CN111133391A - 用于对风力农场和风力涡轮机数据、数据分析算法和数据分析的结果进行受控式共享的方法 - Google Patents

Abstract

用于对与一个或多个风力涡轮机和风力农场有关的数据、数据分析算法和数据分析的结果进行受控式共享以及对所述数据、数据分析算法和数据分析的结果进行受控式访问的方法，包括以下步骤：1.提供传感器装置，以用于对与每个风力农场相应的每个风力涡轮机、风力农场相应的所述多个风力涡轮机的运行有关的数据进行读取，以用于对风力农场相应的所述多个风力涡轮机中的风力涡轮机的运行数据进行监测；2.使多个用户通过电信网络连接，以在他们之间对风力农场相应的所述多个风力涡轮机中的风力涡轮机的运行数据以及用于处理所述数据的算法进行共享。

Description

用于对风力农场和风力涡轮机数据、数据分析算法和数据分 析的结果进行受控式共享的方法

本发明涉及一种用于对风力农场和风力涡轮机数据、数据分析算法和数据分析的结果进行受控式共享的方法。

背景技术

风能是日益增长的经济领域，这也得益于使风能成本进一步降低的持续研究和开发。由于技术和监管进展迅速，风力农场的设计、运行和筹划变得较复杂。另一方面，研究者向前推进最新技术需要越来越多来自新安装型号的风力涡轮机的详细和有代表性数据及关于其中风力涡轮机运行的实际环境的信息。

到目前为止，风力农场技术管理者想要从数据分析学习，因为他们的选择正变得越来越受数据驱动，但他们不得不依赖对数据的片段式非实时访问，这些数据大多数时候仅来自他们所管理的风力农场。反过来，研究者在从运行的风力涡轮机获得高质量数据方面遇到很大困难。当这种数据可用时，其可以以许多不同的格式代表(可能暗含不同的精度)，并且可以通过不同标准(例如用于采样参数)进行收集。访问统一化(harmonized，协调)实时风力农场数据将允许改进其活动，从而获取仅通过对来自不同风力农场的数据进行汇总和比较才可用的见解和有用信息；对于研究者，这将能够实施对较好的型号进行开发、用新的分析算法进行实验以及对数据挖掘进行较广泛的自动化和对风力涡轮机运行状况进行分析。

发明内容

公开了一种用于对风力农场或风力涡轮机的数据、数据分析算法和数据分析的结果进行受控式共享的方法。

数据项、数据分析算法和数据分析的结果由各种参与用户在系统中创建或自动输入。处理来自参与用户的数据以形成单个经统一化的数据集。数据处理程序以算法的形式被统一化，这些算法在公共描述模式中被统一表征。系统允许对数据集和处理算法进行受控式访问，并允许处于特定变换形式(得到的数据集或算法)的用于共享所拥有的数据集和算法的标准的规范。用于创建和共享得到的数据集或算法的标准包括待应用于原始数据集或算法以创建得到的数据集的许可条款、成本和质量降级程序。系统允许用户基于用户拥有的数据集和对用户可用的得到的数据集来进行检索、分析、设置通知、警报、控制执行器和发布信息。

本发明提供了一种用于对与一个或多个风力涡轮机和风力农场有关的数据、数据分析算法和数据分析的结果进行受控式共享以及对所述数据、数据分析算法和数据分析的结果进行受控式访问的方法，包括以下步骤：

1.提供传感器装置，以用于对与每个风力农场相应的每个风力涡轮机的运行、风力农场相应的所述多个风力涡轮机的运行有关的数据进行读取，以用于对风力农场相应的所述多个风力涡轮机中的风力涡轮机的运行数据进行监测；注意，在该实施方式中，传感器是风力涡轮机或风力农场中存在的传感器，诸如，例如风力农场中的风力塔处的气象传感器，风力农场中的风力涡轮机处的温度传感器、风力速度传感器和转子转动传感器，或附加的传感器，这些附加的传感器利用与每个风力农场相应的每个风力涡轮机、风力农场相应的所述多个风力涡轮机有关的信息对来自所述现有传感器的读数进行延伸、补充或再现以进行冗余；

2.提供数据存储和管理装置，以对风力农场相应的所述多个风力涡轮机中的风力涡轮机的数据进行存储和提供对风力农场相应的所述多个风力涡轮机中的风力涡轮机的数据的受控式访问；

3.通过点对点链路或电信网络将所述传感器装置连接到所述数据存储和管理装置；

4.提供处理和计算装置，该处理和计算装置利用点对点链路或电信网络连接到所述数据存储和管理装置并且被配置为对风力农场相应的所述多个风力涡轮机中的风力涡轮机的运行数据进行收集、存储和处理；

5.提供处理和控制装置，以管理数据和元数据，以及对用户与实施所提出方法的系统的所有交互进行代理；该处理和控制装置与所述电信网络连接；

6.使多个用户通过电信网络连接，以在他们之间对风力农场相应的所述多个风力涡轮机中的风力涡轮机的运行数据以及用于处理所述数据的算法进行共享；

7.对从关于风力涡轮机、风力农场、有关的设备和周围环境的传感器读数得到的数据或与关于风力涡轮机、风力农场、有关设备和周围环境的传感器读数有关的数据进行收集和存储；

8.执行模块化的可共享数据处理程序，所述模块化的可共享数据处理程序将输入数据变换为单种统一化格式；

9.执行对经统一化的数据进行处理以提取与风力涡轮机或风力农场的运行状况有关的信息的模块化可共享程序；

10.以经统一化的数据的形式存储对经统一化的数据执行模块化可共享程序的结果；

11.与系统的用户进行交互，以允许添加输入源、数据集和处理程序(算法)；

12.执行程序以在系统的不同用户之间应用用于数据集和处理程序(算法)的共享标准和约束，可选地涉及对数据集和算法执行质量降级程序以创建共享形式的数据集和算法；

13.执行对经统一化的数据进行处理以创建从经统一化的数据提取的信息的报告的模块化可共享程序；

14.与系统用户进行交互，以允许对数据集和处理程序以及用于数据集和处理程序(算法)的共享标准进行受控式访问。

根据本发明，数据和数据处理的结果能够触发警报、发出通知和命令执行器；在优选实施方式中，执行器在风力涡轮机上。

根据本发明，基于与用户相关联风力农场有关的信息、有关数据集以及其他处理算法和数据集的可用性，向用户建议处理算法。建议包括或基于对来自风力农场运行的潜在经济节约或收益的估计，以及风力农场的在采用数据处理算法之前和之后的历史数据来计算对来自风力农场运行的潜在经济节约或收益的估计。

根据本发明，在优选实施方式中，将所开发的系统部分地或全部地部署在风力涡轮机内部或风力农场的本地环境(premise)上。

根据本发明，可以利用区块链技术来实施控制和策略施行活动的部分或全部，并且可以利用区块链技术在分布式账本上实施将数据存储和管理活动的部分或全部。

根据本发明，当数据是从下述项上的传感器得到的时也可以应用该方法：太阳能或光伏电站；或径流式水力发电站；或生物质发电站；或柴油、汽油、沼气、替代性和定制燃料发电机；或电力公用电网；或微型涡轮机；或燃料电池。

根据本发明，当数据是从能量存储电站或机械设施诸如飞轮或电池组或流体电池或氢电站上的传感器得到的时，也可以应用该方法。

根据本发明，数据与共享标准、处理算法、用于处理算法和数据的共享标准的规范相关联，并且共享标准可以包括质量降级算法的规范。

根据本发明，无论输入方法如何，都可以从数据库将数据输入到系统中。

根据本发明，可以通过交互式、语音式、文本式、会话式或触觉式接口来访问数据和数据处理的结果。

附图说明

为了较完整地理解本发明，参考以下描述和所附附图，其中：

图1是描述通过系统的主要数据流的数据流程图；

图2是示出总体系统架构的组件图；

图3是示出输入数据收集器架构的优选部署的组件图；

图4是示出处理引擎架构的优选部署的组件图；

图5是示出发布接口架构的优选部署的组件图；

图6是示出行动者——风力农场拥有者和技术管理者——的主要活动的用例图；

图7是示出行动者——技术管理者和研究者——的主要活动的用例图；以及

图8是主要类别(行动者、智能单元和数据集)的类别图。

具体实施方式

本发明通过一种装备和方法来实施，该装备和方法允许对涉及风力农场、风力涡轮机的信息进行受控式共享，对处理来自风力农场和风力涡轮机的、可能利用其它上下文数据进行增强的数据的算法进行受控式共享，以及对处理来自风力农场和风力涡轮机的、可能利用其它会话数据进行增强的数据的算法的结果进行受控式共享。被共享的信息记录可以是数据集或算法。本发明中管理的算法可以以若干形式进行描述和共享，并且如果它们以在本发明中直接可执行和可组合的形式被表达，则它们可以被管理为用于描述和执行数据处理的功能块，并且在这种形式下在下文中被称为“智能单元”[65]，简称“IU”。

数据共享管理

在优选实施方式中考虑的所有数据和数据处理算法均利用保持其机密性和完整性属性的程序进行管理；这也扩展到从系统内部的处理数据集所产生的数据。这是通过利用隐私管理记录[44]增强所有数据集和处理算法并对每个数据访问和处理施行隐私约束来实施的。

在优选实施方式中考虑的信息记录包括但不限于：

I.对于风力农场：地理位置、地理扩展、运行时间、环境条件、风力涡轮机的数量和型号、所有权、所有权种类、带有时间戳的总体运行参数；

II.对于风力涡轮机：地理位置、制造商、型号、运行时间、带有时间戳的运行参数、带有时间戳的SCADA数据、维护操作的历史记录、第三方条件监测系统和第三方传感器数据，诸如来自转子健康监测系统、振动的持续监测、结构健康监测系统和定制传感器的数据；

III.用于对来自风力农场和风力涡轮机的、可能利用其它上下文数据进行增强的数据进行处理的算法；

IV.从将处理算法应用到来自风力农场和风力涡轮机的、可能利用上下文数据增强的数据得到的数据；

V.对于类型I、II、III、IV中的每个信息记录和所有信息记录，优选实施方式中的隐私约束记录至少指定：

a)共享权限的管理者(称为“数据管理者”)；

b)待与不同于数据管理者的用户或用户组共享的信息所必须满足的条件；

c)监管信息共享的许可证；

d)共享操作的成本。

VI.对于类型I、II、III、IV中的每个信息记录和所有信息记录，优选实施方式中的质量管理记录[47]至少指定：

a)信息的质量级别，该信息处呈其已插入平台中的形式(称为“原始质量级别”)；

b)对于每个原始质量级别，可以应用于所述质量级别的信息以获得具有不同(较低)质量级别的版本的降级程序及其有关参数的列表。

c)对于数据集，其出处即输入数据源、以及一系列具有有关参数的质量降级程序和一系列具有有关参数的处理算法。

d)对于算法，其历史记录即其描述的版本、一系列具有有关参数的质量降级程序以及一系列具有有关参数的处理算法。

在优选实施方式中，针对数据的质量级别规范为：

1.采样参数

2.精度，该精度按照标准偏差、四分位数间距或其他明确定义的用于分散的统计参数进行表达；

3.未更改的数据点的百分比；

4.称为原始质量级别数据集的准确度；

5.统一化类型；

在优选实施方式中，关于数据的质量降级程序为：

1.精度界限的扩大，

2.准确度界限的扩大，

3.采样周期的增加，

4.时间序列点的随机删除，

5.选择性地保留或更改数据统计的一部分的噪声应用，

6.用户定义的数据质量降级程序。

在优选实施方式中，数据的出处被自动收集并存储为半结构日志文件，该半结构日志文件包括获得当前数据版本所需的、从作为开发系统中的输入的原始数据开始的所有信息。

在优选实施方式中，关于算法信息的质量可以按照有助于易用性、实用的适用性和性能的不同方面来进行表达。

在优选实施方式中，可以按照描述的完整性来表达关于算法的质量规范的一个方面，包括例如：

I.根本没有描述；

II.指定输入参数和输出参数的文本描述；

III.包括用本发明中描述的平台中采用的术语和含义表达的输入参数和输出参数以及处理的文本描述的正式描述；

IV.包括用本发明中描述的平台中采用的术语和含义表达的输入参数和输出参数以及使用仅控制结构、布尔值和算术运算符以及用户定义函数处理伪代码的描述的正式描述，用户定义函数的描述是在本发明中描述的平台中已经可用的算法；

V.编程语言的完整规范，具有用本发明中描述的平台中采用的术语和含义表达的输入参数和输出参数的正式描述；

VI.可以在处理引擎[21]上被执行到本发明中描述的平台[18]中的可执行版本；

VII.可以通过本发明中描述的平台[18]外部的装置被执行为“外部处理服务”[13]的可执行版本，具有用本发明中描述的平台中采用的术语和含义表达的输入参数和输出参数的正式描述，使得可以通过调用外部处理设施从平台自动执行算法；具有这种描述质量级别的算法被管理为“智能单元”[65]；

VIII.本发明中描述的平台所支持的可执行版本，具有用本发明中描述的平台中采用的术语和含义表达的输入参数和输出参数的正式描述，使得算法可以在平台中自动自动运行；具有这种描述质量级别的算法被管理为“智能单元”[65]；

IX.本发明中描述的平台所支持的编程语言的完整规范，具有用本发明中描述的平台中采用的术语和含义表达的输入参数和输出参数的正式描述，使得其可以在该平台中自动运行；具有这种描述质量级别的算法被管理为“智能单元”[65]；

在优选实施方式中，关于算法的质量规范的一个方面可以按照应用该算法时可实施的性能来进行表达，包括例如：

I.批处理、最佳努力性能、没有对完成时间的估计；

II.批处理、最佳努力性能、具有对完成时间的预先估计；

III.批处理、具有保证的完成时间；

IV.有损流式处理(实时、可能的数据丢失)；

V.无损流式处理(实时、保证没有数据丢失)。

在优选实施方式中，数据处理算法的执行可以通过文中以及在下面称为“处理引擎”的不同装置执行，每个装置都与一个或多个性能质量规范相关联

I.平台内单线程执行；

II.平台内并行执行；

III.平台外执行；

在优选实施方式中，平台内处理引擎被嵌入平台中，并在调用平台中支持的编程语言的基元、调用系统中所支持的库函数或请求执行平台中所支持的二进制程序的算法中被直接使用。

在优选实施方式中，可以在不同方面(描述、处理引擎、性能)与规范的质量有关地应用对算法共享的降级，包括例如：

I.源格式->可执行二进制

II.外部处理引擎->嵌入的处理引擎

III.并行版本->串行(单线程)版本

IV.高性能->低性能

V.保证性能->估计性能

VI.估计性能->没有估计

可以通过若干标准来对用于对数据和算法的共享进行监管的许可证进行分组和选择；在优选实施方式中，用于数据共享许可证的分组标准的设计目标是用以

1.向数据管理者提供：

a)涵盖最常用的许可模式的综合选择列表；

b)与授予接收者的权利相关联的定价标准；

2.以及向数据管理者和接收者两者提供：

a)对授予数据的接收者的权利的清晰、明确和简单的描述；

b)许可证条款的标准措辞，可能遵循众所周知的许可条款和表达。

在优选实施方式中，数据管理者可以添加新的许可模式，包括描述与接收者共享信息所处的条件的文本以及可选地可以直接被指定或根据下述项被表达的成本：

I.信息量；

II.信息质量级别；

III.处理资源的成本；

IV.存储器资源的成本；

V.数据传输程序的成本；

VI.生成数据的涡轮机的数量；

VII.潜在地受处理结果影响的涡轮机的数量；

VIII.生成数据的风力农场的数量；

IX.潜在地受处理结果影响的风力农场的数量；

X.每个涡轮机因此产生的额外功率

XI.采用其他IU来执行处理的成本；

XII.外部因素的价值，诸如货币兑换费、加密货币价值、指定为智能化合约的条件；

XIII.另一已经定义的许可模式的成本。

在优选实施方式中，用于数据共享许可证的可用分组基于：

1.根据“知识共享(Creative Commons)”(https://creativecommons.org)的定义在“免费”和“非免费”文化作品之间进行的区分；

2.根据“开放定义”(http://opendefinition.Org/od/2.1/en/)给予数据的接收者的权利的广泛性；

3.链接开放数据https://www.w3.org/Designlssues/LinkedData.html的五星表征。

在优选实施方式中，用于算法共享许可证的可用分组基于：

1.根据开源倡议的“开源定义”(https://opensource.org/osd-annotated)在“开源”和“非开源”之间进行的区分

2.根据Github许可证表征(https://choosealicense.com/licenses)给予接收者的权利和赋予接受者的义务的广泛性

共享操作的成本可以由用户手动指定，基于被共享的信息、基于自动计算出的成本乘以用户定义的削减率或上升系数自动计算。在优选实施方式中，针对成本的计算考虑了所考虑的数据的数据点的类型和量，所应用的质量降级方法以及共享数据所依据的许可证。

在优选实施方式中，算法的历史记录通过版本控制系统诸如Git在提交和标签对象(或与Git不同的版本控制系统中的其等效项)中为注释字段采用半结构化格式而被自动收集和管理。

数据处理和质量变换

在优选实施方式中，通过系统的主数据流由图1中的数据流程图表示。系统外部的实体是“涡轮机”[1]，代表将传感器数据上传到系统的设备；“用户”[12]，代表系统的人类用户，并且“外部数据库”，代表作为可选的另外数据源[10]或作为另外的可选输出[11]的外部数据库。来自传感器[1]或来自外部数据库[10]的数据由应用最小的必需格式化的平台[2]程序进行预处理，并被存储在专用于原始数据[4]的数据库中。预处理[2]程序还提取了数据子集以用于快速和短期监测目的，并将其临时存储在暂时存储器[7]中。原始数据[4]由统一化算法[3]处理，并被存储在单个经统一化的数据集[6]中。通过处理程序[5]以不同的方式处理来自经统一化的数据集[6]的数据(例如，以提取概述统计、执行异常检测、根据复杂的性能标准选择涡轮机或风力农场等)。处理程序[5]的结果被临时存储在暂时存储器[7]中，并且如果以较高的频率请求相同的结果，或者其计算就计算资源或时间而言成本高，则也将其存储在经统一化的数据集[6]中。用户执行控制操作[9]，以：将输入源的描述和对其进行访问所需的信息添加到系统中；添加或修改数据集[6]和处理程序[5]；应用用于数据集和算法的共享标准和约束；通过演示[8]程序访问信息，该程序处理来自暂时数据集[7]和经统一化的数据集[6]的数据以创建易于读取且信息丰富的报告，该报告包括平台中存在的数字(figure，图)、表格、图形和涉及风力涡轮机和风力农场的文本描述中的一些或全部。

在优选实施方式中，应用于被管理数据集的数据处理程序[2][3][5][8]被实施为可插拔处理模块，其由本发明中描述的系统管理为算法类型的共享单元——“智能单元”[65]，简称为“IU”。在本发明的描述中，我们将IU在数据集上的“执行”定义为在IU中描述的数据处理程序到数据集的应用。根据IU的隐私管理记录[44]，为IU分配数据管理者，该数据管理者决定可以如何和由谁使用(共享、查看、修改、执行等)IU。为了在数据集上执行IU，必须授予用户对数据集和IU两者的访问权限，并且自动施行数据集和IU的隐私管理记录[44]中描述的所有约束。

数据由若干数据提供者或输入系统[14]提供给实施本发明的系统，这些数据提供者或输入系统在数据格式、数据递交率和其他质量属性方面可以不同。

这些数据在由自动装置输入系统时由执行基本格式化和检查并将数据存储在原始数据库[4]中的输入IU[25]进行预处理。为了使系统以类似并且自动化方式处理来自所有输入系统的数据，必须执行称为“统一化”[3]的程序，该程序将输入数据转换为系统接受的明确定义的形式——“统一化形式”；这种形式的数据将被称为“经统一化的数据”[6]。如果尚未对数据进行针对统一化的处理，则可以以非统一化形式将数据存储在系统中，并且仅应用于经统一化的数据的所有数据处理程序将不可用。即使处于非统一化形式，存储的数据也已设置隐私管理记录[44]，因此尽管其中分配给数据集的数据管理者的选择选项减少，但仍可以由系统进行管理。非统一化形式的数据也称为“非经统一化的数据”和称为“原始数据”。在优选实施方式中，通过如下运行的IU[42]来实施统一化：

1.接受以下项作为输入：

a)非经统一化的数据

b)输入源的标识符

c)转换参数

2.根据转换参数和输入源的标识符来处理非经统一化的数据

3.在输出中产生：

a)经统一化的数据

b)统一化类型

根据数据的统一化状态，通过属于不同类别的IU来实施应用于被管理数据集的所有数据处理：

I.输入：从平台外数据源到已存储和可访问的非经统一化的数据

II.统一化：非统一化到统一化

III.通用型处理：统一化到统一化

a)质量降级：改变仅数据质量级别

b)得到的数据：改变数据、数据类型或两者

IV.演示：统一化到平台外/非统一化

根据IU的隐私管理记录[44]，为IU分配了决定可以如何和由谁使用(共享、查看、修改、执行等)IU的数据管理者。为了在数据集上执行IU，必须授予用户对数据集和IU两者的访问权限，并且自动施行数据集和IU的隐私管理记录[44]中描述的所有约束。在数据集(输入数据集)上执行“通用型处理”类型的IU的结果是另一数据集(输出数据集)，该另一数据集的质量管理记录[47]和隐私管理记录根据输入数据集的和IU的隐私管理和质量管理被自动部分地或完全地定义。

在优选实施方式中，隐私管理记录[44]中描述的约束通过数据库管理系统提供的加密基元对静态的数据施行，而对于运输中的数据则通过端到端加密协议施行。施行隐私管理记录[44]所暗含的加密密钥管理的活动由“控制和发布接口”组件[19]执行。

“通用型处理”类型的IU类别[43]与数据集的统计型号的创建有关，数据集的统计模型的创建根据一组选择标准并为每个建模的性能参数提供统计描述。

例如，这种专注于温度的IU可以使下述项作为输入

1.给定的风力涡轮机(例如，作为ID)

2.时间间隔

并将下述项返回作为温度的输出百分比、极值、均值和方差：

1.齿轮箱入口

2.齿轮箱轴承

3.转子轴承

4.发电机轴承

5.转换器入口

在优选实施方式中，用户通过多个客户端应用[20]或多个输出系统[23]访问数据，该多个客户端应用或多个输出系统与“控制和发布接口”模块[19]通过数据访问接口[39][36]进行交互。每个数据访问接口通过演示IU[24]来实施，即通过终止处理流程并且不能用作其他IU的输入的IU来实施。

在优选实施方式中，演示IU[24]的示例是：

1.数据API[39](具有若干可能的输出格式，诸如CSV、JSON、ODS、XLS、RDF、XML)

2.发布API[36](在不同的输出系统[23]上产生输出，例如：在线社交网络[34]，诸如Twitter、Facebook、Vkontakt；即时消息传递应用[33]，诸如Whatsapp、Telegram、Signal、IRC、VoIP或视频流[31]或音频/视频批量传输[40]；电子邮件[38]、电话[37]、电话文本消息[35]；)

3.会话式用户接口[29]

4.基于网页的交互式图形用户接口[28]

5.基于字符的交互式命令行接口[27]

6.执行器[32]

7.第三方客户端[41]

在优选实施方式中，可以通过对条件检测器IU和演示IU[24]进行组合来创建自动警告通知功能；条件检测器IU检测关于数据集的值的条件的发生，并且如果条件被验证，则产生可定制的消息作为输出，该可定制的消息报告已检测到的条件的类型和可选地更多上下文信息或对较详细的报告的参考；演示IU[24]将从条件检测IU生成的消息作为输入，并基于该消息将其发布在一个或多个被支持的信道上。

在优选实施方式中，可以使用通用型处理IU[43]创建模型构造IU，如下所述。给定系统用户选择的风力农场(“参考风力农场”)，可以基于可以由风力农场拥有者[71]选择的运行参数的子集与其他风力农场进行比较。可以使用不同的标准来完成对要比较的风力农场的选择，这些标准可以表达为与给定值匹配或属于给定值区间，并且对每个标准的检查都可以应用为精确匹配或模糊匹配；计算类似度指数，该类似度指数表达所应用的匹配条件的接近程度，以及因此所选择的风力农场与其进行比较的风力农场的类似程度；在优选实施方式中，选择标准可以是以下中的一项或多项的组合：

1.地形条件

2.给定时间间隔的天气条件的时间序列

3.以涡轮机计数的风力农场的规模

4.以每单位面积的涡轮机的风力农场的规模

5.给定型号的涡轮机数量

6.每涡轮机每单位时间的非筹划维护事件的数量

7.每涡轮机每单位时间的非筹划维护事件的类型

8.给定时间间隔的运行参数的时间序列

9.用户选择

选择的示例为：处于类似地形条件并且就涡轮机数量而言规模相同的风力农场，其中过去的1h跨度的风速时间序列与参考风力农场的最后1h风速时间序列类似。监测可以包括与合成风力农场进行比较，这些合成风力农场的数据基于模型生成；在优选实施方式中，合成风力农场的模型既基于实际风力农场参数，又基于用于运行参数的预测模型。在优选实施方式中，选择过程由通用过程类型的IU来实施，该通用过程将选择标准作为输入并产生风力农场列表作为输出。

在优选实施方式中，可以通过对分别由IU实施的多个较简单处理步骤进行组合来执行复杂的处理。

为了较好地解释这是如何执行的，下面我们将按照IU的组合来描述对风力涡轮机数据的复杂处理。作为示例，我们考虑计算风力涡轮机的齿轮箱温度指纹(footprint)的IU。该IU被实施为以下IU——在下文中每个IU被指定处于描述质量级别II——的组合。

IU.I名称：风力涡轮机的齿轮箱温度指纹

输入：风力涡轮机唯一ID、时间窗口、振幅参数

输出：针对每个额定功率百分比输出组的归一化温度平均值和标准偏差

算法：接着的IU的级联

IU.I.1名称：取来给定的时间窗口内的所有齿轮箱轴承温度数据、功率输出数据和环境温度数据序列。

输入：风力涡轮机唯一ID、时间窗口

输出：时间序列(包含齿轮箱轴承温度、功率输出和环境温度。

IU.I.2名称：取来给定涡轮机的标称额定功率值

输入：风力涡轮机唯一ID

输出：风力涡轮机额定功率。

IU.I.3名称：外推百分比功率时间序列。涡轮机功率输出时间序列通过涡轮机额定功率被归一化。

输入：IU.I.1.输出(功率时间序列)、IU.I.2.输出(额定功率值)

输出：额定功率输出时间序列的百分比

IU.I.4名称：在环境温度内对齿轮箱温度进行归一化

输入：IU.I.1.输出(齿轮箱和环境温度时间序列)

输出：归一化齿轮箱温度时间序列

IU.I.5名称：通过额定功率的固定百分比的幅度关于间隔对所有归一化温度样本进行分组。

输入：IU.I.3.输出和IU.I.4.输出、幅度参数(例如，百分之10)

输出：来自上述步骤的所有时间序列的样本组

IU.I.6名称：计算针对每个功率百分比组的统计范数

输入：IU.I.5.输出(样本组)

输出：针对每个额定功率百分比输出组的归一化温度平均值和标准偏差

为了较好地示出IU组合，我们现在考虑另一IU，该IU检查是否存在关于一个特定涡轮机组件(诸如齿轮箱轴承)的温度异常。如果已将IU定义为执行与先前描述的IU“风力涡轮机的齿轮箱温度指纹”相同的处理，则我们可以在如下新IU的描述中使用它。

IU.II名称：查找具有温度异常的涡轮机

输入：风力农场

输出：具有温度异常的风力涡轮机的列表

IU.II.0选择风力农场中涡轮机的所有齿轮箱型号

输入：风力农场

输出：给定风力农场中风力涡轮机的齿轮箱型号的列表。对于IU.II.0输出中的每个齿轮箱型号，执行以下操作：

IU.II.1名称：选择风力农场中具有与我们想测试的涡轮机相同的齿轮箱型号的所有涡轮机。

输入：IU.II.0.输出(齿轮箱型号)、风力农场

输出：具有上述特性的所有涡轮机唯一ID的列表。

IU.II.2名称：风力涡轮机的齿轮箱温度指纹(适用于所有选择的风力涡轮机)

输入：IU.II.1输出(每个ID一个结果)、时间窗口、幅度参数

输出：针对每个额定功率百分比输出组的归一化温度平均值和标准偏差

IU.II.3名称：风力涡轮机的齿轮箱温度指纹(应用于我们要测试的风力涡轮机)

输入：测试风力涡轮机唯一ID、时间窗口、振幅参数

输出：针对每个额定功率百分比输出组的归一化温度平均值和标准偏差

IU.II.4计算针对每个额定功率百分比输出组的统计范数

输入：IU.II.2输出

输出：针对每个额定功率百分比输出组的风力农场归一化温度平均值和标准偏差(风力涡轮机组齿轮箱温度指纹)

IU.II.5在风力涡轮机组齿轮箱温度指纹上测试风力涡轮机齿轮箱涡轮机温度指纹

输入：IU.II.4.输出(风力涡轮机组齿轮箱温度指纹)、IU.II.3.输出、阈值。

输出：布尔值，如果涡轮机具有异常的温度指纹，则为真

实施本发明的平台提供了共享功能，该共享功能允许远不止访问拥有的风力涡轮机和风力农场，还允许访问来自第三方风力涡轮机和风力农场的共享数据。此特征允许例如将先前描述的IU.I[选择风力农场中具有与我们想测试的涡轮机相同的齿轮箱型号的所有涡轮机。]应用于具有相同齿轮箱型号的所有共享涡轮机。这将允许计算出较准确且通用的指纹，并且还允许检测关于与同一风力农场中的其他风力涡轮机进行比较不可能的单个涡轮机风力农场的齿轮箱轴承温度异常。

实施本发明的平台提供了评估功能，该评估功能为所有智能单元[65]生成下述估计：使用IU可能对给定风力涡轮机的运行或对给定风力农场就可用性、产生的能量、故障间隔时间、维修时间、管理成本而言产生的影响。这种影响可以按照先前参数或类比运行参数中的一个或多个来表示，这些参数可以概述为一个或多个合成值，统称为“影响指数”。

对“影响指数”的计算在参数列表上执行，该参数列表包括但不限于以下中的所有或子集：

I.平台中可用的数据集(包括风力涡轮机的特性、具有相同型号或具有类比行为的其他风力涡轮机的特性以及风力农场站点的特性)

II.第三方数据集

III.在采用IU进行控制或决策支持之前和之后的时间段之间的数据集的差异

当将IU[65]应用于数据集时，相关联的“影响指数”被自动计算，并且可以作为应用于该数据集的该IU的特性提供给用户。在将IU应用于数据集之前，可以将“影响指数”应用于默认数据集以提供参考。

IU[65]和数据集可以根据用户具有的“影响指数”呈现给用户作为建议以进行采用，该影响指数是关于用户能够访问的风力涡轮机或风力农场进行计算的或可以请求访问的风力涡轮机或风力农场进行计算的。

在优选的实施方式中，计算“影响指数”的算法被实施为智能单元[65]本身，并且与其可以通过研究者/开发者[73]被应用于的IU[65]相关联。

用户交互

在优选实施方式中，用户与系统为了控制和信息访问目的而进行的交互可以通过多个接口并以不同的形式执行，包括但不限于：

1.交互式的基于网页的图形用户接口[28]

2.可编程的基于网页的API[36][39]

3.交互式、语音式、文本式、会话式[29]或触觉式接口

4.可编程命令行接口[27]

5.桌面客户端应用(支持Linux、MacOSX、Windows的多平台)

6.移动客户端应用(支持Android、iOS、WindowsMobile的多平台)[30]

本发明中描述的系统向不同类型的顾客提供服务。

在下文中，为了描述顾客与系统之间的交互，下文中我们将每个顾客类型称为在软件系统的UML建模中使用的意义上的“行动者”。因此，下面的“行动者”将代表与系统交互以执行一组公共操作的一个或一组顾客。所描述系统的实际用户可以根据以下行动者中的一个或多个行动者与系统进行的交互而由该一个或多个行动者代表，例如，风力农场的技术管理者通常对涡轮机的详细技术条件感兴趣，但偶尔可能想产生描述整个风力农场总体性能的合成文档。在优选实施方式中，主要行动者是：

1.风力农场拥有者[71](简称“WO”)，代表风力农场拥有者，并且更一般地，代表下述利益相关者，所述利益相关者主要对风力农场的高级别管理方面感兴趣，需要总体信息来帮助进行决策；

2.技术管理者[72](简称“TM”)，代表风力农场技术管理者，更一般地，代表下述利益相关者，所述利益相关者对关于风力农场、风力涡轮机以及风力涡轮机的子系统和组件及风力农场的子系统和过程的技术方面的详细信息感兴趣；

3.研究者/开发者[73](简称“RD”)，代表研究者、数据分析者、工程师和技术人员，他们具有与风能有关的一个或多个领域的编程基本技能和专业知识，包括但不限于：数据处理、统计、风力涡轮机的力学、风力农场的经济学、物理学、地形学、地貌学、环境工程。

WO[71]执行随后的主要行动：

1.针对他感兴趣的每个风力农场或所有风力农场，监测他控制下的风力农场的总体运行状况，这些总体运行状况被概述在仪表板、报告和接口中的一个或多个中，在图6中描绘为“访问风力农场监测”[]；监测可以包括与不是直接在WO的控制下并且与其共享了风力农场数据集、可能处于降级质量级别的风力农场进行比较；

2.定义仪表板和或报告文档和或接口[74]的结构，其在图6中被描绘为“风力农场报告”，描述了在给定的时间跨度内，按照选择的运行参数，在其控制下的风力农场的子集或所有风力农场；本文档的典型使用是向利益相关者提供反馈，以进行经济筹划和算账(accounting)、宣传；

3.查阅并导出[77]“风力农场报告”的更新版本；

4.基于持续更新的数据集[75](例如风力农场的运行参数)设置警告和或通知，以便在指定条件对更新的数据集进行验证时，使用平台中支持的一种或多种可用消息传递方法来进行警告；

5.访问他们自己分配的数据集和所有共享数据，大多数是与总体风力农场属性和性能参数[]有关；

6.在进行所有上述行动时，使用分配给他们的IU，大多数为“演示”类型[24]

7.为他们拥有的数据集和IU设置成本计算标准和一般共享条件

8.核查并批准对他们拥有的数据集和IU的共享请求

9.核查并批准对待获取的数据集和IU的共享请求。

TM[72]执行随后的主要动作：

1.针对他们控制下的每个涡轮机或所有涡轮机和风力农场，监测他们控制下的涡轮机和风力农场的详细运行状况，这些详细运行状况被概述在仪表板、报告文档和接口中的至少一个中，在图6中被称为“详细风力农场监测”并且是“创建风力农场报告”[78]活动的扩展；监测可以包括与不是直接在TM[72]的控制下并且其数据集已经与TM[72]进行共享、可能处于降级质量级别的涡轮机和风力农场进行比较；

2.定义结构、创建[78]、导出[77]报告文档，其在图6中被描绘为“风力涡轮机报告”，描述了在给定的时间跨度内，按照选择的运行参数，在其控制下的一个或多个风力农场的风力农场的子集或所有风力农场；该文档的典型用法是向技术人员、工程师、顾问、研究者提供反馈，以进行维护筹划、性能分析和建模；

3.查阅、创建[81]和导出[80]“风力涡轮机报告”的更新版本；

4.基于持续更新的数据集(例如，涡轮机的运行参数)设置警告和通知，以便在指定条件对更新的数据集进行验证时，使用平台中支持的一种或多种可用消息传递方法来进行警告；

5.访问他们自己分配的数据集和所有共享数据，大多数是与总体风力农场属性和性能参数[79][86]有关；

6.在进行所有上述行动时，使用分配给他们的IU或主要通过组合已经可用的IU来开发新IU[79][90]；

7.管理针对其数据集[92]和IU[91]的隐私[44]和质量记录[47]

8.检索其他用户所拥有的数据集和IU[84]；

9.发出对待获取的数据集和IU的共享请求[85]。

RD[73]执行随后的主要行动：

1.检索其他用户拥有的数据集和IU[84]；

2.发出对待获取的数据集和IU的共享请求[85]。

3.访问与他们共享或由他们创建的数据集和IU[79]；

4.开发新IU[90]，从头开始对处理算法的描述进行组合、修改或插入系统；

5.为他们的数据集[92]和IU[91]管理隐私[44]和质量记录[47]

6.核查并批准对他们拥有的数据集和IU的共享请求[89]

7.定义报告文档的结构，其被称为“分析报告”[83]，描述了在给定的时间跨度内，按照选择的运行参数，在其控制下的一个或多个风力农场的风力涡轮机的子集或所有涡轮机；该文档的典型用法是呈现对数据集的分析，被发布在技术报告或专业杂志和期刊上，或在会议上被演示；

8.查阅[82]并导出[88]“分析报告”文档的更新版本；

优选部署

在优选实施方式中，系统[18]的组件中的一些组件被部署为云计算系统中的节点，以便从这些服务的可缩放性、可用性和成本效益受益。参考附图，根据“基础设施即服务”(IaaS)范式，将组件“输入数据收集器”[17]、“处理引擎”[21]和“控制和发布接口”[19]部署在云计算服务的一个或多个节点上；将数据库组件[22]部署为云存储服务(作为软件即服务，SaaS)，或者就像先前组件一样在IaaS服务节点上的数据库管理系统中实施。将客户端应用[20]实施为独立的应用。

在替代性实施中，根据隐私、控制和成本要求，将系统[18]的组件中的一些组件部署在由客户端完整地管理的服务器中的本地环境(premise)上。

在替代性实施中，根据隐私、控制和成本要求，数据库[22]中的一些数据库是分布式的，允许在可以地理上被分布的多个实例上存储和复制数据。

使用分布式数据库[22]以及在不同处理引擎[21]上执行时组合IU[65]的可能性也允许混合部署，其中部分IU[65]在本地环境上、在来自本地或远程数据库[22]的数据上执行，并且部分IU[65]在云计算系统中执行。

混合部署的典型用例是数据源[16]产生高频数据的场合，该高频数据到“输入数据收集器”[17]的传送的成本昂贵或使用现有基础设施不可能。在这种情况下，将“输入数据收集器”[17]、“处理引擎”[21]和“数据库”[22]中的一个或多个实例部署在风力农场或风力涡轮机本身中产生高频数据的位置即本地环境上。

为了使实际部署适应客户端的特定需求，设计要求是对可用情况下的每个组件使用开源软件，并且仅在缺少适合的替代物的情况下使用专有软件。

在优选实施方式中，系统[18]的软件组件被开发为公开可用的开源软件产品的集成、修改和扩展。

“输入数据收集器”组件[17]通过若干输入数据源[16]接收数据，并将其保存到“原始数据”数据库[4]中。输入数据源[16]是所开发的系统外部的子系统，这些子系统从传感器收集数据并通过输入数据收集器API将数据传输到输入数据收集器或直接传输到“原始数据”数据库[4]。在优选实施方式中，“输入数据收集器”组件[17]被实施为节点.js服务器[55]的一个或多个实例，该服务器在基于谷歌浏览器的V8 Javascript引擎[53]的IaaS云服务中运行并连接到NoSQL云数据库服务“原始数据”[4]。输入数据源[16]诸如关于一个或多个风力涡轮机的传感器可以通过不同的方式将数据上传到所开发的系统[18]，并且被实施为但不限于：

·如果他们使用HTTPREST协议直接将数据提交到“原始数据”数据库[4]，则为“直接REST风力农场出口”[48]；

·如果他们使用MQTT协议或等效的数据库服务数据操纵协议直接将数据提交到“原始数据”数据库[4]，则为“直接MQTT风力农场出口”[49]；

·如果他们使用HTTPREST协议将数据发送到“输入数据收集器”组件以进行预处理[2]并存储在“原始数据”数据库[4]中，则为“API-REST风力农场出口”[50]。

输入数据源[16]诸如关于一个或多个风力涡轮机的传感器中的任何输入数据源都可以直接将数据上传到“原始数据”数据库[4]，或将数据发送到“输入数据收集器”组件进行预处理[2]并存储在“原始数据”数据库[4]中。特定IaaS服务的选择将取决于操作时的可用提供物，并且已使用运行操作系统LinuxCentOS 6.7[52]的“T2.介质”[51]类型的“亚马逊EC2”实例完成了原型实施。可以考虑使用下述服务器的性能的等效物的替代性实施，所述服务器具有2个CPUIntelXeon处理器，该处理器具有多达3.3GHz的Turbo、4GiBRAM和峰值吞吐量为160MiB/s的100GiB的硬盘。在优选实施方式中，NoSQL数据库被实施为SaaS服务“亚马逊DynamoDB”，可以通过MQTT协议和RESTfulAPI进行访问。在图3中描绘了该组件的UML部署图。

“处理引擎”组件[21]根据用户的规范对数据集执行处理[5]，包括数据的统一化和数据的质量降级。在优选实施方式中，将数据处理活动指定为工作流程，即指定为一系列处理步骤(“任务”)，其中一个或多个任务的输出是一个或多个随后任务的输入。这样的工作流程被管理为与“管理”数据库[46]中保持的隐私管理元数据相关联的“智能单元”[65]。在优选实施方式中，“处理引擎”组件[21]被实施为在IaaS云服务中运行的节点.js服务器的一个或多个实例，每个这样的实例都能够运行一个或多个任务。在优选实施方式中，任务的组合和同步是通过用Python[66]编写的流程编程引擎PyF[67]实施的。可以考虑使用云服务诸如flowhub.io的替代性实施，以进行任务的组合。任务编排和任务到实例的分配的通信方面是通过实施工作队列的消息代理[70]来执行的。在优选实施方式中，消息代理被实施为RabbitMQ服务器，并且已经通过运行操作系统LinuxCentOS6.7[69]的“C2.介质”[68]类型的“亚马逊EC2”实例完成了原型实施。“处理引擎”组件[21]连接到平台[22]的所有数据库，特别是“管理”数据库[46]、“原始数据”数据库[4]和“经统一化的数据”数据库[6]。“处理引擎”组件[21]还可以连接到外部数据库，以导入[10]或导出[11]数据集。特定IaaS服务的选择将取决于操作时的可用提供物，并且已经使用运行操作系统LinuxCentOS6.7[64]“C4.large”[63]类型的“亚马逊EC2”实例完成了原型实施。在基于云的实施中，将利用云服务的弹性特征，根据系统当前的负载动态地确定并发地处理任务的实例的数量。为了匹配处理需求，可以通过水平缩放(激活更多相同的实例)或竖向缩放(增加实例上可用的虚拟CPU的数量)来利用IaaS服务的弹性。可以考虑使用下述服务器的性能的等效物的替代性实施，所述服务器具有2个CPUIntelXeon处理器，该处理器具有多达3.3GHz的Turbo、4GiB RAM和峰值吞吐量为500MiB/s的100GiB的硬盘。在将考虑本地环境实施的情况下，则采用计算集群设置，其中将根据筹划的用户基础确定并发地处理任务的实例的最大数量。在图4中描绘了该组件的UML部署图。

“控制和发布接口”组件[19]向用户呈现控制接口，并代理用户与平台的所有交互。“控制和发布接口”组件[19]实施为由网页客户端(浏览器)和服务器部分组合而成的富网页应用。在优选实施方式中，网页客户端是支持根据ECMAScript规范ECMA-2623rd版次的JavaScript语言的浏览器。在优选实施方式中，“控制和发布接口”组件[19]的服务器端被实施为由谷歌浏览器的V8Javascript引擎[59]解释并在IaaS云服务中运行的节点.js服务器[60]的一个或多个实例。

“控制和发布接口”组件[19]连接到“管理”数据库[46]，以执行对用户鉴别、授权和算账的管理[45]，以及对数据集隐私管理元数据[44]和质量管理元数据[47]的管理。“控制和发布接口”组件[19]连接到“处理引擎”组件[21]，该“控制和发布接口”组件向“处理引擎”组件请求执行将产生数据可视化或报告的“智能单元”[65]处理。“控制和发布接口”组件[19]连接到外部发布服务，诸如在线社交网络[34]、电子邮件服务器[38]、即时消息传递服务[33]和电话网络[37]。与这些外部发布服务的通信是使用由PublishingAPI接口[36]管理的相应API执行的。“控制和发布接口”组件[19]连接到客户端应用[20]，客户端应用通过数据API[39]提供对所开发的平台服务的访问。数据API[39]和发布API[36]都在“导出”模块[26]中实施。

在优选实施方式中，“导出”模块是通过“表达.js”[61]和“d3”[62]框架实施的。用以实施该组件的特定IaaS服务的选择将取决于操作时的可用提供物，并且已经使用运行操作系统LinuxCentOS6.7[58]的“T2.介质”[57]类型的“亚马逊EC2”实例完成了原型实施。可以考虑使用下述服务器的性能的等效物的替代性实施，所述服务器具有2个CPUIntelXeon处理器，该处理器具有多达3.3GHz的Turbo、4GiBRAM和峰值吞吐量为160MiB/s的100GiB的硬盘。在基于云的实施中，将利用云服务的弹性特征，根据系统当前的负载动态地确定并发地服务用户请求的实例的数量。在将考虑本地环境实施的情况下，采用计算集群设置，其中将根据筹划的用户基础确定并发地服务用户请求的实例的最大数量。在图5中描绘了该组件的UML部署图。

在替代性实施中，可以使用区块链技术诸如以太坊智能化合约来实施用于施行业务规则和策略的部分或所有活动。

在替代性实施中，可以使用区块链技术在分布式账本上实施部分或所有数据存储和访问。

实施本发明的平台提供了共享功能，该共享功能允许远不止访问拥有的风力涡轮机和风力农场，还允许访问来自第三方风力涡轮机和风力农场的共享数据。此特征允许例如将先前描述的IU.I[选择风力农场中具有与我们想测试的涡轮机相同的齿轮箱型号的所有涡轮机。]应用于具有相同齿轮箱型号的所有共享涡轮机。这将允许计算出较准确且通用的指纹，并且还允许检测关于与同一风力农场中的其他风力涡轮机进行比较不可能的单个涡轮机风力农场的齿轮箱轴承温度异常。

实施本发明的平台提供了评估功能，该评估功能为所有智能单元[65]生成下述估计：使用IU可能对给定风力涡轮机的运行或对给定风力农场就可用性、产生的能量、故障间隔时间、维修时间、管理成本而言产生的影响。这种影响可以按照先前参数或类比运行参数中的一个或多个来表示，这些参数可以概述为一个或多个合成值，统称为“影响指数”。

对“影响指数”的计算在参数列表上执行，该参数列表包括但不限于以下中的所有或子集：

I.平台中可用的数据集(包括风力涡轮机的特性、具有相同型号或具有类比行为的其他风力涡轮机的特性以及风力农场站点的特性)

II.第三方数据集

III.在采用IU进行控制或决策支持之前和之后的时间段之间的数据集的差异

IU和数据集可以基于其具有的、关于用户能够访问的风力涡轮机或风力农场计算的“影响指数”被呈现给用户作为建议以进行采用。

Claims (24)

1.一种用于对与一个或多个风力涡轮机和风力农场有关的数据、数据分析算法和数据分析的结果进行受控式共享以及对所述数据、数据分析算法和数据分析的结果进行受控式访问的方法，包括以下步骤：

a)提供传感器装置，以用于对与每个风力农场相应的每个风力涡轮机的运行、风力农场相应的所述多个风力涡轮机的运行有关的数据进行读取，以用于对风力农场相应的所述多个风力涡轮机中的风力涡轮机的运行数据进行监测；

b)提供数据存储和管理装置，以对风力农场相应的所述多个风力涡轮机中的风力涡轮机的数据进行存储并提供对风力农场相应的所述多个风力涡轮机中的风力涡轮机的数据的受控式访问；

c)通过点对点链路或电信网络将所述传感器装置连接到所述数据存储和管理装置；

d)提供处理和计算装置，所述处理和计算装置利用点对点链路或电信网络连接到所述数据存储和管理装置并且被配置为对风力农场相应的所述多个风力涡轮机中的风力涡轮机的运行数据进行收集、存储和处理；

e)提供处理和控制装置，以管理数据和元数据，以及对用户与实施所提出方法的系统的所有交互进行代理；所述处理和控制装置与所述电信网络连接；

f)使多个用户通过电信网络连接，以在他们之间对风力农场相应的所述多个风力涡轮机中的风力涡轮机的运行数据以及用于处理所述数据的算法进行共享；

g)对从关于风力涡轮机、风力农场、有关的设备和周围环境的传感器读数得到的数据或与关于风力涡轮机、风力农场、有关的设备和周围环境的传感器读数有关的数据进行收集和存储；

h)执行模块化的可共享数据处理程序，所述模块化的可共享数据处理程序将输入数据变换为单种统一化格式；

i)执行对经统一化的数据进行处理以提取与所述风力涡轮机或所述风力农场的运行状况有关的信息的模块化可共享程序；

j)以经统一化的数据的形式存储对经统一化的数据执行所述模块化可共享程序的结果；

k)与所述系统的用户进行交互，以允许添加输入源、数据集和处理程序(算法)；

l)执行程序以在所述系统的不同用户之间应用用于数据集和处理程序(算法)的共享标准和约束，可选地涉及对数据集和算法执行质量降级程序以创建共享形式的数据集和算法；

m)执行对经统一化的数据进行处理以创建从经统一化的数据提取的信息的报告的模块化可共享程序；

n)与所述系统的用户进行交互，以允许对数据集和处理程序以及用于数据集和处理程序(算法)的共享标准进行受控式访问。

2.根据权利要求1所述的方法，其中，数据和数据处理的结果能够触发警报、发出通知和命令执行器。

3.根据权利要求2所述的方法，其中，执行器在风力涡轮机上。

4.根据权利要求1所述的方法，其中，基于与用户的相关联风力农场有关的信息、有关的数据集以及其他处理算法和数据集的可用性，向所述用户建议处理算法。

5.根据权利要求4所述的方法，其中，所述建议包括或基于对风力农场运行的潜在经济节约或收益的估计。

6.根据权利要求5所述的方法，其中，基于风力农场的在采用数据处理算法之前和之后的历史数据来计算对风力农场运行的潜在经济节约或收益的估计。

7.根据权利要求1所述的方法，其中，将所开发的系统部分地或全部地部署在风力涡轮机内部。

8.根据权利要求1所述的方法，其中，将所开发的系统部分地或全部地部署在风力农场内部。

9.根据权利要求1所述的方法，其中，利用区块链技术来实施控制和策略施行活动的部分或全部。

10.根据权利要求1所述的方法，其中，利用区块链技术在分布式账本上实施数据存储和管理活动的部分或全部。

11.根据权利要求1所述的方法，其中，数据是从下述项上的传感器得到的：太阳能或光伏电站；或径流式水力发电站；或生物质发电站上；或柴油、汽油、沼气、替代性和定制燃料发电机；或电力公用电网；或微型涡轮机；或燃料电池。

12.根据权利要求1所述的方法，其中，数据是从能量存储电站或机械设施诸如飞轮或电池组或流体电池或氢电站上的传感器得到的。

13.根据权利要求1所述的方法，其中，数据与共享标准、处理算法、用于处理算法和数据的共享标准的规范相关联。

14.根据权利要求1所述的方法，其中，数据与包括质量降级算法的规范的共享标准相关联。

15.根据权利要求1所述的方法，其中，无论输入方法如何，都从数据库将数据输入到所述系统中。

16.根据前述权利要求中的任一项所述的方法，其中，通过交互式、语音式、文本式、会话式或触觉式接口来访问数据和数据处理的结果。

17.根据前述权利要求中的任一项所述的方法，其中，对所述系统的控制能够通过交互式、语音式、文本式、会话式或触觉式接口来执行。

18.根据前述权利要求中的任一项所述的方法，其中，所访问的数据与不同租户的风力农场或风力涡轮机有关。

19.根据前述权利要求中的任一项所述的方法，其中，所访问的数据与不同租户的电站或技术有关。

20.根据前述权利要求中的任一项所述的方法，其中，根据数据拥有者设置的共享规范来授予数据访问。

21.根据前述权利要求中的任一项所述的方法，其中，所描述的数据处理算法能够在所述系统中直接执行。

22.根据前述权利要求中的任一项所述的方法，其中，算法是能够组合的，并且能够作为功能块被管理。

23.根据前述权利要求中的任一项所述的方法，其中，通过云计算服务来实施所述系统的一个或多个组件。

24.根据前述权利要求中的任一项所述的方法，其中，通过云计算服务来实施所述系统的一个或多个组件。

Images