CN117006000A - 一种分离式风力发电机监测装置 - Google Patents
一种分离式风力发电机监测装置 Download PDFInfo
- Publication number
- CN117006000A CN117006000A CN202310985910.9A CN202310985910A CN117006000A CN 117006000 A CN117006000 A CN 117006000A CN 202310985910 A CN202310985910 A CN 202310985910A CN 117006000 A CN117006000 A CN 117006000A
- Authority
- CN
- China
- Prior art keywords
- equipment
- aerogenerator
- voiceprint
- audio data
- scheme matching
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000012806 monitoring device Methods 0.000 title claims abstract description 18
- 238000012423 maintenance Methods 0.000 claims abstract description 43
- 238000012544 monitoring process Methods 0.000 claims abstract description 18
- 238000004364 calculation method Methods 0.000 claims abstract description 15
- 230000002159 abnormal effect Effects 0.000 claims description 36
- 238000013528 artificial neural network Methods 0.000 claims description 22
- 238000001228 spectrum Methods 0.000 claims description 20
- 238000001514 detection method Methods 0.000 claims description 19
- 238000012549 training Methods 0.000 claims description 12
- 238000004891 communication Methods 0.000 claims description 6
- 238000013480 data collection Methods 0.000 claims description 4
- 238000006467 substitution reaction Methods 0.000 claims description 4
- 230000005540 biological transmission Effects 0.000 claims description 3
- 238000013461 design Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 7
- 238000009434 installation Methods 0.000 abstract description 3
- 238000010248 power generation Methods 0.000 description 8
- 238000010606 normalization Methods 0.000 description 5
- 238000011156 evaluation Methods 0.000 description 2
- 230000004913 activation Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000000034 method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F03—MACHINES OR ENGINES FOR LIQUIDS; WIND, SPRING, OR WEIGHT MOTORS; PRODUCING MECHANICAL POWER OR A REACTIVE PROPULSIVE THRUST, NOT OTHERWISE PROVIDED FOR
- F03D—WIND MOTORS
- F03D17/00—Monitoring or testing of wind motors, e.g. diagnostics
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
- G01N29/04—Analysing solids
- G01N29/12—Analysing solids by measuring frequency or resonance of acoustic waves
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
- G06N3/0455—Auto-encoder networks; Encoder-decoder networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/049—Temporal neural networks, e.g. delay elements, oscillating neurons or pulsed inputs
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/20—Administration of product repair or maintenance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/03—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the type of extracted parameters
- G10L25/18—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the type of extracted parameters the extracted parameters being spectral information of each sub-band
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/27—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the analysis technique
- G10L25/30—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the analysis technique using neural networks
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/48—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use
- G10L25/51—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2291/00—Indexing codes associated with group G01N29/00
- G01N2291/02—Indexing codes associated with the analysed material
- G01N2291/028—Material parameters
- G01N2291/0289—Internal structure, e.g. defects, grain size, texture
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Computational Linguistics (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Acoustics & Sound (AREA)
- Life Sciences & Earth Sciences (AREA)
- Signal Processing (AREA)
- Human Resources & Organizations (AREA)
- General Engineering & Computer Science (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Economics (AREA)
- Multimedia (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- General Business, Economics & Management (AREA)
- Biophysics (AREA)
- Data Mining & Analysis (AREA)
- Tourism & Hospitality (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Chemical & Material Sciences (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Biomedical Technology (AREA)
- Entrepreneurship & Innovation (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Sustainable Development (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Sustainable Energy (AREA)
- Combustion & Propulsion (AREA)
- Mechanical Engineering (AREA)
- Public Health (AREA)
Abstract
本发明公开了一种分离式风力发电机监测装置,包括风力发电机运行部件声纹数据采集设备、边缘计算设备、维修方案匹配设备和告警设备;通过设置风力发电机部件声纹数据采集设备、边缘计算设备和维修方案匹配设备,能够有效对风力发电机的运行部件进行监测,同时依据监测结果匹配相对应的维修方案,实现及时维修的效果,此外,通过将风力发电机部件声纹数据采集设备安装于风力发电机各运行部件位置处,将边缘计算设备、维修方案匹配设备和告警设备安装于监控中心,实现分离式安装,能够便于对各设备进行维修工作,进一步提高维修效果。
Description
技术领域
本发明涉及风力发电机监测技术领域,尤其涉及一种分离式风力发电机监测装置。
背景技术
风力发电走向规模化应用还是在20世纪90年代以后,风力发电的装机容量开始以每年平均20%以上的速度增长,已成为世界上各种能源中增长最快的一种。
风力发电场一般都处于高山,草原,戈壁,沿海等自然条件较恶劣的区域,风电机组又处于数十至百米高的塔筒上,其运行均是无人值守,风电机组的主轴承、齿轮箱、发电机、叶轮等任何部位产生故障,将会影响机组的出力及机组的安全运行,为此,给各个运行的风力发电机配置在线状态监测系统是必须的。
发明内容
有鉴于此,本发明提出一种分离式风力发电机监测装置,可以实现对风力发电机进行监测的效果。
本发明的技术方案是这样实现的:
一种分离式风力发电机监测装置,包括风力发电机运行部件声纹数据采集设备、边缘计算设备、维修方案匹配设备和告警设备,所述风力发电机部件声纹数据采集设备用于采集风力发电机运行部件的声纹数据,所述边缘计算设备用于控制风力发电机运行部件声纹数据采集设备采集风力发电机运行部件的声纹数据,以及依据声纹数据进行风力发电机运行部件异常识别,所述维修方案匹配设备用于依据异常识别结果进行维修方案匹配,所述告警设备用于依据异常识别结果进行告警,所述风力发电机部件声纹数据采集设备基于传输协议与所述边缘计算设备通信连接,所述边缘计算设备分别与所述维修方案匹配设备和告警设备通信连接,所述风力发电机部件声纹数据采集设备安装于风力发电机各运行部件位置处,所述边缘计算设备、维修方案匹配设备和告警设备安装于监控中心。
作为所述分离式风力发电机监测装置的进一步可选方案,所述风力发电机运行部件声纹数据采集设备包括拾音器和多路声卡,所述拾音器用于采集各运行部件的音频数据,所述多路声卡用于转发所述音频数据至所述边缘计算设备。
作为所述分离式风力发电机监测装置的进一步可选方案,所述边缘计算设备包括参数设置模块、异常声纹检测模型和计算模块,所述参数设置模块用于设置采集参数,并依据采集参数生成控制信号,所述异常声纹检测模型用于对各运行部件的音频数据进行编辑,所述计算模块用于依据输入的音频数据和编辑后的音频数据进行评分,得到异常监测结果。
作为所述分离式风力发电机监测装置的进一步可选方案,所述异常声纹检测模型使用梯度替代算法设计基于脉冲神经网络进行构建,具体包括:
设计脉冲神经网络的编码器结构组成;
设计脉冲神经网络的解码器结构组成;
设计编码器和解码器的传播方式;
采集风力发电机正常运行状态下各运行部件的音频数据对脉冲神经网络进行训练,得到异常声纹检测模型。
作为所述分离式风力发电机监测装置的进一步可选方案,所述计算模块包括梅尔频谱特征计算模块、均值计算模块和判断模块,所述梅尔频谱特征计算模块用于计算输入的音频数据的梅尔频谱特征和编辑后的音频数据的梅尔频谱特征,所述均值计算模块用于计算输入的音频数据的梅尔频谱特征和编辑后的音频数据的梅尔频谱特征的差的平方,并依据差的平方进行均值计算,得到评分结果,所述判断模块用于判断评分结果是否落入正常阈值区间。
作为所述分离式风力发电机监测装置的进一步可选方案,所述维修方案匹配设备采用基于深度神经网络生成的方案匹配模型,所述方案匹配模型输入为异常监测结果,所述方案匹配模型输出为维修方案。
作为所述分离式风力发电机监测装置的进一步可选方案,所述基于深度神经网络生成的方案匹配模型,具体包括:
采集各种运行部件异常结果以及相对应的维修方案作为训练集;
将所述训练集输入深度神经网络中进行训练,得到方案匹配模型。
作为所述分离式风力发电机监测装置的进一步可选方案,所述告警设备包括云服务器、显示屏和短信平台,所述显示屏和短信平台分别与所述云服务器连接,所述边缘计算设备与所述云服务器连接。
本发明的有益效果是:通过设置风力发电机部件声纹数据采集设备、边缘计算设备和维修方案匹配设备,能够有效对风力发电机的运行部件进行监测,同时依据监测结果匹配相对应的维修方案,实现及时维修的效果,此外,通过将风力发电机部件声纹数据采集设备安装于风力发电机各运行部件位置处,将边缘计算设备、维修方案匹配设备和告警设备安装于监控中心,实现分离式安装,能够便于对各设备进行维修工作,进一步提高维修效果。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明一种分离式风力发电机监测装置的组成示意图。
具体实施方式
下面将对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本发明的一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
参考图1,一种分离式风力发电机监测装置,包括风力发电机运行部件声纹数据采集设备、边缘计算设备、维修方案匹配设备和告警设备,所述风力发电机部件声纹数据采集设备用于采集风力发电机运行部件的声纹数据,所述边缘计算设备用于控制风力发电机运行部件声纹数据采集设备采集风力发电机运行部件的声纹数据,以及依据声纹数据进行风力发电机运行部件异常识别,所述维修方案匹配设备用于依据异常识别结果进行维修方案匹配,所述告警设备用于依据异常识别结果进行告警,所述风力发电机部件声纹数据采集设备基于传输协议与所述边缘计算设备通信连接,所述边缘计算设备分别与所述维修方案匹配设备和告警设备通信连接,所述风力发电机部件声纹数据采集设备安装于风力发电机各运行部件位置处,所述边缘计算设备、维修方案匹配设备和告警设备安装于监控中心。
在本实施例中,通过设置风力发电机部件声纹数据采集设备、边缘计算设备和维修方案匹配设备,能够有效对风力发电机的运行部件进行监测,同时依据监测结果匹配相对应的维修方案,实现及时维修的效果,此外,通过将风力发电机部件声纹数据采集设备安装于风力发电机各运行部件位置处,将边缘计算设备、维修方案匹配设备和告警设备安装于监控中心,实现分离式安装,能够便于对各设备进行维修工作,进一步提高维修效果。
优选的,所述风力发电机运行部件声纹数据采集设备包括拾音器和多路声卡,所述拾音器用于采集各运行部件的音频数据,所述多路声卡用于转发所述音频数据至所述边缘计算设备。
在本实施例中,各运行部件的音频数据包括但不限于风力发电机的主轴承、齿轮箱、发电机和叶轮等运行部位的音频数据。
优选的,所述边缘计算设备包括参数设置模块、异常声纹检测模型和计算模块,所述参数设置模块用于设置采集参数,并依据采集参数生成控制信号,所述异常声纹检测模型用于对各运行部件的音频数据进行编辑,所述计算模块用于依据输入的音频数据和编辑后的音频数据进行评分,得到异常监测结果。
在本实施例中,通过参数设置模块设置采集参数,依据采集参数生成控制信号,并发送至风力发电机运行部件声纹数据采集设备中,风力发电机运行部件声纹数据采集设备依据控制信号采集风力发电机运行部件的声纹数据,将声纹数据发送至异常声纹检测模型,异常声纹检测模型输出该声纹数据的特征分布,得到编辑后的音频数据,计算模块依据输入的音频数据和编辑后的音频数据进行评分,并依据评分结果进行判断,得到异常监测结果。
优选的,所述异常声纹检测模型使用梯度替代算法设计基于脉冲神经网络进行构建,具体包括:
设计脉冲神经网络的编码器结构组成;
设计脉冲神经网络的解码器结构组成;
设计编码器和解码器的传播方式;
采集风力发电机正常运行状态下各运行部件的音频数据对脉冲神经网络进行训练,得到异常声纹检测模型。
在本实施例中,通过使用梯度替代算法设计基于脉冲神经网络的结构组成和传播方式,能够提高异常声纹检测模型的实时性,需要说明的是,设计异常声纹检测模型编码器部分:
编码器部分由一系列全连接层、归一化层和脉冲激活函数组成,每个全连接层的输出经过批归一化处理和LIF脉冲神经元进行激活;
编码器的结构如下:输入层、线性层(128维)、批归一化、LIFNode、线性层(128维)、批归一化、LIFNode、线性层(128维)、批归一化、LIFNode、线性层(128维)、批归一化、LIFNode、线性层(8维)、批归一化、LIFNode。
设计异常声纹检测模型解码器部分:
解码器的结构如下:线性层(8维)、批归一化、LIFNode、线性层(128维)、批归一化、LIFNode、线性层(128维)、批归一化、LIFNode、线性层(128维)、批归一化、LIFNode、线性层(128维)、批归一化、LIFNode、线性层(与输入层维度相同)。
设计编码器和解码器的传播方式如下:
在前向传播过程中,输入x首先经过编码器部分,得到编码器的输出encoder;
然后,将编码器的输出作为输入,经过解码器部分,得到解码器的输出decoder;
最终,将解码器的输出作为模型的输出返回;
该模型采用编码器-解码器结构,通过编码器将输入数据映射到低维空间表示,再通过解码器将低维表示恢复为与输入数据相同维度的输出,这种结构可以用于实现特征提取、降维和重构等任务。
优选的,所述计算模块包括梅尔频谱特征计算模块、均值计算模块和判断模块,所述梅尔频谱特征计算模块用于计算输入的音频数据的梅尔频谱特征和编辑后的音频数据的梅尔频谱特征,所述均值计算模块用于计算输入的音频数据的梅尔频谱特征和编辑后的音频数据的梅尔频谱特征的差的平方,并依据差的平方进行均值计算,得到评分结果,所述判断模块用于判断评分结果是否落入正常阈值区间。
在本实施例中,通过提取输入异常声纹检测模型的音频数据的梅尔频谱特征和异常声纹检测模型输出结果的梅尔频谱特征,并依据两者之间的差的平方,得到每个样本的评估得分,根据评估得分区间对风机音频进行异常判断,能够提高异常数据监测的准确性。
优选的,所述维修方案匹配设备采用基于深度神经网络生成的方案匹配模型,所述方案匹配模型输入为异常监测结果,所述方案匹配模型输出为维修方案。
优选的,所述基于深度神经网络生成的方案匹配模型,具体包括:
采集各种运行部件异常结果以及相对应的维修方案作为训练集;
将所述训练集输入深度神经网络中进行训练,得到方案匹配模型。
优选的,所述告警设备包括云服务器、显示屏和短信平台,所述显示屏和短信平台分别与所述云服务器连接,所述边缘计算设备与所述云服务器连接。
以上所述仅为本发明的较佳实施方式而已,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (8)
1.一种分离式风力发电机监测装置,其特征在于,包括风力发电机运行部件声纹数据采集设备、边缘计算设备、维修方案匹配设备和告警设备,所述风力发电机部件声纹数据采集设备用于采集风力发电机运行部件的声纹数据,所述边缘计算设备用于控制风力发电机运行部件声纹数据采集设备采集风力发电机运行部件的声纹数据,以及依据声纹数据进行风力发电机运行部件异常识别,所述维修方案匹配设备用于依据异常识别结果进行维修方案匹配,所述告警设备用于依据异常识别结果进行告警,所述风力发电机部件声纹数据采集设备基于传输协议与所述边缘计算设备通信连接,所述边缘计算设备分别与所述维修方案匹配设备和告警设备通信连接,所述风力发电机部件声纹数据采集设备安装于风力发电机各运行部件位置处,所述边缘计算设备、维修方案匹配设备和告警设备安装于监控中心。
2.根据权利要求1所述的一种分离式风力发电机监测装置,其特征在于,所述风力发电机运行部件声纹数据采集设备包括拾音器和多路声卡,所述拾音器用于采集各运行部件的音频数据,所述多路声卡用于转发所述音频数据至所述边缘计算设备。
3.根据权利要求2所述的一种分离式风力发电机监测装置,其特征在于,所述边缘计算设备包括参数设置模块、异常声纹检测模型和计算模块,所述参数设置模块用于设置采集参数,并依据采集参数生成控制信号,所述异常声纹检测模型用于对各运行部件的音频数据进行编辑,所述计算模块用于依据输入的音频数据和编辑后的音频数据进行评分,得到异常监测结果。
4.根据权利要求3所述的一种分离式风力发电机监测装置,其特征在于,所述异常声纹检测模型使用梯度替代算法设计基于脉冲神经网络进行构建,具体包括:
设计脉冲神经网络的编码器结构组成;
设计脉冲神经网络的解码器结构组成;
设计编码器和解码器的传播方式;
采集风力发电机正常运行状态下各运行部件的音频数据对脉冲神经网络进行训练,得到异常声纹检测模型。
5.根据权利要求4所述的一种分离式风力发电机监测装置,其特征在于,所述计算模块包括梅尔频谱特征计算模块、均值计算模块和判断模块,所述梅尔频谱特征计算模块用于计算输入的音频数据的梅尔频谱特征和编辑后的音频数据的梅尔频谱特征,所述均值计算模块用于计算输入的音频数据的梅尔频谱特征和编辑后的音频数据的梅尔频谱特征的差的平方,并依据差的平方进行均值计算,得到评分结果,所述判断模块用于判断评分结果是否落入正常阈值区间。
6.根据权利要求5所述的一种分离式风力发电机监测装置,其特征在于,所述维修方案匹配设备采用基于深度神经网络生成的方案匹配模型,所述方案匹配模型输入为异常监测结果,所述方案匹配模型输出为维修方案。
7.根据权利要求6所述的一种分离式风力发电机监测装置,其特征在于,所述基于深度神经网络生成的方案匹配模型,具体包括:
采集各种运行部件异常结果以及相对应的维修方案作为训练集;
将所述训练集输入深度神经网络中进行训练,得到方案匹配模型。
8.根据权利要求7所述的一种分离式风力发电机监测装置,其特征在于,所述告警设备包括云服务器、显示屏和短信平台,所述显示屏和短信平台分别与所述云服务器连接,所述边缘计算设备与所述云服务器连接。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310985910.9A CN117006000A (zh) | 2023-08-07 | 2023-08-07 | 一种分离式风力发电机监测装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310985910.9A CN117006000A (zh) | 2023-08-07 | 2023-08-07 | 一种分离式风力发电机监测装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117006000A true CN117006000A (zh) | 2023-11-07 |
Family
ID=88574039
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310985910.9A Pending CN117006000A (zh) | 2023-08-07 | 2023-08-07 | 一种分离式风力发电机监测装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117006000A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117905656A (zh) * | 2024-03-20 | 2024-04-19 | 南京土星视界科技有限公司 | 一种风机叶片在线监测装置 |
-
2023
- 2023-08-07 CN CN202310985910.9A patent/CN117006000A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117905656A (zh) * | 2024-03-20 | 2024-04-19 | 南京土星视界科技有限公司 | 一种风机叶片在线监测装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7199608B2 (ja) | 風力タービン翼を検査するための方法および装置、ならびにそれらの機器および記憶媒体 | |
CN108252873B (zh) | 一种风力发电机组在线数据监测及其性能评估的系统 | |
CN110985309B (zh) | 偏航对风异常检测方法、装置、设备和存储介质 | |
WO2022048186A1 (zh) | 振动监控系统、风力发电系统及风电场 | |
US9581141B2 (en) | Early detection of wind turbine degradation using acoustical monitoring | |
CN103835882A (zh) | 大型风力发电机组状态监测与故障诊断系统 | |
CN112324629A (zh) | 一种基于振动和声音的风电叶片早期损伤监测系统及方法 | |
CN113298134B (zh) | 一种基于bpnn的风机叶片远程非接触健康监测系统和方法 | |
CN117006000A (zh) | 一种分离式风力发电机监测装置 | |
CN104101652B (zh) | 一种基于音频信号的风电叶片损伤监测方法及监测系统 | |
CN111878322B (zh) | 风力发电机装置 | |
CN114723285A (zh) | 一种电网设备安全性评估预测方法 | |
CN111222205A (zh) | 一种桨叶开度监测管理系统及方法 | |
CN114061743A (zh) | 风力发电机组的振动监测方法、装置、设备及介质 | |
CN111412114B (zh) | 一种基于定子电流包络谱的风电机组叶轮不平衡检测方法 | |
CN103926075A (zh) | 一种提高风电机组齿轮箱故障分析精度的方法 | |
CN115064183A (zh) | 一种基于人工智能算法的风力发电机组运行状态监测方法和系统 | |
CN114114006A (zh) | 一种风力发电机诊断装置及其诊断方法 | |
CN116163894A (zh) | 一种风电场风机叶片状态检测方法、系统及存储介质 | |
CN113431800A (zh) | 一种实时判别风机运行状态的方法 | |
CN112464151A (zh) | 一种基于声学诊断的风电机组偏航系统异音诊断方法 | |
CN108397358A (zh) | 一种风力发电机组多点效率检测方法和系统 | |
CN205280152U (zh) | 风电次同步振荡监测系统 | |
CN115855461B (zh) | 一种风电机组风机叶片噪音异常系统和方法 | |
CN219081774U (zh) | 一种风力机叶片状态监测系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |