CN104863798A - 基于分布式存储的风电机组状态监测系统及其监测方法 - Google Patents

基于分布式存储的风电机组状态监测系统及其监测方法 Download PDF

Info

Publication number
CN104863798A
CN104863798A CN201410063537.2A CN201410063537A CN104863798A CN 104863798 A CN104863798 A CN 104863798A CN 201410063537 A CN201410063537 A CN 201410063537A CN 104863798 A CN104863798 A CN 104863798A
Authority
CN
China
Prior art keywords
data
enter step
carry out
wind turbines
monitoring system
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.)
Pending
Application number
CN201410063537.2A
Other languages
English (en)
Inventor
郑震
张腾
陈木海
夏丽霞
魏艳珍
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.)
CHANGZHOU ARMOR INTELLIGENT TECHNOLOGY Co Ltd
Original Assignee
CHANGZHOU ARMOR INTELLIGENT TECHNOLOGY 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 CHANGZHOU ARMOR INTELLIGENT TECHNOLOGY Co Ltd filed Critical CHANGZHOU ARMOR INTELLIGENT TECHNOLOGY Co Ltd
Priority to CN201410063537.2A priority Critical patent/CN104863798A/zh
Publication of CN104863798A publication Critical patent/CN104863798A/zh
Pending legal-status Critical Current

Links

Classifications

    • Y02E10/722

Abstract

本发明涉及一种基于分布式存储的风电机组状态监测系统及其检测方法,通过安装在风机上的各传感器器采集风机基座、塔架、偏航及传动链的信息,采集到的信息进行预处理后,一方面,全部信息存储到大容量存储器内,另一方面,对异常信息进行存储并通过交换机进入光纤环网发送到风场控制室。控制室把异常信息与运行参数、风机参数、风机历史数据等一起进行一次分析,分析手段包括各种时域和频域图谱及对比分析。分析结果在客户端进行显示,在数据库进行存储;故障数据会同其它风场的故障数据一起通过网络发送到数据中心和远程诊断中心,专家和权限用户通过远程客户端登录远程诊断中心进行查看、分析和诊断,诊断结果发送给用户。

Description

基于分布式存储的风电机组状态监测系统及其监测方法
技术领域
本发明涉及一种监测系统,特别是涉及一种基于分布式存储的风电机组状态监测系统。
背景技术
风电机组安装在高山、荒野、海岛等风口处,常年经受酷暑严寒的影响和无规律变向变负荷的风力作用,使得风机故障频发。另一方面,风机分散、装机容量大,使得运输和吊装难度大,日常维护维修问题突出、费用惊人。
欧洲早在十多年前就强制安装风电机组状态监测系统(CMS),以预知风机故障发生避免意外停机,并实现主动维护和统一维修,增加风机可利用率、减少运输、吊装和维护成本。国家能源局在2011年出台了风力发电机组振动状态监测导则,此后,国内开始陆续研发CMS产品。目前,大多数的CMS有如下问题:
(1)数据的利用效率低:主流CMS采用多通道实时采样、轮询发送模式,每个轮询周期内进行一次(或多次)采样,但仅当被轮询时发送一次数据,轮询周期长(一般为几个或十几个小时),且数据的选取的随机性大,很难充分表征此轮询周期内风机特征。
(2)存储方式不合理、存储空间过小:为了减少数据量、减轻网络压力,一般只发送此数据的特征值,遇到特征值超限时才发送原始数据。如果特征值选取过低,导致传输数据量过大,如果特征值选取过高,会丢失有效数据;如果出现断网等故障,因存储空间小可能丢失数据。
(3)现场诊断时,没有可用历史数据等:遇到疑难情况,振动分析师会利用手持设备登上风机进行现场诊断,但因缺乏此风机的历史数据大大影响诊断的准确性。
(4)缺乏自检功能、代码加载功能:由于CMS需要对风机进行完整生命周期(一般20年)的监测,其设计寿命应该在10年以上。为了保证CMS自身可靠性,需要对其软硬件进行自检。另外,对于日益增加的信号接入和软件处理需求,要对安装在风机上的监测终端进行代码更新,以利于CMS的扩展应用和软件优化。
发明内容
本发明的目的是克服现有技术存在的缺陷,提供一种操作简单、实用性高的基于分布式存储的风电机组状态监测系统及其监测方法。
实现本发明目的的技术方案是:一种基于分布式存储的风电机组状态监测系统,具有数据中心、诊断中心和X个风场;所述各风场均与数据中心双向通讯连接,且各风场分别有Y组风电机组;所述每台风机的基座、塔架、偏航和传动链上分别设有对应的传感器;所述传动链包括叶片、主轴、齿轮箱和电机;所述一台风机上的各传感器输出为同一个采集器;所述采集器的输出端接交换机的输入端;所述交换机的输出端接中控数据库;所述数据中心与诊断中心双向通讯连接;所述诊断中心与远程客户端双向通讯连接;其特征在于:还具有模数变换器、数字信号处理器、存储装置、远程代码更新加载装置和系统自检装置;所述存储装置包括大容量存储器和双倍速率同步动态随机存储器;所述模数变换器的输入端接采集器的输出端;所述数字信号处理器的输入端接模数变换器的输出端;所述大容量存储器设置连接在数字信号处理器的输出端与数据库之间;所述双倍速率同步动态随机存储器的输入端接数字信号处理器的输出端;
所述远程代码更新加载装置包括ARM微处理器和通讯接口;所述ARM微处理器和数字信号处理器均通过100M或1000M局域网与数据中心双向通讯,ARM微处理器与模数变换器双向通讯;所述数字信号处理器的输出端与模数变换器的输入端相连;所述模数变换器的输出端与采集器的输入端相连;所述通讯接口的输入端接ARM微处理器的输出端;
所述系统自检装置包括硬件工作状态检测装置、软件工作状态检测装置、网络通讯检测装置、传感器检测装置。
上述技术方案所述通讯接口包括USB接口、I/O接口和RS232/485接口。
上述技术方案所述模数变换器为ADS1278。
上述技术方案所述数字信号处理器为OMAP-L138。
上述技术方案所述大容量存储器为SataⅡ硬盘。
一种基于分布式存储的风电机组状态监测系统的监测方法,其具体步骤包括:
(1)开机,检测系统硬件、软件、传感器接入、通讯是否正常,如不正常报警进入步骤7;
(2)通过安装在风机上的采集器采集风机基座、塔架、偏航及传动链上的振动、位移、油液、温度、倾角、力的信息,进入步骤(3);
(3)将步骤(2)中采集到的信息进行预处理,处理后的数据:一,全部信息进入大容量存储器存储;二,异常信息通过交换机进入光纤环网发送到风场控制室;
(4)控制室把异常信息与运行参数、风机参数进行一次分析判断,并将分析结果在客户端进行显示,在数据库进行存储;其中,故障数据通过网络发送到数据中心和远程诊断中心,专家和权限用户可以通过远程客户端登录远程诊断中心,结合风机历史数据进行查看、分析和诊断,并将诊断结果发送给用户;
(5)控制室和远程诊断中心根据需求,判断是否需要回调详细的风机历史数据,若是,则进行步骤(6);
(6)上传风机大容量存储器上历史数据至控制室或远程诊断中心,完成数据回调;
(7)同时进行配置信息下发,远程升级判断,数据回调判断,接口通讯连接,判断错误或超时;若需要进行远程升级,则进入步骤(8);若需要数据回调,则进入步骤(6);若出现错误或超时,则进行错误或超时上报;
(8)远程升级,并进行升级校验,完成升级。
上述技术方案所述步骤(2)的具体步骤为:
A、判断采样时刻是否到达,若是,则进行步骤B,若不是,则继续等待采样时刻到达;
B、设定采样位置N=0,Vtz=0,Vty=0;其中,N是采集次数,Vtz是当前采集数据的正常特征值,Vty是当前采集数据的异常特征值;
C、开始采样第N段数据;
D、对数据做特征值预处理;判断特征值是否超限;若是则进行步骤E,若不是,则进行步骤F;
E、判断特征值是否大于Vty,若是,则数据异常,将异常数据替换存入缓存RAM2中,记录特征值后进入步骤G;若不是,则直接进入步骤G;
F、判断特征值是否大于Vtz,若是,则数据正常,将正常数据替换存入缓存RAM1,记录特征值Vtz后进入步骤H,若不是,则直接进入步骤H;
G、异常次数加1,进入步骤H;
H、当前采样位置N+1;
I、判断当前采样位置N是否大于总采样次数M;若是,则进入步骤J,若不是,则进入步骤C;
J、判断异常次数是否大于设定的报警次数,若是,则进入步骤K,若不是,则进入步骤L;
K、数据异常,通过UDP上报RAM2中异常数据和特征值,进入步骤M;
L、数据正常,通过UDP上报RAM1中正常数据和特征值,进入步骤M;
M、将数据带上时间标志和特征值存入硬盘;
N、结束采集。
上述技术方案所述步骤(6)的具体步骤包括:
A、按回调请求中的时间段发送文件列表至控制器;
B、判断是否收到查看请求,若是,则进行步骤C,若不是,则进行步骤D;
C、判断是否超时,若是,则进入步骤E,若不是,则进入步骤F;
D、按查看请求中的文件名发送文件数据至控制器,并进入步骤B;
E、结束回调;
F、判断是否收到终止回调请求,若是,则进入步骤E,若不是,则进入步骤B。
上述技术方案所述步骤(8)的具体步骤为:
A、初始化N’=0,
B、发送请求升级第N’个升级包命令;
C、判断是否收到第N’个升级包数据,若是,则进入步骤D,若不是,则进入步骤E;
D、判断第一次CRC检验是否正确,若是,则进入步骤F,若不是,则进入步骤B;
E、判断是否接收超时,若超过3秒,则进入步骤N;
F、将第N’个升级包数据存入缓存RAM,且N=N+1,进入步骤G;
G、判断N’是否大于升级包总数M’,若是,进入步骤H,若步骤,进入步骤B;
H、请求进行总升级包CRC检验;
I、接收总升级包CRC检验码;
J、判断第二次CRC检验是否正确,若是,则进行步骤K,若不是,则进行步骤L;
K、开始升级固件,进入步骤M;
L、升级错误,发送错误代码,进入步骤O;
M、升级完成,发送完成消息,进入步骤O;
N、升级超时,发送超时错误消息,进入步骤O;
O、结束升级。
采用上述技术方案后,本发明具有以下积极的效果:
(1)本发明的采样和传输规则,提高了风机数据的利用率,并在不增加轮询间隔和数据传输量的情况下更好地描述轮询周期内风机的运行状态。
(2)本发明采用大容量工业级的SataⅡ硬盘的方式来存储原始数据,解决避免漏判和降低网络传输压力的矛盾。SataⅡ硬盘数据存储容量大、抗振能力好、在很宽的温度范围都能工作,而且读写速度达1.5Gb/S,满足实时系统及时存储要求,可以广泛应用于火电等要求较高的环境。满足恶劣环境、以及大数据快速读写、存储的要求。
(3)本发明在长时间断网时,不必担心因存储空间有限而被迫降低采样率和采样时长,或只发送特征值导致有用数据丢失,甚至数据被覆盖,避免丢失数据。
(4)本发明可以完整保留原始数据有备查询。当遇到台风等极端天气情况,可能使得多台风机同时发现异常,同时发送特征值和原始数据造成网络拥堵和瘫痪。此发明可以根据情况适当提高一次处理的阈值甚至只发送特征值来减少网络压力,相关原始数据都可以被完整保留在硬盘中不丢失。可以并通过远程回调功能进行原始数据查看。
(5)本发明在风机现场诊断分析时,通过相关的数据接口可以在现场调用风机本地存储的完整历史数据,解决现场分析时没有历史数据导致诊断正确性差的问题。分布式存储还可以提高数据的安全性,以防数据丢失。
(6)本发明可以针对不同的现场条件,进行传感器类型、传输接口协议和外部设备管理的代码调整和更新,有利于CMS设备的扩展应用,有利于加强设备的智能化,更新处理器的软件是的数据处理更加有效、分析软件更加准确,对于自检程序等更新,有利于提高系统自身的稳定性和智能化。远程实时更新代码,升级软件,不需到现场安装调试。利用CRC校验和升级包对比来确保代码更新的正确性。
附图说明
为了使本发明的内容更容易被清楚地理解,下面根据具体实施例并结合附图,对本发明作进一步详细的说明,其中
图1为本发明的结构框图;
图2为本发明的硬件框图;
图3为本发明的系统原理图;
图4为本发明的采集流程图;
图5为本发明的回调流程图;
图6为本发明的升级流程图;
具体实施方式
(实施例1,一种基于分布式存储的风电机组状态监测系统)
见图1和图2,本发明具有数据中心1、诊断中心2和X个风场3;各风场3均与数据中心1双向通讯连接,且各风场3分别有Y组风电机组;每台风机的基座、塔架、偏航和传动链上分别设有对应的传感器;传动链包括叶片、主轴、齿轮箱和电机;一台风机上的各传感器输出为同一个采集器4;采集器4的输出端接交换机5的输入端;交换机5的输出端接数据库6;数据中心1与诊断中心2双向通讯连接;诊断中心2与客户端7双向通讯连接;其特征在于:还具有模数变换器8、数字信号处理器9、存储装置、远程代码更新加载装置和系统自检装置;存储装置包括SataⅡ硬盘和双倍速率同步动态随机存储器11;模数变换器8的输入端接采集器4的输出端;数字信号处理器9的输入端接模数变换器8的输出端;SataⅡ硬盘设置连接在数字信号处理器9的输出端与数据库6之间;双倍速率同步动态随机存储器11的输入端接数字信号处理器9的输出端;
远程代码更新加载装置包括ARM微处理器12和通讯接口13;ARM微处理器12和数字信号处理器9均通过100M或1000M局域网14与数据中心1双向通讯,ARM微处理器12与模数变换器8双向通讯;数字信号处理器9的输出端与模数变换器8的输入端相连;模数变换器8的输出端与采集器4的输入端相连;通讯接口13的输入端接ARM微处理器12的输出端;
系统自检装置包括硬件工作状态检测装置、软件工作状态检测装置、网络通讯检测装置、传感器检测装置。
通讯接口13包括USB接口、I/O接口和RS232/485接口。
模数变换器8为ADS1278。
数字信号处理器9为OMAP-L138。
(实施例2,一种基于分布式存储的风电机组状态监测系统的监测方法)
见图3,一种基于分布式存储的风电机组状态监测系统的监测方法,其具体步骤包括:
(1)开机,检测系统硬件、软件、传感器接入、通讯是否正常,如不正常,报警进入步骤(7);
(2)通过安装在风机上的采集器采集风机基座、塔架、偏航及传动链上的振动、位移、油液、温度、倾角、力的信息,进入步骤(3);
(3)将步骤(2)中采集到的信息进行预处理,处理后的数据:一,全部信息进入SataⅡ硬盘存储;二,异常信息通过交换机进入光纤环网发送到风场控制室;
(4)控制室把异常信息与运行参数、风机参数进行一次分析判断,并将分析结果在客户端进行显示,在数据库进行存储;其中,故障数据通过网络发送到数据中心和远程诊断中心,专家和权限用户可以通过远程客户端登录远程诊断中心,结合风机历史数据进行查看、分析和诊断,并将诊断结果发送给用户;
(5)控制室和远程诊断中心根据需求,判断是否需要回调详细的风机历史数据,若是,则进行步骤(6);
(6)上传风机SataⅡ硬盘上历史数据至控制室或远程诊断中心,完成数据回调;
(7)同时进行配置信息下发,远程升级判断,数据回调判断,接口通讯连接,判断错误或超时;若需要进行远程升级,则进入步骤(8);若需要数据回调,则进入步骤(6);若出现错误或超时,则进行错误或超时上报;
(8)远程升级,并进行升级校验,完成升级。
步骤(2)的具体步骤为:
A、判断采样时刻是否到达,若是,则进行步骤B,若不是,则继续等待采样时刻到达;
B、设定采样位置N=0,Vtz=0,Vty=0;其中,N是采集次数,Vtz是当前采集数据的正常特征值,Vty是当前采集数据的异常特征值;
C、开始采样第N段数据;
D、对数据做特征值预处理;判断特征值是否超限;若是则进行步骤E,若不是,则进行步骤F;
E、判断特征值是否大于Vty,若是,则数据异常,将异常数据替换存入缓存RAM2中,记录特征值后进入步骤G;若不是,则直接进入步骤G;
F、判断特征值是否大于Vtz,若是,则数据正常,将正常数据替换存入缓存RAM1,记录特征值Vtz后进入步骤H,若不是,则直接进入步骤H;
G、异常次数加1,进入步骤H;
H、当前采样位置N+1;
I、判断当前采样位置N是否大于总采样次数M;若是,则进入步骤J,若不是,则进入步骤C;
J、判断异常次数是否大于设定的报警次数,若是,则进入步骤K,若不是,则进入步骤L;
K、数据异常,通过UDP上报RAM2中异常数据和特征值,进入步骤M;
L、数据正常,通过UDP上报RAM1中正常数据和特征值,进入步骤M;
M、将数据带上时间标志和特征值存入硬盘;
N、结束采集。
步骤(6)的具体步骤包括:
A、按回调请求中的时间段发送文件列表至控制器;
B、判断是否收到查看请求,若是,则进行步骤C,若不是,则进行步骤D;
C、判断是否超时,若是,则进入步骤E,若不是,则进入步骤F;
D、按查看请求中的文件名发送文件数据至控制器,并进入步骤B;
E、结束回调;
F、判断是否收到终止回调请求,若是,则进入步骤E,若不是,则进入步骤B。
上述技术方案所述步骤(8)的具体步骤为:
A、初始化N’=0,
B、发送请求升级第N’个升级包命令;
C、判断是否收到第N’个升级包数据,若是,则进入步骤D,若不是,则进入步骤E;
D、判断第一次CRC检验是否正确,若是,则进入步骤F,若不是,则进入步骤B;
E、判断是否接收超时,若超过3秒,则进入步骤N;
F、将第N’个升级包数据存入缓存RAM,且N=N+1,进入步骤G;
G、判断N’是否大于升级包总数M’,若是,进入步骤H,若步骤,进入步骤B;
H、请求进行总升级包CRC检验;
I、接收总升级包CRC检验码;
J、判断第二次CRC检验是否正确,若是,则进行步骤K,若不是,则进行步骤L;
K、开始升级固件,进入步骤M;
L、升级错误,发送错误代码,进入步骤O;
M、升级完成,发送完成消息,进入步骤O;
N、升级超时,发送超时错误消息,进入步骤O;
O、结束升级。
以上所述的具体实施例,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施例而已,并不用于限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。

Claims (9)

1.一种基于分布式存储的风电机组状态监测系统,具有数据中心(1)、诊断中心(2)和X个风场(3);所述各风场(3)均与数据中心(1)双向通讯连接,且各风场(3)分别有Y组风电机组;所述每台风机的基座、塔架、偏航和传动链上分别设有对应的传感器;所述传动链包括叶片、主轴、齿轮箱和电机;所述一台风机上的各传感器输出为同一个采集器(4);所述采集器(4)的输出端接交换机(5)的输入端;所述交换机(5)的输出端接数据库(6);所述数据中心(1)与诊断中心(2)双向通讯连接;所述诊断中心(2)与客户端(7)双向通讯连接;其特征在于:还具有模数变换器(8)、数字信号处理器(9)、存储装置、远程代码更新加载装置和系统自检装置;所述存储装置包括大容量存储器(10)和双倍速率同步动态随机存储器(11);所述模数变换器(8)的输入端接采集器(4)的输出端;所述数字信号处理器(9)的输入端接模数变换器(8)的输出端;所述大容量存储器(10)设置连接在数字信号处理器(9)的输出端与数据库(6)之间;所述双倍速率同步动态随机存储器(11)的输入端接数字信号处理器(9)的输出端;
所述远程代码更新加载装置包括ARM微处理器(12)和通讯接口(13);所述ARM微处理器(12)和数字信号处理器(9)均通过100M或1000M局域网(14)与数据中心(1)双向通讯,ARM微处理器(12)与模数变换器(8)双向通讯;所述数字信号处理器(9)的输出端与模数变换器(8)的输入端相连;所述模数变换器(8)的输出端与采集器(4)的输入端相连;所述通讯接口(13)的输入端接ARM微处理器(12)的输出端;
所述系统自检装置包括硬件工作状态检测装置、软件工作状态检测装置、网络通讯检测装置、传感器检测装置。
2.根据权利要求1所述的基于分布式存储的风电机组状态监测系统,其特征在于:所述通讯接口(13)包括USB接口、I/O接口和RS232/485接口。
3.根据权利要求1所述的基于分布式存储的风电机组状态监测系统,其特征在于:所述模数变换器(8)为ADS1278。
4.根据权利要求1所述的基于分布式存储的风电机组状态监测系统,其特征在于:所述数字信号处理器(9)为OMAP-L138。
5.根据权利要求1所述的基于分布式存储的风电机组状态监测系统,其特征在于:所述大容量存储器(10)为SataⅡ硬盘。
6.一种基于分布式存储的风电机组状态监测系统的监测方法,其特征在于,其具体步骤包括:
(1)开机,检测系统硬件、软件、传感器接入、通讯是否正常,如不正常报警进入步骤(7);
(2)通过安装在风机上的采集器采集风机基座、塔架、偏航及传动链上的振动、位移、油液、温度、倾角、力的信息,进入步骤(3);
(3)将步骤(2)中采集到的信息进行预处理,处理后的数据:一,全部信息进入大容量存储器(10)存储;二,异常信息通过交换机进入光纤环网发送到风场控制室;
(4)控制室把异常信息与运行参数、风机参数进行一次分析判断,并将分析结果在客户端进行显示,在数据库进行存储;其中,故障数据通过网络发送到数据中心和远程诊断中心,专家和权限用户可以通过远程客户端登录远程诊断中心,结合风机历史数据进行查看、分析和诊断,并将诊断结果发送给用户;
(5)控制室和远程诊断中心根据需求,判断是否需要回调详细的风机历史数据,若是,则进行步骤(6);
(6)上传风机大容量存储器(10)上历史数据至控制室或远程诊断中心,完成数据回调;
(7)同时进行配置信息下发,远程升级判断,数据回调判断,接口通讯连接,判断错误或超时;若需要进行远程升级,则进入步骤(8);若需要数据回调,则进入步骤(6);若出现错误或超时,则进行错误或超时上报;
(8)远程升级,并进行升级校验,完成升级。
7.根据权利要求6所述的一种基于分布式存储的风电机组状态监测系统的监测方法,其特征在于,所述步骤(2)的具体步骤为:
A、判断采样时刻是否到达,若是,则进行步骤B,若不是,则继续等待采样时刻到达;
B、设定采样位置N=0,Vtz=0,Vty=0;其中,N是采集次数,Vtz是当前采集数据的正常特征值,Vty是当前采集数据的异常特征值;
C、开始采样第N段数据;
D、对数据做特征值预处理;判断特征值是否超限;若是则进行步骤E,若不是,则进行步骤F;
E、判断特征值是否大于Vty,若是,则数据异常,将异常数据替换存入缓存RAM2中,记录特征值后进入步骤G;若不是,则直接进入步骤G;
F、判断特征值是否大于Vtz,若是,则数据正常,将正常数据替换存入缓存RAM1,记录特征值Vtz后进入步骤H,若不是,则直接进入步骤H;
G、异常次数加1,进入步骤H;
H、当前采样位置N+1;
I、判断当前采样位置N是否大于总采样次数M;若是,则进入步骤J,若不是,则进入步骤C;
J、判断异常次数是否大于设定的报警次数,若是,则进入步骤K,若不是,则进入步骤L;
K、数据异常,通过UDP上报RAM2中异常数据和特征值,进入步骤M;
L、数据正常,通过UDP上报RAM1中正常数据和特征值,进入步骤M;
M、将数据带上时间标志和特征值存入硬盘;
N、结束采集。
8.根据权利要求6所述的一种基于分布式存储的风电机组状态监测系统的监测方法,其特征在于,所述步骤(6)的具体步骤包括:
A、按回调请求中的时间段发送文件列表至控制器;
B、判断是否收到查看请求,若是,则进行步骤C,若不是,则进行步骤D;
C、判断是否超时,若是,则进入步骤E,若不是,则进入步骤F;
D、按查看请求中的文件名发送文件数据至控制器,并进入步骤B;
E、结束回调;
F、判断是否收到终止回调请求,若是,则进入步骤E,若不是,则进入步骤B。
9.根据权利要求6所述的一种基于分布式存储的风电机组状态监测系统的监测方法,其特征在于,所述步骤(8)的具体步骤为:
A、初始化N’=0,
B、发送请求升级第N’个升级包命令;
C、判断是否收到第N’个升级包数据,若是,则进入步骤D,若不是,则进入步骤E;
D、判断第一次CRC检验是否正确,若是,则进入步骤F,若不是,则进入步骤B;
E、判断是否接收超时,若超过3秒,则进入步骤N;
F、将第N’个升级包数据存入缓存RAM,且N=N+1,进入步骤G;
G、判断N’是否大于升级包总数M’,若是,进入步骤H,若步骤,进入步骤B;
H、请求进行总升级包CRC检验;
I、接收总升级包CRC检验码;
J、判断第二次CRC检验是否正确,若是,则进行步骤K,若不是,则进行步骤L;
K、开始升级固件,进入步骤M;
L、升级错误,发送错误代码,进入步骤O;
M、升级完成,发送完成消息,进入步骤O;
N、升级超时,发送超时错误消息,进入步骤O;
O、结束升级。
CN201410063537.2A 2014-02-25 2014-02-25 基于分布式存储的风电机组状态监测系统及其监测方法 Pending CN104863798A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201410063537.2A CN104863798A (zh) 2014-02-25 2014-02-25 基于分布式存储的风电机组状态监测系统及其监测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201410063537.2A CN104863798A (zh) 2014-02-25 2014-02-25 基于分布式存储的风电机组状态监测系统及其监测方法

Publications (1)

Publication Number Publication Date
CN104863798A true CN104863798A (zh) 2015-08-26

Family

ID=53909886

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201410063537.2A Pending CN104863798A (zh) 2014-02-25 2014-02-25 基于分布式存储的风电机组状态监测系统及其监测方法

Country Status (1)

Country Link
CN (1) CN104863798A (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105508149A (zh) * 2015-12-31 2016-04-20 北京金风科创风电设备有限公司 用于风力发电机组的故障检测方法及装置
CN105649896A (zh) * 2016-01-07 2016-06-08 太原科技大学 风电机组智能监控运行控制系统及其控制方法
CN108301989A (zh) * 2018-01-31 2018-07-20 湖南优利泰克自动化系统有限公司 一种风电机组故障记录方法
CN108301987A (zh) * 2017-12-22 2018-07-20 浙江运达风电股份有限公司 基于电气参量的风电机组传动轴系在线观测系统
CN110542775A (zh) * 2018-05-28 2019-12-06 广东电网有限责任公司 一种cvt二次侧数据实时分析存储装置
CN117492405A (zh) * 2024-01-02 2024-02-02 东方电气风电股份有限公司 一种基于现场总线的风电机组控制系统校验方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050031443A1 (en) * 2001-10-09 2005-02-10 Bertil Ohlsson Device, system and method for on-line monitoring of flow quantities
EP1531376A1 (en) * 2003-11-14 2005-05-18 Gamesa Eolica, S.A. (Sociedad Unipersonal) Monitoring and data processing equipment for wind turbines and predictive maintenance system for wind power stations
CN101393049A (zh) * 2008-08-25 2009-03-25 北京天源科创风电技术有限责任公司 风力发电机组振动监测及故障诊断的方法
CN102102629A (zh) * 2011-01-17 2011-06-22 东南大学 一种风电机组在线数据采集与分析装置
EP2474734A1 (en) * 2009-08-31 2012-07-11 Mitsubishi Heavy Industries, Ltd. Device and method for monitoring wind turbine, and program
CN102645334A (zh) * 2012-04-23 2012-08-22 华北电力大学 一种风力发电机组状态监测装置

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050031443A1 (en) * 2001-10-09 2005-02-10 Bertil Ohlsson Device, system and method for on-line monitoring of flow quantities
EP1531376A1 (en) * 2003-11-14 2005-05-18 Gamesa Eolica, S.A. (Sociedad Unipersonal) Monitoring and data processing equipment for wind turbines and predictive maintenance system for wind power stations
CN101393049A (zh) * 2008-08-25 2009-03-25 北京天源科创风电技术有限责任公司 风力发电机组振动监测及故障诊断的方法
EP2474734A1 (en) * 2009-08-31 2012-07-11 Mitsubishi Heavy Industries, Ltd. Device and method for monitoring wind turbine, and program
CN102102629A (zh) * 2011-01-17 2011-06-22 东南大学 一种风电机组在线数据采集与分析装置
CN102645334A (zh) * 2012-04-23 2012-08-22 华北电力大学 一种风力发电机组状态监测装置

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105508149A (zh) * 2015-12-31 2016-04-20 北京金风科创风电设备有限公司 用于风力发电机组的故障检测方法及装置
CN105508149B (zh) * 2015-12-31 2018-12-07 北京金风科创风电设备有限公司 用于风力发电机组的故障检测方法及装置
CN105649896A (zh) * 2016-01-07 2016-06-08 太原科技大学 风电机组智能监控运行控制系统及其控制方法
CN108301987A (zh) * 2017-12-22 2018-07-20 浙江运达风电股份有限公司 基于电气参量的风电机组传动轴系在线观测系统
CN108301989A (zh) * 2018-01-31 2018-07-20 湖南优利泰克自动化系统有限公司 一种风电机组故障记录方法
CN110542775A (zh) * 2018-05-28 2019-12-06 广东电网有限责任公司 一种cvt二次侧数据实时分析存储装置
CN117492405A (zh) * 2024-01-02 2024-02-02 东方电气风电股份有限公司 一种基于现场总线的风电机组控制系统校验方法
CN117492405B (zh) * 2024-01-02 2024-03-08 东方电气风电股份有限公司 一种基于现场总线的风电机组控制系统校验方法

Similar Documents

Publication Publication Date Title
EP3902992B1 (en) Scalable system and engine for forecasting wind turbine failure
CN104863798A (zh) 基于分布式存储的风电机组状态监测系统及其监测方法
RU2389117C2 (ru) Система и способ централизованного мониторинга и управления режимом работы силовых трансформаторов, установленных на разных подстанциях и в центрах мониторинга
KR102174466B1 (ko) 스마트팜 운용장비의 오류 진단 방법 및 장치
US10455299B2 (en) Optimized smart meter reporting schedule
CN102608973A (zh) 基于云端服务网络的智能家居控制系统
CN111275948B (zh) 一种电气火灾消防预警系统
CN109462490B (zh) 视频监控系统及故障分析方法
CN204178533U (zh) 远程智能监测仪
CN104865860A (zh) 风电机组状态监测系统的采样、存储与查询方法及装置
CN106959688A (zh) 一种车辆故障信息采集方法及装置
CN113868078A (zh) 一种基于云平台的风电场的监控方法
CN208751840U (zh) 一种机泵健康监测与故障诊断系统
CN104793270A (zh) 一种综合气象观测网中设备运行状态的综合判定方法
CN109687584B (zh) 一种输电物联通信网络接入优化方法
KR20210023077A (ko) 자기 반추 및 머신러닝을 이용한 태양광 발전 접속반 및 태양광 발전 접속반의 예측진단 방법
CN211375047U (zh) 一种x波段天气雷达标准输出控制器系统
CN114091730A (zh) 车辆状态监测方法、系统、电子设备和存储介质
CN203783820U (zh) 带分布式存储功能的风电机组振动状态监测装置
CN113487086B (zh) 设备剩余使用寿命预测方法、装置、计算机设备和介质
CN116743618B (zh) 厂站远动设备的数据采集分析方法、设备及介质
CN117688464B (zh) 一种基于多源传感器数据的隐患分析方法及系统
KR102652289B1 (ko) 통합 데이터베이스를 활용한 네트워크 방식의 산업 플랜트 제어 시스템
CN115711206B (zh) 一种基于聚类权重的风力发电机叶片覆冰状态监测系统
US10965403B2 (en) Gap data collection for low energy devices

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
EXSB Decision made by sipo to initiate substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20150826

RJ01 Rejection of invention patent application after publication