[发明专利]一种风电机组健康状态评估模型、方法及系统有效
| 申请号： | 202111174761.5 | 申请日： | 2021-10-09 |
| 公开（公告）号： | CN113807027B | 公开（公告）日： | 2023-08-18 |
| 发明（设计）人： | 赵文清;王继发;昝向艺;贾梦颖;陈帅领 | 申请（专利权）人： | 华北电力大学（保定） |
| 主分类号： | G06F30/27 | 分类号： | G06F30/27;G06N3/0442;G06N3/048;G06N3/08;G06F113/06 |
| 代理公司： | 北京科亿知识产权代理事务所(普通合伙) 11350 | 代理人： | 李兴林 |
| 地址： | 071000 河*** | 国省代码： | 河北;13 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 一种 机组 健康 状态 评估 模型 方法 系统 | ||
【权利要求书】：
1.一种风电机组健康状态评估方法，其特征在于，包括：
将输入的风电机组健康状态评估数据均分为等大小的子数据集；
采用融合多头注意力机制对每个所述子数据集中的数据进行高维度数据的特征提取，得到特征数据；
通过递归神经元特征匹配网络对所述特征数据进行风电机组健康状态的特征匹配，得到匹配结果；
基于所述匹配结果得到所述风电机组的健康评估结果；
对于每个所述子数据集，使用由多个特征提取模块所构建的结构递归神经网络，实现输入高维度数据的特征提取；
一个特征提取模块由多个改进后的长短期记忆块连接组成，即上一个长短期记忆块的输出作为下一个长短期记忆块的输入；
每个长短期记忆块相对应的注意力机制不同，最后通过将多个不同注意力融合，形成新的特征序列，作为下一个特征提取模块的输入；
所述匹配结果包括5维数据，对应不同的风电机组健康状态；
所述递归神经元特征匹配网络为多层特征匹配网络；
采用sigmoid函数和交叉熵损失函数的结合作为新的LSTM损失函数。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于华北电力大学（保定），未经华北电力大学（保定）许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/202111174761.5/1.html，转载请声明来源钻瓜专利网。
