[发明专利]基于边缘计算和深度学习的风电机组测控系统及测控方法

权利要求书

1.一种基于边缘计算和深度学习的风电机组测控系统，其特征在于，包括：总服务器和安装在风电机组每个风机上的端传感器、端控制器、端服务器及风机主控，其中，

端传感器位于风机上待监控部件的位置，用于采集待监控部件数据；

端控制器连接端传感器和端服务器，端控制器存储有对应的深度学习模型，端控制器用于获取端传感器的采集数据，并通过深度学习模型对采集数据进行边缘计算处理，将处理结果存储在端服务器中和基于处理结果生成相应的风机控制指令；

端服务器连接总服务器，并将处理结果上传至总服务器，总服务器用于获取端服务器上传的处理结果和通过端服务器向端控制器下发对应的深度学习模型；

风机主控连接端控制器或者端服务器，当风机主控连接端控制器时，风机主控直接从端控制器获取风机控制指令，并根据控制指令对风机进行控制；当风机主控连接端服务器时，风机主控用于从端服务器获取端控制器生成的风机控制指令，并根据控制指令对风机进行控制。

2.根据权利要求1所述的基于边缘计算和深度学习的风电机组测控系统，其特征在于，每台风机具有一个对应的端服务器和至少一个端控制器，端控制器位于待监控部件的周围，一个端控制器所监控的端传感器数量为1个或者1个以上；

多台风机的端服务器连接同一个总服务器，每个端服务器安装在对应风机的塔底平台，并且连接风机上的端控制器。

3.根据权利要求1所述的基于边缘计算和深度学习的风电机组测控系统，其特征在于，端传感器类型包括加速度传感器、应变传感器、温度传感器、风速传感器；风机上所监控部件包括叶片、塔筒螺栓。

4.根据权利要求1所述的基于边缘计算和深度学习的风电机组测控系统，其特征在于，端服务器存储的数据包括原始的端传感器数据、边缘计算后的特征数据和风机控制的历史数据。

5.根据权利要求1所述的基于边缘计算和深度学习的风电机组测控系统，其特征在于，端传感器通过通信线缆连接端控制器，风机主控通过通信线缆连接端控制器或者端服务器，端控制器通过通信线缆连接端服务器，端服务器通过有线连接或者无线连接的方式连接总服务器。

6.一种基于边缘计算和深度学习的风电机组测控方法，其特征在于，所述方法应用于权利要求1～5中任一项所述的基于边缘计算和深度学习的风电机组测控系统，具体包括如下步骤：

总服务器通过每台风机的端服务器将对应的深度学习模型下发给每台风机的端控制器；

当风机在运行时，风机上的端传感器采集所监控部件的数据，并发送给端控制器；

端控制器接收端传感器的采集数据，然后通过深度学习模型对采集数据进行边缘计算处理，得出处理结果并存储在端服务器中，并且基于处理结果直接或者通过端服务器向风机主控发送相应的风机控制指令；

风机主控从端控制器或者端服务器获取风机控制指令，并根据风机控制指令对风机进行控制，同时，端服务器将处理结果上传给总服务器。

7.根据权利要求6所述的基于边缘计算和深度学习的风电机组测控方法，其特征在于，方法还包括：总服务器定期从端服务器获取其存储的数据，并基于数据对对应的深度学习模型进行优化，然后通过端服务器向端控制器发送优化后的深度学习模型，使端控制器内的模型得以更新。