基于深度学习网络的数据驱动风电系统孪生方法及系统
授权
摘要
本发明涉及一种基于深度学习网络的数据驱动风电系统孪生方法及系统，属于数字孪生技术领域，首先基于单目视觉的三维重建方法生成物理实体静态模型，然后构建双重深度学习网络模型，利用双重深度学习网络模型获得风电系统中物理实体的动态运行模拟过程，并构建用于预测风电系统发电功率的长短时记忆神经网络规则模型，利用长短时记忆神经网络规则模型预测发电功率，最后利用数字孪生平台将风电系统中物理实体的动态运行模拟过程、预测发电功率与物理实体静态模型结合，实现孪生风电系统中物理实体的三维可视化，实现了对风电系统设备的远程监控与管理，提高其运维水平，并实现短期风电功率预测。
基本信息
专利标题 ：
基于深度学习网络的数据驱动风电系统孪生方法及系统
专利标题（英）：
暂无
公开（公告）号 ：
CN114297947A
申请号 ：
CN202210213632.0
公开（公告）日 ：
2022-04-08
申请日 ：
2022-03-07
授权号 ：
CN114297947B
授权日 ：
2022-05-27
发明人 ：
武昕刘宇航余昊杨
申请人 ：
华北电力大学
申请人地址 ：
北京市昌平区回龙观镇北农路2号
代理机构 ：
北京高沃律师事务所
代理人 ：
王爱涛
优先权 ：
CN202210213632.0
主分类号 ：
G06F30/27
IPC分类号 ：
G06F30/27 G06N3/00 G06N3/04 G06N3/08 G06Q10/04 G06Q50/06 G06T17/00 H02J3/00 H02J3/38 H02J13/00
IPC结构图谱
G
G部——物理
G06
计算；推算或计数
G06F
电数字数据处理
G06F30/27
使用机器学习，例如人工智能，神经网络，支持向量机或训练模型
法律状态
2022-05-27 ：
授权
2022-04-08 ：
公开
注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
暂无PDF文件可下载
