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！

龙图腾网恭喜华北电力大学(保定)申请的专利基于改进ILOF-LSTM-Gamma算法的风电机组可靠性评估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：CN119783562B 。

龙图腾网通过国家知识产权局官网在2025-06-03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：202510279562.2，技术领域涉及：G06F30/27；该发明授权基于改进ILOF-LSTM-Gamma算法的风电机组可靠性评估方法是由唐贵基;王海朋;刘子轩;李远超;何玉灵;卢洪昌;牛宇航;孙凯;吴学伟设计研发完成，并于2025-03-11向国家知识产权局提交的专利申请。

本基于改进ILOF-LSTM-Gamma算法的风电机组可靠性评估方法在说明书摘要公布了：本发明公开了基于改进ILOF‑LSTM‑Gamma算法的风电机组可靠性评估方法，涉及电力技术领域，包括：通过SCADA系统获得风电机组各关键部件的历史状态数据；采ILOF算法对所述历史状态数据进行预处理，获得预处理后的数据；基于改进自适应多头注意力机制和改进LSTM网络方法建立风电机组性能退化预测模型，将所述预处理后的数据输入所述风电机组性能退化预测模型，获得预测后的风电机组性能数据；采用双层改进非线性Gamma过程建立风电机组可靠性评估模型，将预测后的风电机组性能数据输入所述风电机组可靠性评估模型，获得风电机组可靠性评估结果。本发明提升了风电机组性能退化预测的精度，并提高了评估结果的准确率。

本发明授权基于改进ILOF-LSTM-Gamma算法的风电机组可靠性评估方法在权利要求书中公布了：1.基于改进ILOF-LSTM-Gamma算法的风电机组可靠性评估方法，其特征在于，包括：通过SCADA系统获得风电机组各关键部件的历史状态数据；采用改进前置局部异常因子算法对所述历史状态数据进行预处理，获得预处理后的数据；基于改进自适应多头注意力机制和改进LSTM网络方法建立风电机组性能退化预测模型，将所述预处理后的数据输入所述风电机组性能退化预测模型，获得预测后的风电机组性能数据；采用双层改进非线性Gamma过程建立风电机组可靠性评估模型，将预测后的风电机组性能数据输入所述风电机组可靠性评估模型，获得风电机组可靠性评估结果；所述风电机组各关键部件包括齿轮箱部件、发电机部件、变桨系统部件和偏航系统部件；所述齿轮箱部件的历史状态数据包括油温、振动、齿轮磨损状态；所述发电机部件的历史状态数据包括电压、电流、温度、功率输出；所述变桨系统部件的历史状态数据包括变桨角度、控制信号、电机电流；所述偏航系统部件的历史状态数据包括偏航角度、偏航电机工作状态；采用改进前置局部异常因子算法对所述历史状态数据进行预处理，获得预处理后的数据包括：采用改进三次样条插值方法进行对所述历史状态数据进行补充，获得补充数据集；基于所述补充数据集采用离群点检测算法去除不符合物理意义的数据，获得每个数据点的改进局部离群因子，若所述改进局部离群因子大于预设离群点阈值，则此数据点为离群点，获得预处理后的数据；采用改进三次样条插值方法进行对所述历史状态数据进行补充包括： ；约束条件为： ； ； ；其中，为三次样条插值函数；、和分别为待求插值系数；为不同部件的状态数据，为不同部件；为第个部件的第个插值位置；为第个部件的第个插值数据；为三次样条插值函数在第个部件的第个插值位置处的一阶导数；为三次样条插值函数在第个部件的第个插值位置处的二阶导数；为每个部件的数据长度；基于所述补充数据集采用离群点检测算法去除不符合物理意义的数据，获得每个数据点的改进局部离群因子包括：将n维空间中点S和点O的欧氏距离为： ；其中，为第个部件的历史状态数据中，数据点到数据点的距离；为根据每个部件的健康状态范围不同；为在数据点邻域内到数据点距离为的点；计算改进局部可达密度为： ；其中，为改进局部可达密度；为在数据点的邻域内，数据点中到数据点的第可达距离；为数据点的邻域长度；计算每个部件状态数据的改进局部离群因子： ；其中，为数据点的改进局部离群因子；为数据点的改进局部可达密度；为数据点的改进局部可达密度；获得预测后的风电机组性能数据包括： ；其中，为经过改进自适应多头注意力机制处理的风电机组性能退化数据；为连接函数；为可学习的权重输出矩阵；采用双层改进非线性Gamma过程建立风电机组可靠性评估模型包括：基于改进非线性Gamma过程建立上层风电机组评估模型；基于改进浣熊优化算法建立非线性Gamma过程未知参数的下层优化模型；基于改进非线性Gamma过程建立上层风电机组评估模型包括：将步骤3预测的风电机组性能退化数据导入改进非线性Gamma过程： ；其中，、分别为形状参数；为关于t的连续非线性函数；为尺度随机函数；为可调参数；为尺度参数； ；其中，为Gamma函数；为风电机组各部件性能退化过程的概率密度函数；进一步得到分布函数为： ；将风电机组整体失效阈值设置为各关键部件达到失效阈值的时间，得到风电机组可靠性的评估模型为： ；基于改进浣熊优化算法建立非线性Gamma过程未知参数的下层优化模型包括： ；其中，为0-1之间的随机数；为非线性Gamma过程未知参数的位置函数；取值为未知参数集{}；为标准正态分布函数；为最优位置；为随机整数；M为浣熊数量； ；采用以下方法进行位置更新： ；其中，、分别为随迭代次数变化的参数下界和上界。

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(保定)，其通讯地址为：071003 河北省保定市永华北大街619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”。