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！

申请/专利权人：国网甘肃省电力公司酒泉供电公司;酒泉市兴达建筑安装工程有限责任公司

摘要：本发明公开了一种风力发电机组智能识别方法及系统，涉及数据加密技术领域，包括，安装声学传感器和环境监测设备，实时采集声纹数据及环境参数；对声纹数据进行降噪处理和特征提取，建立故障声纹数据库并构建动态自适应风能模型，自适调整模型参数，将提取的声纹特征与故障声纹数据库进行匹配，结合动态自适应风能模型的输出，确认故障部位和类型，分析环境变化对故障识别的影响。本发明通过智能化提升风电运维效率与可靠性，通过优化数据处理、特征提取及模型预测，实现精准故障诊断，精细化声纹处理与自适应风能模型增强识别精度与环境适应性，综合分析确保故障即时维修与设备长期健康，推动风电行业可持续发展。

主权项：1.一种风力发电机组智能故障识别方法，其特征在于，包括：风力发电机组安装有声学传感器和环境监测设备，实时采集声纹数据及环境参数；对声纹数据进行降噪处理和特征提取，获取声纹特征；利用声纹特征建立故障声纹数据库；基于深度学习构建动态自适应风能模型和实时采集的环境参数，自适应调整动态自适应风能模型参数，计算风能环境品质系数和风力发电机组在当前环境下的预期性能指标；将提取的声纹特征与故障声纹数据库进行匹配，识别异常声纹模式；基于异常声纹模式和动态自适应风能模型，进行初步故障定位；将初步故障定位与预期性能指标进行综合分析，确认故障部位和类型，分析环境变化对故障识别的影响；所述基于深度学习构建动态自适应风能模型和实时采集的环境数据，自适应调整动态自适应风能模型参数，计算风能环境品质系数和风力发电机组在当前环境下的预期性能指标，具体步骤如下：将深度学习和长短记忆网络LSTM处理时序数据相结合，构建动态自适应风能模型，表达式为： ；其中，表示在时间t的预期性能指标，代表动态自适应风能模型的参数集合，Vt是风速时序，Tt是温度时序，Ht是湿度时序，θt是风向时序；根据模型中的学习机制，根据新的实时数据不断微调自身参数，表达式为： ；其中，是学习率，是损失函数关于长短记忆网络LSTM参数的梯度，是实际测量的功率输出，是更新后的模型参数，是更新前的模型参数，表示在时间t的预期性能指标；在模型训练和自适应调整的基础上，定义风能环境品质系数Q为一个复合指标，表达式为： ；其中，V是风速，θ是风向角，T是温度，H是湿度，是基于风速和风向角的函数，β是温度相关的衰减系数，γ是湿度相关的衰减系数，T0是参考温度，η是用于调整尺度的常数，是表示自然对数的底；利用训练好的动态自适应风能模型，输入当前实时的环境参数，模型输出为风力发电机组在当前环境下的预期性能指标，模型的输出计算依赖于长短记忆网络LSTM的前向传播机制，通过一系列非线性变换和权重调整，将输入的环境特征映射到预期性能的预测值上。

全文数据：

权利要求：

百度查询： 国网甘肃省电力公司酒泉供电公司 酒泉市兴达建筑安装工程有限责任公司 一种风力发电机组智能识别方法及系统