CN103758694B - 一种风力发电机组状态监控系统数据压缩方法 - Google Patents
一种风力发电机组状态监控系统数据压缩方法 Download PDFInfo
- Publication number
- CN103758694B CN103758694B CN201310720707.5A CN201310720707A CN103758694B CN 103758694 B CN103758694 B CN 103758694B CN 201310720707 A CN201310720707 A CN 201310720707A CN 103758694 B CN103758694 B CN 103758694B
- Authority
- CN
- China
- Prior art keywords
- data
- wind
- generating set
- condition monitoring
- electricity generation
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/70—Wind energy
- Y02E10/72—Wind turbines with rotation axis in wind direction
Landscapes
- Wind Motors (AREA)
Abstract
本发明提出一种基于数据建模的风力发电机组状态监控系统的数据压缩方法,通过在风力发电机组本地对监测数据进行数学建模的方式进行强特征提取、以高压缩比方式进行数据压缩及还原。包括以下步骤:风电状态监控数据采集、风电机组运行工况识别、风电状态监控数据筛选、监控数据信息本地整理、风电状态存储模式选择、智能建模结构辨识匹配、智能模型结构参数估计、监控数据本地一次处理、上位监控终端二次处理。解决海量数据在线传输及长期连续监控存储问题。
Description
技术领域
本发明属于风力发电技术领域,尤其涉及数据建模风力发电机组状态监控系统数据压缩技术领域。
背景技术
在现有的风力发电状态监控方法中,风力发电机组状态监控系统需要监控风电场内所有机组状态信息,监控量巨大,而由于短期内风电场监控数据时域特性及频域特征均难以发生明显变化,因此若要通过状态连续监测反映风力发电机组状态变化需要对大量长期的监控数据进行存储,对存储器存储容量要求极高,存储查询效率低下,特别是当需要对长期风电设备状态变化情况进行分析时,需要对海量数据进行集中分析,极大的占用了监控设备数据分析资源,状态监控效果较差。
发明内容
一种风力发电机组状态监控系统数据压缩方法,通过在风力发电机组本地对监测数据进行数学建模的方式进行强特征提取、以高压缩比方式进行数据压缩及还原,其特征在于:包括以下步骤,S1风电状态监控数据采集、S2风电机组运行工况识别、S3风电状态监控数据筛选、S4监控数据信息本地整理、S5风电状态存储模式选择、S6智能建模结构辨识匹配、S7智能模型结构参数估计、S8监控数据本地一次处理、S9上位监控终端二次处理。
步骤S1风电状态监控数据采集中,风力发电机组状态监控数据采集系统对传感器监控数据进行采集及滤波操作,滤除监控物理信号中的噪声,并将物理监控信号转化为具有物理意义的数字信号。
监控状态信息包括但不仅限于风力发电机组及其组件振动、转速、温度、压力、应力、扭矩、油品油质、视频、音频、风速、安防、电网信息等信息。
步骤S2风电机组运行工况识别中,风电机组运行工况识别主要是指通过对监控数据进行分析,结合风力发电机组在不同运行工况下的典型运行参数,智能识别风力发电机组运行状态。
步骤S3风电状态监控数据筛选中,风电状态监控数据筛选主要是指对监控信息的有效性进行判别,筛除明显的错误数据,并对其进行插值处理。
步骤S4监控数据信息本地整理中,监控数据信息本地整理主要是依据步骤S3风电状态监控数据筛选的有效数据,对其按照固定的格式要求,将机组运行状态信息及监控信息打包成固定长度的数据模块。
步骤S5风电状态存储模式选择中,风电状态存储模式选择主要依据本地及外部的故障报警信息、监控数据查询信息、定时非压缩监控数据发送信息等进行数据存储模式选择。
当步骤S5风电状态存储模式选择中,风电状态存储模式选择结果为压缩模式则直接进入步骤S6智能建模结构辨识匹配;否则直接跳转至步骤S8监控数据本地一次处理。
步骤S6智能建模结构辨识匹配中,智能建模结构辨识匹配是依据步骤S2风电机组运行工况识别中风电机组运行工况识别结果,智能匹配的对不同工况下监控数据按照数据类型进行数据模型匹配。
步骤S7智能模型结构参数估计中,智能模型结构参数估计是依据匹配的模型结构,基于步骤S4监控数据信息本地整理中监控数据信息本地整理按照固定格式打包后的数据,按照设定参数识别方法,并基于计算智能估计辨识模型参数。
步骤S8监控数据本地一次处理中,监控数据本地一次处理主要是指通过风电机组本地信息处理单元进行数据处理,当步骤S5风电状态存储模式选择结果为非压缩模式时,则直接将非压缩数据上传至上位监控终端;当步骤S5风电状态存储模式选择结果为压缩模式时,则将步骤S2风电机组运行工况识别中风电机组运行工况识别结果、数据建模匹配模型信息、建模模型参数信息打包后发给上位监控终端。
步骤S9上位监控终端二次处理中,当步骤S5风电状态存储模式选择的风电状态存储模式选择结果为非压缩模式时,则直接将非压缩数据存储至上位监控系统指定存储区域;当步骤S5风电状态存储模式选择的风电状态存储模式选择结果为压缩模式时,上位监控终端二次处理主要对多个连续由步骤S8监控数据本地一次处理中监控数据本地一次处理数据进行智能融合分类处理,使在较长时间段内同一运行工况下、模型结构相同的模型参数融合为一套模型参数,实现海量数据二次压缩。
步骤S9上位监控终端二次处理中对多个连续由步骤S8监控数据本地一次处理中监控数据本地一次处理数据进行智能融合分类处理方法,其数学变换统一方法可以采用直接加权平均法实现,即直接对模型结构相同的模型参数进行加权平均。
本发明所述基于数据建模风力发电机组状态监控系统数据压缩方法不仅适用于风力发电机组状态监控数据压缩,也适用于各种不同场合基于海量连续监控数据的的数据压缩存储及还原方法。
附图说明
图1为一种风力发电机组状态监控系统数据压缩方法步骤示意图。
具体实施方式
本发明提出的一种风力发电机组状态监控系统数据压缩方法,可基于PLC平台或嵌入式开发平台,通过将数据采集模块、数据处理模块、逻辑分析模块和监控信息本地存储模块集成实现。
步骤S1风电状态监控数据采集中,监控状态信息采集可以通过PLC或者嵌入式数据采集板卡实现。
步骤S2风电机组运行工况识别中,风电机组运行工况识别方法可以依据平均风速信息或风力发电机转子转速信息进行工况识别。
步骤S3风电状态监控数据筛选中,风电状态监控数据筛选主要是考虑消除数据采集或传输过程中由于受到噪声影响可能产生的误报数据,提高数据建模的准确性。
步骤S4监控数据信息本地整理中,依据步骤S3风电状态监控数据筛选所筛选的有效数据对其按照固定的格式要求,将机组运行状态信息及监控信息打包成固定长度的数据模块。其中固定的格式要求是指将监控信息转化为可便于状态分析的参考变量信息,主要包括滤波处理、一次变量转化为二次或高次变量等。例如:将速度信息转化为平均速度信息、将振动速度转化为振动烈度信息或通过滤波器获取信号特定频域段数据等。
步骤S4监控数据信息本地整理中,依据步骤S3风电状态监控数据筛选所筛选的有效数据对其按照固定的格式要求,将机组运行状态信息及监控信息打包成固定长度的数据模块。其中,打包成固定长度的数据模块主要考虑上位监控系统二次压缩处理时,建模参数计算的方便性。特别是当数据模型为线性模型或统计模型时,上位监控系统二次压缩处理时只需对相同工况下相同模型参数求平均值即可。
步骤S5风电状态存储模式选择中,风电状态存储模式主要考虑正常情况下直接对数据进行打包,当发生故障或存在查询需求时,则将详细状态监控信息上传,为上位监控终端提供详细的状态分析数据。
步骤S6智能建模结构辨识匹配中,匹配模型包括但不仅限于:统计类模型、线性及非新型关系映射类模型等。其中,统计模型通常是指描述监控变量的分布特性,可以采用包括但不仅限于数据统计、多项式拟合等方法对监控变量的分布特性进行建模。
步骤S6智能建模结构辨识匹配中,匹配模型包括但不仅限于:统计类模型、线性及非新型关系映射类模型等。其中,线性及非新型关系映射类模型通常是指描述两个或多个变量之间的映射关系,可以通过包括但不仅限于传递函数、神经网络等线性非线性建模方法实现。
步骤S7智能模型结构参数估计中,智能模型结构参数估计方法可以采用包括但不仅限于数据统计法、多项式拟合法、最小二乘法、随机搜索等智能搜索算法等。
步骤S8监控数据本地一次处理中,监控数据本地一次处理可以通过分布式数据处理器实现,并通过监控网络将监控数据发送给上位监控终端。一种优选地方案中,监控数据本地一次处理可以在风力发电机组本地监控系统中实现,并通过风电场光纤以太网环网将监控信息发送给位于中控室的上位监控终端。
步骤S9上位监控终端二次处理:上位监控终端二次处理可以通过集中监控处理器实现,通过集中监控处理器接收风电场内各台风电机组发送的一次处理数据进行集中二次处理。一种优选地方案中,上位监控终端二次处理可以通过设置在中控室的集中监控处理服务器实现。
本发明针对现有风力发电机组状态监控系统难以实现对长期监测数据状态跟踪的缺点,提出了一种风力发电机组状态监控系统数据压缩方法。该方法在风电机组本地实现对监测数据以数学建模的方式进行强特征提取、以高压缩比方式进行数据压缩与还原,以建模参数代替传统的实时监测数据,并可实现统计学意义上的数据恢复,有效的解决风力发电机组状态监控系统海量数据在线传输及长期连续监控存储问题,弥补现有技术缺陷,进一步提升风力发电机组状态监控系统的有效性和实用性。
Claims (13)
1.一种风力发电机组状态监控系统数据压缩方法,通过在风力发电机组本地对监测数据进行数学建模的方式进行强特征提取、以高压缩比方式进行数据压缩及还原,其特征在于:包括以下步骤,S1风电状态监控数据采集、S2风电机组运行工况识别、S3风电状态监控数据筛选、S4监控数据信息本地整理、S5风电状态存储模式选择、S6智能建模结构辨识匹配、S7智能模型结构参数估计、S8监控数据本地一次处理、S9上位监控终端二次处理。
2.根据权利要求1所述的一种风力发电机组状态监控系统数据压缩方法,其特征在于:步骤S1风电状态监控数据采集中,风力发电机组状态监控数据采集系统对传感器监控数据进行采集及滤波操作,滤除监控物理信号中的噪声,并将物理监控信号转化为具有物理意义的数字信号。
3.根据权利要求1所述的一种风力发电机组状态监控系统数据压缩方法,其特征在于:监控状态信息包括但不仅限于风力发电机组及其组件振动、转速、温度、压力、应力、扭矩、油品油质、视频、音频、风速、安防、电网信息。
4.根据权利要求1所述的一种风力发电机组状态监控系统数据压缩方法,其特征在于:步骤S2风电机组运行工况识别中,风电机组运行工况识别主要是指通过对监控数据进行分析,结合风力发电机组在不同运行工况下的典型运行参数,智能识别风力发电机组运行状态。
5.根据权利要求1所述的一种风力发电机组状态监控系统数据压缩方法,其特征在于:步骤S3风电状态监控数据筛选中,风电状态监控数据筛选主要是指对监控数据的有效性进行判别,筛除明显的错误数据,并对其进行插值处理。
6.根据权利要求1所述的一种风力发电机组状态监控系统数据压缩方法,其特征在于:步骤S4监控数据信息本地整理中,监控数据信息本地整理主要是依据步骤S3风电状态监控数据筛选的有效数据,对其按照固定的格式要求,将机组运行状态信息及监控数据信息打包成固定长度的数据模块。
7.根据权利要求1所述的一种风力发电机组状态监控系统数据压缩方法,其特征在于:步骤S5风电状态存储模式选择中,风电状态存储模式选择主要依据本地及外部的故障报警信息、监控数据查询信息、定时非压缩监控数据发送信息进行数据存储模式选择。
8.根据权利要求1所述的一种风力发电机组状态监控系统数据压缩方法,其特征在于:当步骤S5风电状态存储模式选择中,风电状态存储模式选择结果为压缩模式则直接进入步骤S6智能建模结构辨识匹配;否则直接跳转至步骤S8监控数据本地一次处理。
9.根据权利要求1所述的一种风力发电机组状态监控系统数据压缩方法,其特征在于:步骤S6智能建模结构辨识匹配中,智能建模结构辨识匹配是依据步骤S2风电机组运行工况识别中风电机组运行工况识别结果,智能匹配的对不同工况下监控数据按照数据类型进行数据模型匹配。
10.根据权利要求1所述的一种风力发电机组状态监控系统数据压缩方法,其特征在于:步骤S7智能模型结构参数估计中,智能模型结构参数估计是依据匹配的模型结构,基于步骤S4监控数据信息本地整理中监控数据信息本地整理按照固定格式打包后的数据,按照设定参数识别方法,并基于计算智能估计辨识模型参数。
11.根据权利要求1所述的一种风力发电机组状态监控系统数据压缩方法,其特征在于:步骤S8监控数据本地一次处理中,监控数据本地一次处理主要是指通过风电机组本地信息处理单元进行数据处理,当步骤S5风电状态存储模式选择结果为非压缩模式时,则直接将非压缩数据上传至上位监控终端;当步骤S5风电状态存储模式选择结果为压缩模式时,则将步骤2风电机组运行工况识别中风电机组运行工况识别结果、数据建模匹配模型信息、建模模型参数信息打包后发给上位监控终端。
12.根据权利要求1所述的一种风力发电机组状态监控系统数据压缩方法,其特征在于:步骤S9上位监控终端二次处理中,当步骤S5风电状态存储模式选择的风电状态存储模式选择结果为非压缩模式时,则直接将非压缩数据存储至上位监控系统指定存储区域;当步骤S5风电状态存储模式选择的风电状态存储模式选择结果为压缩模式时,上位监控终端二次处理主要对多个连续由步骤S8监控数据本地一次处理中监控数据本地一次处理数据进行智能融合分类处理,使在较长时间段内同一运行工况下、模型结构相同的模型参数融合为一套模型参数,实现海量数据二次压缩。
13.根据权利要求1所述的一种风力发电机组状态监控系统数据压缩方法,其特征在于:步骤S9上位监控终端二次处理中对多个连续由步骤S8监控数据本地一次处理中监控数据本地一次处理数据进行智能融合分类处理方法,其数学变换统一方法可以采用直接加权平均法实现,即直接对模型结构相同的模型参数进行加权平均。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310720707.5A CN103758694B (zh) | 2013-12-24 | 2013-12-24 | 一种风力发电机组状态监控系统数据压缩方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310720707.5A CN103758694B (zh) | 2013-12-24 | 2013-12-24 | 一种风力发电机组状态监控系统数据压缩方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103758694A CN103758694A (zh) | 2014-04-30 |
CN103758694B true CN103758694B (zh) | 2016-05-25 |
Family
ID=50525988
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310720707.5A Active CN103758694B (zh) | 2013-12-24 | 2013-12-24 | 一种风力发电机组状态监控系统数据压缩方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103758694B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105021274B (zh) * | 2015-06-30 | 2017-12-08 | 西安交通大学 | 一种基于谱线重要度的频谱压缩方法 |
CN108204341B (zh) * | 2016-12-19 | 2019-12-10 | 北京金风科创风电设备有限公司 | 风电场运行状态的识别方法和装置 |
CN107389124B (zh) * | 2017-06-16 | 2020-01-21 | 深圳市盛路物联通讯技术有限公司 | 基于传感器的路桥状态监测方法及系统 |
CN108989729A (zh) * | 2018-08-03 | 2018-12-11 | 湖南华南光电科技股份有限公司 | 一种视音频记录方法、实现装置及电子设备 |
CN112445793A (zh) * | 2019-09-05 | 2021-03-05 | 中国科学院沈阳自动化研究所 | 一种基于多叉树的设备状态区分及数据压缩方法 |
CN112211795B (zh) * | 2020-10-13 | 2021-08-20 | 宁波大学 | 一种基于单变量特征提取策略的风力发电机故障检测方法 |
CN112267978B (zh) * | 2020-10-13 | 2022-02-15 | 宁波大学 | 一种基于分散式esn模型的风力发电机故障检测方法 |
CN114095570B (zh) * | 2021-11-24 | 2023-08-18 | 国网河北省电力有限公司电力科学研究院 | 用于输变电物联网的数据传输方法及输变电物联网 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2012030523A1 (en) * | 2010-08-31 | 2012-03-08 | Catch the Wind, Inc. | Independent blade pitch control |
CN102518553A (zh) * | 2012-01-05 | 2012-06-27 | 山东电力研究院 | 一种用于风电场群的远程实时监控系统 |
CN102588211A (zh) * | 2012-02-29 | 2012-07-18 | 沈阳华人风电科技有限公司 | 一种风力发电机组全工况模型预测控制方法及系统 |
CN102840101A (zh) * | 2012-09-13 | 2012-12-26 | 成都阜特科技股份有限公司 | 一种分布式状态监测系统 |
CN202659413U (zh) * | 2012-04-26 | 2013-01-09 | 嘉兴德瑞纳自动化技术有限公司 | 一种可远程升级压缩算法的风电监测装置 |
-
2013
- 2013-12-24 CN CN201310720707.5A patent/CN103758694B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2012030523A1 (en) * | 2010-08-31 | 2012-03-08 | Catch the Wind, Inc. | Independent blade pitch control |
CN102518553A (zh) * | 2012-01-05 | 2012-06-27 | 山东电力研究院 | 一种用于风电场群的远程实时监控系统 |
CN102588211A (zh) * | 2012-02-29 | 2012-07-18 | 沈阳华人风电科技有限公司 | 一种风力发电机组全工况模型预测控制方法及系统 |
CN202659413U (zh) * | 2012-04-26 | 2013-01-09 | 嘉兴德瑞纳自动化技术有限公司 | 一种可远程升级压缩算法的风电监测装置 |
CN102840101A (zh) * | 2012-09-13 | 2012-12-26 | 成都阜特科技股份有限公司 | 一种分布式状态监测系统 |
Also Published As
Publication number | Publication date |
---|---|
CN103758694A (zh) | 2014-04-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103758694B (zh) | 一种风力发电机组状态监控系统数据压缩方法 | |
CN107035602A (zh) | 一种水轮机状态监测及故障诊断系统 | |
CN103742358B (zh) | 一种复合式风力发电机组状态监控系统 | |
CN103711645B (zh) | 基于建模参数特征分析的风力发电机组状态评估方法 | |
CN102748214B (zh) | 耦合于控制系统的风电机组状态监测与故障诊断系统 | |
CN107013473A (zh) | 一种泵站实时在线监测与能效管理方法及系统 | |
CN103899482A (zh) | 一种压缩风力发电机组状态监控系统数据的方法 | |
CN103901828B (zh) | 一种用于风力发电场的监控系统 | |
CN202645849U (zh) | 耦合于控制系统的风电机组状态监测与故障诊断系统 | |
CN202995439U (zh) | 一种用于风力发电场的监控系统 | |
CN102521604B (zh) | 一种基于巡检系统的设备性能退化评估装置及方法 | |
CN102102629A (zh) | 一种风电机组在线数据采集与分析装置 | |
CN101858778A (zh) | 基于振动监测的风力发电机组故障自动诊断方法 | |
CN101995336A (zh) | 风力发电机运行状态在线监测装置 | |
CN105244871A (zh) | 暂态功角失稳识别方法及系统 | |
KR102136970B1 (ko) | 풍력발전 시스템의 데이터 처리장치 및 방법 | |
CN106790699A (zh) | 一种柴油机云监控及云管理系统 | |
CN102758727B (zh) | 集成于控制系统的风力机状态监测与故障诊断系统及方法 | |
CN107559153A (zh) | 一种双馈风电机组叶轮不平衡检测系统 | |
CN106934728A (zh) | 一种电网安全风险管控智能评估方法 | |
CN103645060B (zh) | 基于状态监控系统的风力发电机组突发故障识别诊断方法 | |
CN108037387A (zh) | 基于聚类归集的设备故障分析方法及装置 | |
CN203490073U (zh) | 风力发电机齿轮箱实时监测系统 | |
CN103899483A (zh) | 一种风力发电机组状态监控系统 | |
CN103178520B (zh) | 基于scada数据实时监测电力系统功率振荡的方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20200402 Address after: 100071 207, 2 / F, building 3, yard 128, South Fourth Ring West Road, Fengtai District, Beijing Patentee after: Beijing nenggaopukang measurement and Control Technology Co., Ltd Address before: 810600 Haidong area, Haidong Road, Haidong District, Haidong Prefecture, Qinghai Province Co-patentee before: BEIJING NEGO AUTOMATION TECHNOLOGY Co.,Ltd. Patentee before: QINGHAI NEGO NEW ENERGY Co.,Ltd. |