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 PDF

Info

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
condition monitoring
electricity generation
powered electricity
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
Application number
CN201310720707.5A
Other languages
English (en)
Other versions
CN103758694A (zh
Inventor
刘展
贾利民
易頔
庞宇
雷涛
童亦斌
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing nenggaopukang measurement and Control Technology Co., Ltd
Original Assignee
BEIJING NEGO AUTOMATION TECHNOLOGY Co Ltd
QINGHAI NENGGAO NEW ENERGY Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by BEIJING NEGO AUTOMATION TECHNOLOGY Co Ltd, QINGHAI NENGGAO NEW ENERGY Co Ltd filed Critical BEIJING NEGO AUTOMATION TECHNOLOGY Co Ltd
Priority to CN201310720707.5A priority Critical patent/CN103758694B/zh
Publication of CN103758694A publication Critical patent/CN103758694A/zh
Application granted granted Critical
Publication of CN103758694B publication Critical patent/CN103758694B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • YGENERAL 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
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02EREDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E10/00Energy generation through renewable energy sources
    • Y02E10/70Wind energy
    • Y02E10/72Wind turbines with rotation axis in wind direction

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

一种风力发电机组状态监控系统数据压缩方法
技术领域
[0001]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
[0002]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
[0003] 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,SI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。
[0004]步骤SI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。
[0005]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。
[0006] 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。
[0007]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。
[0008] 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。
[0009]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。
[0010]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。
[0011]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。
[0012]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。
[0013] 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。
[0014]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。
[0015] 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。
[0016]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
[0017]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
[0018]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丰吴块集成实现。
[0019]步骤SI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。
[0020] 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。
[0021]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。
[0022]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。
[0023]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。
[0024]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。
[0025]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。
[0026]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。
[0027]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。
[0028] 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。
[0029] 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。
[0030]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,SI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SI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ίέτ O
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。
CN201310720707.5A 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 Active CN103758694B (zh)

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 (5)

* Cited by examiner, † Cited by third party
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
CN112211795A (zh) * 2020-10-13 2021-01-12 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

Citations (5)

* Cited by examiner, † Cited by third party
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

Patent Citations (5)

* Cited by examiner, † Cited by third party
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
Spinato et al. Reliability of wind turbine subassemblies
US7013203B2 (en) Wind turbine system control
CN102646228B (zh) 智能电网的多业务实时数据集成处理系统及方法
CN103713237B (zh) 一种电力系统输电线路短路故障诊断方法
Zaher et al. A multi-agent fault detection system for wind turbine defect recognition and diagnosis
CN101977008B (zh) 双馈风电机组关键传感器故障的判断方法
CN105868075A (zh) 一种实时监控分析大量日志的系统及方法
CN102608452B (zh) 高速列车设备状态及电能质量监测系统与方法
CN102787976B (zh) 用于风力涡轮机场的动态规则引擎的方法及系统
Long et al. Data-driven wind turbine power generation performance monitoring
CN104200396B (zh) 一种风力发电机部件故障预警方法
CN102135558B (zh) 过电压数据采集分层识别系统及类型分层模式识别方法
CN105446328A (zh) 发电机组远程故障诊断和健康监测系统及数据捕获方法
CN102541042B (zh) 基于物联网的离网型小型风电站监控系统及其监控方法
CN103972888B (zh) 一种微网控制器
CN103195727B (zh) 一种风机在线状态监测评估装置
CN106124982A (zh) 一种风电机组的自动专家综合故障诊断系统及诊断方法
CN102510127A (zh) 电网在线监测的一次和二次设备统一模型的方法
CN202710100U (zh) 风力发电机组远程在线健康状态监测与故障诊断系统
CN103618380B (zh) 基于光伏微电网的智能监控系统
CN105205569B (zh) 风机齿轮箱状态在线评估模型建立方法及在线评估方法
CN202735788U (zh) 风力发电机组运行状态远程监测及故障诊断系统
CN104329222A (zh) 一种集成于风机主控系统内的在线状态监测与故障诊断方法
CN106682814A (zh) 一种基于故障知识库的风电机组故障智能诊断方法
CN104460635B (zh) 一种基于智能水电厂的一体化信息平台系统

Legal Events

Date Code Title Description
PB01 Publication
C06 Publication
SE01 Entry into force of request for substantive examination
C10 Entry into substantive examination
GR01 Patent grant
C14 Grant of patent or utility model
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.

TR01 Transfer of patent right