一种海上风电变流器报警装置
    1.
    发明公开

    公开(公告)号:CN118397799A

    公开(公告)日:2024-07-26

    申请号:CN202410369110.9

    申请日:2024-03-28

    IPC分类号: G08B21/14

    摘要: 本发明公开了一种海上风电变流器报警装置,包括变流器主体,包括变流器本体、设置在变流器主体上的通风口,以及设置在变流器本体上并与通风口连接的过滤网;以及,换气单元,包括设置在变流器本体上并位于过滤网两侧的滑槽板、设置在两个滑槽板之间的固定板。该海上风电变流器报警装置,通过进气管等结构将外界的空气吹入连接框和活动架之间密封的空间,吹动活动架和密封条活动直至将通气口堵住,在气体持续吹入的情况下,推压杆会推动密封板远离密封口,使得变流器本体内部与移动框之间为气体可相互流通的状态,此时气体进入变流器本体内部与其内部的有害气体进行混合淡化处理,从而及时处理有害气体超标的问题。

    基于深度神经网络的风电机组齿轮箱故障监测方法及系统

    公开(公告)号:CN115450854A

    公开(公告)日:2022-12-09

    申请号:CN202211031754.4

    申请日:2022-08-26

    IPC分类号: F03D17/00 F03D15/00 F03D7/04

    摘要: 本发明公开了基于深度神经网络的风电机组齿轮箱故障监测方法,包括如下步骤:先获取风电机组齿轮箱的数据信息,并进行处理;然后建立基于深度神经网络的故障诊断模型;其次将处理后的数据信息输入所述故障诊断模型,由故障诊断模型诊断待测风电机组齿轮箱的工况类型;最后监视风电机组齿轮箱的工况类型,并在判断为故障状态时触发警报。本发明通过获取风电机组齿轮箱的多种数据信息,并引入深度学习技术,建立了深度神经网络模型,综合提取了风电机组齿轮箱的故障信号中的特征,基于此对风电机组齿轮箱的工况进行识别,达到自动提取风电机组齿轮箱正常工况与故障工况的特征,相较于采用人工定义的特征,该方法能得到更高的故障诊断正确率。