CN107705054A - 满足复杂数据的新能源并网发电远程测试诊断平台及方法 - Google Patents
满足复杂数据的新能源并网发电远程测试诊断平台及方法 Download PDFInfo
- Publication number
- CN107705054A CN107705054A CN201711181405.XA CN201711181405A CN107705054A CN 107705054 A CN107705054 A CN 107705054A CN 201711181405 A CN201711181405 A CN 201711181405A CN 107705054 A CN107705054 A CN 107705054A
- Authority
- CN
- China
- Prior art keywords
- data
- fuzzy
- service
- module
- equipment
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 37
- 238000011156 evaluation Methods 0.000 claims abstract description 51
- 230000005611 electricity Effects 0.000 claims abstract description 29
- 238000003860 storage Methods 0.000 claims abstract description 20
- 238000004445 quantitative analysis Methods 0.000 claims abstract description 18
- 238000003745 diagnosis Methods 0.000 claims abstract description 17
- 238000013210 evaluation model Methods 0.000 claims abstract description 14
- 238000012545 processing Methods 0.000 claims abstract description 13
- 230000007257 malfunction Effects 0.000 claims abstract description 7
- 238000004364 calculation method Methods 0.000 claims abstract description 5
- 238000003064 k means clustering Methods 0.000 claims abstract description 5
- 238000005070 sampling Methods 0.000 claims abstract description 4
- 230000001360 synchronised effect Effects 0.000 claims abstract description 4
- 239000011159 matrix material Substances 0.000 claims description 39
- 238000012360 testing method Methods 0.000 claims description 28
- 230000008569 process Effects 0.000 claims description 23
- 238000013507 mapping Methods 0.000 claims description 16
- 230000006870 function Effects 0.000 claims description 12
- 238000010276 construction Methods 0.000 claims description 7
- 230000002950 deficient Effects 0.000 claims description 7
- 239000000470 constituent Substances 0.000 claims description 6
- 230000005055 memory storage Effects 0.000 claims description 6
- 238000010606 normalization Methods 0.000 claims 2
- 238000005516 engineering process Methods 0.000 description 12
- 238000012423 maintenance Methods 0.000 description 10
- 238000012544 monitoring process Methods 0.000 description 7
- 230000008859 change Effects 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 4
- 230000007812 deficiency Effects 0.000 description 3
- 239000006185 dispersion Substances 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000007596 consolidation process Methods 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000002405 diagnostic procedure Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000011084 recovery Methods 0.000 description 2
- 230000008439 repair process Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000005304 joining Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 238000011158 quantitative evaluation Methods 0.000 description 1
- 238000004171 remote diagnosis Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000010977 unit operation Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
- G06F11/14—Error detection or correction of the data by redundancy in operation
- G06F11/1402—Saving, restoring, recovering or retrying
- G06F11/1446—Point-in-time backing up or restoration of persistent data
- G06F11/1458—Management of the backup or restore process
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2465—Query processing support for facilitating data mining operations in structured databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2468—Fuzzy queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Fuzzy Systems (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Strategic Management (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Computational Linguistics (AREA)
- Probability & Statistics with Applications (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Automation & Control Theory (AREA)
- Game Theory and Decision Science (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
Abstract
本发明公开了满足复杂数据的新能源并网发电远程测试诊断平台及方法。该平台包括，数据同步采集与存储部，其包括数据采集模块和备份存储模块；数据采集模块被配置为采集新能源并网发电数据并通过相应网络接口传送至备份存储模块中进行数据备份；数据计算处理部，包括状态评价及量化分析模块和故障诊断模块；状态评价及量化分析模块，被配置为利用模糊评价模型来量化评价并网发电设备的工作状态；故障诊断模块被配置为当判断并网发电设备的工作状态处于故障状态时，利用K‑means聚类算法将相应并网发电设备的运行状态数据聚类，再根据故障数据与预设故障库内数据相比对，预设故障库内数据与故障类型匹配存储，最终确定出并网发电设备的故障类型。
Description
技术领域
本发明属于新能源并网测试诊断技术领域，尤其涉及一种满足复杂数据的新能源并网发电远程测试诊断平台及方法。
背景技术
2015年，由中国国家电网公司提出的“全球能源互联网概念”得到了世界主要国家的积极响应。清洁替代和电能替代将成为全球能源发展的必然趋势。但风力发电和光伏发电地理位置主要位于人迹罕至草原、荒山、沙漠、海边等，特别是海上发电，在海上环境下，受到海浪等因素的影响，因此对于风电场或光伏电站的并网检测、设备运行维护、设备状态检修等实现比较困难，而风电场和光伏电站维修力量薄弱，缺乏有经验的维修人员，运行维修技术不成熟。因此，风电和光伏发电的并网检测、运行、维护和检修需寻求一种不同于火力发电的技术方式。
随着计算机技术、网络通信技术和故障诊断技术的不断发展，以及设备故障诊断需求的不断提高，催生了基于这些技术相结合的一种设备故障诊断方式——远程测试诊断。远程测试诊断系统可以将现场设备并网测试数据和运行状态数据及时地送到异地的测试诊断中心以及专家手中，从而减少了现场由于技术人员不足、测试诊断专家由于地域限制不能及时反馈诊断结果而造成的经济损失。
传统的远程测试诊断系统存在以下缺陷：
(1)需要企业花费大量人力物力建立和维护远程诊断中心，但是大部分风电场和光伏电站没有足够的技术和经济能力建立这样的诊断中心。风电场和光伏电站资金有限、技术力量薄弱且设备数量较少，在每个风电场和光伏电站内部搭建一个远程测试诊断中心在一定程度上加重了企业的负担，也造成了资源的浪费。
(2)当前的远程测试诊断系统架构是基于混合模式的诊断系统，将测试诊断分析中心部署在科研院所，风电场和光伏电站内部只搭建本地监控中心。这样虽然在一定程度上降低了风电场和光伏电站的投资成本，但仍需要风电场和光伏电站本身承担一部分的维护工作，并且测试诊断数据存储在本地，而只有知识库存储在诊断中心，也没有解决系统故障信息全局共享的问题。
发明内容
为了解决现有技术的不足，本发明提供了一种满足复杂数据的新能源并网发电远程测试诊断平台，其通过接入在线测试设备进行全面的运行状态监测，对设备运行所产生的大数据进行统一采集与处理，提高了数据监测的效率以及故障信息全局共享性。
本发明的一种满足复杂数据的新能源并网发电远程测试诊断平台，包括：
数据同步采集与存储部，其包括数据采集模块和备份存储模块；所述数据采集模块，被配置为：采集新能源并网发电数据并通过相应网络接口传送至备份存储模块中进行数据备份；及
数据计算处理部，其包括状态评价及量化分析模块和故障诊断模块；所述状态评价及量化分析模块，被配置为：
利用模糊评价模型来量化评价并网发电设备的工作状态；其中，模糊评价模型由模糊评价矩阵、模糊权重和预设模糊变换算子三者构建而成，由预设评价指标相对应的隶属度函数构造模糊评价矩阵；利用层次分析法来确定模糊权重；
所述故障诊断模块，被配置为：当判断并网发电设备的工作状态处于故障状态时，利用K-means聚类算法将相应并网发电设备的运行状态数据聚类，从而达到辨识故障数据的目的，再根据故障数据与预设故障库内数据相比对，所述预设故障库内数据与故障类型匹配存储，最终确定出并网发电设备的故障类型。
进一步的，所述备份存储模块包括主备份服务器，所述主备份服务器通过局域网将其内存储的数据集中存储至与其相连的预设容量存储设备中。
本发明在原有的环境中，将交换机与数据库服务器和备份服务器连接起来，形成单独的备份网络，保证了生产网络的独立性，做到既不影响生产系统的正常运行，又能合理地分配资源。本发明的该技术不需停机便可直接备份，减少备份冲突并缩短了备份时间，保证了备份数据的可靠性、一致性。本发明在备份结束后会自动记录备份情况，该备份方式可保证系统全天候运行。原始数据损坏时，系统管理人员可将备份的数据恢复到数据服务器的原位置。
进一步的，所述满足复杂数据的新能源并网发电远程测试诊断平台还包括服务注册中心服务器，所述服务注册中心服务器内存储有相应服务器的接口协议和端点地址信息。
进一步的，所述数据采集模块与服务注册中心服务器相连，数据采集模块用于通过查询服务注册中心服务器来查找与其标准匹配的服务，从而执行动态服务定位；若服务存在，服务注册中心服务器就给数据采集模块提供相应的接口协议和服务的端点地址。
本发明通过上述技术方案，解决了数据与资源整合以及异构和复杂性的问题，能够使客户或服务消费者不受服务实现改变的影响，能够在不改变整个应用框架的情况下升级单个服务或服务消费者，也无需保留已经不再适用于新需求的现有系统。
进一步的，在所述状态评价及量化分析模块中，利用层次分析法来确定模糊权重的过程为：
首先，选择状态评价因素及其个数，进而构成因素集合；
其次，确定状态评价的判断条件及其个数，进而形成判断集合；
然后，通过因素集合到判断集合的模糊映射来确定模糊关系，进而得到评判矩阵；
求取评判矩阵的最大特征根，以及评判矩阵关于其最大特征根的特征向量，经归一化处理后即可得到因素集合中各个状态评价因素的模糊权重。
本发明的第二目的是提供一种基于满足复杂数据的新能源并网发电远程测试诊断平台的测试诊断方法。
本发明的一种基于满足复杂数据的新能源并网发电远程测试诊断平台的测试诊断方法，包括：
数据采集模块采集新能源并网发电数据并通过相应网络接口传送至备份存储模块中进行数据备份；
状态评价及量化分析模块利用模糊评价模型来量化评价并网发电设备的工作状态；其中，模糊评价模型由模糊评价矩阵、模糊权重和预设模糊变换算子三者构建而成，由预设评价指标相对应的隶属度函数构造模糊评价矩阵；利用层次分析法来确定模糊权重；
当判断并网发电设备的工作状态处于故障状态时，故障诊断模块利用K-means聚类算法将所有数据同时聚类，从而达到辨识故障数据的目的，再根据故障数据与预设故障库内数据相比对，所述预设故障库内数据与故障类型匹配存储，最终确定出并网发电设备的故障类型。
进一步的，所述备份存储模块包括主备份服务器，所述主备份服务器通过局域网将其内存储的数据集中存储至与其相连的预设容量存储设备中。
进一步的，所述满足复杂数据的新能源并网发电远程测试诊断平台还包括服务注册中心服务器，所述服务注册中心服务器内存储有相应服务器的接口协议和端点地址信息。
进一步的，所述数据采集模块与服务注册中心服务器相连，数据采集模块用于通过查询服务注册中心服务器来查找与其标准匹配的服务，从而执行动态服务定位；若服务存在，服务注册中心服务器就给数据采集模块提供相应的接口协议和服务的端点地址。
进一步的，在所述状态评价及量化分析模块中，利用层次分析法来确定模糊权重的过程为：首先，选择状态评价因素及其个数，进而构成因素集合；
其次，确定状态评价的判断条件及其个数，进而形成判断集合；
然后，通过因素集合到判断集合的模糊映射来确定模糊关系，进而得到评判矩阵；
求取评判矩阵的最大特征根，以及评判矩阵关于其最大特征根的特征向量，经归一化处理后即可得到因素集合中各个状态评价因素的模糊权重。
与现有技术相比，本发明的有益效果是：
(1)本发明采用无线网络进行数据传输，有效地满足了远距离、高效率、测试单元分散、测试环境恶劣、测试信息需要实时交互和资源共享的问题。
(2)本发明提高了新能源并网测试效率，能实时监测设备运行状态，提前判断设备的故障发生趋势，降低机组事故发生率，降低维修费用，减少维修时间，提高机组运行效率和可靠性。
(3)本发明建立新能源并网发电远程测试诊断数据平台能够统一管理各种并网测试设备和测试过程，实时进行测试数据分析；能够对测试设备统一管理，对测试数据统一采集、查看和分析。
附图说明
构成本申请的一部分的说明书附图用来提供对本申请的进一步理解，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。
图1是一种满足复杂数据的新能源并网发电远程测试诊断平台的实施例示意图。
图2是一种满足复杂数据的新能源并网发电远程测试诊断平台的诊断方法流程图。
具体实施方式
应该指出，以下详细说明都是例示性的，旨在对本申请提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
正如背景技术所介绍的，现有技术中存在需要企业花费大量人力物力建立和维护远程诊断中心以及系统故障信息无法实现全局共享的不足，为了解决如上的技术问题，本申请提出了一种满足复杂数据的新能源并网发电远程测试诊断平台。
本发明的一种满足复杂数据的新能源并网发电远程测试诊断平台，包括：
(1)数据同步采集与存储部，其包括数据采集模块和备份存储模块；所述数据采集模块，被配置为：采集新能源并网发电数据并通过相应网络接口传送至备份存储模块中进行数据备份。
其中，所述备份存储模块包括主备份服务器，所述主备份服务器通过局域网将其内存储的数据集中存储至与其相连的预设容量存储设备中。
数据在Client服务器备份过程中必须要经过LAN这一环节，因此LAN是备份的关键点，在数据量较大的情况下，LAN将影响备份速度。本发明将数据迁入存储局域网(SAN)环境，采用LAN一FREE方式进行备份，充分利用光纤通道和SAN存储设备的优势能力，能最大限度地集中管理备份数据，结合Netbackup软件，不需停机便可直接备份，减少备份冲突并缩短了备份时间，实现快速备份。
随着信息化的快速发展，企业对备份的要求也会越来越高，因此备份设备的选型也要从长远发展上考虑。本发明选用磁带库来存储数据，结合优化措施，服务器资源无需被备份系统长期占用，可使系统最大限度地发挥各设备能力，以保障数据的安全可靠。
本发明在原有的环境中，将交换机与数据库服务器和备份服务器连接起来，形成单独的备份网络，保证了生产网络的独立性，做到既不影响生产系统的正常运行，又能合理地分配资源。本发明的该技术不需停机便可直接备份，减少备份冲突并缩短了备份时间，保证了备份数据的可靠性、一致性。本发明在备份结束后会自动记录备份情况，该备份方式可保证系统全天候运行。原始数据损坏时，系统管理人员可将备份的数据恢复到数据服务器的原位置。
(2)数据计算处理部，其包括状态评价及量化分析模块和故障诊断模块；所述状态评价及量化分析模块，被配置为：
利用模糊评价模型来量化评价并网发电设备的工作状态；其中，模糊评价模型由模糊评价矩阵、模糊权重和预设模糊变换算子三者构建而成，由预设评价指标相对应的隶属度函数构造模糊评价矩阵；利用层次分析法来确定模糊权重；
所述故障诊断模块，被配置为：当判断并网发电设备的工作状态处于故障状态时，利用K-means聚类算法将相应并网发电设备的运行状态数据聚类，从而达到辨识故障数据的目的，再根据故障数据与预设故障库内数据相比对，所述预设故障库内数据与故障类型匹配存储，最终确定出并网发电设备的故障类型。
具体地，所述满足复杂数据的新能源并网发电远程测试诊断平台还包括服务注册中心服务器，所述服务注册中心服务器内存储有相应服务器的接口协议和端点地址信息。
其中，所述数据采集模块与服务注册中心服务器相连，数据采集模块用于通过查询服务注册中心服务器来查找与其标准匹配的服务，从而执行动态服务定位；若服务存在，服务注册中心服务器就给数据采集模块提供相应的接口协议和服务的端点地址。
本发明通过上述技术方案，解决了数据与资源整合以及异构和复杂性的问题，能够使客户或服务消费者不受服务实现改变的影响，能够在不改变整个应用框架的情况下升级单个服务或服务消费者，也无需保留已经不再适用于新需求的现有系统。
在线检测技术通常无法直接获得设备的寿命模型，设备当前的状态只能通过分析设备运行过程中表现出的一些现象或状态参数来体现。但由于测试设备状态评价过程中参数较多且评价标准不一，若想对设备进行客观可靠地状态评价分析，则必须构建设备状态综合量化评价模型，而模型构建中的模糊评价矩阵R将直接影响最终的评价结果。
其中，在所述状态评价及量化分析模块中，利用层次分析法来确定模糊权重向量的过程为：
首先，选择状态评价因素及其个数，进而构成因素集合；
其次，确定状态评价的判断条件及其个数，进而形成判断集合；
然后，通过因素集合到判断集合的模糊映射来确定模糊关系，进而得到评判矩阵；
求取评判矩阵的最大特征根，以及评判矩阵关于其最大特征根的特征向量，经归一化处理后即可得到因素集合中各个状态评价因素的模糊权重。
例如：
选择状态评价因素的个数为m个，构成的因素集合U＝{ul，u2，…，um}；
确定状态评价的判断条件为n个，形成的判断集合V＝{v1，v2，…，vn}；
其中，m和n均为正整数；
然后通过U到V模糊映射
f：U→f(V)
ui→(ri1，ri2，…，rin)
确定1个模糊关系R，构成评判矩阵
接下来计算权值ai。
根据评判矩阵R，计算它的最大特征根λmax，并求出矩阵R关于λmax的特征向量ξ＝(χ1，χ2，χ3，...，χm)，经过归一化处理后的χi就是各因素的权重，即
A＝(a1，a2，…，am)。
在本发明的状态评价及量化分析模块中，模糊评价模型由模糊权重A＝(a1，a2，…，am)，模糊评价矩阵R＝[rij]m×n，模糊变换算子f三者构建而成，关系公式如下：
B＝f(AR)(B为模糊评价决策集的一个子集)
首先确定模糊评价矩阵R，将指标分为两类，一类是可靠度、维修度、监测性等数值越大越好的正指标，一类是故障率、维护成本等数值越小越好的逆指标。对设备的每一个评价指标ui分别构造出r1(优)，r2(良)，r3(中)，r4(差)，r5(很差)五等级的隶属函数ri1，ri2，ri3，ri4，ri5。
将指标ui的所有观测值按增序平均分成Z1，Z2，Z3三类，记为：
并分别求出Z1，Z2，Z3的均值ε1、ε2、ε3。
将指标样本集中指标ui的最小值记为di，指标ui的最大值记为pi。
若指标值ui≤di，则判定完全属于r5(很差)，若ui≥pi，则判定完全属于r1(优)。
以di和pi作为界限将两指标之间的数值范围依次分为五个等级，ε1，ε2，ε3的隶属度为1，概念模糊的边界交点隶属度为0.5，以此为基础得出正指标i的隶属函数。通过分析指标值和平均值之间的关系，利用区域数值的上下限，即可构造出正负指标的隶属函数。
此时可确定评价指标相对于五个评价等级的隶属程度，由此构造出模糊评价矩阵R＝其中隶属度rij表示某子项目下第i个指标ui对评语rj的隶属关系。
模糊评价矩阵R确定后，综合考虑到保障评价结果的客观性和真实性，利用层次分析法AHP来确定权值，再利用可以兼顾考虑整体和各因素之间关系的加权平均模型分析出模糊变换算子f。
其中f与同值，为模糊变换算子。常见的模糊算子包括本发明选用算子即加权平均型算子，可从分利用关系矩阵R的信息且明显体现权重作用。
本发明的运算模型为
最后，根据公式B＝f(AR)对设备各功能单元和系统健康状况进行全面、客观的评价。
在所述故障诊断模块中，以K-means聚类算法为基础，将所有数据同时聚类，从而达到辨识故障数据的目的，数据挖掘处理的解决方案如下：
步骤1：首先以k＝1和k＝2调用并行K-means算法，对样本集进行聚类，根据聚类结果计算F组样本数据组成的样本数据集聚类离散度Wr,j(k)的自然对数的数学期望 其中：F和r均为正整数；r为样本数据集的下标，表示样本数据的类别，将数值放至分布式文件系统等待调用；j表示样本数据的组数。
步骤2：初始化样本，以k＝2和k＝3重复步骤1过程计算参考数据聚类离散度的自然对数ln w(k)，调用步骤1计算数值，计算间隙函数gap(k)＝E[ln Wr(k)]-ln w(k)和E[lnWr(k)]的标准差以gap(k-1)≥gap(k)-Sk作为条件判据，若判据成立则所有数据均为正常数据，辨识结束，否则转入步骤3。
步骤3：以k＝4为初始值，重复步骤1过程计算参考数据聚类离散度的自然对数lnw(k)，以此为基础计算肘形折角 并判断θ(k-1)<θ(k)是否成立，若成立，那么此k-1值便是最合适簇数，执行步骤4，否则以k＝k+1重新执行步骤3。
步骤4：执行Map函数计算各类的均方差，然后使用Reduce比较出最小均方差，按照均方差最小的为正常数据，其余数据均为故障数据的原则，对数据进行标记，正常数据标记为0，故障数据标记为1。
图2是一种满足复杂数据的新能源并网发电远程测试诊断平台的诊断方法流程图。
如图2所示，本发明的基于满足复杂数据的新能源并网发电远程测试诊断平台的测试诊断方法，包括：
数据采集模块采集新能源并网发电数据并通过相应网络接口传送至备份存储模块中进行数据备份；
状态评价及量化分析模块利用模糊评价模型来量化评价并网发电设备的工作状态；其中，模糊评价模型由模糊评价矩阵、模糊权重和预设模糊变换算子三者构建而成，由预设评价指标相对应的隶属度函数构造模糊评价矩阵；利用层次分析法来确定模糊权重；
当判断并网发电设备的工作状态处于故障状态时，故障诊断模块利用K-means聚类算法将所有数据同时聚类，从而达到辨识故障数据的目的，再根据故障数据与预设故障库内数据相比对，所述预设故障库内数据与故障类型匹配存储，最终确定出并网发电设备的故障类型。
其中，所述备份存储模块包括主备份服务器，所述主备份服务器通过局域网将其内存储的数据集中存储至与其相连的预设容量存储设备中。
所述满足复杂数据的新能源并网发电远程测试诊断平台还包括服务注册中心服务器，所述服务注册中心服务器内存储有相应服务器的接口协议和端点地址信息。
而且，所述数据采集模块与服务注册中心服务器相连，数据采集模块用于通过查询服务注册中心服务器来查找与其标准匹配的服务，从而执行动态服务定位；若服务存在，服务注册中心服务器就给数据采集模块提供相应的接口协议和服务的端点地址。
具体地，在所述状态评价及量化分析模块中，利用层次分析法来确定模糊权重的过程为：
首先，选择状态评价因素及其个数，进而构成因素集合；
其次，确定状态评价的判断条件及其个数，进而形成判断集合；
然后，通过因素集合到判断集合的模糊映射来确定模糊关系，进而得到评判矩阵；
求取评判矩阵的最大特征根，以及评判矩阵关于其最大特征根的特征向量，经归一化处理后即可得到因素集合中各个状态评价因素的模糊权重。
与现有远程测试与数据诊断中心相比，本发明的优势在于：
(1)新能源并网产生的数据量较为庞大，现有的远程诊断中心处理起来较为费力，将云计算引入数据处理中心，可以使远程诊断系统充分发挥云计算技术中并行计算能力、海量数据存储、规模动态扩展、系统可用性与可靠性高等特点。
(2)现有诊断中心监测数据类型有限，不便于准确把握新能源并网运行状态。而本诊断中心可以采集处理风电场SCADA数据、光伏电站集中监控数据、升压站综自数据以及并网特性测试装置数据等多种不同类别数据信息，满足数据多元化的在线监测与故障诊断要求，有利于我们快速及时准确判断并网运行状态和故障趋势。
与现有远程诊断客户端相比，本发明的优势在于：
(1)相比较于现有诊断中心较为单纯的监测、诊断功能，本发明在客户端添加了技术监督功能，当现场设备发生故障时，技术专家可在远端客户端第一时间指导现场工作人员进行维护检修，大大提高了供电稳定性。
(2)客户端具有统一的用户界面，任何得到授权的用户都可以使用Web浏览器来对现场进行实时监控，不再需要为不同的控制系统安装不同的客户软件。
上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制，所属领域技术人员应该明白，在本发明的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。
Claims (10)
1.一种满足复杂数据的新能源并网发电远程测试诊断平台，其特征在于，包括：
数据同步采集与存储部，其包括数据采集模块和备份存储模块；所述数据采集模块，被配置为：采集新能源并网发电数据并通过相应网络接口传送至备份存储模块中进行数据备份；及
数据计算处理部，其包括状态评价及量化分析模块和故障诊断模块；所述状态评价及量化分析模块，被配置为：
利用模糊评价模型来量化评价并网发电设备的工作状态；其中，模糊评价模型由模糊评价矩阵、模糊权重和预设模糊变换算子三者构建而成，由预设评价指标相对应的隶属度函数构造模糊评价矩阵；利用层次分析法来确定模糊权重；
所述故障诊断模块，被配置为：当判断并网发电设备的工作状态处于故障状态时，利用K-means聚类算法将相应并网发电设备的运行状态数据聚类，从而达到辨识故障数据的目的，再根据故障数据与预设故障库内数据相比对，所述预设故障库内数据与故障类型匹配存储，最终确定出并网发电设备的故障类型。
2.如权利要求1所述的一种满足复杂数据的新能源并网发电远程测试诊断平台，其特征在于，所述备份存储模块包括主备份服务器，所述主备份服务器通过局域网将其内存储的数据集中存储至与其相连的预设容量存储设备中。
3.如权利要求1所述的一种满足复杂数据的新能源并网发电远程测试诊断平台，其特征在于，所述满足复杂数据的新能源并网发电远程测试诊断平台还包括服务注册中心服务器，所述服务注册中心服务器内存储有相应服务器的接口协议和端点地址信息。
4.如权利要求3所述的一种满足复杂数据的新能源并网发电远程测试诊断平台，其特征在于，所述数据采集模块与服务注册中心服务器相连，数据采集模块用于通过查询服务注册中心服务器来查找与其标准匹配的服务，从而执行动态服务定位；若服务存在，服务注册中心服务器就给数据采集模块提供相应的接口协议和服务的端点地址。
5.如权利要求1所述的一种满足复杂数据的新能源并网发电远程测试诊断平台，其特征在于，在所述状态评价及量化分析模块中，利用层次分析法来确定模糊权重的过程为：
首先，选择状态评价因素及其个数，进而构成因素集合；
其次，确定状态评价的判断条件及其个数，进而形成判断集合；
然后，通过因素集合到判断集合的模糊映射来确定模糊关系，进而得到评判矩阵；
求取评判矩阵的最大特征根，以及评判矩阵关于其最大特征根的特征向量，经归一化处理后即可得到因素集合中各个状态评价因素的模糊权重。
6.一种基于如权利要求1所述的满足复杂数据的新能源并网发电远程测试诊断平台的测试诊断方法，其特征在于，包括：
数据采集模块采集新能源并网发电数据并通过相应网络接口传送至备份存储模块中进行数据备份；
状态评价及量化分析模块利用模糊评价模型来量化评价并网发电设备的工作状态；其中，模糊评价模型由模糊评价矩阵、模糊权重和预设模糊变换算子三者构建而成，由预设评价指标相对应的隶属度函数构造模糊评价矩阵；利用层次分析法来确定模糊权重；
当判断并网发电设备的工作状态处于故障状态时，故障诊断模块利用K-means聚类算法将所有数据同时聚类，从而达到辨识故障数据的目的，再根据故障数据与预设故障库内数据相比对，所述预设故障库内数据与故障类型匹配存储，最终确定出并网发电设备的故障类型。
7.如权利要求6所述的测试诊断方法，其特征在于，所述备份存储模块包括主备份服务器，所述主备份服务器通过局域网将其内存储的数据集中存储至与其相连的预设容量存储设备中。
8.如权利要求6所述的测试诊断方法，其特征在于，所述满足复杂数据的新能源并网发电远程测试诊断平台还包括服务注册中心服务器，所述服务注册中心服务器内存储有相应服务器的接口协议和端点地址信息。
9.如权利要求8所述的测试诊断方法，其特征在于，所述数据采集模块与服务注册中心服务器相连，数据采集模块用于通过查询服务注册中心服务器来查找与其标准匹配的服务，从而执行动态服务定位；若服务存在，服务注册中心服务器就给数据采集模块提供相应的接口协议和服务的端点地址。
10.如权利要求6所述的测试诊断方法，其特征在于，在所述状态评价及量化分析模块中，利用层次分析法来确定模糊权重的过程为：
首先，选择状态评价因素及其个数，进而构成因素集合；
其次，确定状态评价的判断条件及其个数，进而形成判断集合；
然后，通过因素集合到判断集合的模糊映射来确定模糊关系，进而得到评判矩阵；
求取评判矩阵的最大特征根，以及评判矩阵关于其最大特征根的特征向量，经归一化处理后即可得到因素集合中各个状态评价因素的模糊权重。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711181405.XA CN107705054A (zh) | 2017-11-23 | 2017-11-23 | 满足复杂数据的新能源并网发电远程测试诊断平台及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711181405.XA CN107705054A (zh) | 2017-11-23 | 2017-11-23 | 满足复杂数据的新能源并网发电远程测试诊断平台及方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN107705054A true CN107705054A (zh) | 2018-02-16 |
Family
ID=61185701
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201711181405.XA Pending CN107705054A (zh) | 2017-11-23 | 2017-11-23 | 满足复杂数据的新能源并网发电远程测试诊断平台及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107705054A (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109389309A (zh) * | 2018-10-11 | 2019-02-26 | 济中节能技术（苏州）有限公司 | 一种风力发电机性能评估方法、系统、设备及计算机介质 |
| CN109740648A (zh) * | 2018-12-21 | 2019-05-10 | 广州供电局有限公司 | 电力负荷异常数据识别方法、装置和计算机设备 |
| CN110196857A (zh) * | 2019-05-16 | 2019-09-03 | 武汉誉德节能数据服务有限公司 | 一种工业物联网数据预测分析平台 |
| CN111221320A (zh) * | 2019-12-27 | 2020-06-02 | 北京航天测控技术有限公司 | 一种数据判读方法、装置、终端及计算机可读介质 |
| CN112632762A (zh) * | 2020-12-15 | 2021-04-09 | 国网电子商务有限公司 | 光伏电站故障监测方法及装置 |
| CN113535474A (zh) * | 2021-06-30 | 2021-10-22 | 重庆紫光华山智安科技有限公司 | 异构云存储集群故障自动修复的方法、系统、介质及终端 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN203179007U (zh) * | 2013-03-21 | 2013-09-04 | 浙江中烟工业有限责任公司 | 一种基于异步数据云的云备份系统 |
| CN103793859A (zh) * | 2014-02-21 | 2014-05-14 | 北京科诺伟业科技股份有限公司 | 一种风电场运行监控及事件综合评价方法 |
| CN104617661A (zh) * | 2015-02-27 | 2015-05-13 | 中盛新能源（南京）有限公司 | 一种光伏电站运维系统 |
| US20170109674A1 (en) * | 2015-10-07 | 2017-04-20 | University Of Utah Research Foundation | Systems and methods for managing power generation resources |
-
2017
- 2017-11-23 CN CN201711181405.XA patent/CN107705054A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN203179007U (zh) * | 2013-03-21 | 2013-09-04 | 浙江中烟工业有限责任公司 | 一种基于异步数据云的云备份系统 |
| CN103793859A (zh) * | 2014-02-21 | 2014-05-14 | 北京科诺伟业科技股份有限公司 | 一种风电场运行监控及事件综合评价方法 |
| CN104617661A (zh) * | 2015-02-27 | 2015-05-13 | 中盛新能源（南京）有限公司 | 一种光伏电站运维系统 |
| US20170109674A1 (en) * | 2015-10-07 | 2017-04-20 | University Of Utah Research Foundation | Systems and methods for managing power generation resources |
Non-Patent Citations (1)
| Title |
|---|
| 吴军基 等: "基于GSA的肘形判据用于电力系统不良数据辨识", 《中国电机工程学报》 * |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109389309A (zh) * | 2018-10-11 | 2019-02-26 | 济中节能技术（苏州）有限公司 | 一种风力发电机性能评估方法、系统、设备及计算机介质 |
| CN109740648A (zh) * | 2018-12-21 | 2019-05-10 | 广州供电局有限公司 | 电力负荷异常数据识别方法、装置和计算机设备 |
| CN109740648B (zh) * | 2018-12-21 | 2020-11-03 | 广东电网有限责任公司广州供电局 | 电力负荷异常数据识别方法、装置和计算机设备 |
| CN110196857A (zh) * | 2019-05-16 | 2019-09-03 | 武汉誉德节能数据服务有限公司 | 一种工业物联网数据预测分析平台 |
| CN111221320A (zh) * | 2019-12-27 | 2020-06-02 | 北京航天测控技术有限公司 | 一种数据判读方法、装置、终端及计算机可读介质 |
| CN111221320B (zh) * | 2019-12-27 | 2021-08-10 | 北京航天测控技术有限公司 | 一种数据判读方法、装置、终端及计算机可读介质 |
| CN112632762A (zh) * | 2020-12-15 | 2021-04-09 | 国网电子商务有限公司 | 光伏电站故障监测方法及装置 |
| CN112632762B (zh) * | 2020-12-15 | 2024-04-12 | 国网电子商务有限公司 | 光伏电站故障监测方法及装置 |
| CN113535474A (zh) * | 2021-06-30 | 2021-10-22 | 重庆紫光华山智安科技有限公司 | 异构云存储集群故障自动修复的方法、系统、介质及终端 |
| CN113535474B (zh) * | 2021-06-30 | 2022-11-11 | 重庆紫光华山智安科技有限公司 | 异构云存储集群故障自动修复的方法、系统、介质及终端 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107705054A (zh) | 满足复杂数据的新能源并网发电远程测试诊断平台及方法 | |
| CN105186514B (zh) | 一种大规模分布式光伏并网对配网安全评价及预警方法 | |
| CN106570581B (zh) | 能源互联网环境下基于属性关联的负荷预测系统及其方法 | |
| CN106505593B (zh) | 一种基于大数据的配变三相不平衡分析与负荷调整的方法 | |
| CN105403811B (zh) | 风电场电网故障诊断方法和装置 | |
| CN104503399B (zh) | 一种集团级风电机组状态监测及故障诊断平台 | |
| Wu et al. | Risk assessment of wind-photovoltaic-hydrogen storage projects using an improved fuzzy synthetic evaluation approach based on cloud model: A case study in China | |
| CN107179503A (zh) | 基于随机森林的风电机组故障智能诊断预警的方法 | |
| CN103337043B (zh) | 电力通信设备运行状态的预警方法和系统 | |
| CN103793859B (zh) | 一种风电场运行监控及事件综合评价方法 | |
| CN112688431A (zh) | 一种基于大数据的配电网负荷过载可视化方法及系统 | |
| CN113406438B (zh) | 一种适用于低压台区的故障智能诊断方法及其运维系统 | |
| CN108053110A (zh) | 一种基于pmu数据的变压器状态在线诊断方法 | |
| CN110533331A (zh) | 一种基于输电线路数据挖掘的故障预警方法和系统 | |
| CN106228300A (zh) | 一种分布式电源运营管理系统 | |
| CN109974780A (zh) | 一种基于物联网的电气设备状态监测系统 | |
| CN108347352A (zh) | 一种电力系统中信息系统及设备性能的诊断方法 | |
| CN116128467A (zh) | 用电系统维护方法、装置、计算机设备和存储介质 | |
| CN103617447A (zh) | 智能变电站的评价系统及评价方法 | |
| CN116467648A (zh) | 一种基于物联表的非线性台区电力故障的早期监测方法 | |
| CN106295106A (zh) | 一种光伏电站无功支撑能力评估方法 | |
| CN107679723B (zh) | 一种新能源发电并网系统的网络化远程测试方法 | |
| Marinakis et al. | Energy management 4.0 | |
| Pan et al. | Research on Multi-Level and Multi-Dimensional Early Warning System of Line Loss under the Condition of Improving Real-Time Monitoring of Equipment Operation Status | |
| Hongyu et al. | Research on Auxiliary System of Big Data Abnormality in Station Area Line Loss under Smart Grid |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180216 |