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！

龙图腾网获悉沈阳工业大学申请的专利基于SCADA数据提取的风电机组Bladed建模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：CN115495883B 。

龙图腾网通过国家知识产权局官网在2026-04-21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：202211009509.3，技术领域涉及：G06F30/20；该发明授权基于SCADA数据提取的风电机组Bladed建模方法是由邢作霞;柴有琢;段佳帅;陈雷;刘洋;刘璟璐;陈明阳;张玥设计研发完成，并于2022-08-22向国家知识产权局提交的专利申请。

本基于SCADA数据提取的风电机组Bladed建模方法在说明书摘要公布了：本发明基于SCADA数据提取的风电机组Bladed建模方法，涉及用真实风电机组的运行数据建立等同于该工况的Bladed模型的方法。其特征在于对风电场采集到的SCADA数据进行数据预处理，用最小二乘法和模糊加权最小二乘法对风电机组不同工况的运行状态、Bladed的机组建模，对所研究工况的SCADA风速进行风文件的制作，使Bladed风文件风速可以代替真实风速，最后使用不同的风文件对其进行仿真，对仿真结果的运行参数与修复后的选取的SCADA系统的运行参数进行对比分析。本发明的目的在于解决如何模拟风电机组的故障，避免事故的发生；并且可对风电机组实现优化控制，实现风电机组安全、稳定、高效的运行。

本发明授权基于SCADA数据提取的风电机组Bladed建模方法在权利要求书中公布了：1.一种基于SCADA数据提取的风电机组Bladed建模方法，其特征在于：该方法按照以下步骤进行： 1对风电场采集到的风电机组SCADA数据进行数据预处理，即对风速-功率、转速-转矩和风速-桨距角的缺失数据和错误数据进行修复； 2提出模糊加权最小二乘法，并用最小二乘法和模糊加权最小二乘法对风电机组不同工况的运行状态进行数据建模，并对两种模型的优劣度进行分析，选择出模型精度更高的模型； 3根据风电机组的机组参数进行Bladed的机组建模，对叶片、叶轮、轮毂、塔架、机舱、传动链和发电机进行数字化建模； 4对所研究工况的SCADA风速进行风文件的制作，并对风文件和原风速进行欧式距离的偏差度分析，使Bladed风文件风速可以代替真实风速； 5最后使用SCADA数据对控制器进行系统辨识以及参数整定，将得到的PI参数输入到Bladed控制器中，使用不同的风文件对其进行仿真，对仿真结果的运行参数与修复后的选取的SCADA系统的运行参数进行对比，并对其运行状态和模糊集权最小二乘法建立的模型进行对比分析； 模糊加权最小二乘法算法的步骤如下所示： 1根据最小二乘法的方法得到转速和转矩模型的函数； 2将转矩代入到式中，计算中转矩和步骤1得到的函数的偏离度；式中，为第个不需要修复的值，为所对应第个的值，是1……n的自然数； 3确定阈值数量，根据隶属函数进行计算； 4由最大隶属原则将转矩数据分配到对应的模糊子集，并根据模糊子集分配对转矩附加权值； 5将附加了权值的转矩带入式中，计算可以得到模糊加权后的转速和转矩模型的函数； 所述步骤4对风文件的制作的具体步骤如下： ①首先将SCADA系统中的风速数据处理为三列风速数据，分别为X、Y、Z三个方向的数据，由于实际中很难获得Y、Z方向的风速数据，故将这两个方向设置为0，然后将真实风速保存为.txt格式，保证采用频率即时间间隔保持一致，X、Y、Z列数据用Tab间隔开，可以同时处理多个变量数据； ②对湍流风参数进行设置；其中风轮方向的综合计算能力，节点小于5m；机组高度方向的综合计算能力，节点小于5m；能够覆盖风轮的直径，取值时要大于风轮直径；能覆盖整个机组的高度，取值时要大于轮毂高度和风轮半径的和；风速的仿真时长，标准为600s；风速的采用频率，该频率的取值大于10Hz；所取样本SCADA数据的平均风速；不同的随机数产生不同的风文件；③对Kaimal模型进行参数设置，设置Kaimal选择General；其中模型参数为：Longitudinal=8.1L；Lateral=2.7L；Vertical=0.66L；Coherencyscaleparameter=8.1L；Coherencydelayconstant=12；其中L为尺度参数，根据轮毂高度H来确定； ④在湍流风参数设置窗口中添加所处理好的SCADA系统数据txt文件路径，对SCADA数据的风速进行平均风速的设置。

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沈阳工业大学，其通讯地址为：110870 辽宁省沈阳市铁西区经济技术开发区沈辽西路111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。