CN110018980A - 从风机控制器的仿真数据搜索故障数据的方法和设备 - Google Patents

从风机控制器的仿真数据搜索故障数据的方法和设备 Download PDF

Info

Publication number
CN110018980A
CN110018980A CN201711419617.7A CN201711419617A CN110018980A CN 110018980 A CN110018980 A CN 110018980A CN 201711419617 A CN201711419617 A CN 201711419617A CN 110018980 A CN110018980 A CN 110018980A
Authority
CN
China
Prior art keywords
data
fault
fault data
information
failure
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.)
Granted
Application number
CN201711419617.7A
Other languages
English (en)
Other versions
CN110018980B (zh
Inventor
刘润林
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 Goldwind Science and Creation Windpower Equipment Co Ltd
Original Assignee
Beijing Goldwind Science and Creation Windpower Equipment 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 Goldwind Science and Creation Windpower Equipment Co Ltd filed Critical Beijing Goldwind Science and Creation Windpower Equipment Co Ltd
Priority to CN201711419617.7A priority Critical patent/CN110018980B/zh
Publication of CN110018980A publication Critical patent/CN110018980A/zh
Application granted granted Critical
Publication of CN110018980B publication Critical patent/CN110018980B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/10—File systems; File servers
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/10—File systems; File servers
    • G06F16/16—File or folder operations, e.g. details of user interfaces specifically adapted to file systems
    • G06F16/162—Delete operations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation

Abstract

从风机控制器的仿真数据搜索故障数据的方法和设备。所述方法包括：从风机控制器的仿真数据提取单个风工况下的每个风种子的故障数据，其中，每项故障数据包括风种子的标识信息和故障信息，故障信息包括多项故障子信息；根据风种子的标识信息将提取的故障数据分成多个数据块，并从所述多个数据块并行地删除无用故障数据；从删除无用故障数据后的所述多个数据块提取有效数据块，并将有效数据块合并成最终数据块；从最终数据块提取故障数据来生成最终故障数据，其中，每个最终故障数据以预定类型的故障子信息为标识信息。

Description

从风机控制器的仿真数据搜索故障数据的方法和设备
技术领域
本发明涉及风力发电领域。更具体地讲，涉及一种从风机控制器的仿真数据搜索故障数据的方法和设备。
背景技术
在一款新型风机机组推出之前，需要对其控制器进行仿真。利用风机设计软件，结合控制器的核心程序与风工况进行仿真，可以获得仿真运行数据。故障信息数据是仿真运行数据中十分重要的一种。研发人员查看的故障信息包括该机组控制器发生的故障类型、故障号、主要故障等。通过这些信息，研发人员可以知道机组仿真运行时运行情况，以及控制器设计是否合理。但是，由于单个风工况下包含多种风资源情况，每种风资源情况下产生的仿真数据文件数量十分庞大。故障数据散落在其中，导致研发人员查看单个风工况下的故障数据时效率低下。
目前研发人员从风机控制器的仿真数据中查看故障数据的方法主要是两种：
(1)手动查找。即从数据文件中挨个查找故障信息数据文件，然后从故障信息数据文件中查看并找出有效信息，最后将信息总结统计。这种方法十分浪费时间，并且由于是人工查找，往往会出现统计不全，关键信息丢失等情况。
(2)借助工具进行查找筛选(如Excel、Access等)。这种方法相对于(1)中检索精度有所提升，且替代了部分人工工作，但是对于仿真数据庞大的数据量，在处理效率上仍不尽人意。
因此，需要从风机控制器的仿真数据更准确和快速地搜索故障数据的技术。
发明内容
本发明的目的在于提供一种从风机控制器的仿真数据搜索故障数据的方法和设备。
本发明的一方面提供一种从风机控制器的仿真数据搜索故障数据的方法，所述方法包括：从风机控制器的仿真数据提取单个风工况下的每个风种子的故障数据，其中，每项故障数据包括风种子的标识信息和故障信息，故障信息包括多项故障子信息；根据风种子的标识信息将提取的故障数据分成多个数据块，并从所述多个数据块并行地删除无用故障数据；从删除无用故障数据后的所述多个数据块提取有效数据块，并将有效数据块合并成最终数据块；从最终数据块提取故障数据来生成最终故障数据，其中，每个最终故障数据以预定类型的故障子信息为标识信息。
可选地，生成最终故障数据的步骤包括：提取最终数据块中的每个故障数据的预定类型的子故障信息作为每个故障数据的标识信息；合并标识信息相同的故障数据作为最终故障数据。
可选地，所述方法还包括：使用预定类型的故障子信息搜索故障数据。
可选地，预定类型的故障子信息包括控制器基本信息、控制器运行警报、故障号、故障发生时刻、故障发生等级、故障类型之一。
可选地，从风机控制器的仿真数据提取单个风工况下的每个风种子的故障数据步骤包括使用Datastore算法执行的以下步骤：遍历单个风工况下的每个风种子下的风机控制器的仿真数据的文件；提取遍历的仿真数据的文件中满足预定文件格式的文件的信息以及与所述文件对应的风种子的标识信息作为故障数据。
可选地，根据风种子的标识信息将提取的故障数据分成多个数据块的步骤包括：使用Mapreduce算法中的Mapper过程将提取的故障数据中具有相同风种子的标识信息的故障数据分到所述多个数据块中的同一数据块。
可选地，从所述多个数据块并行地删除无用故障数据的步骤包括：使用Mapreduce算法中的Mapper过程从所述多个数据块并行地删除无用故障数据。
可选地，无用故障数据包括：包括仿真时间小于预定时间的条件下的故障信息的故障数据；包括无故障信息的故障数据；包括次要故障信息的故障数据。
可选地，从删除无用故障数据后的所述多个数据块提取有效数据块的步骤包括使用Mapreduce算法中的Reducer过程执行的以下步骤：遍历删除无用故障数据后的所述多个数据块；确定遍历的所述多个数据块是否包括无效故障数据；将确定为不包括无效故障数据的数据块提取作为有效数据块。
本发明的另一方面提供一种从风机控制器的仿真数据搜索故障数据的设备，所述设备包括：故障数据提取单元，从风机控制器的仿真数据提取单个风工况下的每个风种子的故障数据，其中，每项故障数据包括风种子的标识信息和故障信息，故障信息包括多项故障子信息；无用故障数据删除单元，根据风种子的标识信息将提取的故障数据分成多个数据块，并从所述多个数据块并行地删除无用故障数据；最终数据块生成单元，从删除无用故障数据后的所述多个数据块提取有效数据块，并将有效数据块合并成最终数据块；故障数据搜索单元，从最终数据块提取故障数据来生成最终故障数据，其中，每个最终故障数据以预定类型的故障子信息为标识信息。
可选地，故障信息搜索单元提取最终数据块中的每个故障数据的预定类型的子故障信息作为每个故障数据的标识信息，并合并标识信息相同的故障数据作为最终故障数据。
可选地，所述设备还包括：搜索单元，使用预定类型的故障子信息搜索故障数据。
可选地，预定类型的故障子信息包括控制器基本信息、控制器运行警报、故障号、故障发生时刻、故障发生等级、故障类型之一。
可选地，故障数据提取单元使用Datastore算法：遍历单个风工况下的每个风种子下的风机控制器的仿真数据的文件，并提取遍历的仿真数据的文件中满足预定文件格式的文件的信息以及与所述文件对应的风种子的标识信息作为故障数据。
可选地，无用故障数据删除单元使用Mapreduce算法中的Mapper过程将提取的故障数据中具有相同风种子的标识信息的故障数据分到所述多个数据块中的同一数据块。
可选地，无用故障数据删除单元使用Mapreduce算法中的Mapper过程从所述多个数据块并行地删除无用故障数据。
可选地，无用故障数据包括：包括仿真时间小于预定时间的条件下的故障信息的故障数据；包括无故障信息的故障数据；包括次要故障信息的故障数据。
可选地，最终数据块生成单元使用Mapreduce算法中的Reducer过程：遍历删除无用故障数据后的所述多个数据块，确定遍历的所述多个数据块是否包括无效故障数据，并将确定为不包括无效故障数据的数据块提取作为有效数据块。
本发明的另一方面提供一种从风机控制器的仿真数据搜索故障数据的系统，所述系统包括：处理器；存储器，存储有计算机程序，当所述计算机程序被处理器执行时，执行上面所述的方法。
本发明的另一方面提供一种其中存储有计算机程序的计算机可读存储介质，当所述计算机程序被执行时执行上面所述的方法。
根据本发明的从风机控制器的仿真数据搜索故障数据的方法和设备和系统可以将原始故障数据从数据量庞大的仿真数据中提取出来，减少了无用故障数据和无效故障数据，提高了搜索精度，并且由于对故障数据进行了并行处理，提高了处理效率，缩短了搜索故障数据的时间。
附图说明
通过下面结合附图进行的详细描述，本发明的上述和其它目的、特点和优点将会变得更加清楚，其中：
图1示出根据本发明的实施例的从风机控制器的仿真数据搜索故障数据的方法的流程图；
图2示出根据本发明的实施例的从风机控制器的仿真数据搜索故障数据的设备的框图。
具体实施方式
以下，参照附图来详细说明本发明的实施例。
图1示出根据本发明的实施例的从风机控制器的仿真数据搜索故障数据的方法的流程图。
参照图1，在步骤S110，从风机控制器的仿真数据提取单个风工况下的每个风种子的故障数据，其中，每项故障数据包括风种子的标识信息和故障信息，故障信息包括多项故障子信息。
这里，故障信息可包括控制器基本信息、控制器运行警报、故障号、故障发生时刻、故障发生等级、故障类型等。在本发明中，故障子信息指的是故障信息中所包含的单项故障信息(例如，控制器基本信息、控制器运行警报、故障号等)。
在一个优选的实施例中，从风机控制器的仿真数据提取单个风工况下的每个风种子的故障数据步骤包括使用Datastore算法执行的以下步骤：遍历单个风工况下的每个风种子下的风机控制器的仿真数据的文件；提取遍历的仿真数据的文件中满足预定文件格式的文件的信息以及与所述文件对应的风种子的标识信息作为故障数据。在一个实施例中，当风机控制器的仿真数据的文件是由Bladed仿真软件产生时，由于Bladed仿真软件产生的故障信息数据文件格式为“.$ME”格式，因此预定文件格式为“.$ME”格式，然而本发明不限于此。
在步骤S120，根据风种子的标识信息将提取的故障数据分成多个数据块，并从所述多个数据块并行地删除无用故障数据。
在一个优选的实施例中，根据风种子的标识信息将提取的故障数据分成多个数据块的步骤包括：使用Mapreduce算法中的Mapper过程将提取的故障数据中具有相同风种子的标识信息的故障数据分到所述多个数据块中的同一数据块。在其他实施例中，也可使用别的算法来实现上述步骤，本发明不对此做出限制。
在一个优选的实施例中，从所述多个数据块并行地删除无用故障数据的步骤包括：使用Mapreduce算法中的Mapper过程从所述多个数据块并行地删除无用故障数据。在其他实施例中，也可使用别的算法或方法来实现上述步骤，本发明不对此做出限制。
在一个实施例中，无用故障数据包括：包括仿真时间小于预定时间的条件下的故障信息的故障数据、包括无故障信息的故障数据以及包括次要故障信息的故障数据。例如，在一般情况下，当风机控制器仿真时间超过50s时，才可视为风机机组已经正常运行，在该时间之后产生的故障数据才是研发人员需要的，此时，预定时间为50s。故障数据一般包含针对主要故障的数据和针对次要故障的数据，其中，主要故障是影响风机控制器稳定运行的重要因素，是研发人员修改控制器的重要依据，因而只提取针对主要故障的数据能提高处理和搜索效率。
在步骤S130，从删除无用故障数据后的所述多个数据块提取有效数据块，并将有效数据块合并成最终数据块。
在一个优选的实施例中，从删除无用故障数据后的所述多个数据块提取有效数据块的步骤包括使用Mapreduce算法中的Reducer过程执行的以下步骤：遍历删除无用故障数据后的所述多个数据块；确定遍历的所述多个数据块是否包括无效故障数据；将确定为不包括无效故障数据的数据块提取作为有效数据块。在其他实施例中，也可使用别的算法或方法来实现上述步骤，本发明不对此做出限制。这里，无效故障数据指的是故障数据中的乱码。
在步骤S140，从最终数据块提取故障数据来生成最终故障数据，其中，每个最终故障数据以预定类型的故障子信息为标识信息。
在一个实施例中，生成最终故障数据的步骤包括：提取最终数据块中的每个故障数据的预定类型的子故障信息作为每个故障数据的标识信息；合并标识信息相同的故障数据作为最终故障数据。
在一个可选的实施例中，从风机控制器的仿真数据搜索故障数据的方法还可包括：使用预定类型的故障子信息搜索最终故障数据。这里，预定类型的故障子信息可包括控制器基本信息、控制器运行警报、故障号、故障发生时刻、故障发生等级、故障类型之一。
图2示出根据本发明的实施例的从风机控制器的仿真数据搜索故障数据的设备的框图。
参照图2，根据本发明的实施例的从风机控制器的仿真数据搜索故障数据的设备包括故障数据提取单元210、无用故障数据删除单元220、最终数据块生成单元230和故障数据搜索单元240。下面将详细描述上述各个单元。
故障数据提取单元210从风机控制器的仿真数据提取单个风工况下的每个风种子的故障数据，其中，每项故障数据包括风种子的标识信息和故障信息，故障信息包括多项故障子信息。
这里，故障信息可包括控制器基本信息、控制器运行警报、故障号、故障发生时刻、故障发生等级、故障类型等。在本发明中，故障子信息指的是故障信息中所包含的单项故障信息(例如，控制器基本信息、控制器运行警报、故障号等)。
在一个优选的实施例中，故障数据提取单元210使用Datastore算法：遍历单个风工况下的每个风种子下的风机控制器的仿真数据的文件；提取遍历的仿真数据的文件中满足预定文件格式的文件的信息以及与所述文件对应的风种子的标识信息作为故障数据。在一个实施例中，当风机控制器的仿真数据的文件是由Bladed仿真软件产生时，由于Bladed仿真软件产生的故障信息数据文件格式为“.$ME”格式，因此预定文件格式为“.$ME”格式，然而本发明不限于此。
无用故障数据删除单元220根据风种子的标识信息将提取的故障数据分成多个数据块，并从所述多个数据块并行地删除无用故障数据。
在一个优选的实施例中，无用故障数据删除单元220使用Mapreduce算法中的Mapper过程将提取的故障数据中具有相同风种子的标识信息的故障数据分到所述多个数据块中的同一数据块。在其他实施例中，无用故障数据删除单元220也可使用别的算法来实现上述操作，本发明不对此做出限制。
在一个优选的实施例中，无用故障数据删除单元220从使用Mapreduce算法中的Mapper过程从所述多个数据块并行地删除无用故障数据。在其他实施例中，无用故障数据删除单元220也可使用别的算法或方法来实现上述操作，本发明不对此做出限制。
在一个实施例中，无用故障数据包括：包括仿真时间小于预定时间的条件下的故障信息的故障数据、包括无故障信息的故障数据以及包括次要故障信息的故障数据。例如，在一般情况下，当风机控制器仿真时间超过50s时，才可视为风机机组已经正常运行，在该时间之后产生的故障数据才是研发人员需要的，此时，预定时间为50s。故障数据一般包含针对主要故障的数据和针对次要故障的数据，其中，主要故障是影响风机控制器稳定运行的重要因素，是研发人员修改控制器的重要依据，因而只提取针对主要故障的数据能提高处理和搜索效率。
最终数据块生成单元230从删除无用故障数据后的所述多个数据块提取有效数据块，并将有效数据块合并成最终数据块。
在一个优选的实施例中，最终数据块生成单元230使用Mapreduce算法中的Reducer过程：遍历删除无用故障数据后的所述多个数据块；确定遍历的所述多个数据块是否包括无效故障数据；将确定为不包括无效故障数据的数据块提取作为有效数据块。在其他实施例中，最终数据块生成单元230也可使用别的算法或方法来实现上述操作，本发明不对此做出限制。这里，无效故障数据指的是故障数据中的乱码。
故障数据搜索单元240从最终数据块提取故障数据来生成最终故障数据，其中，每个最终故障数据以预定类型的故障子信息为标识信息。
在一个实施例中，故障信息搜索单元240提取最终数据块中的每个故障数据的预定类型的子故障信息作为每个故障数据的标识信息；合并标识信息相同的故障数据作为最终故障数据。
在一个可选的实施例中，从风机控制器的仿真数据搜索故障数据的设备还可包括搜索单元(未示出)，所述搜索单元使用预定类型的故障子信息搜索最终故障数据。这里，预定类型的故障子信息可包括控制器基本信息、控制器运行警报、故障号、故障发生时刻、故障发生等级、故障类型之一。
根据本发明的一个实施例，本发明还提供一种从风机控制器的仿真数据搜索故障数据的系统。所述系统包括：处理器和存储器。存储器存储有计算机程序，当所述计算机程序被处理器执行时，执行上面描述的根据本发明的实施例的从风机控制器的仿真数据搜索故障数据的方法。
此外，应该理解，根据本发明示例性实施例的设备中的各个单元可被实现硬件组件和/或软件组件。本领域技术人员根据限定的各个单元所执行的处理，可以例如使用现场可编程门阵列(FPGA)或专用集成电路(ASIC)来实现各个单元。
根据本发明的一个实施例，本发明还提供一种其中存储有计算机程序的计算机可读存储介质，当所述计算机程序被执行时执行上面描述的根据本发明的实施例的从风机控制器的仿真数据搜索故障数据的方法。
根据本发明的从风机控制器的仿真数据搜索故障数据的方法和设备和系统可以将原始故障数据从数据量庞大的仿真数据中提取出来，减少了无用故障数据和无效故障数据，提高了搜索精度，并且由于对故障数据进行了并行处理，提高了处理效率，缩短了搜索故障数据的时间。
尽管已经参照其示例性实施例具体显示和描述了本发明，但是本领域的技术人员应该理解，在不脱离权利要求所限定的本发明的精神和范围的情况下，可以对其进行形式和细节上的各种改变。

Claims (20)

1.一种从风机控制器的仿真数据搜索故障数据的方法，其特征在于，所述方法包括：
从风机控制器的仿真数据提取单个风工况下的每个风种子的故障数据，其中，每项故障数据包括风种子的标识信息和故障信息，故障信息包括多项故障子信息；
根据风种子的标识信息将提取的故障数据分成多个数据块，并从所述多个数据块并行地删除无用故障数据；
从删除无用故障数据后的所述多个数据块提取有效数据块，并将有效数据块合并成最终数据块；
从最终数据块提取故障数据来生成最终故障数据，其中，每个最终故障数据以预定类型的故障子信息为标识信息。
2.如权利要求1所述的方法，其特征在于，生成最终故障数据的步骤包括：
提取最终数据块中的每个故障数据的预定类型的子故障信息作为每个故障数据的标识信息；
合并标识信息相同的故障数据作为最终故障数据。
3.如权利要求1所述的方法，其特征在于，所述方法还包括：
使用预定类型的故障子信息搜索最终故障数据。
4.如权利要求1所述的方法，其特征在于，预定类型的故障子信息包括控制器基本信息、控制器运行警报、故障号、故障发生时刻、故障发生等级、故障类型之一。
5.如权利要求1所述的方法，其特征在于，从风机控制器的仿真数据提取单个风工况下的每个风种子的故障数据步骤包括使用Datastore算法执行的以下步骤：
遍历单个风工况下的每个风种子下的风机控制器的仿真数据的文件；
提取遍历的仿真数据的文件中满足预定文件格式的文件的信息以及与所述文件对应的风种子的标识信息作为故障数据。
6.如权利要求1所述的方法，其特征在于，根据风种子的标识信息将提取的故障数据分成多个数据块的步骤包括：使用Mapreduce算法中的Mapper过程将提取的故障数据中具有相同风种子的标识信息的故障数据分到所述多个数据块中的同一数据块。
7.如权利要求6所述的方法，其特征在于，从所述多个数据块并行地删除无用故障数据的步骤包括：使用Mapreduce算法中的Mapper过程从所述多个数据块并行地删除无用故障数据。
8.如权利要求1所述的方法，其特征在于，无用故障数据包括：
包括仿真时间小于预定时间的条件下的故障信息的故障数据；
包括无故障信息的故障数据；
包括次要故障信息的故障数据。
9.如权利要求1所述的方法，其特征在于，从删除无用故障数据后的所述多个数据块提取有效数据块的步骤包括使用Mapreduce算法中的Reducer过程执行的以下步骤：
遍历删除无用故障数据后的所述多个数据块；
确定遍历的所述多个数据块是否包括无效故障数据；
将确定为不包括无效故障数据的数据块提取作为有效数据块。
10.一种从风机控制器的仿真数据搜索故障数据的设备，其特征在于，所述设备包括：
故障数据提取单元，从风机控制器的仿真数据提取单个风工况下的每个风种子的故障数据，其中，每项故障数据包括风种子的标识信息和故障信息，故障信息包括多项故障子信息；
无用故障数据删除单元，根据风种子的标识信息将提取的故障数据分成多个数据块，并从所述多个数据块并行地删除无用故障数据；
最终数据块生成单元，从删除无用故障数据后的所述多个数据块提取有效数据块，并将有效数据块合并成最终数据块；
故障数据搜索单元，从最终数据块提取故障数据来生成最终故障数据，其中，每个最终故障数据以预定类型的故障子信息为标识信息。
11.如权利要求10所述的设备，其特征在于，故障信息搜索单元提取最终数据块中的每个故障数据的预定类型的子故障信息作为每个故障数据的标识信息，并合并标识信息相同的故障数据作为最终故障数据。
12.如权利要求10所述的设备，其特征在于，所述设备还包括：
搜索单元，使用预定类型的故障子信息搜索最终故障数据。
13.如权利要求10所述的设备，其特征在于，预定类型的故障子信息包括控制器基本信息、控制器运行警报、故障号、故障发生时刻、故障发生等级、故障类型之一。
14.如权利要求10所述的设备，其特征在于，故障数据提取单元使用Datastore算法：遍历单个风工况下的每个风种子下的风机控制器的仿真数据的文件，并提取遍历的仿真数据的文件中满足预定文件格式的文件的信息以及与所述文件对应的风种子的标识信息作为故障数据。
15.如权利要求10所述的设备，其特征在于，无用故障数据删除单元使用Mapreduce算法中的Mapper过程将提取的故障数据中具有相同风种子的标识信息的故障数据分到所述多个数据块中的同一数据块。
16.如权利要求15所述的设备，其特征在于，无用故障数据删除单元使用Mapreduce算法中的Mapper过程从所述多个数据块并行地删除无用故障数据。
17.如权利要求11所述的设备，其特征在于，无用故障数据包括：
包括仿真时间小于预定时间的条件下的故障信息的故障数据；
包括无故障信息的故障数据；
包括次要故障信息的故障数据。
18.如权利要求11所述的设备，其特征在于，最终数据块生成单元使用Mapreduce算法中的Reducer过程：遍历删除无用故障数据后的所述多个数据块，确定遍历的所述多个数据块是否包括无效故障数据，并将确定为不包括无效故障数据的数据块提取作为有效数据块。
19.一种从风机控制器的仿真数据搜索故障数据的系统，其特征在于，所述系统包括：
处理器；
存储器，存储有计算机程序，当所述计算机程序被处理器执行时，执行权利要求1至9中的任意一项所述的方法。
20.一种其中存储有计算机程序的计算机可读存储介质，其特征在于，当所述计算机程序被执行时执行权利要求1至9中的任意一项所述的方法。
CN201711419617.7A 2017-12-25 2017-12-25 从风机控制器的仿真数据搜索故障数据的方法和设备 Active CN110018980B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711419617.7A CN110018980B (zh) 2017-12-25 2017-12-25 从风机控制器的仿真数据搜索故障数据的方法和设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711419617.7A CN110018980B (zh) 2017-12-25 2017-12-25 从风机控制器的仿真数据搜索故障数据的方法和设备

Publications (2)

Publication Number Publication Date
CN110018980A true CN110018980A (zh) 2019-07-16
CN110018980B CN110018980B (zh) 2021-07-27

Family

ID=67186986

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711419617.7A Active CN110018980B (zh) 2017-12-25 2017-12-25 从风机控制器的仿真数据搜索故障数据的方法和设备

Country Status (1)

Country Link
CN (1) CN110018980B (zh)

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2002067144A1 (en) * 2001-02-22 2002-08-29 Juan Amengual System for accessing web pages and sending e-mails usning telephone numbers
CN102030111A (zh) * 2010-11-16 2011-04-27 中国民航大学 一种飞机cfds数据分析器及其实现方法
CN103324701A (zh) * 2013-06-13 2013-09-25 深圳中兴网信科技有限公司 数据搜索装置和数据搜索方法
US20140289198A1 (en) * 2013-03-19 2014-09-25 Ramya Malangi Chikkalingaiah Tracking and maintaining affinity of machines migrating across hosts or clouds
WO2014201299A1 (en) * 2013-06-13 2014-12-18 Alibaba Group Holding Limited Method and system of distinguishing between human and machine
CN105223897A (zh) * 2015-08-27 2016-01-06 株洲南车时代电气股份有限公司 一种铁路车辆电气控制柜测试装置及测试方法
CN106842985A (zh) * 2017-01-23 2017-06-13 浙江运达风电股份有限公司 基于软硬件在环的风电机组控制系统软件测试方法及装置
CN106845526A (zh) * 2016-12-29 2017-06-13 北京航天测控技术有限公司 一种基于大数据融合聚类分析的关联参数故障分类方法
CN106874525A (zh) * 2017-04-18 2017-06-20 重庆工商大学 一种风电机组设备故障筛查、统计的方法与装置
CN107391333A (zh) * 2017-08-14 2017-11-24 郑州云海信息技术有限公司 一种osd磁盘故障测试方法及系统

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2002067144A1 (en) * 2001-02-22 2002-08-29 Juan Amengual System for accessing web pages and sending e-mails usning telephone numbers
CN102030111A (zh) * 2010-11-16 2011-04-27 中国民航大学 一种飞机cfds数据分析器及其实现方法
US20140289198A1 (en) * 2013-03-19 2014-09-25 Ramya Malangi Chikkalingaiah Tracking and maintaining affinity of machines migrating across hosts or clouds
CN103324701A (zh) * 2013-06-13 2013-09-25 深圳中兴网信科技有限公司 数据搜索装置和数据搜索方法
WO2014201299A1 (en) * 2013-06-13 2014-12-18 Alibaba Group Holding Limited Method and system of distinguishing between human and machine
CN105223897A (zh) * 2015-08-27 2016-01-06 株洲南车时代电气股份有限公司 一种铁路车辆电气控制柜测试装置及测试方法
CN106845526A (zh) * 2016-12-29 2017-06-13 北京航天测控技术有限公司 一种基于大数据融合聚类分析的关联参数故障分类方法
CN106842985A (zh) * 2017-01-23 2017-06-13 浙江运达风电股份有限公司 基于软硬件在环的风电机组控制系统软件测试方法及装置
CN106874525A (zh) * 2017-04-18 2017-06-20 重庆工商大学 一种风电机组设备故障筛查、统计的方法与装置
CN107391333A (zh) * 2017-08-14 2017-11-24 郑州云海信息技术有限公司 一种osd磁盘故障测试方法及系统

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
V.A. HUEMER 等: "Fault management during dynamic spacecraft flight: effects of cockpit display format and workload", 《2005 IEEE INTERNATIONAL CONFERENCE ON SYSTEMS, MAN AND CYBERNETICS》 *
佟平: "《国家信息化与信息化工具》", 30 June 2017, 西安：西安电子科技大学出版社 第1版 *
张东霞 等: "智能电网大数据技术发展研究", 《中国电机工程学报》 *
张欣欣: "风力发电机齿轮箱故障预警方法研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 *

Also Published As

Publication number Publication date
CN110018980B (zh) 2021-07-27

Similar Documents

Publication Publication Date Title
US11614990B2 (en) Automatic correlation of dynamic system events within computing devices
CN107835087B (zh) 一种基于频繁模式挖掘的安全设备告警规则自动提取方法
CN103812699A (zh) 基于云计算的监控管理系统
KR20200057903A (ko) 인공지능 모델 플랫폼 및 인공지능 모델 플랫폼 운영 방법
JP2014502753A (ja) ウェブページ情報の検出方法及びシステム
CA2816781C (en) Identifying client states
CN109495422A (zh) 虚拟防火墙的配置方法、装置以及计算机可读存储介质
CN110674790A (zh) 一种视频监控中异常场景处理方法及系统
CN111461075A (zh) 结合深度神经网络与区块链的护栏翻越检测方法
CN107622057A (zh) 一种查找任务的方法和装置
CN108090186A (zh) 一种大数据平台上的电力数据去重方法
CN105069158B (zh) 数据挖掘方法及系统
CN114465741B (zh) 一种异常检测方法、装置、计算机设备及存储介质
CN103957119B (zh) 一种采用mib文件对网络设备进行管理的方法及浏览器
CN110389892A (zh) 一种基于云平台历史故障数据的故障注入方法
CN110018980A (zh) 从风机控制器的仿真数据搜索故障数据的方法和设备
US10223529B2 (en) Indexing apparatus and method for search of security monitoring data
CN110838940A (zh) 地下电缆巡检任务配置方法和装置
Michalas et al. MemTri: A memory forensics triage tool using bayesian network and volatility
CN106294401A (zh) 自动建立sql名单库的方法及装置
CN109714199B (zh) 基于大数据架构的网络流量分析与溯源系统
CN111583228A (zh) 结合区块链的智慧工地积土裸露检测方法
CN109344130A (zh) 一种日志管理方法和装置
CN106534201B (zh) 一种sdn环境下的虚拟机风险快速隔离方法
CN104079606A (zh) 基于gis超级云计算的网络对象与事件一体化监控方法

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
GR01 Patent grant
GR01 Patent grant