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！

龍圖騰網獲悉中國船舶重工集團海裝風電股份有限公司;華北電力大學申請的專利一種風力發電機的缺失狀態變量填補方法及裝置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：CN116680567B 。

龍圖騰網通過國家知識產權局官網在2025-09-12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：202310684853.0，技術領域涉及：G06F18/214；該發明授權一種風力發電機的缺失狀態變量填補方法及裝置是由陶建權;胡陽;何璇;趙經瑋;冉軍設計研發完成，并于2023-06-09向國家知識產權局提交的專利申請。

本一種風力發電機的缺失狀態變量填補方法及裝置在說明書摘要公布了：本申請提供了一種風力發電機的缺失狀態變量填補方法及裝置，其中，利用隨機森林算法從待選特征變量集中確定出至少一個特征輸入變量；利用整體訓練樣本集對用于對風力發電狀態的缺失數據進行填補的第一初始模型進行模型訓練得到第一目標模型；利用整體測試樣本集對第一目標模型進行測試得到第一目標模型的缺失數據填補準確率；判斷第一目標模型的缺失數據填補準確率是否超過標準準確率；若超過，則將目標風力發電機的參考狀態變量輸入至第一目標模型得到待填補狀態變量的預測值；將待填補狀態變量的預測值填補至待填補狀態變量中得到目標風力發電機的完整預測狀態信息。采用上述方法，以實現對風力發電機的缺失狀態變量進行填補。

本發明授權一種風力發電機的缺失狀態變量填補方法及裝置在權利要求書中公布了：1.一種風力發電機的缺失狀態變量填補方法，其特征在于，所述方法包括： 根據預先配置的特征輸出變量，利用隨機森林算法從待選特征變量集中確定出至少一個特征輸入變量，其中，所述待選特征變量集中包括目標風力發電機的至少一個狀態特征變量，至少一個所述特征輸入變量為所述特征輸出變量的強相關變量； 利用整體訓練樣本集對用于對風力發電狀態的缺失數據進行填補的第一初始模型進行模型訓練得到第一目標模型，其中，所述整體訓練樣本集中的訓練輸出樣本為至少一個所述特征輸出變量中的滿足預設數量的特征輸出變量，所述整體訓練樣本集中的訓練輸入樣本為所述整體訓練樣本集中的訓練輸出樣本的強相關變量； 利用整體測試樣本集對所述第一目標模型進行測試得到所述第一目標模型的缺失數據填補準確率，其中，所述整體測試樣本集中的測試輸出樣本為至少一個所述特征輸出變量中除所述訓練輸出樣本以外的其余特征輸出變量，所述整體測試樣本集中的測試輸入樣本為所述整體測試樣本集中的測試輸出樣本的強相關變量； 判斷所述第一目標模型的缺失數據填補準確率是否超過標準準確率； 若所述第一目標模型的缺失數據填補準確率超過標準準確率，則將所述目標風力發電機的參考狀態變量輸入至所述第一目標模型得到所述目標風力發電機的待填補狀態變量的預測值，其中，所述參考狀態變量為所述目標風力發電機的狀態特征變量中未缺失的特征變量，所述待填補狀態變量為所述目標風力發電機的狀態特征變量中存在缺失的特征變量； 將所述待填補狀態變量的預測值填補至所述待填補狀態變量中得到所述目標風力發電機的完整預測狀態信息； 在判斷所述第一目標模型的缺失數據填補準確率是否超過標準準確率后，所述方法還包括； 若所述第一目標模型的缺失數據填補準確率未超過所述標準準確率，則利用赤池信息量準則確定出至少一個所述特征輸入變量和所述特征輸出變量之間的延遲階次； 根據所述延遲階次將至少一個所述特征輸入變量進行作用域劃分得到至少一組特征輸入變量組，其中，每組所述特征輸入變量組中的特征輸入變量均落入相同的變量區間內； 對于每組所述特征輸入變量組，將該特征輸入變量組中的每個特征輸入變量作為第二初始模型的模型輸入，將該特征輸入變量組中的每個特征輸入變量的強相關變量作為第二初始模型的模型輸出，對所述第二初始模型進行模型訓練得到通過該特征輸入變量組訓練得到的第二目標模型； 利用第三目標模型對所述目標風力發電機的待填補狀態變量進行填補，其中，所述第三目標模型為利用目標特征輸入變量組訓練得到的第二目標模型，所述目標特征輸入變量組為所包含的特征輸入變量落入目標區間內的特征輸入變量組，所述目標區間為所述目標風力發電機的缺失狀態數據的強相關變量所落入的變量區間。

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中國船舶重工集團海裝風電股份有限公司;華北電力大學，其通訊地址為：404100 重慶市渝北區北部新區經開園金渝大道30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”。