CN109947786A - 风电场中故障自动排查方法、装置及计算机可读存储介质 - Google Patents
风电场中故障自动排查方法、装置及计算机可读存储介质 Download PDFInfo
- Publication number
- CN109947786A CN109947786A CN201710966691.4A CN201710966691A CN109947786A CN 109947786 A CN109947786 A CN 109947786A CN 201710966691 A CN201710966691 A CN 201710966691A CN 109947786 A CN109947786 A CN 109947786A
- Authority
- CN
- China
- Prior art keywords
- data
- wind
- operation data
- wind turbines
- fault
- 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
- 206010008190 Cerebrovascular accident Diseases 0.000 claims abstract description 7
- 208000006011 Stroke Diseases 0.000 claims abstract description 7
- 230000001133 acceleration Effects 0.000 claims description 17
- 238000013024 troubleshooting Methods 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 6
- 238000011835 investigation Methods 0.000 description 21
- 230000006872 improvement Effects 0.000 description 11
- 230000007257 malfunction Effects 0.000 description 9
- 238000003745 diagnosis Methods 0.000 description 5
- 230000008030 elimination Effects 0.000 description 4
- 238000003379 elimination reaction Methods 0.000 description 4
- 238000009434 installation Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000001514 detection method Methods 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011900 installation process Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000000153 supplemental effect Effects 0.000 description 1
Abstract
本发明公开一种风电场中故障自动排查方法、装置及计算机可读存储介质,该方法包括:S1.预先建立标准数据库以及故障特征数据库;S2.实时采集目标风电场中风资源数据、目标风电机组的运行数据;S3.将采集到的风资源数据、运行数据输入至标准数据库中进行匹配,判断目标风电机组是否为正常运行状态,如果为否,发出故障报警并转入执行步骤S4;S4.将采集到的风资源数据、运行数据输入至故障特征数据库中进行匹配,输出匹配得到的故障类型信息;该装置包括数据库模块、数据采集模块、状态判别模块以及故障定位模块。本发明能够及时发现风电场中风电机组的早期故障并实现故障智能定位,且排查效率及精度高。
Description
技术领域
本发明涉及风电场故障检测技术领域,尤其涉及一种风电场中故障自动排查方法、装置及计算机可读存储介质。
背景技术
风电场中风电机组在安装过程中、以及运行过程中均可能发生故障,一旦故障发生,会影响机组的正常稳定运行,而目前风电场中对于风电机组的故障检测,通常都是在风电机组故障发生后,人工再去对故障位置、故障原因进行排查,故障排查效率低、效果差,且无法在风电机组故障发生前及时排查到该可能故障的发生,造成经济损失,同时影响风机的持续稳定运行,尤其是风电场中风电机组通常是批量进行装配,若早期因安装、选型等问题造成故障问题,会使得风电机组批量发生故障,造成极大的经济损失,且人工需要耗费大量的时间去排查所有故障机组的具体故障原因,若能够在早期即发现该故障问题,则可以极大的减少损失,提高风电场运行稳定性,且如果能够越早发现该故障,则可以越大程度的减少损失,提高风机运行稳定性。
中国专利申请201510496456.6公开一种风电场风电机组校验方法,该方法通过采集不同风速下的功率等信息得到相应曲线,然后与风场其他机组进行对比,可以实现在风电机组运行过程中进行校验,判断风电机组是否合格,但是该方法基于其他风电机组的数据实现校验,当整个风电场中存在批量风电机组由于早期安装、选型等问题存在故障问题时,则无法判断到该故障,且该方法仅能粗略的判断到风电机组是否合格,无法定位到具体的故障类型,仍然需要人工进一步排查得到故障类型。
发明内容
本发明要解决的技术问题就在于:针对现有技术存在的技术问题,本发明提供一种 能够及时发现风电场中风电机组的早期故障并实现故障智能定位,且排查效率及精度高的风电场中故障自动排查方法、装置及计算机可读存储介质。
为解决上述技术问题,本发明提出的技术方案为:
一种风电场中故障自动排查方法,步骤包括:
S1. 预先由风电机组在不同风资源数据下正常工况时的风机运行数据建立标准数据库,以及由风电机组在不同风资源数据下各种故障类型时的风机运行数据建立故障特征数据库;
S2. 实时采集目标风电场中风资源数据、目标风电机组的运行数据;
S3. 将所述步骤S2实时采集到的风资源数据、运行数据输入至所述标准数据库中进行匹配,根据匹配结果判断目标风电机组是否为正常运行状态,如果为否,发出故障报警并转入执行步骤S4;
S4. 将所述步骤S2实时采集到的风资源数据、运行数据输入至所述故障特征数据库中进行匹配,输出匹配得到的故障类型信息。
作为本发明方法的进一步改进:所述风资源数据包括风速和/或风向数据;所述风机运行数据包括风电机组的桨距角、变桨速率、机舱前向加速度、机舱后向加速度、机舱左侧加速度以及机舱右侧加速度中一种或多种数据的组合。
作为本发明方法的进一步改进,所述标准数据库中具体包括风机运行数据的正常运行量范围,所述步骤S3中将所述步骤S2实时采集到的风资源数据、运行数据输入至所述标准数据库中进行匹配的具体步骤为:
S31. 将实时采集到的风资源数据输入至所述标准数据库中进行匹配,获取对应当前风资源数据的所述风机运行数据的正常运行量范围;
S32. 判断目标风电机组的运行数据是否在获取的所述风机运行数据的正常运行量范围内,如果是,判定为所述目标风电机组的运行数据与所述标准数据库中运行数据匹配,否则判定为不匹配。
作为本发明方法的进一步改进:所述步骤S3中判断目标风电机组是否为正常运行状态时,还包括获取其他风电机组的运行数据,并计算获取的所有其他风电机组的运行数据的统计值,将实时采集到的所述目标风电机组的运行数据与计算到的所述统计值进行比较,根据比较结果以及所述匹配结果判断目标风电机组是否为正常运行状态。
作为本发明方法的进一步改进:所述根据比较结果以及所述匹配结果判断的具体步骤为:若判断到所述目标风电机组的运行数据与所述统计值之间的差值在预设范围内,且判断到所述目标风电机组的运行数据与所述标准数据库中运行数据匹配,最终判定为处于正常运行状态,否则发出故障报警。
作为本发明方法的进一步改进:所述统计值包括平均值、最大值、最小值中的一种或多种的综合值。
作为本发明方法的进一步改进,所述故障特征数据库具体包括对应各故障类型时的风机特征运行数据、故障处理方式信息,所述步骤S4的具体步骤为:
S41. 将实时采集到的风资源数据输入至所述故障特征数据库中进行匹配,获取对应当前风资源数据下各种故障类型时的所述风机特征运行数据;
S42. 将目标风电机组的运行数据与获取的各所述风机特征运行数据进行匹配比较,输出匹配的目标故障类型,并从所述故障数据库中获取目标故障类型对应的故障处理方式信息输出。
作为本发明方法的进一步改进:故障类型包括故障部件和/或故障部件中位置。
一种风电场中故障自动排查装置,包括:
数据库模块,用于预先由风电机组在不同风资源数据下正常工况时的风机运行数据建立标准数据库,以及由风电机组在不同风资源数据下各种故障类型时的风机运行数据建立故障特征数据库;
数据采集模块,用于实时采集目标风电场中风资源数据、目标风电机组的运行数据;
状态判别模块,用于将所述数据采集模块实时采集到的风资源数据、运行数据输入至所述标准数据库中进行匹配,根据匹配结果判断目标风电机组是否为正常运行状态,如果为否,发出故障报警并转入执行故障定位模块;
故障定位模块,用于将所述数据采集模块实时采集到的风资源数据、运行数据输入至所述故障特征数据库中进行匹配,输出匹配得到的故障类型信息。
作为本发明装置的进一步改进,所述数据库模块中标准数据库具体包括风机运行数据的正常运行量范围,所述状态判别模块具体包括:
第一判别单元,用于将实时采集到的风资源数据输入至所述标准数据库中进行匹配,获取对应当前风资源数据的所述风机运行数据的正常运行量范围;
第二判别单元,用于判断目标风电机组的运行数据是否在获取的所述风机运行数据的正常运行量范围内,如果是,判定为所述目标风电机组的运行数据与所述标准数据库中运行数据匹配,否则判定为不匹配。
作为本发明装置的进一步改进,所述状态判别模块还包括第三判别单元,用于获取其他风电机组的运行数据,并计算获取的所有其他风电机组的运行数据的统计值,将实时采集到的所述目标风电机组的运行数据与计算到的所述统计值进行比较,根据比较结果以及所述匹配结果判断目标风电机组是否为正常运行状态。
作为本发明装置的进一步改进,所述第三判别模块中根据比较结果以及所述匹配结果判断时,具体若判断到所述目标风电机组的运行数据与所述统计值之间的差值在预设范围内,且判断到所述目标风电机组的运行数据与所述标准数据库中运行数据匹配,最终判定为处于正常运行状态,否则发出故障报警。
作为本发明装置的进一步改进,所述数据库模块中故障特征数据库具体包括对应各故障类型时的风机特征运行数据、故障处理方式信息,所述故障定位模块具体包括:
第一定位单元,用于将实时采集到的风资源数据输入至所述故障特征数据库中进行匹配,获取对应当前风资源数据下各种故障类型时的所述风机特征运行数据;
第二定位单元,用于将目标风电机组的运行数据与获取的各所述风机特征运行数据进行匹配比较,输出匹配的目标故障类型,并从所述故障数据库中获取目标故障类型对应的故障处理方式信息输出。
一种存储有计算机程序的计算机可读存储介质,所述计算机程序执行时实现如上述的方法。
与现有技术相比,本发明的优点在于:
1)本发明通过预先建立标准数据库以及故障特征数据库,将风场实时运行数据与建立的数据库进行匹配比较,能够基于大数据在风电机组的故障发生前及时排查到故障状态,相比于人工排查方式,极大的提高了排查效率及精度,降低了风场早期故障排查难度,且可提前发现故障、处理故障,减少不必要的损失,保证风电场的持续稳定运行,同时在排查到处于故障报警状态时,由故障特征数据库进一步可智能诊断出对应的故障类型,实现风电机组故障的智能化排查及诊断。
2)本发明基于数据库的大数据实现风电场中风电机组故障的自动排查,可方便的进行排查功能的扩展,风机可通过数据库实现多种功能预置以发现各类潜在问题,且无需依赖于其他风电机组的实时运行数据,因而当风电场出现批量风电机组因早期安装、选型等故障问题时,仍然可以准确的排查到该批量风电机组的故障状态。
3)本发明进一步通过结合实时风机运行数据与标准数据库的匹配结果,以及风电场其他风电机组的运行状态来综合确定风机的故障状态,可进一步提高风机故障排查的精度,同时结合其他风电机组的运行状态,还可以在排查到存在风机故障时,确定该故障为批量故障问题还是独立风机故障问题。
附图说明
图1是本实施例风电场中故障自动排查方法的实现流程示意图。
图2是本实施例风电场中故障自动排查方法的实现原理示意图。
图3是本实施例风电场中故障自动排查装置的结构原理示意图。
具体实施方式
以下结合说明书附图和具体优选的实施例对本发明作进一步描述,但并不因此而限制本发明的保护范围。
如图1、2所示,本实施例风电场中故障自动排查方法,步骤包括:
S1. 预先由风电机组在不同风资源数据下正常工况时的风机运行数据建立标准数据库,以及由风电机组在不同风资源数据下各种故障类型时的风机运行数据建立故障特征数据库;
S2. 实时采集目标风电场中风资源数据、目标风电机组的运行数据;
S3. 将步骤S2实时采集到的风资源数据、运行数据输入至标准数据库中进行匹配,根据匹配结果判断目标风电机组是否为正常运行状态,如果为否,发出故障报警并转入执行步骤S4;
S4. 将步骤S2实时采集到的风资源数据、运行数据输入至故障特征数据库中进行匹配,输出匹配得到的故障类型信息。
本实施例通过预先建立标准数据库以及故障特征数据库,将风场实时运行数据与建立的数据库进行匹配比较,能够基于大数据在风电机组的故障发生前及时排查到故障状态,相比于人工排查方式,极大的提高了排查效率及精度,降低了风场早期故障排查难度,且可提前发现故障、处理故障,减少不必要的损失,保证风电场的持续稳定运行,同时在排查到处于故障报警状态时,由故障特征数据库进一步可智能诊断出对应的故障类型,实现风电机组故障的智能化排查及诊断。
本实施例基于数据库的大数据实现风电场中风电机组故障的自动排查,可便于进行功能的扩展,风机可通过数据库预置多种排查功能以发现各类潜在问题,且无需依赖于其他风电机组的实时运行数据,因而当风电场出现批量风电机组因早期安装、选型等故障问题时,仍然可以准确的排查到该批量风电机组的故障状态。
本实施例中,风资源数据包括风速、风向数据,风机运行数据包括风电机组的桨距角、变桨速率、机舱前向加速度、机舱后向加速度、机舱左侧加速度以及机舱右侧加速度。具体预先由不同风速、风向条件时,获取风电机组的桨距角、变桨速率、机舱前向加速度、机舱后向加速度、机舱左侧加速度以及机舱右侧加速度的特征量,如在某风速、风向条件时,桨距角的正常运行量,构建得到标准数据库以用于判断风电机组的运行状态。当然标准数据库建立时,风资源数据也可以根据实际需求采用风速或风向数据中一种,或采用其他风资源数据,风机运行数据也可以使用上述风机运行参数的一种或多种的组合,或采用其他的风机运行参数数据。
本实施例中,标准数据库中具体包括风机运行数据的正常运行量范围,如在某风速、风向条件是,桨距角等的正常运行量范围。步骤S3中将步骤S2实时采集到的风资源数据、运行数据输入至标准数据库中进行匹配的具体步骤为:
S31. 将实时采集到的风资源数据输入至标准数据库中进行匹配,获取对应当前风资源数据的风机运行数据的正常运行量范围;
S32. 判断目标风电机组的运行数据是否在获取的风机运行数据的正常运行量范围内,如果是,判定为目标风电机组的运行数据与标准数据库中运行数据匹配,否则判定为不匹配。
实时采集到待排查目标风电场的风资源数据,即风速、风向数据,由采集到的风资源数据从标准数据库中查询所对应的运行状态特征,比如风机在当前运行状态下,其机舱加速度的正常运行量范围,再将实时采集到的目标风电机组的运行数据,即桨距角、变桨速率,机舱前后、左右加速度,与查询到的正常运行量范围进行比较,则判定为目标风电机组的运行数据与标准数据库匹配,否则判定为不匹配,由该匹配结果进一步诊断风机的故障状态。
本实施例中,步骤S3中判断目标风电机组是否为正常运行状态时,还包括获取其他风电机组的运行数据,并计算获取的所有其他风电机组的运行数据的统计值,将实时采集到的目标风电机组的运行数据与计算到的统计值进行比较,根据比较结果以及匹配结果判断目标风电机组是否为正常运行状态。通过结合实时风机运行数据与标准数据库的匹配结果,以及风电场其他风电机组的运行状态来综合确定风机的故障状态,可进一步提高风机故障排查的精度,同时结合其他风电机组的运行状态,还可以在排查到存在风机故障时,确定该故障为批量故障问题还是独立风机故障问题。
本实施例具体将实时采集到的风机运行数据分别与标准数据库、风场其他机组数据进行比对,若满足触发条件,则发出故障报警,若不满足触发条件,风机按原有状态继续正常运行。本实施例中,根据比较结果以及匹配结果判断的触发条件具体为:若判断到目标风电机组的运行数据与统计值之间的差值在预设范围内,且判断到目标风电机组的运行数据与标准数据库中运行数据匹配,最终判定为处于正常运行状态,否则发出故障报警,即目标风电机组的运行数据与其他风电机组的运行数据的统计值在指定误差范围内,且目标风电机组的运行数据在标准数据库中对应正常运行量范围内,则判定不满足触发条件,当前目标风电机组处于正常运行状态,否则判定满足触发条件,发出故障报警,其中当不在标准数据库的正常运行量范围内,但与其他风电机组运行数据的统计值在指定误差范围内时,可判定为存在批量风电机组故障。
本实施例中,统计值具体包括平均值、最大值、最小值中的一种,当然也可以为由平均值、最大值或最小值构成的综合值。具体获取风电场中其他风电机组的运行数据,并计算得到平均值、最大值、最小值,将目标风电机组的运行数据与其他风电机组的平均值、最大值、最小值进行比较,判断是否在预设误差范围内,结合标准数据库最终确定目标风电机组的运行状态。
本实施例中,故障特征数据库具体包括对应各故障类型时的风机特征运行数据,即发生故障时处于异常状态的运行数据,以及故障处理方式信息,故障类型包括故障部件、故障部件的具体位置,步骤S4的具体步骤为:
S41. 将实时采集到的风资源数据输入至故障特征数据库中进行匹配,获取对应当前风资源数据下各种故障类型时的风机特征运行数据;
S42. 将目标风电机组的运行数据与获取的各风机特征运行数据进行匹配比较,输出匹配的目标故障类型,并从故障数据库中获取目标故障类型对应的故障处理方式信息输出。
本实施例具体为不同故障类型设定对应的故障代码,并配置对应的报警级别,将目标风电机组的运行数据输入至故障特征数据库进行匹配后,输出对应故障类型的故障代码,同时显示故障代码对应的故障位置、故障部件、故障处理信息以及报警级别,便于直观的获取到当前故障的处理方式及故障严重程度,实现风机故障的智能化排查及诊断。
本实施例进一步将实时诊断得到的故障信息存储至故障特征数据库中,以用于后续故障,从而可由实时故障诊断结果不断扩展故障特征数据库。
如图3所示,本实施例风电场中故障自动排查装置,包括:
数据库模块,用于预先由风电机组在不同风资源数据下正常工况时的风机运行数据建立标准数据库,以及由风电机组在不同风资源数据下各种故障类型时的风机运行数据建立故障特征数据库;
数据采集模块,用于实时采集目标风电场中风资源数据、目标风电机组的运行数据;
状态判别模块,用于将数据采集模块实时采集到的风资源数据、运行数据输入至标准数据库中进行匹配,根据匹配结果判断目标风电机组是否为正常运行状态,如果为否,发出故障报警并转入执行故障定位模块;
故障定位模块,用于将数据采集模块实时采集到的风资源数据、运行数据输入至故障特征数据库中进行匹配,输出匹配得到的故障类型信息。
本实施例中,数据库模块中标准数据库具体包括风机运行数据的正常运行量范围,状态判别模块具体包括:
第一判别单元,用于将实时采集到的风资源数据输入至标准数据库中进行匹配,获取对应当前风资源数据的风机运行数据的正常运行量范围;
第二判别单元,用于判断目标风电机组的运行数据是否在获取的风机运行数据的正常运行量范围内,如果是,判定为目标风电机组的运行数据与标准数据库中运行数据匹配,否则判定为不匹配。
本实施例中,状态判别模块还包括第三判别单元,用于获取其他风电机组的运行数据,并计算获取的所有其他风电机组的运行数据的统计值,将实时采集到的目标风电机组的运行数据与计算到的统计值进行比较,根据比较结果以及匹配结果判断目标风电机组是否为正常运行状态。
本实施例中,第三判别模块中根据比较结果以及匹配结果判断时,具体若判断到目标风电机组的运行数据与统计值之间的差值在预设范围内,且判断到目标风电机组的运行数据与标准数据库中运行数据匹配,最终判定为处于正常运行状态,否则发出故障报警。
本实施例中,数据库模块中故障特征数据库具体包括对应各故障类型时的风机特征运行数据、故障处理方式信息,故障定位模块具体包括:
第一定位单元,用于将实时采集到的风资源数据输入至故障特征数据库中进行匹配,获取对应当前风资源数据下各种故障类型时的风机特征运行数据;
第二定位单元,用于将目标风电机组的运行数据与获取的各风机特征运行数据进行匹配比较,输出匹配的目标故障类型,并从故障数据库中获取目标故障类型对应的故障处理方式信息输出。
本实施例中,还包括故障信息显示模块,用于显示故障位置、故障部件、故障处理方式信息以及报警级别等。
本实施例上述装置与上述故障排查方法的原理一致,在此不再一一赘述。
本实施例上述故障自动排查装置工作时,具体通过状态判别模块接收主控系统中的风机运行数据后,并赋予相应的变量名称以用于后续状态判别,同时接收其他风电机组的运行数据;进行状态判别时,根据输入的风资源数据、风机状态数据,包括风速、风向、桨距角、变桨速率,机舱前后、左右加速度等,从数据库中查询相应的正常运行量范围,将接收的目标风电机组的运行数据与标准数据库、风场其他机组数据进行比对后,若状态满足触发条件,通过故障信息显示模块从故障特征数据库中获取故障位置、故障部件、故障处理方式以及报警级别等数据进行显示,并记录存储至故障特征数据库中;若不满足触发条件,风机按原有状态继续正常运行,
本实施例还包括一种存储有计算机程序的计算机可读存储介质,计算机程序执行时实现上述故障排查的方法。
上述只是本发明的较佳实施例,并非对本发明作任何形式上的限制。虽然本发明已以较佳实施例揭露如上,然而并非用以限定本发明。因此,凡是未脱离本发明技术方案的内容,依据本发明技术实质对以上实施例所做的任何简单修改、等同变化及修饰,均应落在本发明技术方案保护的范围内。
Claims (14)
1.一种风电场中故障自动排查方法,其特征在于,步骤包括:
S1. 预先由风电机组在不同风资源数据下正常工况时的风机运行数据建立标准数据库,以及由风电机组在不同风资源数据下各种故障类型时的风机运行数据建立故障特征数据库;
S2. 实时采集目标风电场中风资源数据、目标风电机组的运行数据;
S3. 将所述步骤S2实时采集到的风资源数据、运行数据输入至所述标准数据库中进行匹配,根据匹配结果判断目标风电机组是否为正常运行状态,如果为否,发出故障报警并转入执行步骤S4;
S4. 将所述步骤S2实时采集到的风资源数据、运行数据输入至所述故障特征数据库中进行匹配,输出匹配得到的故障类型信息。
2.根据权利要求1所述的风电场中故障自动排查方法,其特征在于:所述风资源数据包括风速和/或风向数据;所述风机运行数据包括风电机组的桨距角、变桨速率、机舱前向加速度、机舱后向加速度、机舱左侧加速度以及机舱右侧加速度中一种或多种数据的组合。
3.根据权利要求1所述的风电场中故障自动排查方法,其特征在于,所述标准数据库中具体包括风机运行数据的正常运行量范围,所述步骤S3中将所述步骤S2实时采集到的风资源数据、运行数据输入至所述标准数据库中进行匹配的具体步骤为:
S31. 将实时采集到的风资源数据输入至所述标准数据库中进行匹配,获取对应当前风资源数据的所述风机运行数据的正常运行量范围;
S32. 判断目标风电机组的运行数据是否在获取的所述风机运行数据的正常运行量范围内,如果是,判定为所述目标风电机组的运行数据与所述标准数据库中运行数据匹配,否则判定为不匹配。
4.根据权利要求1或2或3所述的风电场中故障自动排查方法,其特征在于,所述步骤S3中判断目标风电机组是否为正常运行状态时,还包括获取其他风电机组的运行数据,并计算获取的所有其他风电机组的运行数据的统计值,将实时采集到的所述目标风电机组的运行数据与计算到的所述统计值进行比较,根据比较结果以及所述匹配结果判断目标风电机组是否为正常运行状态。
5.根据权利要求4所述的风电场中故障自动排查方法,其特征在于,所述根据比较结果以及所述匹配结果判断的具体步骤为:若判断到所述目标风电机组的运行数据与所述统计值之间的差值在预设范围内,且判断到所述目标风电机组的运行数据与所述标准数据库中运行数据匹配,最终判定为处于正常运行状态,否则发出故障报警。
6.根据权利要求4所述的风电场中故障自动排查方法,其特征在于,所述统计值包括平均值、最大值、最小值中的一种或多种的综合值。
7.根据权利要求1或2或3所述的风电场中故障自动排查方法,其特征在于,所述故障特征数据库具体包括对应各故障类型时的风机特征运行数据、故障处理方式信息,所述步骤S4的具体步骤为:
S41. 将实时采集到的风资源数据输入至所述故障特征数据库中进行匹配,获取对应当前风资源数据下各种故障类型时的所述风机特征运行数据;
S42. 将目标风电机组的运行数据与获取的各所述风机特征运行数据进行匹配比较,输出匹配的目标故障类型,并从所述故障数据库中获取目标故障类型对应的故障处理方式信息输出。
8.根据权利要求1或2或3所述的风电场中故障自动排查方法,其特征在于:故障类型包括故障部件和/或故障部件中位置。
9.一种风电场中故障自动排查装置,其特征在于,包括:
数据库模块,用于预先由风电机组在不同风资源数据下正常工况时的风机运行数据建立标准数据库,以及由风电机组在不同风资源数据下各种故障类型时的风机运行数据建立故障特征数据库;
数据采集模块,用于实时采集目标风电场中风资源数据、目标风电机组的运行数据;
状态判别模块,用于将所述数据采集模块实时采集到的风资源数据、运行数据输入至所述标准数据库中进行匹配,根据匹配结果判断目标风电机组是否为正常运行状态,如果为否,发出故障报警并转入执行故障定位模块;
故障定位模块,用于将所述数据采集模块实时采集到的风资源数据、运行数据输入至所述故障特征数据库中进行匹配,输出匹配得到的故障类型信息。
10.根据权利要求9所述的风电场中故障自动排查装置,其特征在于,所述数据库模块中标准数据库具体包括风机运行数据的正常运行量范围,所述状态判别模块具体包括:
第一判别单元,用于将实时采集到的风资源数据输入至所述标准数据库中进行匹配,获取对应当前风资源数据的所述风机运行数据的正常运行量范围;
第二判别单元,用于判断目标风电机组的运行数据是否在获取的所述风机运行数据的正常运行量范围内,如果是,判定为所述目标风电机组的运行数据与所述标准数据库中运行数据匹配,否则判定为不匹配。
11.根据权利要求9或10所述的风电场中故障自动排查装置,其特征在于,所述状态判别模块还包括第三判别单元,用于获取其他风电机组的运行数据,并计算获取的所有其他风电机组的运行数据的统计值,将实时采集到的所述目标风电机组的运行数据与计算到的所述统计值进行比较,根据比较结果以及所述匹配结果判断目标风电机组是否为正常运行状态。
12.根据权利要求11所述的风电场中故障自动排查装置,其特征在于,所述第三判别模块中根据比较结果以及所述匹配结果判断时,具体若判断到所述目标风电机组的运行数据与所述统计值之间的差值在预设范围内,且判断到所述目标风电机组的运行数据与所述标准数据库中运行数据匹配,最终判定为处于正常运行状态,否则发出故障报警。
13.根据权利要求9或10所述的风电场中故障自动排查装置,其特征在于,所述数据库模块中故障特征数据库具体包括对应各故障类型时的风机特征运行数据、故障处理方式信息,所述故障定位模块具体包括:
第一定位单元,用于将实时采集到的风资源数据输入至所述故障特征数据库中进行匹配,获取对应当前风资源数据下各种故障类型时的所述风机特征运行数据;
第二定位单元,用于将目标风电机组的运行数据与获取的各所述风机特征运行数据进行匹配比较,输出匹配的目标故障类型,并从所述故障数据库中获取目标故障类型对应的故障处理方式信息输出。
14.一种存储有计算机程序的计算机可读存储介质,所述计算机程序执行时实现如权利要求1~8中任意一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710966691.4A CN109947786A (zh) | 2017-10-17 | 2017-10-17 | 风电场中故障自动排查方法、装置及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710966691.4A CN109947786A (zh) | 2017-10-17 | 2017-10-17 | 风电场中故障自动排查方法、装置及计算机可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109947786A true CN109947786A (zh) | 2019-06-28 |
Family
ID=67003971
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710966691.4A Pending CN109947786A (zh) | 2017-10-17 | 2017-10-17 | 风电场中故障自动排查方法、装置及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109947786A (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110968637A (zh) * | 2019-10-21 | 2020-04-07 | 武汉神库小匠科技有限公司 | 风电场数据3d可视化展示的方法、装置、设备及介质 |
CN111338876A (zh) * | 2020-02-14 | 2020-06-26 | 苏州凌云视界智能设备有限责任公司 | 一种故障模式与影响分析的决策方法、系统及存储介质 |
CN111538631A (zh) * | 2020-04-27 | 2020-08-14 | 苏州浪潮智能科技有限公司 | 一种系统故障定位方法、装置、设备及可读存储介质 |
CN112256830A (zh) * | 2020-10-21 | 2021-01-22 | 北京工业大数据创新中心有限公司 | 一种设备排查信息获取方法、装置和设备故障排查系统 |
CN112269813A (zh) * | 2020-10-22 | 2021-01-26 | 华能国际电力股份有限公司 | 一种离群风电机组智能判定方法 |
CN113123932A (zh) * | 2021-02-23 | 2021-07-16 | 北京华能新锐控制技术有限公司 | 一种面向风电机组的实时动态故障诊断方法 |
CN113494428A (zh) * | 2020-03-20 | 2021-10-12 | 新疆金风科技股份有限公司 | 风力发电机组的故障检测方法和装置 |
CN113898538A (zh) * | 2021-10-27 | 2022-01-07 | 上海电气风电集团股份有限公司 | 故障码显示方法、监控系统和可读存储介质 |
CN116757681A (zh) * | 2023-08-16 | 2023-09-15 | 武汉联动设计股份有限公司 | 一种风电机组发电效率实时监控诊断方法及系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103604622A (zh) * | 2013-11-29 | 2014-02-26 | 北京普拉斯科技发展有限公司 | 一种风电机组在线监测即时报警与故障诊断系统 |
CN105510038A (zh) * | 2015-12-31 | 2016-04-20 | 北京金风科创风电设备有限公司 | 风电机组故障监测方法和装置 |
CN106124982A (zh) * | 2016-06-14 | 2016-11-16 | 都城绿色能源有限公司 | 一种风电机组的自动专家综合故障诊断系统及诊断方法 |
-
2017
- 2017-10-17 CN CN201710966691.4A patent/CN109947786A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103604622A (zh) * | 2013-11-29 | 2014-02-26 | 北京普拉斯科技发展有限公司 | 一种风电机组在线监测即时报警与故障诊断系统 |
CN105510038A (zh) * | 2015-12-31 | 2016-04-20 | 北京金风科创风电设备有限公司 | 风电机组故障监测方法和装置 |
CN106124982A (zh) * | 2016-06-14 | 2016-11-16 | 都城绿色能源有限公司 | 一种风电机组的自动专家综合故障诊断系统及诊断方法 |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110968637A (zh) * | 2019-10-21 | 2020-04-07 | 武汉神库小匠科技有限公司 | 风电场数据3d可视化展示的方法、装置、设备及介质 |
CN111338876A (zh) * | 2020-02-14 | 2020-06-26 | 苏州凌云视界智能设备有限责任公司 | 一种故障模式与影响分析的决策方法、系统及存储介质 |
CN111338876B (zh) * | 2020-02-14 | 2024-04-02 | 苏州凌云视界智能设备有限责任公司 | 一种故障模式与影响分析的决策方法、系统及存储介质 |
CN113494428A (zh) * | 2020-03-20 | 2021-10-12 | 新疆金风科技股份有限公司 | 风力发电机组的故障检测方法和装置 |
CN111538631A (zh) * | 2020-04-27 | 2020-08-14 | 苏州浪潮智能科技有限公司 | 一种系统故障定位方法、装置、设备及可读存储介质 |
CN112256830A (zh) * | 2020-10-21 | 2021-01-22 | 北京工业大数据创新中心有限公司 | 一种设备排查信息获取方法、装置和设备故障排查系统 |
CN112256830B (zh) * | 2020-10-21 | 2023-09-08 | 北京工业大数据创新中心有限公司 | 一种设备排查信息获取方法、装置和设备故障排查系统 |
CN112269813A (zh) * | 2020-10-22 | 2021-01-26 | 华能国际电力股份有限公司 | 一种离群风电机组智能判定方法 |
CN113123932A (zh) * | 2021-02-23 | 2021-07-16 | 北京华能新锐控制技术有限公司 | 一种面向风电机组的实时动态故障诊断方法 |
CN113898538A (zh) * | 2021-10-27 | 2022-01-07 | 上海电气风电集团股份有限公司 | 故障码显示方法、监控系统和可读存储介质 |
CN113898538B (zh) * | 2021-10-27 | 2023-08-25 | 上海电气风电集团股份有限公司 | 故障码显示方法、监控系统和可读存储介质 |
CN116757681A (zh) * | 2023-08-16 | 2023-09-15 | 武汉联动设计股份有限公司 | 一种风电机组发电效率实时监控诊断方法及系统 |
CN116757681B (zh) * | 2023-08-16 | 2023-11-28 | 武汉联动设计股份有限公司 | 一种风电机组发电效率实时监控诊断方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109947786A (zh) | 风电场中故障自动排查方法、装置及计算机可读存储介质 | |
CN110991666B (zh) | 故障检测方法、模型的训练方法、装置、设备及存储介质 | |
CN110689141B (zh) | 风力发电机组的故障诊断方法及设备 | |
CN102588210B (zh) | 一种用于功率曲线拟合数据预处理的滤波方法 | |
EP2573390A2 (en) | System and method for predicting wind turbine component failures | |
CN106021771A (zh) | 一种故障诊断方法及装置 | |
CN113049142A (zh) | 温度传感器的告警方法、装置、设备及存储介质 | |
CN111353911A (zh) | 电力设备运维方法、系统、设备和存储介质 | |
CN105863970A (zh) | 一种风机故障识别方法及装置 | |
CN103674234A (zh) | 一种风力发电机组振动异常的状态预警方法及系统 | |
CN103324155A (zh) | 系统监控 | |
CN115453356A (zh) | 一种动力设备运行状态监测分析方法、系统、终端及介质 | |
CN115794588A (zh) | 内存故障预测方法、装置、系统及监测服务器 | |
CN114444570A (zh) | 故障检测的方法、装置、电子设备及介质 | |
CN113759876A (zh) | 基于案例推理的风电机组故障诊断方法及系统 | |
CN112524077A (zh) | 检测风机故障的方法及装置、系统 | |
CN114577470A (zh) | 用于风机主轴承的故障诊断方法及系统 | |
WO2021004788A1 (en) | Determination of wind parameter values for use in wind turbine control systems | |
CN116428124A (zh) | 一种基于同型号设备数量较多的故障诊断方法 | |
CN109209781A (zh) | 风力发电机组的故障定位方法及装置 | |
CN113848347A (zh) | 一种风力发电机测风仪健康状态检测方法 | |
CN113487141A (zh) | 一种多源信息聚类融合的轴承状态评估方法 | |
CN112926756A (zh) | 一种中央空调设备ai维修知识库应用方法 | |
US9092315B2 (en) | Method and software program product for determining the quality of an information technology system | |
CN110687364A (zh) | 一种变频空调器故障检测工装 |
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: 20190628 |