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！

龙图腾网获悉宁波大学申请的专利基于多源异构SCADA数据的风电机组状态监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：CN115095487B 。

龙图腾网通过国家知识产权局官网在2025-09-02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：202210778796.8，技术领域涉及：F03D17/00；该发明授权基于多源异构SCADA数据的风电机组状态监测方法是由陈帅;谯自健;束学道;谢重阳;李涛设计研发完成，并于2022-06-30向国家知识产权局提交的专利申请。

本基于多源异构SCADA数据的风电机组状态监测方法在说明书摘要公布了：本发明提供一种基于多源异构SCADA数据的风电机组状态监测方法，包括以下步骤：计算风场中所有风电机组的监测量的概率分布，筛选出能表征整个风场的一个风电机组；进行监测数据清洗；进行特征降维，筛选出与监测量关联度高的数个敏感特征参数；对筛选出的敏感特征参数进行归一化，然后建立样本集，利用样本集训练长短时记忆神经网络模型；计算当前时刻的监测量真实值与预测值的均方根误差，构建风电机组的健康监测状态指标；并通过设计滑窗进行滑动平均；在对筛选出的风电机组进行监测时，当其健康监测状态指标超过预警阈值时，发出报警。本发明实现风电机组状态监测与故障预警。

本发明授权基于多源异构SCADA数据的风电机组状态监测方法在权利要求书中公布了：1.一种基于多源异构SCADA数据的风电机组状态监测方法，其特征在于，包括以下步骤： 步骤S10，获取风电机组的监测数据作为特征参数，选择一个能表征风电机组运行状态的特征参数作为监测量；计算风场中所有风电机组的所述监测量的概率分布，基于监测量概率分布相似度筛选出能表征整个风场的一个风电机组； 步骤S20，进行监测数据清洗，剔除风电机组的监测数据中的无效数据； 步骤S30，基于Spearman相关系数对风电机组的所有特征参数进行特征降维，筛选出与监测量关联度高的数个敏感特征参数； 步骤S40，对筛选出的敏感特征参数进行归一化，然后建立样本集，利用样本集训练长短时记忆神经网络模型；样本集包括训练集和测试集； 步骤S50，对于筛选出能表征整个风场的一个风电机组，将测试集中的数据输入完成训练的长短时记忆神经网络模型，得到当前时刻的监测量预测值；计算当前时刻的监测量真实值与预测值的均方根误差，构建风电机组的健康监测状态指标HItd；并通过设计滑窗进行滑动平均； 步骤S60，设置预警阈值，在对筛选出的风电机组进行监测时，当其健康监测状态指标HItd超过预警阈值时，发出报警。

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宁波大学，其通讯地址为：315211 浙江省宁波市江北区风华路818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”。