基于深度学习的风电场机组状态监测与故障预警系统及方法

本发明提出了一种基于深度学习的风电场机组状态监测与故障预警系统及方法，属于风力发电与人工智能领域。该系统采用云边协同架构，边缘计算终端并行运行数据驱动的时空预测模型和物理数字孪生模型，通过计算双轨残差并与动态预警阈值比较来初筛异常。云端平台在异常发生时，接收包含传感器、模型状态和运维文本的多模态数据，并利用融合了风电故障知识图谱的诊断模型进行深度根因分析，生成可解释的诊断报告。本发明实现了数据与物理模型的深度融合，通过“数据‑物理”双轨驱动的方式，显著提升了故障监测的精准性、诊断的可解释性及运维决策的智能化水平。