基于多源异构SCADA数据的风电机组状态监测方法（高校公示15天）（不包年费滞纳金）（需要二变）

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。

《基于多源异构SCADA数据的风电机组状态监测方法（高校公示15天）（不包年费滞纳金）（需要二变）》是一发明专利，专利号为 2022107787968，当前法律状态为已下证，由宁波大学提出申请，发明人为陈帅;谯自健;束学道;谢重阳;李涛，申请日期为2022-06-30，公开（公告）日期为2025-09-02，国际专利分类号（IPC）为 F03D 17/00 (2016.01)，高新资质：未报高企。该专利已下发证书，权利稳定，适合直接办理转让过户，是企业申报高企、项目招投标、质押融资的优质标的。赋翼网提供从选品、尽调、合同签订到官方著录项目变更（过户）的一站式专利转让服务，专业顾问全程协助，确保交易合规、安全、高效。专利摘要：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。

海量优质专利即买即用，四大核心优势助您弯道超车：
🏆 拿资质，享红利：高企认定、专精特新必备！轻松获取政府补贴、税收减免，招投标直接加分！
💎 增信誉，融资金：支持实缴注册资金，彰显企业硬实力；支持专利质押贷款，盘活现金流，扩张不缺钱！
🔥 强背书，防抄袭：印上“专利产品”，客户更信赖！构建技术壁垒，把竞争对手挡在门外，稳占市场份额！
🚀 省时间，快变现：告别漫长研发与高风险！优质专利即买即用，让技术立刻变成真金白银的利润！