System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及数据处理,具体涉及一种智能化的桨距异常检测方法及系统。
技术介绍
1、风力发电机组是可再生能源的重要来源,但在实际运行过程中,常常面临各种异常情况,其中桨距异常是一个常见的问题,桨距异常会导致发电效率降低、设备损坏等后果。因此,实时、准确地检测桨距异常对于确保风力发电机组的稳定运行至关重要。传统方法往往基于固定的阈值或简单的规则,缺乏对大量运行数据的分析和学习,难以应对复杂多变的实际情况。现有技术存在桨距异常检测准确度不高的技术问题。
技术实现思路
1、本申请通过提供一种智能化的桨距异常检测方法及系统,有效解决了现有技术中存在的桨距异常检测准确度不高的技术问题,达到了通过构建基于样本运行数据库的深度学习模型,实现更准确地识别桨距异常的技术效果。
2、本申请提供了一种智能化的桨距异常检测方法及系统,所述技术方案如下:
3、第一方面,本申请实施例提供了一种智能化的桨距异常检测方法,所述方法包括:
4、交互目标风力发电机组,进行传感器网络配置,获取异常监测传感器网络,其中,所述异常监测传感器网络包括风速传感器、转速传感器、桨距传感器;
5、获取目标风力发电机组历史运行数据,建立样本运行数据库,其中,所述样本运行数据库包括正常样本数据与异常样本数据;
6、基于所述样本运行数据库,构建异常生成模型与异常判别模型,并进行所述异常生成模型与所述异常判别模型的对抗训练;
7、根据对抗训练结果,获取桨距异常判别模型
8、激活所述异常监测传感器网络,进行目标风力发电机组的实时传感采集,获取实时运行数据;
9、传输所述实时运行数据至所述机组管理中心,进行目标机组的桨距异常检测,获取异常检测结果。
10、第二方面,本申请实施例提供了一种智能化的桨距异常检测系统,所述系统包括:
11、异常监测传感器网络获取模块,所述异常监测传感器网络获取模块用于交互目标风力发电机组,进行传感器网络配置,获取异常监测传感器网络,其中,所述异常监测传感器网络包括风速传感器、转速传感器、桨距传感器;
12、样本运行数据库建立模块,所述样本运行数据库建立模块用于获取目标风力发电机组历史运行数据,建立样本运行数据库,其中,所述样本运行数据库包括正常样本数据与异常样本数据;
13、对抗训练模块,所述对抗训练模块用于基于所述样本运行数据库,构建异常生成模型与异常判别模型,并进行所述异常生成模型与所述异常判别模型的对抗训练;
14、桨距异常判别模型获取模块,所述桨距异常判别模型获取模块用于根据对抗训练结果,获取桨距异常判别模型,部署于机组管理中心;
15、实时传感采集模块,所述实时传感采集模块用于激活所述异常监测传感器网络,进行目标风力发电机组的实时传感采集,获取实时运行数据;
16、桨距异常检测模块,所述桨距异常检测模块用于传输所述实时运行数据至所述机组管理中心,进行目标机组的桨距异常检测,获取异常检测结果。
17、本申请实施例中提供的一个或多个技术方案,至少具有如下技术效果或优点:
18、本申请通过交互目标风力发电机组,进行传感器网络配置,获取异常监测传感器网络,其中,所述异常监测传感器网络包括风速传感器、转速传感器、桨距传感器,然后获取目标风力发电机组历史运行数据,建立样本运行数据库,其中,所述样本运行数据库包括正常样本数据与异常样本数据,进而基于所述样本运行数据库,构建异常生成模型与异常判别模型,并进行所述异常生成模型与所述异常判别模型的对抗训练,再根据对抗训练结果,获取桨距异常判别模型,部署于机组管理中心,然后激活所述异常监测传感器网络,进行目标风力发电机组的实时传感采集,获取实时运行数据,最后传输所述实时运行数据至所述机组管理中心,进行目标机组的桨距异常检测,获取异常检测结果。有效解决了现有技术中存在的桨距异常检测准确度不高的技术问题,达到了通过构建基于样本运行数据库的深度学习模型,实现更准确地识别桨距异常的技术效果。
本文档来自技高网...【技术保护点】
1.一种智能化的桨距异常检测方法,其特征在于,所述方法包括:
2.如权利要求1所述的方法,其特征在于,所述方法包括:
3.如权利要求2所述的方法,其特征在于,获取目标风力发电机组的异常响应方案,构建异常响应矩阵,包括:
4.如权利要求1所述的方法,其特征在于,交互目标风力发电机组,进行传感器网络配置,获取异常监测传感器网络,所述方法包括:
5.如权利要求4所述的方法,其特征在于,基于所述配置验证结果,进行所述现状传感器网络的更新配置,获取所述异常监测传感器网络,所述方法还包括:
6.如权利要求5所述的方法,其特征在于,根据对抗训练结果,获取桨距异常判别模型,所述方法还包括:
7.如权利要求6所述的方法,其特征在于,所述方法还包括:
8.一种智能化的桨距异常检测系统,其特征在于,所述系统包括:
【技术特征摘要】
1.一种智能化的桨距异常检测方法,其特征在于,所述方法包括:
2.如权利要求1所述的方法,其特征在于,所述方法包括:
3.如权利要求2所述的方法,其特征在于,获取目标风力发电机组的异常响应方案,构建异常响应矩阵,包括:
4.如权利要求1所述的方法,其特征在于,交互目标风力发电机组,进行传感器网络配置,获取异常监测传感器网络,所述方法包括:
5...
【专利技术属性】
技术研发人员:郭鹏,徐志轩,吴雨晴,张舒翔,程学文,帅超,曹庆才,郭旭峰,
申请(专利权)人:大唐可再生能源试验研究院有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。