[发明专利]发电机温度预警方法及系统

权利要求书

1.一种发电机温度预警方法，其特征在于，包括：

获取发电机的运行状态数据、环境数据、风资源数据、气隙数据以及气隙变化数据；

利用预设的深度学习模型，对所述运行状态数据、环境数据、风资源数据、气隙数据以及气隙变化数据学习得到所述发电机温度的预警阈值；

在所述发电机的温度大于所述预警阈值时，生成告警信号。

2.根据权利要求1所述的发电机温度预警方法，其特征在于，所述发电机包括风力发电机，所述运行状态数据包括功率控制数据、发电机转速数据、发电机温度数据、以及发电机轴电压数据；

所述环境数据包括发电机所处环境的温度数据、湿度数据；

所述风资源数据包括风速数据、风向数据以及湍流数据。

3.根据权利要求2所述的发电机温度预警方法，其特征在于，所述利用预设的深度学习模型，对所述运行状态数据、环境数据、风资源数据、气隙数据以及气隙变化数据学习得到所述发电机温度的预警阈值的步骤包括：

利用预设的神经网络学习模型，对所述运行状态数据、环境数据、风资源数据、气隙数据以及气隙变化数据学习得到所述发电机温度的预警阈值。

4.根据权利要求3所述的发电机温度预警方法，其特征在于，所述利用预设的神经网络学习模型，对所述运行状态数据、环境数据、风资源数据、气隙数据以及气隙变化数据学习得到所述发电机温度的预警阈值的步骤包括：

确定所述运行状态数据、环境数据、风资源数据、气隙数据以及气隙变化数据的对应的权重；

利用预设的神经网络学习模型，利用所述对应的权重分别对所述运行状态数据、环境数据、风资源数据、气隙数据以及气隙变化数据加权后学习得到所述发电机温度的预警阈值。

5.根据权利要求4所述的发电机温度预警方法，其特征在于，所述确定所述运行状态数据、环境数据、风资源数据、气隙数据以及气隙变化数据的对应的权重的步骤包括：

利用遗传算法确定所述运行状态数据、环境数据、风资源数据、气隙数据以及气隙变化数据的对应的权重；其中，所述遗传算法在利用所述对应的权重分别对所述运行状态数据、环境数据、风资源数据、气隙数据以及气隙变化数据加权后学习得到所述发电机温度的预警阈值产生的误告警次数最小时收敛。

6.一种发电机温度预警系统，其特征在于，包括：

数据获取模块，用于获取发电机的运行状态数据、环境数据、风资源数据、气隙数据以及气隙变化数据；

深度学习模块，用于利用预设的深度学习模型，对所述运行状态数据、环境数据、风资源数据、气隙数据以及气隙变化数据学习得到所述发电机温度的预警阈值；

温度预警模块，用于在所述发电机的温度大于所述预警阈值时，生成告警信号。

7.根据权利要求6所述的发电机温度预警系统，其特征在于，所述发电机包括风力发电机，所述运行状态数据包括功率控制数据、发电机转速数据、发电机温度数据、以及发电机轴电压数据；

所述环境数据包括发电机所处环境的温度数据、湿度数据；

所述风资源数据包括风速数据、风向数据以及湍流数据。

8.根据权利要求7所述的发电机温度预警系统，其特征在于，所述深度学习模块具体用于：利用预设的神经网络学习模型，对所述运行状态数据、环境数据、风资源数据、气隙数据以及气隙变化数据学习得到所述发电机温度的预警阈值。

9.根据权利要求8所述的发电机温度预警系统，其特征在于，还包括：

权重确定模块，用于：确定所述运行状态数据、环境数据、风资源数据、气隙数据以及气隙变化数据的对应的权重；

所述深度学习模块进一步具体用于：利用预设的神经网络学习模型，利用所述对应的权重分别对所述运行状态数据、环境数据、风资源数据、气隙数据以及气隙变化数据加权后学习得到所述发电机温度的预警阈值。

10.根据权利要求9所述的发电机温度预警系统，其特征在于，所述权重确定模块具体用于：利用遗传算法确定所述运行状态数据、环境数据、风资源数据、气隙数据以及气隙变化数据的对应的权重；其中，所述遗传算法在利用所述对应的权重分别对所述运行状态数据、环境数据、风资源数据、气隙数据以及气隙变化数据加权后学习得到所述发电机温度的预警阈值产生的误告警次数最小时收敛。