CN110388302B - 风力发电机的数据异常检测方法和设备 - Google Patents

Abstract

提供一种风力发电机的数据异常检测方法和设备，所述数据异常检测方法包括：实时获取风力发电机的运行相关数据；根据获取的运行相关数据获得对应的包络检波数据；确定所述包络检波数据的检测时间段的长度；基于确定的所述包络检波数据的检测时间段的长度来判断风力发电机的运行相关数据是否存在异常。采用本发明示例性实施例的风力发电机的数据异常检测方法和设备，能够提高对风力发电机异常数据判断的准确性，避免了偶然的数据跳变对异常数据判断的干扰。

Description

风力发电机的数据异常检测方法和设备

技术领域

本发明总体说来涉及风力发电技术领域，更具体地讲，涉及一种风力发电机的数据异常检测方法和设备。

背景技术

随着风力发电机容量的大型化，变桨距控制、变速恒频等先进风电技术成为当前风力发电机的主流控制方式。风力发电机是风力发电机组中将风能转化为电能的重要装置，它不仅直接影响输出电能的质量和效率，也影响整个风电转换系统的性能和装置结构的复杂性。

风力发电机是一套比较复杂的系统，目前，MW级永磁风力发电机高度集成空气动力学、结构力学、电机学、材料科学、电力电子技术、电力系统分析、继电保护技术、自动控制技术和现代通讯等综合学科，成为一套复杂的能量转换系统。当检测到风力发电机发生故障时，该故障可能是不同的原因导致的，例如以变桨系统的“三轴角度不一致”故障为例，导致该故障的原因可能是编码器本身发生故障，可能是编码器电源发生故障，可能是变桨系统卡桨，还可能是驱动器发生故障，甚至有可能是控制器采集模块发生故障，因此对故障原因的分析，不仅需要较多的经验或较高专业技术水平，还需要经过较为复杂的故障分析过程。

目前，风力发电机的故障判断方式通常为单纯的数值比较型判断方式。例如，当风力发电机的转速大于转速阈值时，或后备电源电压小于电压阈值时触发故障。然而在风力发电机的部件发生故障时，除了数值升高或降低外，很多情况还会发生频繁的数据波动。此外在风力发电机组停机又恢复正常之后，一方面故障报出来后，运维人员不易查找故障原因，另一方面，控制器中的定时器模块的特点是条件满足后，定时器开始计时，而条件不满足时，定时器停止工作并复位，而数据的频繁波动也会导致定时器频繁启动、复位，而无法到达定时时间，使故障不能正常触发，为排查故障造成困难，甚至如果不能正常触发，还会危害风力发电机组的安全。

为了分析风力发电机故障原因，需要对风力发电机的运行数据进行分析和诊断，此功能可在故障发生时刻，自动、准确、及时地记录故障前、后过程的各种电气量的变化情况，通过对记录的各种电气量的分析和比较，对分析处理事故、判断保护是否正确动作，对风力发电机组的安全可靠运行起着十分重要的作用。但是在当前的故障数据记录方法中，所记录的数据往往是预设好的，其结果是经常出现记录的故障数据中缺少某些数据而导致无法确定故障原因的情况；而对于在故障出现时没有规律性、故障发生的外部条件不明确的情况下，分析故障原因更为困难。此外，由于控制器的存储空间和处理能力有限，如果将风力发电机所有的运行数据都进行记录保存，会增大控制器的CPU利用率、存储卡空间占用率，甚至可能会导致CPU死机，影响风力发电机组运行安全。

发明内容

本发明的示例性实施例的目的在于提供一种风力发电机的数据异常检测方法和设备，能够提高对风力发电机异常数据判断的准确性。

根据本发明示例性实施例的一方面，提供一种风力发电机的数据异常检测方法，所述数据异常检测方法包括：实时获取风力发电机的运行相关数据；根据获取的运行相关数据获得对应的包络检波数据；确定包络检波数据的检测时间段的长度；基于确定的包络检波数据的检测时间段的长度来判断风力发电机的运行相关数据是否存在异常。

可选地，所述的根据获取的运行相关数据获得对应的包络检波数据的步骤可包括：对获取的运行相关数据进行去极值滤波处理，并将去极值滤波处理后的运行相关数据作为包络检波数据。

可选地，所述的对获取的运行相关数据进行去极值滤波处理，并将去极值滤波处理后的运行相关数据作为包络检波数据的步骤可包括：每当获取到风力发电机的运行相关数据时，确定去极值滤波处理周期内包括的风力发电机的运行相关数据；将去极值滤波处理周期内包括的风力发电机的运行相关数据进行排序；从排序后的运行相关数据中选取预定的运行相关数据，并将选取的预定的运行相关数据作为包络检波数据。

可选地，去极值滤波处理周期内可包括当前时刻获取的风力发电机的运行相关数据以及当前时刻之前获取的第一预定数量的风力发电机的运行相关数据。

可选地，将去极值滤波处理周期内包括的风力发电机的运行相关数据进行排序的步骤可包括：按照运行相关数据的大小将运行相关数据进行升序或降序排列。

可选地，预定的运行相关数据可为排序后的运行相关数据中的第N个运行相关数据或者排序后的运行相关数据中最前面的第二预定数量的运行相关数据中的第M个运行相关数据，其中，

或者

X为运行相关数据的数量，

或者

Y为第二预定数量。

可选地，当预定的运行相关数据为排序后的运行相关数据中的第N个运行相关数据时，可获得的包络检波数据为双向交叉变化的包络检波数据，当预定的运行相关数据为升序排序后最前面的第二预定数量的运行相关数据中的第M个运行相关数据时，可获得的包络检波数据为下限单向的包络检波数据，当预定的运行相关数据为降序排序后最前面的第二预定数量的运行相关数据中的第M个运行相关数据时，可获得的包络检波数据为上限单向的包络检波数据。

可选地，所述的确定包络检波数据的检测时间段的长度的步骤可包括：确定包络检波数据的预定幅度阈值；检测包络检波数据从小于或大于预定幅度阈值变化至大于或小于预定幅度阈值的第一时刻；在第一时刻之后，检测包络检波数据从大于或小于预定幅度阈值变化至小于或大于预定幅度阈值的第二时刻；将第二时刻与第一时刻的差值确定为包络检波数据的检测时间段的长度。

可选地，基于确定的包络检波数据的检测时间段的长度来判断风力发电机的运行相关数据是否存在异常的步骤可包括：当确定的包络检波数据的检测时间段的长度大于预定时间阈值时，确定风力发电机的运行相关数据存在异常。

根据本发明示例性实施例的另一方面，提供一种风力发电机的数据异常检测设备，所述数据异常检测设备包括：运行相关数据获取模块，实时获取风力发电机的运行相关数据；包络检波数据生成模块，根据获取的运行相关数据获得对应的包络检波数据；时间确定模块，确定包络检波数据的检测时间段的长度；数据异常判断模块，基于确定的包络检波数据的检测时间段的长度来判断风力发电机的运行相关数据是否存在异常。

可选地，包络检波数据生成模块可用于对获取的运行相关数据进行去极值滤波处理，并将去极值滤波处理后的运行相关数据作为包络检波数据。

可选地，包络检波数据生成模块可具体用于：每当运行相关数据获取模块获取到风力发电机的运行相关数据时，确定去极值滤波处理周期内包括的风力发电机的运行相关数据，将去极值滤波处理周期内包括的风力发电机的运行相关数据进行排序，从排序后的运行相关数据中选取预定的运行相关数据，并将选取的预定的运行相关数据作为包络检波数据。

可选地，去极值滤波处理周期内可包括当前时刻获取的风力发电机的运行相关数据以及当前时刻之前获取的第一预定数量的风力发电机的运行相关数据。

可选地，包络检波数据生成模块可按照运行相关数据的大小将运行相关数据进行升序或降序排列。

可选地，预定的运行相关数据可为排序后的运行相关数据中的第N个运行相关数据或者排序后的运行相关数据中最前面的第二预定数量的运行相关数据中的第M个运行相关数据，其中，

或者

X为运行相关数据的数量，

或者

Y为第二预定数量。

可选地，当预定的运行相关数据为排序后的运行相关数据中的第N个运行相关数据时，可获得的包络检波数据为双向交叉变化的包络检波数据，当预定的运行相关数据为升序排序后最前面的第二预定数量的运行相关数据中的第M个运行相关数据时，可获得的包络检波数据为下限单向的包络检波数据，当预定的运行相关数据为降序排序后最前面的第二预定数量的运行相关数据中的第M个运行相关数据时，可获得的包络检波数据为上限单向的包络检波数据。

可选地，时间确定模块可用于：确定包络检波数据的预定幅度阈值，检测包络检波数据从小于或大于预定幅度阈值变化至大于或小于预定幅度阈值的第一时刻，在第一时刻之后，检测包络检波数据从大于或小于预定幅度阈值变化至小于或大于预定幅度阈值的第二时刻，将第二时刻与第一时刻的差值确定为包络检波数据的检测时间段的长度。

可选地，数据异常判断模块可用于：当确定的包络检波数据的检测时间段的长度大于预定时间阈值时，可确定风力发电机的运行相关数据存在异常。

根据本发明示例性实施例的再一方面，提供一种存储有计算机程序的计算机可读存储介质，当所述计算机程序在被处理器执行时实现上述的风力发电机的数据异常检测方法。

根据本发明示例性实施例的再一方面，提供一种计算装置，所述计算装置包括：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，实现上述的风力发电机的数据异常检测方法。

采用本发明示例性实施例的风力发电机的数据异常检测方法和设备，能够提高对风力发电机异常数据判断的准确性，避免了偶然的数据跳变对异常数据判断的干扰。

此外，采用本发明示例性实施例的风力发电机的数据异常检测方法和设备，完全由计算机程序实现数据的包络检波，可以减少系统的硬件成本和设备技改成本，提高效益。并且上述数据异常检测方法和设备有效判别了数据的跳变和波动周期，以数据正常数值为参考点，可以准确进行数据波动判断。

此外，采用本发明示例性实施例的风力发电机的数据异常检测方法和设备，可以有效避免斜率检测方式、跳变次数检测方式导致的单次跳变、幅值不固定等检测可靠性的不足，不需要对数据异常的判断值进行设置，而是通过周期进行检测，方法更可靠。

此外，采用本发明示例性实施例的风力发电机的数据异常检测方法和设备，对于短时、偶然的数据跳变和干扰，可以自动进行滤除，保证数据的可靠性，并且对于频繁波动的数据，可以自动实现包络检测功能，不需要进行计算机程序更改或参数修改。

此外，采用本发明示例性实施例的风力发电机的数据异常检测方法和设备，能够实现双向包络检波、上限包络检波、下限包络检波等各种数据异常检测方式，灵活性高。

此外，采用本发明示例性实施例的风力发电机的数据异常检测方法和设备，能够基于包络检波数据进行数据跳变范围检测，可以解决利用最大值、最小值的数据异常检测方式中因时域差导致的误判。

附图说明

通过下面结合示例性地示出实施例的附图进行的详细描述，本发明示例性实施例的上述和其它目的、特点和优点将会变得更加清楚。

图1示出根据本发明示例性实施例的风力发电机的数据异常检测方法的流程图；

图2示出根据本发明示例性实施例的图1中的获得包络检波数据的步骤的流程图；

图3示出根据本发明示例性实施例的风力发电机的运行相关数据与去极值滤波处理后获得的包络检波数据的对比曲线示意图；

图4示出根据本发明示例性实施例的与风力发电机的运行相关数据对应的包络检波数据的曲线示意图；

图5示出根据本发明示例性实施例的双向包络检波数据的曲线示意图；

图6示出根据本发明示例性实施例的下限单向的包络检波数据的曲线示意图；

图7示出根据本发明示例性实施例的上限单向的包络检波数据的曲线示意图；

图8示出根据本发明示例性实施例的图1中的确定包络检波数据的检测时间段的长度的步骤的流程图；

图9示出根据本发明示例性实施例的确定包络检波数据的检测时间段的长度的示意图；

图10示出根据本发明示例性实施例的风力发电机的数据异常检测设备的框图。

具体实施方式

现在，将参照附图更充分地描述不同的示例实施例，一些示例性实施例在附图中示出。

图1示出根据本发明示例性实施例的风力发电机的数据异常检测方法的流程图。

参照图1，在步骤S10中，实时获取风力发电机的运行相关数据。

这里，应理解，上述实时获取的风力发电机的运行相关数据可为与风力发电机运行相关的数据，作为示例，与风力发电机运行相关的数据可包括但不限于：风力发电机运行时的发电机转速、振动加速度、发电机的后备电源电压值。例如，可通过对发电机的后备电源电压值的数据异常检测确定电容是否发生异常。

在步骤S20中，根据获取的运行相关数据获得对应的包络检波数据。

包络检波(Envelope Demodulation)对初期故障和信噪比较低的故障信号识别能力较强，包络检波数据能够反映出信号幅度的变化。由于包络检波数据遗传了风力发电机的运行相关数据的特征，很好地反应了运行相关数据峰值的变化规律，因此，在本发明示例性实施例中可利用包络检波数据来反映风力发电机的运行相关数据的波动变化，以在后续基于包络检波数据对风力发电机的运行相关数据的异常情况进行判断。

优选地，根据获取的运行相关数据获得对应的包络检波数据的步骤可包括：对获取的运行相关数据进行去极值滤波处理，并将去极值滤波处理后的运行相关数据作为包络检波数据。

在步骤S30中，确定获得的包络检波数据的检测时间段的长度。

在步骤S40中，基于确定的包络检波数据的检测时间段的长度来判断风力发电机的运行相关数据是否存在异常。

例如，当确定的包络检波数据的检测时间段的长度大于预定时间阈值时，确定风力发电机的运行相关数据存在异常，当确定的包络检波数据的检测时间段的长度不大于(即，小于等于)预定时间阈值时，确定风力发电机的运行相关数据不存在异常。

下面参照图2来介绍通过对风力发电机的运行相关数据进行去极值滤波处理来获得对应的包络检波数据的过程。这里，应理解，本发明不限于此，还可采用其他方式来获得包络检波数据。

图2示出根据本发明示例性实施例的图1中的获得包络检波数据的步骤的流程图。

参照图2，在步骤S201中，确定去极值滤波处理周期内包括的风力发电机的运行相关数据。

优选地，去极值滤波处理周期内包括当前时刻获取的风力发电机的运行相关数据以及当前时刻之前获取的第一预定数量的风力发电机的运行相关数据。

这里，在本发明示例性实施例中是采用滑动去极值的滤波方式对风力发电机的运行相关数据进行处理，去极值滤波处理周期内包括的各运行相关数据按获取的时间先后进行排列，每当获取到风力发电机的运行相关数据时，会将去极值滤波处理周期内最先获取的运行相关数据移出(即，将获取时间最早的运行相关数据移出)，并将当前获取的风力发电机的运行相关数据放入去极值滤波处理周期内，后续针对当前的去极值滤波处理周期内包括的风力发电机的运行相关数据进行去极值滤波处理。

在步骤S202中，将去极值滤波处理周期内包括的风力发电机的运行相关数据进行排序。例如，可按照去极值滤波处理周期内风力发电机的运行相关数据的大小将运行相关数据进行升序或降序排列。例如，将去极值滤波处理周期内包括的风力发电机的运行相关数据按照从小到大的顺序排列，或者按照从大到小的顺序排列。

在步骤S203中，从排序后的运行相关数据中选取预定的运行相关数据，并将选取的预定的运行相关数据作为包络检波数据。

第一种情况，选取的预定的运行相关数据可为排序后的运行相关数据中的第N个运行相关数据。

这里，去极值滤波处理周期内包括的风力发电机的运行相关数据的数量可为奇数或偶数。

例如，当运行相关数据的数量为奇数时，

X为运行相关数据的数量，

表示向上取整，例如，当X＝5时，

当运行相关数据的数量为偶数时，

或者

表1示出的是单次数据跳变时的示例。参见表1，假设获取的风力发电机的运行相关数据的序列是：(6、5表中未示出)、4、3、-10、2、1、1、0、-1……，一个去极值滤波处理周期内包括3个运行相关数据(即，当前时刻的风力发电机的运行相关数据和当前时刻之前获取的2个运行相关数据)。其中，-10表示跳变的数据，在该示例中跳变持续一个去极值滤波处理周期。

表1数据单次跳变时的示例

从表1中可看出，在第1行和第2行，包络检波数据为排序后的运行相关数据中的第N个运行相关数据(此时，X＝3，

向上取整之后N为2)，即，包络检波数据为排序后的运行相关数据中处于中间位置的运行相关数据。在第3行，获取到跳变的数据-10，去极值滤波处理周期内包括的运行相关数据为“-10、3、4”，排序后的运行相关数据为“-10、3、4”，包括检波数据为中间值3(即，排序后的第N＝2个运行相关数据)。在第4行，获取到数据2，去极值滤波处理周期内包括的运行相关数据为“2、-10、3”，排序后的运行相关数据为“-10、2、3”，包括检波数据为中间值2。在第5行，获取到数据1，去极值滤波处理周期内包括的运行相关数据为“1、2、-10”，排序后的运行相关数据为“-10、1、2”，包括检波数据为中间值1。在第6行，获取到数据0，去极值滤波处理周期内包括的运行相关数据为“0、1、2”，排序后的运行相关数据为“0、1、2”，包括检波数据为中间值1。由此可见，单次跳变数据(即，数据-10)被正常滤除，且跳变数据最多保存3个去极值滤波处理周期。

图3示出根据本发明示例性实施例的风力发电机的运行相关数据与去极值滤波处理后获得的包络检波数据的对比曲线示意图。

如图3所示，1为实时获取的风力发电机组的运行相关数据(即，表1中的数据序列)，2为对应的包络检波数据，横坐标为时间，纵坐标为风力发电机组的运行相关数据的数值。从图中可以看出，通过本发明示例性实施例的去极值滤波处理方法使得单次跳变数据(-10)被滤除，且跳变的数据在包络检波过程中最多保存3个(其取决于去极值滤波处理周期内包括的运行相关数据的数量)去极值滤波处理周期。

由上述示例可知，本发明示例性实施例的滑动去极值滤波方式不但没有均值作用，且对于反复的跳变，可以实现包络检波的功能。当去极值滤波处理周期内包括的运行相关数据的数量为5个时，按照表1所示的去极值滤波过程，最终获得的包络检波数据可如表2所示，表2的数据序列中斜体加粗加下划线的数据即为作为包络检波数据的数据。

表2包络检波数据的示例

图4示出根据本发明示例性实施例的与风力发电机的运行相关数据对应的包络检波数据的曲线示意图。

如图4所示，3为实时获取的风力发电机组的运行相关数据(即，表2中的数据序列)，4为对应的包络检波数据，横坐标为时间，纵坐标为风力发电机组的运行相关数据的数值。从图中可以看出，本发明所涉及的包络检波功能可以获得很好的包络效果，并且能够实现双向包络功能，即，正向包络与负向包络交叉进行。

应理解，在步骤S20中获得的包络检波数据可为以下项中的任一项：双向交叉变化的包络检波数据、下限单向的包络检波数据、上限单向的包络检波数据。优选地，可基于从排序后的运行相关数据中选取的预定的运行相关数据，确定获得的包络检波数据的形式。

针对上述选取的预定的运行相关数据为去极值滤波处理周期内排序后的第N个运行相关数据的情况，即，当所述预定的运行相关数据为排序后的运行相关数据中的第N个运行相关数据时，获得的包络检波数据为双向交叉变化的包络检波数据。

图5示出根据本发明示例性实施例的双向包络检波数据的曲线示意图。

从图5中可以看出，本发明示例性实施例的数据异常检波方法能够对长期、频繁波动的数据实现很好的包络检波效果，并可以实现正向、负向两种包络功能，且正向、负向包络交叉进行变化。这里，双向交叉变化的包络检波数据可指正向、负向包络交叉变化的包络检波数据，例如，可将包络上限峰值的包络检波数据称为正向包络检波数据，可将包络下限峰值的包络检波数据称为负向包络检波数据。

第二种情况，选取的预定的运行相关数据可为排序后的运行相关数据中最前面的第二预定数量的运行相关数据(即，排序后的第二预定数量之前的运行相关数据)中的第M个运行相关数据。

这里，第二预定数量可为奇数或偶数。例如，当第二预定数量为奇数时，

Y为第二预定数量，

表示向上取整。当第二预定数量为偶数时，

或者

针对上述选取的预定的运行相关数据为升序排序后最前面的第二预定数量的运行相关数据中的第M个运行相关数据的情况，即，当所述预定的运行相关数据为升序排序后最前面的第二预定数量的运行相关数据中的第M个运行相关数据时，获得的包络检波数据为下限单向的包络检波数据(如图6所示)。

针对上述选取的预定的运行相关数据为降序排序后最前面的第二预定数量的运行相关数据中的第M个运行相关数据的情况，即，当所述预定的运行相关数据为降序排序后最前面的第二预定数量的运行相关数据中的第M个运行相关数据时，获得的包络检波数据为上限单向的包络检波数据(如图7所示)。

从图6和图7中可以看出，本发明示例性实施例的滑动去极值滤波处理方式，通过调整所选取的预定的运行相关数据，可以获得正向单向包络检波数据和负向单向包络检波数据，以满足不同功能的检测需求，功能多样化，且调整灵活方便。

下面参照图8来介绍确定包络检波数据的检测时间段的长度的步骤。

图8示出根据本发明示例性实施例的图1中的确定包络检波数据的检测时间段的长度的步骤的流程图。

参照图8，在步骤S301中，确定包络检波数据的预定幅度阈值。

在步骤S302中，检测包络检波数据从小于或大于预定幅度阈值变化至大于或小于预定幅度阈值的第一时刻。也就是说，将包络检波数据从小于预定幅度阈值变化至大于预定幅度阈值的时刻确定为第一时刻，或者将包络检波数据从大于预定幅度阈值变化至小于预定幅度阈值的时刻确定为第一时刻。

在步骤S303中，在第一时刻之后，检测包络检波数据从大于或小于预定幅度阈值变化至小于或大于预定幅度阈值的第二时刻。也就是说，将第一时刻之后包络检波数据从大于预定幅度阈值变化至小于预定幅度阈值的时刻确定为第二时刻，或者将包络检波数据从小于预定幅度阈值变化至大于预定幅度阈值的时刻确定为第二时刻。

在步骤S304中，将第二时刻与第一时刻的差值确定为包络检波数据的检测时间段的长度。

图9示出根据本发明示例性实施例的确定包络检波数据的检测时间段的长度的示意图。

在本示例中，横坐标为时间，纵坐标为风力发电机组的运行相关数据的数值，正常值702表示风力发电机的运行相关数据的正常值(或正常幅值)，上限阈值701表示运行相关数据波动的上限检测值，即运行相关数据大于此值时表示有波动，下限阈值703表示运行相关数据波动的下限检测值，即运行相关数据小于此值时表示有波动。作为示例，本领域技术人员可通过各种方式来确定上述的上限阈值701、正常值702、下限阈值703。例如，可依据本领域技术人员的经验来确定。

优选地，可将上限阈值701或下限阈值703作为包络检波数据的预定幅度阈值。以图9所示为例，当将下限阈值703作为包络检波数据的预定幅度阈值时，可将包络检波数据从小到大穿过预定幅度阈值的时刻确定为第一时刻t1，将第一时刻t1之后包络检波数据从大到小穿过预定幅度阈值的时刻确定为第二时刻t2。并将t2-t1的时间差确定为包络检波数据的检测时间段的长度，以根据确定的检测时间段的长度进行风力发电机的运行相关数据的波动诊断，这里，检测时间段的长度越长，则表示运行相关数据的波动越频繁，即，表明风力发电机的运行相关数据存在异常。

除此之外，还可将上限阈值701作为包络检波数据的预定幅度阈值，此时，可将包络检波数据从大到小穿过预定幅度阈值的时刻确定为第一时刻，将第一时刻之后包络检波数据从小到大穿过预定幅度阈值的时刻确定为第二时刻，以将第二时刻与第一时刻的差值确定为包络检波数据的检测时间段的长度。

应理解，本领域技术人员可根据实际需要来调整包络检波数据的预定幅度阈值的大小，本发明对此不做限定。

图10示出根据本发明示例性实施例的风力发电机的数据异常检测设备的框图。

如图10所示，根据本发明示例性实施例的风力发电机的数据异常检测设备包括运行相关数据获取模块10、包络检波数据生成模块20、时间确定模块30和数据异常判断模块40。

具体说来，运行相关数据获取模块10实时获取风力发电机的运行相关数据。

这里，应理解，上述运行相关数据获取模块10实时获取的风力发电机的运行相关数据可为与风力发电机运行相关的数据，例如，风力发电机运行时的发电机转速、振动加速度、发电机的后备电源电压值、发电机的旋转角度值等。

包络检波数据生成模块20根据获取的运行相关数据获得对应的包络检波数据。

这里，包络检波数据生成模块20可用于对实时获取的风力发电机的运行相关数据进行滤波和包络检测。优选地，包络检波数据生成模块20可对获取的运行相关数据进行去极值滤波处理，并将去极值滤波处理后的运行相关数据作为包络检波数据。

例如，每当运行相关数据获取模块10获取到风力发电机的运行相关数据时，包络检波数据生成模块20确定去极值滤波处理周期内包括的风力发电机的运行相关数据，将去极值滤波处理周期内包括的风力发电机的运行相关数据进行排序，从排序后的运行相关数据中选取预定的运行相关数据，并将选取的预定的运行相关数据作为包络检波数据。

优选地，去极值滤波处理周期内包括当前时刻获取的风力发电机的运行相关数据以及当前时刻之前获取的第一预定数量的风力发电机的运行相关数据。

这里，在本发明示例性实施例中包络检波数据生成模块20是采用滑动去极值的滤波方式对风力发电机的运行相关数据进行处理。这里，滑动可指去极值滤波处理周期内包括的各运行相关数据按获取的时间先后进行排列，每当获取到风力发电机的运行相关数据时，会将去极值滤波处理周期内最先获取的运行相关数据移出(即，将获取时间最早的运行相关数据移出)，并将当前获取的风力发电机的运行相关数据放入去极值滤波处理周期内，以在后续针对当前的去极值滤波处理周期内包括的风力发电机的运行相关数据进行去极值滤波处理。

例如，包络检波数据生成模块20可按照去极值滤波处理周期内风力发电机的运行相关数据的大小将运行相关数据进行升序或降序排列。例如，包络检波数据生成模块20可将去极值滤波处理周期内包括的风力发电机的运行相关数据按照从小到大的顺序排列，或者按照从大到小的顺序排列。

第一种情况，包络检波数据生成模块20选取的预定的运行相关数据可为排序后的运行相关数据中的第N个运行相关数据。

这里，去极值滤波处理周期内包括的风力发电机的运行相关数据的数量可为奇数或偶数。例如，当运行相关数据的数量为奇数时，

X为运行相关数据的数量，

表示向上取整，例如，当X＝5时，

当运行相关数据的数量为偶数时，

或者

应理解，包络检波数据生成模块20获得的包络检波数据可为以下项中的任一项：双向交叉变化的包络检波数据、下限单向的包络检波数据、上限单向的包络检波数据。优选地，包络检波数据生成模块20可基于从排序后的运行相关数据中选取的预定的运行相关数据，确定获得的包络检波数据的形式。

针对上述选取的预定的运行相关数据为去极值滤波处理周期内排序后的第N个运行相关数据的情况，即，当预定的运行相关数据为排序后的运行相关数据中的第N个运行相关数据时，获得的包络检波数据为双向交叉变化的包络检波数据。

第二种情况，选取的预定的运行相关数据可为排序后的运行相关数据中最前面的第二预定数量的运行相关数据中的第M个运行相关数据。

这里，第二预定数量可为奇数或偶数。例如，当第二预定数量为奇数时，

Y为第二预定数量，

表示向上取整。当第二预定数量为偶数时，

或者

针对上述选取的预定的运行相关数据为升序排序后最前面的第二预定数量的运行相关数据中的第M个运行相关数据的情况，即，当预定的运行相关数据为升序排序后最前面的第二预定数量的运行相关数据中的第M个运行相关数据时，获得的包络检波数据为下限单向的包络检波数据。

针对上述选取的预定的运行相关数据为降序排序后最前面的第二预定数量的运行相关数据中的第M个运行相关数据的情况，即，当预定的运行相关数据为降序排序后最前面的第二预定数量的运行相关数据中的第M个运行相关数据时，获得的包络检波数据为上限单向的包络检波数据。

时间确定模块30确定获得的包络检波数据的检测时间段的长度。

优选地，时间确定模块30可确定包络检波数据的预定幅度阈值，检测包络检波数据从小于或大于预定幅度阈值变化至大于或小于预定幅度阈值的第一时刻，在第一时刻之后，检测包络检波数据从大于或小于预定幅度阈值变化至小于或大于预定幅度阈值的第二时刻，将第二时刻与第一时刻的差值确定为包络检波数据的检测时间段的长度。

也就是说，时间确定模块30可将包络检波数据从小于预定幅度阈值变化至大于预定幅度阈值的时刻确定为第一时刻，或者将包络检波数据从大于预定幅度阈值变化至小于预定幅度阈值的时刻确定为第一时刻。相应地，时间确定模块30还可将第一时刻之后包络检波数据从大于预定幅度阈值变化至小于预定幅度阈值的时刻确定为第二时刻，或者将包络检波数据从小于预定幅度阈值变化至大于预定幅度阈值的时刻确定为第二时刻。

优选地，可将风力发电机的运行相关数据的上限阈值或下限阈值作为包络检波数据的预定幅度阈值。这里，上限阈值表示运行相关数据波动的上限检测值，即运行相关数据大于此值时表示有波动，下限阈值表示运行相关数据波动的下限检测值，即运行相关数据小于此值时表示有波动。

数据异常判断模块40基于确定的包络检波数据的检测时间段的长度来判断风力发电机的运行相关数据是否存在异常。

这里，数据异常判断模块40可用于对包络检波数据是否发生异常波动进行实时检测。例如，当确定的包络检波数据的检测时间段的长度大于预定时间阈值时，数据异常判断模块40确定风力发电机的运行相关数据存在异常，当确定的包络检波数据的检测时间段的长度不大于(即，小于等于)预定时间阈值时，数据异常判断模块40确定风力发电机的运行相关数据不存在异常。

根据本发明的示例性实施例还提供一种计算装置。该计算装置包括处理器和存储器。存储器用于存储计算机程序。所述计算机程序被处理器执行使得处理器执行如上所述的风力发电机的数据异常检测方法的计算机程序。

根据本发明的示例性实施例还提供一种存储有计算机程序的计算机可读存储介质。该计算机可读存储介质存储有当被处理器执行时使得处理器执行上述风电场中的风力发电机的数据异常检测方法的计算机程序。该计算机可读记录介质是可存储由计算机系统读出的数据的任意数据存储装置。计算机可读记录介质的示例包括：只读存储器、随机存取存储器、只读光盘、磁带、软盘、光数据存储装置和载波(诸如经有线或无线传输路径通过互联网的数据传输)。

采用本发明示例性实施例的风力发电机的数据异常检测方法和设备，能够提高对风力发电机异常数据判断的准确性，避免了偶然的数据跳变对异常数据判断的干扰。

此外，采用本发明示例性实施例的风力发电机的数据异常检测方法和设备，完全由计算机程序实现数据的包络检波，可以减少系统的硬件成本和设备技改成本，提高效益。并且上述数据异常检测方法和设备有效判别了数据的跳变和波动周期，以数据正常数值为参考点，可以准确进行数据波动判断。

此外，采用本发明示例性实施例的风力发电机的数据异常检测方法和设备，可以有效避免斜率检测方式、跳变次数检测方式导致的单次跳变、幅值不固定等检测可靠性的不足，不需要对数据异常的判断值进行设置，而是通过周期进行检测，方法更可靠。

此外，采用本发明示例性实施例的风力发电机的数据异常检测方法和设备，对于短时、偶然的数据跳变和干扰，可以自动进行滤除，保证数据的可靠性，并且对于频繁波动的数据，可以自动实现包络检测功能，不需要进行计算机程序更改或参数修改。

此外，采用本发明示例性实施例的风力发电机的数据异常检测方法和设备，能够实现双向包络检波、上限包络检波、下限包络检波等各种数据异常检测方式，灵活性高。

此外，采用本发明示例性实施例的风力发电机的数据异常检测方法和设备，能够基于包络检波数据进行数据跳变范围检测，可以解决利用最大值、最小值的数据异常检测方式中因时域差导致的误判。

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 (14)

1.一种风力发电机的数据异常检测方法，其特征在于，所述数据异常检测方法包括：

实时获取风力发电机的运行相关数据；

根据获取的运行相关数据获得对应的包络检波数据；

确定所述包络检波数据的检测时间段的长度；

基于确定的所述包络检波数据的检测时间段的长度来判断风力发电机的运行相关数据是否存在异常，

其中，所述的确定所述包络检波数据的检测时间段的长度的步骤包括：

确定所述包络检波数据的预定幅度阈值；

检测所述包络检波数据从小于所述预定幅度阈值变化至大于所述预定幅度阈值，或者从大于所述预定幅度阈值变化至小于所述预定幅度阈值的第一时刻；

在第一时刻之后，检测所述包络检波数据从大于所述预定幅度阈值变化至小于所述预定幅度阈值，或者从小于所述预定幅度阈值变化至大于所述预定幅度阈值的第二时刻；

将第二时刻与第一时刻的差值确定为所述包络检波数据的检测时间段的长度，

其中，基于确定的所述包络检波数据的检测时间段的长度来判断风力发电机的运行相关数据是否存在异常的步骤包括：

当确定的所述包络检波数据的检测时间段的长度大于预定时间阈值时，确定风力发电机的运行相关数据存在异常。

2.如权利要求1所述的数据异常检测方法，其特征在于，所述的根据获取的运行相关数据获得对应的包络检波数据的步骤包括：对获取的运行相关数据进行去极值滤波处理，并将去极值滤波处理后的运行相关数据作为包络检波数据。

3.如权利要求2所述的数据异常检测方法，其特征在于，所述的对获取的运行相关数据进行去极值滤波处理，并将去极值滤波处理后的运行相关数据作为包络检波数据的步骤包括：

每当获取到风力发电机的运行相关数据时，确定去极值滤波处理周期内包括的风力发电机的运行相关数据；

将所述去极值滤波处理周期内包括的风力发电机的运行相关数据进行排序；

从排序后的运行相关数据中选取预定的运行相关数据，并将选取的预定的运行相关数据作为包络检波数据，

其中，所述的将所述去极值滤波处理周期内包括的风力发电机的运行相关数据进行排序的步骤包括：按照所述运行相关数据的大小将所述运行相关数据进行升序或降序排列。

4.如权利要求3所述的数据异常检测方法，其特征在于，所述去极值滤波处理周期内包括当前时刻获取的风力发电机的运行相关数据以及当前时刻之前获取的第一预定数量的风力发电机的运行相关数据。

5.如权利要求3所述的数据异常检测方法，其特征在于，所述预定的运行相关数据为排序后的运行相关数据中的第N个运行相关数据或者排序后的运行相关数据中最前面的第二预定数量的运行相关数据中的第M个运行相关数据，其中，

或者

X为运行相关数据的数量，

或者

Y为第二预定数量。

6.如权利要求5所述的数据异常检测方法，其特征在于，当所述预定的运行相关数据为排序后的运行相关数据中的第N个运行相关数据时，获得的包络检波数据为双向交叉变化的包络检波数据，

当所述预定的运行相关数据为升序排序后最前面的第二预定数量的运行相关数据中的第M个运行相关数据时，获得的包络检波数据为下限单向的包络检波数据，

当所述预定的运行相关数据为降序排序后最前面的第二预定数量的运行相关数据中的第M个运行相关数据时，获得的包络检波数据为上限单向的包络检波数据。

7.一种风力发电机的数据异常检测设备，其特征在于，所述数据异常检测设备包括：

运行相关数据获取模块，实时获取风力发电机的运行相关数据；

包络检波数据生成模块，根据获取的运行相关数据获得对应的包络检波数据；

时间确定模块，确定所述包络检波数据的检测时间段的长度；

数据异常判断模块，基于确定的所述包络检波数据的检测时间段的长度来判断风力发电机的运行相关数据是否存在异常，

其中，所述时间确定模块用于：确定所述包络检波数据的预定幅度阈值，检测所述包络检波数据从小于所述预定幅度阈值变化至大于所述预定幅度阈值，或者从大于所述预定幅度阈值变化至小于所述预定幅度阈值的第一时刻，在第一时刻之后，检测所述包络检波数据从大于所述预定幅度阈值变化至小于所述预定幅度阈值，或者从小于所述预定幅度阈值变化至大于所述预定幅度阈值的第二时刻，将第二时刻与第一时刻的差值确定为所述包络检波数据的检测时间段的长度，

其中，所述数据异常判断模块用于：当确定的所述包络检波数据的检测时间段的长度大于预定时间阈值时，确定风力发电机的运行相关数据存在异常。

8.如权利要求7所述的数据异常检测设备，其特征在于，所述包络检波数据生成模块用于对获取的运行相关数据进行去极值滤波处理，并将去极值滤波处理后的运行相关数据作为包络检波数据。

9.如权利要求8所述的数据异常检测设备，其特征在于，所述包络检波数据生成模块具体用于：每当运行相关数据获取模块获取到风力发电机的运行相关数据时，确定去极值滤波处理周期内包括的风力发电机的运行相关数据，将所述去极值滤波处理周期内包括的风力发电机的运行相关数据进行排序，从排序后的运行相关数据中选取预定的运行相关数据，并将选取的预定的运行相关数据作为包络检波数据，

其中，所述包络检波数据生成模块还用于按照所述运行相关数据的大小将所述运行相关数据进行升序或降序排列。

10.如权利要求9所述的数据异常检测设备，其特征在于，所述去极值滤波处理周期内包括当前时刻获取的风力发电机的运行相关数据以及当前时刻之前获取的第一预定数量的风力发电机的运行相关数据。

11.如权利要求9所述的数据异常检测设备，其特征在于，所述预定的运行相关数据为排序后的运行相关数据中的第N个运行相关数据或者排序后的运行相关数据中最前面的第二预定数量的运行相关数据中的第M个运行相关数据，其中，

或者

X为运行相关数据的数量，

或者

Y为第二预定数量。

12.如权利要求11所述的数据异常检测设备，其特征在于，当所述预定的运行相关数据为排序后的运行相关数据中的第N个运行相关数据时，获得的包络检波数据为双向交叉变化的包络检波数据，

当所述预定的运行相关数据为升序排序后最前面的第二预定数量的运行相关数据中的第M个运行相关数据时，获得的包络检波数据为下限单向的包络检波数据，

当所述预定的运行相关数据为降序排序后最前面的第二预定数量的运行相关数据中的第M个运行相关数据时，获得的包络检波数据为上限单向的包络检波数据。

13.一种存储有计算机程序的计算机可读存储介质，当所述计算机程序在被处理器执行时实现如权利要求1-6中的任意一项所述的风力发电机的数据异常检测方法。

14.一种计算装置，其特征在于，所述计算装置包括：

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，实现如权利要求1-6中的任意一项所述的风力发电机的数据异常检测方法。

Images