模型训练方法及系统、储能逆变器及基于其的预测方法技术方案

本发明专利技术公开了一种模型训练方法及系统、储能逆变器及基于其的预测方法，模型训练方法包括以下步骤：获取多个风力发电机的历史数据，所述历史数据包括历史属性数据、历史运行数据、历史环境数据以及历史寿命数据；将获取的历史数据输入至神经网络模型中进行训练，获取用于预测风力发电机寿命的目标模型。本发明专利技术能够对储能逆变器相配合的风力发电机的寿命进行准确预测，并能够在风力发电机寿命终结之前进行相应的信息显示以及发出风机更换请求，从而能够保证老化的风力发电机能够被及时更换，保证风力发电机以及储能逆变器的正常工作。保证风力发电机以及储能逆变器的正常工作。保证风力发电机以及储能逆变器的正常工作。

【技术实现步骤摘要】
模型训练方法及系统、储能逆变器及基于其的预测方法


[0001]本专利技术涉及模型训练领域，特别涉及一种模型训练方法及系统、储能逆变器及基于其的预测方法。

技术介绍

[0002]储能逆变器(PCS，Power Converter System)是微网储能系统同电网与储能电池连接的关键部件，其一方面可以同电网进行柔性的连接，对电网输送或吸收有功及无功，另一方面可以对储能电池进行充放电控制及对电池进行维护。现有的储能逆变器并不具备针对风力发电机的预测功能，无法对与其配合工作的风力发电机进行预测，进而无法确定风力发电机的更换时间，导致影响到风力发电机及储能逆变器的工作。

技术实现思路

[0003]本专利技术要解决的技术问题是为了克服现有技术中储能逆变器并不具备针对风力发电机的预测功能，无法对与其配合工作的风力发电机进行预测的缺陷，提供一种模型训练方法及系统、储能逆变器及基于其的预测方法。
[0004]本专利技术是通过下述技术方案来解决上述技术问题：
[0005]本专利技术提供了一种模型训练方法，包括以下步骤：
[本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种模型训练方法，其特征在于，包括以下步骤：获取多个风力发电机的历史数据，所述历史数据包括历史属性数据、历史运行数据、历史环境数据以及历史寿命数据；将获取的历史数据输入至神经网络模型中进行训练，获取用于预测风力发电机寿命的目标模型。2.如权利要求1所述的模型训练方法，其特征在于，所述历史属性数据包括风力发电机的材料数据，所述历史运行数据包括风力发电机的载荷数据，所述历史环境数据包括风力发电机所处运行环境的温度数据、湿度数据、风力数据、位置数据。3.一种基于储能逆变器的预测方法，其特征在于，包括以下步骤：在所述储能逆变器中利用如权利要求1或2所述的模型训练方法训练出所述目标模型；获取与所述储能逆变器相配合的待预测风力发电机的当前数据，所述当前数据包括所述待预测风力发电机的当前属性数据、当前运行数据以及当前环境数据；将所述当前属性数据、当前运行数据以及当前环境数据输入至所述目标模型中，获取所述待预测风力发电机的预测寿命数据。4.如权利要求3所述的基于储能逆变器的预测方法，其特征在于，所述预测方法还包括：根据所述预测寿命数据计算所述待预测风力发电机的寿命终结时间；在所述寿命终结时间之前的一预设时间段内向后台发送风机更换请求。5.如权利要求4所述的基于储能逆变器的预测方法，其特征在于，所述预测方法还包括：实时显示所述待预测风力发电机的预测寿命数据以及寿命终结时间。6.一种模型训练系统，其特征在于，包括：历史数据获取模块，用...

【专利技术属性】
技术研发人员：陈欣，吴文俊，王典，董瑢，王秀芳，董红赞，
申请(专利权)人：上海电动工具研究所集团有限公司，
类型：发明
国别省市：