[發明專利]一種風電機組健康狀態評估模型、方法及系統有效
| 申請號： | 202111174761.5 | 申請日： | 2021-10-09 |
| 公開（公告）號： | CN113807027B | 公開（公告）日： | 2023-08-18 |
| 發明（設計）人： | 趙文清;王繼發;昝向藝;賈夢穎;陳帥領 | 申請（專利權）人： | 華北電力大學（保定） |
| 主分類號： | G06F30/27 | 分類號： | G06F30/27;G06N3/0442;G06N3/048;G06N3/08;G06F113/06 |
| 代理公司： | 北京科億知識產權代理事務所(普通合伙) 11350 | 代理人： | 李興林 |
| 地址： | 071000 河*** | 國省代碼： | 河北;13 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 一種 機組 健康 狀態 評估 模型 方法 系統 | ||
【權利要求書】：
1.一種風電機組健康狀態評估方法，其特征在于，包括：
將輸入的風電機組健康狀態評估數據均分為等大小的子數據集；
采用融合多頭注意力機制對每個所述子數據集中的數據進行高維度數據的特征提取，得到特征數據；
通過遞歸神經元特征匹配網絡對所述特征數據進行風電機組健康狀態的特征匹配，得到匹配結果；
基于所述匹配結果得到所述風電機組的健康評估結果；
對于每個所述子數據集，使用由多個特征提取模塊所構建的結構遞歸神經網絡，實現輸入高維度數據的特征提取；
一個特征提取模塊由多個改進后的長短期記憶塊連接組成，即上一個長短期記憶塊的輸出作為下一個長短期記憶塊的輸入；
每個長短期記憶塊相對應的注意力機制不同，最后通過將多個不同注意力融合，形成新的特征序列，作為下一個特征提取模塊的輸入；
所述匹配結果包括5維數據，對應不同的風電機組健康狀態；
所述遞歸神經元特征匹配網絡為多層特征匹配網絡；
采用sigmoid函數和交叉熵損失函數的結合作為新的LSTM損失函數。
下載完整專利技術內容需要扣除積分，VIP會員可以免費下載。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于華北電力大學（保定），未經華北電力大學（保定）許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202111174761.5/1.html，轉載請聲明來源鉆瓜專利網。
