買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉杭州電子科技大學;江蘇省國信研究院有限公司;東北電力大學;金風科技股份有限公司申請的專利基于大模型的風電機組設備故障診斷方法與系統獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN120257099B 。

龍圖騰網通過國家知識產權局官網在2025-08-26發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202510748409.X，技術領域涉及：G06F18/2415；該發明授權基于大模型的風電機組設備故障診斷方法與系統是由張澤輝;王昕;劉洲;徐曉濱;鄭梁;王翔;周飛;范思遠;黃煜明;尹陸媛設計研發完成，并于2025-06-06向國家知識產權局提交的專利申請。

本基于大模型的風電機組設備故障診斷方法與系統在說明書摘要公布了：基于大模型的風電機組設備故障診斷方法和系統，方法包括以下步驟：根據正常數據初始化特征集；根據各候選特征的混合得分選擇多個候選特征保存到特征集中；利用時序分段算法對正常數據進行樣本劃分并構建多維時空特征表示；構建故障診斷模型，包括：加載大語言模型作為基礎架構，將多維時空特征表示注入大語言模型的嵌入輸入層；在大語言模型的輸出后接入自適應池化層，構建雙層MLP分類器，用于實現對不同故障類型的識別與分類；雙層MLP分類器的首層將輸入特征壓縮到原特征維度的一半并施加GELU激活，雙層MLP分類器的第二層映射到對應的故障類別空間；構建知識機理庫，為模型提供風電機組先驗知識并設計風電機組知識驅動的損失函數，進行模型訓練。

本發明授權基于大模型的風電機組設備故障診斷方法與系統在權利要求書中公布了：1.基于大模型的風電機組設備故障診斷方法，其特征在于，包括以下步驟： S1、采集并清洗風電機組數據，獲得清洗后數據； S2、建立數據異常判定規則；利用所述數據異常判定規則對所述清洗后數據進行判定，獲得正常數據； S3、根據所述正常數據初始化特征集；計算各候選特征的混合得分，根據所述混合得分選擇多個所述候選特征保存到所述特征集中，包括： S31、根據所述正常數據，提取各特征列數據，計算各所述特征列數據的均值和標準差； S32、根據所述均值和所述標準差對所述特征列數據進行標準化處理，返回標準化特征列數據； S33、初始化特征集，計算各所述候選特征的所述混合得分； 所述混合得分的計算公式為： ； 式中，MI為各所述候選特征數據歸一化后的互信息量；Accuracy表示采用基于梯度提升決策樹模型基于當前候選特征的診斷性能指標；Redundancy為所述候選特征與已選特征的平均皮爾遜相關系數絕對值；α、γ為權重參數； S4、根據所述特征集，利用時序分段算法對所述正常數據進行樣本劃分并構建多維時空特征表示； S5、構建故障診斷模型，包括： 加載大語言模型作為基礎架構，將所述多維時空特征表示注入大語言模型的嵌入輸入層； 在大語言模型的輸出后接入自適應池化層，構建雙層MLP分類器，用于實現對不同故障類型的識別與分類；所述雙層MLP分類器的首層將輸入特征壓縮到原特征維度的一半并施加GELU激活，所述雙層MLP分類器的第二層映射到對應的故障類別空間； S6、構建知識機理庫；所述知識機理庫用于提供風電機組先驗知識；根據所述風電機組先驗知識設計風電機組知識驅動的損失函數；利用所述損失函數對所述故障診斷模型進行訓練。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人杭州電子科技大學;江蘇省國信研究院有限公司;東北電力大學;金風科技股份有限公司，其通訊地址為：310018 浙江省杭州市錢塘區白楊街道2號大街1158號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。