龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：同济大学;上海勘测设计研究院有限公司;上海晟德瑞新能源科技有限公司
申请日：2024-05-06
公开（公告）日：2024-06-28
公开（公告）号：CN118261305A
主分类号：G06Q10/04
分类号：G06Q10/04;G06Q50/06;G06F18/25;G06F18/214;G06N3/0475;G06N3/094;G06F16/36;G06F16/215;G06N3/0464;G06F18/2135;G06F18/2134;G06N3/088;G06N3/0895
优先权：
专利状态码：在审-公开
法律状态：2024.06.28#公开
摘要：本申请提供一种风电设备故障预测方法、系统、介质及终端，通过构建风电设备故障预测模型，并基于所述风电设备故障预测模型，根据获取到的风电设备的实时运行数据进行故障预测，并在预测到故障时发出预警信号。本发明基于多种数据源和多个模态融合的生成式人工智能技术，能够在多个方面提高风电设备故障预测的准确性和效率，降低了预测成本，避免了人工巡检耗时、预测成本高的缺陷，同时保证了风电设备预测的安全性。通过风电设备上的多种传感器采集到的运行数据集、以及不同风电检测装置采集到的监控数据集，从而提供更加全面的数据支持，通过多源数据融合，提高故障诊断的准确性和可靠性，降低了设备损坏的风险和维修成本。
主权项：1.一种风电设备故障预测方法，其特征在于，包括：构建风电设备故障预测模型；基于所述风电设备故障预测模型，根据获取到的风电设备的实时运行数据进行故障预测，并在预测到故障时发出预警信号；其中，所述风电设备故障预测模型的构建方式包括：获取风电设备的原始样本数据集；所述原始样本数据集包括风电设备上的多种传感器采集到的运行数据集、以及不同风电检测装置采集到的监控数据集；对所述原始样本数据集中的运行数据集、监控数据集分别进行数据预处理，以获取符合预设分析模式的目标样本运行数据集以及目标样本故障数据集；对所述目标样本运行数据集以及目标样本故障数据集进行特征提取及特征融合，并基于预设的风电故障知识图谱，得到训练数据集；所述训练数据集包括运行训练数据集和故障训练数据集；基于深度对抗网络模型对所述训练数据集进行对抗训练，以构建风电设备故障预测模型。
全文数据：
权利要求：
百度查询： 同济大学;上海勘测设计研究院有限公司;上海晟德瑞新能源科技有限公司 风电设备故障预测方法、系统、介质及终端
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号