训练，直至达到第一预设迭代次数，获得SSA寻优的最优解； 以SSA寻优的最优解为中心生成粒子，对每个粒子分别进行DBN训练，获得第二DBN训练结果，并根据所述第二DBN训练结果更新粒子的位置与速度，直至达到第二预设迭代次数，获得PSO寻优的最优解； 将PSO寻优的最优解输入深度置信网络DBN模型，完成SSA-PSO联合寻优，获得风电机组故障预警模型。

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河北大学，其通讯地址为：071000 河北省保定市五四东路180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。