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！

龙图腾网获悉河海大学申请的专利一种考虑风速波动的风电系统变流器开路故障鲁棒性诊断方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120068644B 。

龙图腾网通过国家知识产权局官网在2026-05-05发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510209918.5，技术领域涉及：G06F30/27；该发明授权一种考虑风速波动的风电系统变流器开路故障鲁棒性诊断方法是由朱瑛;孙彬;卫志农;孙国强;滕德红;臧海祥;黄蔓云;周亦洲;韩海腾;陈胜设计研发完成，并于2025-02-25向国家知识产权局提交的专利申请。

本一种考虑风速波动的风电系统变流器开路故障鲁棒性诊断方法在说明书摘要公布了：本发明公开了一种考虑风速波动的风电变流器开路故障鲁棒性诊断方法：建立轮毂高度处三组典型的等效风速数据，并随机选取一组用于建模。通过仿真和实验获取三相电流信号，并对其进行实时幅值归一化；使用滑动窗口对预处理的三相电流数据进行连续采样，运用马尔可夫转移场将时序数据转换为图像数据，最终结合形成一个整体数据集；对数据集进行清洗和打乱，按比例划分为训练集和验证集，并基于改进的GRU‑ResCNN‑Atnn组合神经网络进行同步训练，保存训练完成的模型；选取剩余两组等效风速数据生成测试数据集，评估模型性能并微调参数，确立最佳诊断模型。在机组实际运行中，通过该模型对变流器功率管的异常状态进行实时监测和诊断。

本发明授权一种考虑风速波动的风电系统变流器开路故障鲁棒性诊断方法在权利要求书中公布了：1.一种考虑风速波动的风电系统变流器开路故障鲁棒性诊断方法，其特征在于，该方法包括以下步骤： S1，建立三组轮毂高度处等效风速数据，并随机选取一组用于建模，包括如下步骤： 步骤1.1对风电机组运行环境中轮毂高度处的实际风速进行测量，筛选出能够反映目标地区风速典型变化模式，包括稳定风速、波动风速和阵风在内的三组风速数据；其中，num代表风速数据数量，矩阵的第一行表示稳定风速，第二行为波动风速，第三行则表示阵风风速； S2，基于所选风速数据通过仿真和实验获取变流器输出的三相电流信号，使用实时幅值归一化方法对三相电流进行预处理； S3，通过考虑风速波动的滑动窗口对预处理的三相电流数据进行连续采样，得到时序数据集，利用马尔可夫转移场对时序数据集进行转换得到图像数据集，将时序数据集与图像数据集结合为一个整体数据集；包括如下步骤： 步骤3.1利用发电机转速自回归模型建立考虑风速波动的滑动窗口，消除风速波动导致转速波动对故障诊断的影响，先使用自回归模型预测下一时刻转速值，公式如下： 6 式中，nrt为t时刻转速值，c为常数，φi为模型参数，q为模型阶数，ε为误差项；自回归模型参数通过历史转速数据，结合最小二乘法拟合得出，根据前q个时刻转速nr1,nr2…,nrq，预测下一时刻转速nrq+1，从而得平均转速： 7 设滑动窗口基准大小为Wb，移动步长基准为Sb，转速基准为nrb，则当前滑动窗口大小和移动步长分别为： 8 9 式中，rand为随机取整函数； S4，对数据集清洗打乱后按预定比例划分成训练集和验证集，将训练集与验证集分别输入至基于改进GRU-ResCNN-Atnn的组合式神经网络模型中进行同步训练，保存训练完成后的模型；包括如下步骤： 步骤4.1首先对数据集Data进行清洗打乱，通过计算标准差剔除异常样本，随机抽取80%作为训练集，余下20%作为测试集； 步骤4.2建立基于改进GRU-ResCNN-Atnn的组合式神经网络模型；将门控循环神经网络GRU作为支路1处理三相电流时序数据，在正常门控循环神经网络链式结构的中间位置引入跳跃连接，将中间隐状态映射到与最终隐状态相同的维度，设共有L个门控递归单元，则中间位置的电流序列隐状态记为h[L2]，同时，在跳跃连接中引入全连接层，其公式如下所示： 13 式中，x、y为全连接层输入和输出向量，w和b分别为全连接层的权重矩阵和偏执向量，s为ReLU函数，记最后一个门控递归单元输出电流序列隐状态为hL，则改进循环神经网络输出的最终隐状态为，hgru中包含h[L2]的非线性变换； 将残差卷积神经网络ResCNN作为支路2处理三相电流MTF变换图像，对于输入的MTF图像M和卷积核K，输出的MTF特征图Y表示为： 14 式中，i、j是输出特征图的位置，m、l是卷积核的尺寸，和bij分别是对应的权重和偏移系数，卷积层后连接激活函数，批量归一化BN层被放置在卷积层或全连接层之后、激活函数之前，对每个批量batch中的激活值进行归一化处理；诊断模型的卷积支路通过自适应平均池化层，将最终的特征图Y’调整为指定的输出尺寸，假设Y’的大小为Hin×Win，期望的输出尺寸为Hout×Wout，则期望的MTF特征图Y’’由下式计算得出： 15 式中，input_height和input_width分别为Y’中每个计算区域input_region的长度和宽度，i'、j'是input_region的位置，NY为input_region内的元素个数，i、j是期望特征图Y’’的位置； 使用注意力机制编码器对支路1和支路2的输出特征进行融合，提取出最后用于故障分类的特征结构； S5，选取剩下两组等效风速数据，按步骤S2-S3得到测试数据集，将此测试集清洗后应用于保存的模型中，并据此调整模型参数，确立最优诊断模型； S6，机组实际运行时，通过最优诊断模型对机组变流器功率管异常状态进行实时监测诊断。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人河海大学，其通讯地址为：210000 江苏省南京市江宁区佛城西路8号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。