摘要
本发明涉及风电设备技术领域,公开了一种用于风电设备的智能分析和故障预警方法及系统,该方法包括:提取风电设备上各个传感器采集的运行数据集,划分为第一运行数据集和第二运行数据集;按照设置的传输时间分别传输第一运行数据集和第二运行数据集;对第一运行数据集中的运行数据进行时间序列分析、相关性分析、聚类分析,识别数据的模式和趋势;利用深度学习模型对第二运行数据集中的运行数据进行故障特征识别分类;进行量化评估,设置优先级,结合优先级进行故障预警,本发明对运行数据智能分析,识别数据的模式和趋势,利用深度学习模型对运行数据进行故障预警分析,提高对风电设备健康状态的深度感知能力,使得运维人员及时响应并处理故障。
技术关键词
风电设备
深度学习模型
故障预警方法
故障特征
历史运行数据
故障预警分析
风速传感器
振动传感器
电流传感器
故障预警系统
计算机
智能分析模块
频率
序列
压力传感器
数据传输模块
可读存储介质
温度传感器
系统为您推荐了相关专利信息
冠心病预测方法
长短期记忆网络
深度学习模型
双曲正切函数
参数
运动补偿
双分支网络
心率监测方法
视频
多任务损失函数
人工晶状体
深度学习框架
光学相干断层扫描
深度学习模型
定位标记
异常数据
识别方法
指数
深度学习模型
可读存储介质