CN103675354A - 一种风速仪故障检测的方法和系统 - Google Patents

Abstract

本申请公开风速仪故障检测的方法和系统，该方法分别获取至少两个以上待测风力机在一定时间内的风速数据，按设置相同时长的时间段进行分段提取，以一选定的待测风力机在各时间段内和在总时间段内的风速数据按照一定周期分组，与其他风速数据对比后的得出多组对应于各时间段的局部风速差值和总时间段的完整风速差值；并得出不同组选定待测风力机和各个参照待测风力机概率分布曲线获取概率分布数据；进行标准化处理生成不同组选定待测风力机和各个参照待测风力机的标准化值，以及与所有参照待测风力机的单项标准化值和综合标准值；得出时间段的两个待测风力机的故障报告信息。本发明解决了难以准确及时的探测到风力机的风速仪故障的问题。

Description

一种风速仪故障检测的方法和系统

技术领域

本申请涉及风力机的风速仪监测领域，更具体地涉及一种风速仪故障检测的方法和系统。

背景技术

现有技术中，风电场都建设在地势开阔且风能资源丰富的地理区域，但自然风是不可控制的，实时都在发生变化，有时风速小于风力发电机组的切入风速，使风力发电难以启动；有时风速又大于风力发电机组可承受的极限风速，对风力发电机组造成破坏。所以，在风力发电机组上都设置有风速仪，以实时监测风速，以便在不同情况下对风机进行启动或停止的控制。

风力机的风速仪需要实时对风速进行监测，即风速仪一直处于工作状态，从而，风速仪发生故障的可能性较高。某些时刻，风力资源大于风机的切入风速，风机的主要部件也都正常运行，但风机却发生表现不佳甚至停机的状况，正是由于风速仪出现故障所导致的。风速仪故障引起的错误往往一开始较为细小因而常常被忽视，风速仪出现故障后监测的风速数值会出现错误，导致控制系统依据风速仪的错误数据进行了错误的控制，最终使得风力机表现不佳甚至停机。而风力机一旦停机，再进行维修的成本是非常巨大的，并且风力机停机也会造成发电量的巨大损失。

但是，由于风场自然风随机多变的特点，很难判断出某一风速仪监测的数据是否出现错误，所以，难以准确及时的探测到风速仪的故障。基于上述风速仪故障判断的不足，便成为亟待解决的技术问题。

发明内容

有鉴于此，本申请所要解决的技术问题是提供了一种风速仪故障检测的方法和系统，以解决难以准确及时的探测到风力机的风速仪故障的问题。

为了解决上述技术问题，本申请公开了一种风速仪故障检测的方法，其特征在于，包括：

分别获取至少两个以上待测风力机在一定时间内的风速数据，将所述风速数据按设置相同时长的时间段进行分段提取，以一选定的待测风力机在各时间段内和在总时间段内对应的风速数据按照一定周期分组，然后分别与其他参照待测风力机的风速数据对比后的得出多组对应于各时间段的局部风速差值和总时间段的完整风速差值；

分别对不同组选定待测风力机和各个参照待测风力机的所述完整风速差值进行权值处理产生对应的权重值，并得出不同组选定待测风力机和各个参照待测风力机的所述局部风速差值的概率分布曲线获取相应的概率分布数据；

将该概率分布数据进行标准化处理生成不同组选定待测风力机和各个参照待测风力机的所述局部风速差值对应的标准化值，结合不同组选定待测风力机和各个参照待测风力机的所述完整风速差值对应的所述权重值进行标准化权值处理生成所述选定的待测风力机与某一特定的参照待测风力机，以及与所有参照待测风力机在不同时间段内的单项标准化值和综合标准值；

根据设置的门限分别对所述在不同时间段内的单项标准化值和综合标准值进行比较，当某一时间段内所述单项标准化值小于所述门限且综合标准值大于门限时、当某一时间段内所述单项标准化值大于门限且综合标准值小于门限时或者当某一时间段内所述单项标准化值和综合标准值均小于门限时，进行记录生成该时间段的两个所述待测风力机的故障报告信息。

进一步地，其中，进一步还包括：

当某一时间段内所述单项标准化值小于所述门限且所述综合标准值大于门限时，进行记录生成该时间段的所述某一参照待测风力机的故障报告信息；

当某一时间段内所述单项标准化值小于门限且综合标准值小于门限时，进行记录生成该时间段的所述选定的待测风力机的故障报告信息；

当某一时间段内所述单项标准化值大于门限且综合标准值均小于门限时，进行记录生成该时间段的所述选定的待测风力机和某一参照待测风力机的故障报告信息。

进一步地，其中，分别对不同组选定待测风力机和各个参照待测风力机的所述完整风速差值进行权值处理产生对应的权重值，进一步为：分别对不同组的所述完整风速差值建立对应的累计分布函数曲线，将不同组所述完整风速差值对应的所述累计分布函数曲线的覆盖面积进行累加产生覆盖面积值，再对该覆盖面积值进行权值处理生成对应的权重值。

进一步地，其中，所述概率分布曲线，进一步为：韦伯累积概率分布曲线。

进一步地，其中，所述按照一定周期分组，进一步为：按照周、月和/或不少于7天的周期分组。

进一步地，其中，将所述风速数据按设置时间段进行分段提取，进一步为：将所述风速数据按设置的以周、月或者整数天为固定值的时间段进行分段提取。

进一步地，其中，分别获取至少两个以上的待测风力机在一定时间内的风速数据，进一步为：分别获取任意地理位置的至少两个以上的待测风力机在一定时间内的风速数据。

为了解决上述技术问题，本申请还公开了一种风速仪故障检测的系统，其特征在于，包括：风速差获取模块、标准化处理模块以及检测判断模块；其中，

所述风速差获取模块，分别获取至少两个以上待测风力机在一定时间内的风速数据，将所述风速数据按设置相同时长的时间段进行分段提取，以一选定的待测风力机在各时间段内和在总时间段内对应的风速数据按照一定周期分组，然后分别与其他参照待测风力机的风速数据对比后的得出多组对应于各时间段的局部风速差值和总时间段的完整风速差值发送至所述标准化处理模块；

所述标准化处理模块，用于对不同组选定待测风力机和各个参照待测风力机的所述完整风速差值进行权值处理产生对应的权重值，并得出不同组选定待测风力机和各个参照待测风力机的所述局部风速差值的概率分布曲线获取相应的概率分布数据，将该概率分布数据进行标准化处理生成不同组的所述局部风速差值对应的标准化值，结合不同组的所述完整风速差值对应的所述权重值进行标准化权值处理生成不同时间段内的综合标准值和单项标准化值发送至所述检测判断模块；

所述检测判断模块，用于根据设置的门限分别对在不同时间段内的单项标准化值和综合标准值进行比较，当某一时间段内所述单项标准化值小于所述门限且综合标准值大于门限时、当某一时间段内所述单项标准化值大于门限且综合标准值小于门限时或者当某一时间段内所述单项标准化值和综合标准值均小于门限时，进行记录生成该时间段的两个所述待测风力机的故障报告信息。

进一步地，其中，所述检测判断模块，进一步还用于：

当某一时间段内所述单项标准化值小于所述门限且所述综合标准值大于门限时，进行记录生成该时间段的所述某一参照待测风力机的故障报告信息；

当某一时间段内所述单项标准化值小于门限且综合标准值小于门限时，进行记录生成该时间段的所述选定的待测风力机的故障报告信息；

当某一时间段内所述单项标准化值大于门限且综合标准值均小于门限时，进行记录生成该时间段的所述选定的待测风力机和某一参照待测风力机的故障报告信息。

进一步地，其中，所述标准化处理模块，进一步用于对不同组选定待测风力机和各个参照待测风力机的所述完整风速差值建立对应的累计分布函数曲线，将不同组所述完整风速差值对应的所述累计分布函数曲线的覆盖面积进行累加产生覆盖面积值，再对该覆盖面积值进行权值处理生成对应的权重值；并得出不同组选定待测风力机和各个参照待测风力机的所述局部风速差值的概率分布曲线获取相应的概率分布数据，将该概率分布数据进行标准化处理生成不同组的所述局部风速差值对应的标准化值，结合不同组的所述完整风速差值对应的所述权重值进行标准化权值处理生成不同时间段内的综合标准值和单项标准化值发送至所述检测判断模块。

进一步地，其中，所述概率分布曲线，进一步为：韦伯累积概率分布曲线。

进一步地，其中，所述按照一定周期分组，进一步为：周、月和/或不少于7天的周期分组。

进一步地，其中，所述时间段，进一步为以周、月或者整数天为固定值的时间段。

进一步地，其中，所述风速差获取模块，进一步用于分别获取任意地理位置的至少两个以上的待测风力机在一定时间内的风速数据，将所述风速数据按设置相同时长的时间段进行分段提取，以一选定的待测风力机在各时间段内和在总时间段内对应的风速数据按照一定周期分组，然后分别与其他参照待测风力机的风速数据对比后的得出多组对应于各时间段的局部风速差值和总时间段的完整风速差值发送至所述标准化处理模块。

与现有技术相比，本申请所述的一种风速仪故障检测的方法和系统，达到了如下效果：

1）本申请对多个风力机上的所述风速仪中的风速数据采取长时间、多分组的方式进行差值处理，并获取基于两个相邻风力机风速仪所记录风速差的单项概率统计和基于多个风力机风速仪所记录风速差的综合概率统计，可以有效识别出数据异常的风速仪，从而进一步准确确定发生故障的风速仪以及故障发生的时间。

2）本申请对获取到的不同风力机上的所述风速仪中的数据进行详细的时间段划分，分别在各时间段内设置多个数据点，从而可以有效的在广泛的时间区域内探测到所述风速仪发生故障的时间。

当然，实施本申请的任一产品必不一定需要同时达到以上所述的所有技术效果。

附图说明

此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

图1是本申请实施例一所述的风速仪故障检测的方法的流程框图。

图2是本申请实施例二所述的风速仪故障检测的方法的流程框图。

图3是本申请实施例三所述的风速仪故障检测的方法中所述选定待测风力机和某一参照待测风力机的在三个不同时间段的局部风速差值的累积分布曲线图。

图4是本申请实施例三所述的风速仪故障检测的方法中所述选定待测风力机和各个参照待测风力机的所述完整风速差值的累积分布曲线。

图5是本申请实施例三所述的风速仪故障检测的方法中单项标准化值和综合标准值的统计图。

图6是本申请实施例四所述的风速仪故障检测的系统的结构框图。

图7是本申请实施例五所述的风速仪故障检测的系统中所述标准化处理模块702的具体结构框图。

具体实施方式

如在说明书及权利要求当中使用了某些词汇来指称特定组件。本领域技术人员应可理解，硬件制造商可能会用不同名词来称呼同一个组件。本说明书及权利要求并不以名称的差异来作为区分组件的方式，而是以组件在功能上的差异来作为区分的准则。如在通篇说明书及权利要求当中所提及的“包含”为一开放式用语，故应解释成“包含但不限定于”。“大致”是指在可接收的误差范围内，本领域技术人员能够在一定误差范围内解决所述技术问题，基本达到所述技术效果。此外，“耦接”一词在此包含任何直接及间接的电性耦接手段。因此，若文中描述一第一装置耦接于一第二装置，则代表所述第一装置可直接电性耦接于所述第二装置，或通过其他装置或耦接手段间接地电性耦接至所述第二装置。说明书后续描述为实施本申请的较佳实施方式，然所述描述乃以说明本申请的一般原则为目的，并非用以限定本申请的范围。本申请的保护范围当视所附权利要求所界定者为准。

如图1所示，为本申请实施例一所述的一种风速仪故障检测的方法，该方法包括：

步骤101，分别获取至少两个以上待测风力机在一定时间内的风速数据，将所述风速数据按设置相同时长的时间段进行分段提取，以一选定的待测风力机在各时间段内和在总时间段内对应的风速数据按照一定周期分组，然后分别与其他参照待测风力机的风速数据对比后的得出多组对应于各时间段的局部风速差值和总时间段的完整风速差值；

步骤102，分别对不同组选定待测风力机和各个参照待测风力机的所述完整风速差值进行权值处理产生对应的权重值，并得出不同组选定待测风力机和各个参照待测风力机的所述局部风速差值的概率分布曲线获取相应的概率分布数据；

步骤103，将该概率分布数据进行标准化处理生成不同组选定待测风力机和各个参照待测风力机的所述局部风速差值对应的标准化值，结合不同组选定待测风力机和各个参照待测风力机的所述完整风速差值对应的所述权重值进行标准化权值处理生成所述选定的待测风力机与某一特定的参照待测风力机，以及与所有参照待测风力机在不同时间段内的单项标准化值和综合标准值；

步骤104，根据设置的门限分别对所述在不同时间段内的单项标准化值和综合标准值进行比较，当某一时间段内所述单项标准化值小于所述门限且综合标准值大于门限时、当某一时间段内所述单项标准化值大于门限且综合标准值小于门限时或者当某一时间段内所述单项标准化值和综合标准值均小于门限时，进行记录生成该时间段的两个所述待测风力机的故障报告信息。

需要说明的是，在本实施例的上述步骤中，难以从一个风力机上的所述风速仪记录的风速数据中判断出该风速仪是否出现故障，并且虽然可以获取两个风力机的所述风速仪的风速数据进行比对判断，但无法准确判断两个风力机中具体哪个风力机出现了故障，若选择的两个所述风速仪都已出现了错误，则将影响判断结果的准确性。因此，作为一种优选方式，选择多个风速仪同时记录其风速数据，在较多数据的参照比对下，可以准确的判断出具体某一风速仪出现故障，又可以根据上述步骤中的时间段判断出故障风速仪出现故障的时间段，以尽早发现风速仪的故障。

如图2所示，为本申请实施例二所述的一种风速仪故障检测的方法，该方法包括步骤：

步骤201，分别获取至少两个以上待测风力机在一定时间内的风速数据，将所述风速数据按设置相同时长的时间段进行分段提取，以一选定的待测风力机在各时间段内和在总时间段内对应的风速数据按照一定周期分组，然后分别与其他参照待测风力机的风速数据对比后的得出多组对应于各时间段的局部风速差值和总时间段的完整风速差值。

对于步骤201，不同地理位置的所述待测风力机受到的自然风场状态影响也不同，尤其对于相隔非常远的待测风力机来说，其因风场状态的不同很可能造成所获取的风速数据有较大的差异，而本申请中通过权重进行风速数据的判定便可以不考虑地理位置的因素，通过权重决定每个参照风力机对选定风力机的影响大或小。因此，在本步骤201中具体可以获取任意地理位置的多个待测风力机上的所述风速仪所记录的风速数据。

其中，各时间段的所述局部风速差值，是由一组数值组成；总时间段的所述完整风速差值，具体为该组选定待测风力机和某个参照待测风力机中所有所述局部风速差值的集合。在本实施例中，可以通过针对每一时间段内的所述风速数据设置数据点的方式获得各时间段内的各组数值。

还需要说明的是，在足够长的时间内对风速数据进行获取便可以得到充足的风速数据，但对于获取到的所述风速数据的分组将会影响到整体的后续步骤，这是因为：所述时间段是预先设置的，在以该时间段进行分组后，针对每一时间段内的所述风速数据都设置数据点，该数据点的数量跟所述时间段相关联，对于分布在很长一段时间内的所述风速数据，如果设置的所述时间段较短，则其中每一时间段内的数据点就少，而较少的数据点会导致概率分布计算的不准确，使得在步骤202中得到概率分布曲线不能精确代表相应时间间隔内的数据点情况；如果设置的所述时间间隔较长也不合时宜，因为每个时间间隔即为判断是否出现故障的观测单位，选取很长的时间间隔会导致即使后续步骤204中判断出是哪个时间间隔中风速仪出现了故障，但是由于时间间隔过长，使得对故障的预测失去了意义。

步骤202，分别对不同组选定待测风力机和各个参照待测风力机的所述完整风速差值进行权值处理产生对应的权重值，并得出不同组选定待测风力机和各个参照待测风力机的所述局部风速差值的概率分布曲线获取相应的概率分布数据；

步骤203，将该概率分布数据进行标准化处理生成不同组选定待测风力机和各个参照待测风力机的所述局部风速差值对应的标准化值，结合不同组选定待测风力机和各个参照待测风力机的所述完整风速差值对应的所述权重值进行标准化权值处理生成所述选定的待测风力机与某一特定的参照待测风力机，以及与所有参照待测风力机在不同时间段内的单项标准化值和综合标准值。

在步骤202中，分别对不同组选定待测风力机和各个参照待测风力机的所述完整风速差值建立对应的累计分布函数曲线，将不同组所述完整风速差值对应的所述累计分布函数曲线的覆盖面积进行累加产生覆盖面积值，再对该覆盖面积值进行权值处理生成对应的权重值。

所述单项标准化值，具体为对所述选定的待测风力机和某一参照待测风力机在每一时间段内的局部风速差值建立对应的累计分布函数曲线，将不同组所述局部风速差值对应的所述累计分布函数曲线的覆盖面积进行累加产生覆盖面积值，再对该覆盖面积值进行标准化处理生成对应的的标准化值。

所述门限，具体为由一定时间周期（该实施例中以70周的周期）的一组选定的待测风力机和某一参照待测风力机的历史数据对应的风速差值统计进行对应的累积分布曲线建立，根据该累积分布曲线对应的覆盖面积进行标准化以获取与不同时间段的所述局部风速差值所对应的单项差别概率；并由一定时间周期的多组选定的待测风力机和各个参照待测风力机的历史数据对应的风速差值统计进行对应的累积分布曲线建立，根据该组累积分布曲线对应的覆盖面积进行标准化及权值处理以获取与不同时间段的所述局部风速差值所对应的综合差别概率，（并且，对比风场工作记录确定哪个时间段各个待测风力机是正常工作，哪个时间段是故障运行），然后将用于所述单项差别概率和综合差别概率进行优差划分的值作为所述标准化门限。

步骤204，根据设置的门限分别对所述在不同时间段内的单项标准化值和综合标准值进行比较，即进行故障检测；

当某一时间段内所述单项标准化值小于所述门限且所述综合标准值大于门限时，进行记录生成该时间段的所述参照待测风力机的故障报告信息；

当某一时间段内所述单项标准化值小于门限且综合标准值小于门限时，进行记录生成该时间段的所述选定的待测风力机的故障报告信息；

当某一时间段内所述单项标准化值大于门限且综合标准值均小于门限时，进行记录生成该时间段的所述选定的待测风力机和某一参照待测风力机的故障报告信息。

当判断出某一时间段内所述单项标准化值和综合标准值均大于所述门限时，进行记录生成对应该时间段的所述两个待测风力机的风速仪的工作正常报告信息。

结合图3-5，为本申请实施例三所述的一种风速仪故障检测的方法，其具体应用如下：

第一，分别获取任意地理位置的多个待测风力机的风速仪在一定时间内的风速数据，地理位置相近的所述风力机监测的自然风力情况也相同或相似，从而提高了之后数据分析的准确性，在本实施例中，选择多个待测风力机A、B、C、D、E、F、G以及H，对应的风速数据为WS_A、WS_B、WS_C、WS_D、WS_E、WS_F、WS_G以及WS_H。将上述风速数据按设置的相同时长的时间段进行分段提取，以一选定的待测风力机在各时间段内和在总时间段内对应的风速数据按照一定周期分组，然后分别与其他参照待测风力机的风速数据对比后的得出多组对应于各时间段的局部风速差值和总时间段的完整风速差值（本实施例中以A为选定待测风力机）。

具体来说，所述按照一定周期分组，进一步为：周、月和/或不少于7天的周期分组，为了得到充足的所述风速数据，需要获取足够长的时间内的所述风速数据，优选地，所述一定时间为70周。另外，将所述风速数据按设置的时间段进行分组提取，可以是将所述风速数据按设置的以周、月或者整数天为固定值的时间段进行分组提取，优选地，以周为时间段，即按照一周的时间对所述多个风力机A-H的所述风速数据分段提取。再以10分钟的时长设置数据点，那么，一周的时间内可以设置1008个数据点，即，每一周的时间内分别有1008个WS_A-H。从而可以得出各周的局部风速差值X_Ai（为了便于表述，在本实施例中也可以称为周数据），即，

x_Ai＝|ws_A-ws_i|，i∈[B,C,D,E,F,G,H]

这样一共得到7组周数据X_AB、X_AC、X_AD、X_AE、X_AF、X_AG、X_AH，每组周数据内都包含1008个风速差。进一步可以得出在70周的总时间内的完整风速差值∑X_Ai（为了便于表述，在本实施例中也可以称为完整数据），即7组完整数据∑X_AB、∑X_AC、∑X_AD、∑X_AE、∑X_AF、∑X_AG、∑X_AH。

第二，分别对各组完整数据∑X_Ai进行权值处理产生相应的权重值，并建立所述周数据X_Ai的概率分布曲线获取相应的概率分布数据，将该概率分布数据进行标准化处理生成各组所述周数据X_Ai对应的标准化值。

对于各组完整数据∑X_Ai进行权值处理所产生的权重值为：

$w_{\mathrm{Ai}}=\underset{0}{\overset{\∞}{\∫}}\mathrm{CDF}\left(x_{\mathrm{Ai}}\right){\mathrm{dx}}_{\mathrm{Ai}}$

即，分别对各组完整数据∑X_Ai建立对应的累计分布函数曲线cdf，将各组完整数据∑X_Ai对应的所述累计分布函数曲线cdf的覆盖面积进行累加产生覆盖面积值，再对该覆盖面积值进行权值处理生成相应的权重值W_Ai。

需要说明的是，所述选定待测风力机A分别和各个参照待测风力机B-H的所述完整风速差值的累积分布曲线如图4所示（在图4中，横轴代表的是风速差值WSD，每一格的值为0.5；纵轴代表的是累积分布概率，每一格的值为0.1），地理位置与所述待测风力机A越接近的参照待测风力机，正常工作时的风速差值越小，其累积分布函数曲线cdf的覆盖面积越大，因此权重值W_Ai越高。

对于各组周数据X_Ai，通过建立韦伯概率分布曲线pdf获取对应的形状参数数据k和比例参数数据λ：

$\mathrm{pdf}(\mathrm{wsd};\mathrm{\λ},k)=\frac{k}{\mathrm{\λ}}{\left(\frac{\mathrm{wsd}}{\mathrm{\λ}}\right)}^{k-1}{e}^{-{(\mathrm{wsd}/\mathrm{\λ})}^k}$

再根据每周时间段内的所述形状参数数据k、比例参数数据λ以及风速差值WSD进行累积分布处理，生成对应的累积分布曲线cdf：

$\mathrm{cdf}(\mathrm{wsd};\mathrm{\λ},k)=1-e^{-{(\mathrm{wsd}/\mathrm{\λ})}^k}$

通过各组周数据的累积分布曲线cdf获取相对应的覆盖面积：

$A_{i,j}=\underset{0}{\overset{\∞}{\∫}}\mathrm{CDF}\left(x_{i,j}\right){\mathrm{dx}}_{i,j}$

其中，X_i，j指第i组在第j周的周数据；A_i，j指第i组在第j周的覆盖面积。

如图3所示，为所述周数据X_Ai的累积分布曲线图，图中的横轴代表的是风速差值WSD，纵轴代表的是累积分布概率。

对于任一组周数据X_Ai：

如果两个风力机A和i的所述风速仪都工作正常，则所述风速差值WSD在0点附近的概率较高，所以相应的累积分布曲线在风速差值的0点附近会快速累积上升到1，累积分布曲线的覆盖面积最大；

如果两个风力机A和i的所述风速仪中一个出现故障，则所述累积分布曲线需要在整个风速差值的范围内概率累加才能上升到1，所以相应的累积分布曲线上升到1的速度较慢，累积分布曲线的覆盖面积变小。

由于函数曲线覆盖面积A_i，j并不能够直接从曲线本身读取出来，在实际判断中不方便，因此考虑对函数曲线覆盖面积进行转化：

$a_{i,j}=\frac{A_{i,j}}{{\max }_j\left\{A_{i,j}\right\}}$

各组周数据X_Ai对应的函数曲线覆盖面积A_i，j标准化得到a_i，j；a_i，j是比例值，处于0-1之间。

第三，根据第二步内容，将该概率分布数据进行标准化处理生成不同组选定待测风力机和各个参照待测风力机的所述局部风速差值对应的标准化值，结合不同组选定待测风力机和各个参照待测风力机的所述完整风速差值对应的所述权重值进行标准化权值处理生成所述选定的待测风力机与某一特定的参照待测风力机，以及与所有参照待测风力机在不同时间段内的单项标准化值和综合标准值。

将i组中同一周的周数据的标准值a_i，j加权累加，得到某一周的综合标准值：

${\mathrm{FA}}_j=\underset{i=1}{\overset{m}{\mathrm{\Σ}}}{w}_{\mathrm{Ai}}{a}_{i,j}$

即，对于第j周，每个i组都有在该第j周的周数据的标准值a_i，j，这样一共有i个周数据的标准值a_i，j，将该标准值a_i，j与对应的所述权重W_Ai加权后累加，得出第j周的综合标准值FA_j。

同时，根据选定的待测风力机A和某一参照待测风力机（如，待测风力机B）在第j周的局部风速差值建立对应的累计分布函数曲线，将所述累计分布函数曲线的覆盖面积进行累加产生覆盖面积值，再对该覆盖面积值进行标准化处理生成对应的标准值作为第j周的单项标准化值。

还需要说明的是，所述门限，具体为由一定时间周期（该实施例中以70周的周期）的一组选定的待测风力机和某一参照待测风力机的历史数据对应的风速差值统计进行对应的累积分布曲线建立，根据该累积分布曲线对应的覆盖面积进行标准化以获取与不同时间段的所述局部风速差值所对应的单项差别概率；并由一定时间周期的多组选定的待测风力机和各个参照待测风力机的历史数据对应的风速差值统计进行对应的累积分布曲线建立，根据该组累积分布曲线对应的覆盖面积进行标准化及权值处理以获取与不同时间段的所述局部风速差值所对应的综合差别概率，（并且，对比风场工作记录确定哪个时间段各个待测风力机是正常工作，哪个时间段是故障运行），然后将用于所述单项差别概率和综合差别概率进行优差划分的值作为所述标准化门限。

第四，根据设置的门限分别对所述在不同时间段内的单项标准化值和综合标准值进行比较，即对所述综合标准值FA_j、单项标准化值与门限进行比较，进行故障检测。

根据图5所示，当判断出某一周（如第j周）所述单项标准化值（待测风力机A和B比较）低于所述标准化门限，且所述综合标准值FA_j高于所述标准化门限时，进行记录并生成参照待测风力机B的风速仪的故障报告信息；

当判断出某一周（如第j周）所述单项标准化值高于所述标准化门限，且所述综合标准值FA_j低于所述标准化门限时，进行记录并生成两个待测风力机A和B的风速仪的故障报告信息；

当判断出某一周（如第j周）所述单项标准化值高于所述标准化门限，且所述综合标准值FA_j高于所述标准化门限时，进行记录并生成两个待测风力机A和B的风速仪的工作正常报告信息；

当判断出某一周（如第j周）所述单项标准化值低于所述标准化门限，且所述综合标准值FA_j低于所述标准化门限时，进行记录并生成选定的待测风力机A的风速仪的故障报告信息。

如图6所示，为本申请实施例四所述的一种风速仪故障检测的系统，该系统包括：风速差获取模块601、标准化处理模块602以及检测判断模块603，其中，

所述风速差获取模块601，与所述标准化处理模块602相耦接，分别获取至少两个以上待测风力机在一定时间内的风速数据，将所述风速数据按设置相同时长的时间段进行分段提取，以一选定的待测风力机在各时间段内和在总时间段内对应的风速数据按照一定周期分组，然后分别与其他参照待测风力机的风速数据对比后的得出多组对应于各时间段的局部风速差值和总时间段的完整风速差值发送至所述标准化处理模块602。

所述标准化处理模块602，与所述风速差获取模块601和检测判断模块603相耦接，用于对不同组选定待测风力机和各个参照待测风力机的所述完整风速差值进行权值处理产生对应的权重值，并得出不同组选定待测风力机和各个参照待测风力机的所述局部风速差值的概率分布曲线获取相应的概率分布数据，将该概率分布数据进行标准化处理生成不同组的所述局部风速差值对应的标准化值，结合不同组的所述完整风速差值对应的所述权重值进行标准化权值处理生成不同时间段内的综合标准值和单项标准化值发送至所述检测判断模块603。

所述检测判断模块603，与所述标准化处理模块602相耦接，用于根据设置的门限分别对在不同时间段内的单项标准化值和综合标准值进行比较，当某一时间段内所述单项标准化值小于所述门限且综合标准值大于门限时、当某一时间段内所述单项标准化值大于门限且综合标准值小于门限时或者当某一时间段内所述单项标准化值和综合标准值均小于门限时，进行记录生成该时间段的两个所述待测风力机的故障报告信息。

如图7所示，为本申请实施例四所述的一种风速仪故障检测的系统，该系统包括：风速差获取模块701、标准化处理模块702以及检测判断模块703，其中，

所述风速差获取模块701，与所述标准化处理模块702相耦接，用于分别获取至少两个以上待测风力机在一定时间内的风速数据，将所述风速数据按设置相同时长的时间段进行分段提取，以一选定的待测风力机在各时间段内和在总时间段内对应的风速数据按照一定周期分组，然后分别与其他参照待测风力机的风速数据对比后的得出多组对应于各时间段的局部风速差值和总时间段的完整风速差值发送至所述标准化处理模块702。

其中，所述按照一定周期分组，进一步为：周、月和/或不少于7天的周期分组。

所述标准化处理模块702，与所述风速差获取模块701和检测判断模块703相耦接，用于对不同组选定待测风力机和各个参照待测风力机的所述完整风速差值进行权值处理产生对应的权重值，并得出不同组选定待测风力机和各个参照待测风力机的所述局部风速差值的概率分布曲线获取相应的概率分布数据，将该概率分布数据进行标准化处理生成不同组的所述局部风速差值对应的标准化值，结合不同组的所述完整风速差值对应的所述权重值进行标准化权值处理生成不同时间段内的综合标准值和单项标准化值发送至所述检测判断模块703。

所述检测判断模块703，与所述标准化处理模块702相耦接，用于根据设置的门限分别对在不同时间段内的单项标准化值和综合标准值进行比较，即进行故障检测，其中，

当判断出某一时间段内所述单项标准化值低于所述标准化门限，且所述综合标准值高于所述标准化门限时，进行记录生成该时间段内两个待测风力机中非选定待测风力机的某一参照待测风力机的风速仪的故障报告信息；

当判断出某一时间段内所述单项标准化值高于所述标准化门限，且所述综合标准值低于所述标准化门限时，进行记录生成对应该时间段内所述两个待测风力机的风速仪的故障报告信息；

当判断出某一时间段内所述单项标准化值低于所述标准化门限，且所述综合标准值低于所述标准化门限时，进行记录生成对应该时间段的所述选定待测风力机的风速仪的故障报告信息；

当判断出某一时间段内所述单项标准化值高于所述标准化门限，且所述综合标准值高于所述标准化门限时，进行记录生成对应该时间段的所述两个待测风力机的风速仪的工作正常报告信息。

进一步地，在本实施例中，所述单项标准化值，进一步为所述选定的待测风力机和某一参照待测风力机在每一时间段内的局部风速差值建立对应的累计分布函数曲线，将不同组所述局部风速差值对应的所述累计分布函数曲线的覆盖面积进行累加产生覆盖面积值，再对该覆盖面积值进行标准化处理生成对应的的标准化值；

进一步地，所述门限，具体为由一定时间周期（该实施例中以70周的周期）的一组选定的待测风力机和某一参照待测风力机的历史数据对应的风速差值统计进行对应的累积分布曲线建立，根据该累积分布曲线对应的覆盖面积进行标准化以获取与不同时间段的所述局部风速差值所对应的单项差别概率；并由一定时间周期的多组选定的待测风力机和各个参照待测风力机的历史数据对应的风速差值统计进行对应的累积分布曲线建立，根据该组累积分布曲线对应的覆盖面积进行标准化及权值处理以获取与不同时间段的所述局部风速差值所对应的综合差别概率，（并且，对比风场工作记录确定哪个时间段各个待测风力机是正常工作，哪个时间段是故障运行），然后将用于所述单项差别概率和综合差别概率进行优差划分的值作为所述标准化门限。

进一步地，所述风速差获取模块701，进一步用于分别获取任意地理位置的至少两个以上的待测风力机在一定时间内的风速数据，将所述风速数据按设置相同时长的时间段进行分段提取，以一选定的待测风力机在各时间段内和在总时间段内对应的风速数据按照一定周期分组，然后分别与其他参照待测风力机的风速数据对比后的得出多组对应于各时间段的局部风速差值和总时间段的完整风速差值发送至所述标准化处理模块702。

由于方法部分已经对本申请实施例进行了详细描述，这里对实施例中涉及的系统与方法对应部分的展开描述省略，不再赘述。对于系统中具体内容的描述可参考方法实施例的内容，这里不再具体限定

与现有技术相比，本申请所述的一种风速仪故障检测的方法和系统，达到了如下效果：

1）本申请对多个风力机上的所述风速仪中的风速数据采取长时间、多分组的方式进行差值处理，并获取单项及综合概率统计，可以有效识别出数据异常的风速仪，从而进一步准确确定发生故障的风速仪以及故障发生的时间。

2）本申请对获取到的不同风力机上的所述风速仪中的数据进行详细的时间段划分，分别在各时间段内设置多个数据点，从而可以有效的在广泛的时间区域内探测到所述风速仪发生故障的时间。

还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。

本领域技术人员应明白，本申请的实施例可提供为方法、系统或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、CD-ROM、光学存储器等）上实施的计算机程序产品的形式。

以上所述仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。

Claims (14)

1.一种风速仪故障检测的方法，其特征在于，包括：

分别获取至少两个以上待测风力机在一定时间内的风速数据，将所述风速数据按设置相同时长的时间段进行分段提取，以一选定的待测风力机在各时间段内和在总时间段内对应的风速数据按照一定周期分组，然后分别与其他参照待测风力机的风速数据对比后的得出多组对应于各时间段的局部风速差值和总时间段的完整风速差值；

分别对不同组选定待测风力机和各个参照待测风力机的所述完整风速差值进行权值处理产生对应的权重值，并得出不同组选定待测风力机和各个参照待测风力机的所述局部风速差值的概率分布曲线获取相应的概率分布数据；

将该概率分布数据进行标准化处理生成不同组选定待测风力机和各个参照待测风力机的所述局部风速差值对应的标准化值，结合不同组选定待测风力机和各个参照待测风力机的所述完整风速差值对应的所述权重值进行标准化权值处理生成所述选定的待测风力机与某一特定的参照待测风力机，以及与所有参照待测风力机在不同时间段内的单项标准化值和综合标准值；

根据设置的门限分别对所述在不同时间段内的单项标准化值和综合标准值进行比较，当某一时间段内所述单项标准化值小于所述门限且综合标准值大于门限时、当某一时间段内所述单项标准化值大于门限且综合标准值小于门限时或者当某一时间段内所述单项标准化值和综合标准值均小于门限时，进行记录生成该时间段的两个所述待测风力机的故障报告信息。

2.如权利要求1所述的风速仪故障检测的方法，其特征在于，进一步还包括：

当某一时间段内所述单项标准化值小于所述门限且所述综合标准值大于门限时，进行记录生成该时间段的所述某一参照待测风力机的故障报告信息；

当某一时间段内所述单项标准化值小于门限且综合标准值小于门限时，进行记录生成该时间段的所述选定的待测风力机的故障报告信息；

当某一时间段内所述单项标准化值大于门限且综合标准值均小于门限时，进行记录生成该时间段的所述选定的待测风力机和某一参照待测风力机的故障报告信息。

3.如权利要求1所述的风速仪故障检测的方法，其特征在于，分别对不同组选定待测风力机和各个参照待测风力机的所述完整风速差值进行权值处理产生对应的权重值，进一步为：分别对不同组的所述完整风速差值建立对应的累计分布函数曲线，将不同组所述完整风速差值对应的所述累计分布函数曲线的覆盖面积进行累加产生覆盖面积值，再对该覆盖面积值进行权值处理生成对应的权重值。

4.如权利要求1所述的风速仪故障检测的方法，其特征在于，所述概率分布曲线，进一步为：韦伯累积概率分布曲线。

5.如权利要求1所述的风速仪故障检测的方法，其特征在于，所述按照一定周期分组，进一步为：按照周、月和/或不少于7天的周期分组。

6.如权利要求1所述的风速仪故障检测的方法，其特征在于，将所述风速数据按设置时间段进行分段提取，进一步为：将所述风速数据按设置的以周、月或者整数天为固定值的时间段进行分段提取。

7.如权利要求1所述的风速仪故障检测的方法，其特征在于，分别获取至少两个以上的待测风力机在一定时间内的风速数据，进一步为：分别获取任意地理位置的至少两个以上的待测风力机在一定时间内的风速数据。

8.一种风速仪故障检测的系统，其特征在于，包括：风速差获取模块、标准化处理模块以及检测判断模块；其中，

所述风速差获取模块，分别获取至少两个以上待测风力机在一定时间内的风速数据，将所述风速数据按设置相同时长的时间段进行分段提取，以一选定的待测风力机在各时间段内和在总时间段内对应的风速数据按照一定周期分组，然后分别与其他参照待测风力机的风速数据对比后的得出多组对应于各时间段的局部风速差值和总时间段的完整风速差值发送至所述标准化处理模块；

所述标准化处理模块，用于对不同组选定待测风力机和各个参照待测风力机的所述完整风速差值进行权值处理产生对应的权重值，并得出不同组选定待测风力机和各个参照待测风力机的所述局部风速差值的概率分布曲线获取相应的概率分布数据，将该概率分布数据进行标准化处理生成不同组的所述局部风速差值对应的标准化值，结合不同组的所述完整风速差值对应的所述权重值进行标准化权值处理生成不同时间段内的综合标准值和单项标准化值发送至所述检测判断模块；

所述检测判断模块，用于根据设置的门限分别对在不同时间段内的单项标准化值和综合标准值进行比较，当某一时间段内所述单项标准化值小于所述门限且综合标准值大于门限时、当某一时间段内所述单项标准化值大于门限且综合标准值小于门限时或者当某一时间段内所述单项标准化值和综合标准值均小于门限时，进行记录生成该时间段的两个所述待测风力机的故障报告信息。

9.如权利要求8所述的风速仪故障检测的系统，其特征在于，所述检测判断模块，进一步还用于：

当某一时间段内所述单项标准化值小于所述门限且所述综合标准值大于门限时，进行记录生成该时间段的所述某一参照待测风力机的故障报告信息；

当某一时间段内所述单项标准化值小于门限且综合标准值小于门限时，进行记录生成该时间段的所述选定的待测风力机的故障报告信息；

当某一时间段内所述单项标准化值大于门限且综合标准值均小于门限时，进行记录生成该时间段的所述选定的待测风力机和某一参照待测风力机的故障报告信息。

10.如权利要求8所述的风速仪故障检测的系统，其特征在于，所述标准化处理模块，进一步用于对不同组选定待测风力机和各个参照待测风力机的所述完整风速差值建立对应的累计分布函数曲线，将不同组所述完整风速差值对应的所述累计分布函数曲线的覆盖面积进行累加产生覆盖面积值，再对该覆盖面积值进行权值处理生成对应的权重值；并得出不同组选定待测风力机和各个参照待测风力机的所述局部风速差值的概率分布曲线获取相应的概率分布数据，将该概率分布数据进行标准化处理生成不同组的所述局部风速差值对应的标准化值，结合不同组的所述完整风速差值对应的所述权重值进行标准化权值处理生成不同时间段内的综合标准值和单项标准化值发送至所述检测判断模块。

11.如权利要求8所述的风速仪故障检测的系统，其特征在于，所述概率分布曲线，进一步为：韦伯累积概率分布曲线。

12.如权利要求8所述的风速仪故障检测的系统，其特征在于，所述按照一定周期分组，进一步为：周、月和/或不少于7天的周期分组。

13.如权利要求8所述的风速仪故障检测的系统，其特征在于，所述时间段，进一步为以周、月或者整数天为固定值的时间段。

14.如权利要求8所述的风速仪故障检测的系统，其特征在于，所述风速差获取模块，进一步用于分别获取任意地理位置的至少两个以上的待测风力机在一定时间内的风速数据，将所述风速数据按设置相同时长的时间段进行分段提取，以一选定的待测风力机在各时间段内和在总时间段内对应的风速数据按照一定周期分组，然后分别与其他参照待测风力机的风速数据对比后的得出多组对应于各时间段的局部风速差值和总时间段的完整风速差值发送至所述标准化处理模块。

Images