[发明专利]模型训练方法及系统、储能逆变器及基于其的预测方法

权利要求书

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，用于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；

训练模块，用于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。

7.如权利要求6所述的模型训练系统，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。

8.一种储能逆变器，其特征在于，包括如权利要求6或7所述的模型训练系统、当前数据获取模块以及预测模块；

所述模型训练系统用于训练出所述目标模型；

所述当前数据获取模块用于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；

所述预测模块用于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。

9.如权利要求8所述的储能逆变器，其特征在于，所述储能逆变器还包括：

计算模块，用于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；

请求模块，用于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。

10.如权利要求9所述的储能逆变器，其特征在于，所述储能逆变器还包括：

显示模块，用于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。