CN111322206B - 一种风电机组机械大部件的智慧运维系统及方法 - Google Patents
一种风电机组机械大部件的智慧运维系统及方法 Download PDFInfo
- Publication number
- CN111322206B CN111322206B CN202010130592.4A CN202010130592A CN111322206B CN 111322206 B CN111322206 B CN 111322206B CN 202010130592 A CN202010130592 A CN 202010130592A CN 111322206 B CN111322206 B CN 111322206B
- Authority
- CN
- China
- Prior art keywords
- maintenance
- data
- module
- information
- fault diagnosis
- 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.)
- Active
Links
- 238000012423 maintenance Methods 0.000 title claims abstract description 522
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000003745 diagnosis Methods 0.000 claims abstract description 308
- 238000005457 optimization Methods 0.000 claims abstract description 44
- 238000004891 communication Methods 0.000 claims description 51
- 238000012545 processing Methods 0.000 claims description 39
- 230000004927 fusion Effects 0.000 claims description 23
- 238000012544 monitoring process Methods 0.000 claims description 22
- 230000008878 coupling Effects 0.000 claims description 19
- 238000010168 coupling process Methods 0.000 claims description 19
- 238000005859 coupling reaction Methods 0.000 claims description 19
- 238000002955 isolation Methods 0.000 claims description 17
- 230000003287 optical effect Effects 0.000 claims description 17
- 238000007418 data mining Methods 0.000 claims description 15
- 230000003993 interaction Effects 0.000 claims description 15
- 230000007246 mechanism Effects 0.000 claims description 15
- 230000008569 process Effects 0.000 claims description 15
- 238000004458 analytical method Methods 0.000 claims description 11
- 238000007781 pre-processing Methods 0.000 claims description 11
- 238000012216 screening Methods 0.000 claims description 11
- 238000006243 chemical reaction Methods 0.000 claims description 10
- 230000002452 interceptive effect Effects 0.000 claims description 9
- 230000003321 amplification Effects 0.000 claims description 6
- 239000002131 composite material Substances 0.000 claims description 6
- 238000001914 filtration Methods 0.000 claims description 6
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 6
- 238000007499 fusion processing Methods 0.000 claims description 4
- 238000002156 mixing Methods 0.000 claims description 4
- 230000006870 function Effects 0.000 description 10
- 238000006073 displacement reaction Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 239000000284 extract Substances 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 239000013307 optical fiber Substances 0.000 description 4
- 238000013473 artificial intelligence Methods 0.000 description 3
- 230000007547 defect Effects 0.000 description 3
- 238000010248 power generation Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000009472 formulation Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 230000006855 networking Effects 0.000 description 2
- 230000000750 progressive effect Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 150000001875 compounds Chemical class 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010892 electric spark Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000004092 self-diagnosis Methods 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F03—MACHINES OR ENGINES FOR LIQUIDS; WIND, SPRING, OR WEIGHT MOTORS; PRODUCING MECHANICAL POWER OR A REACTIVE PROPULSIVE THRUST, NOT OTHERWISE PROVIDED FOR
- F03D—WIND MOTORS
- F03D17/00—Monitoring or testing of wind motors, e.g. diagnostics
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F03—MACHINES OR ENGINES FOR LIQUIDS; WIND, SPRING, OR WEIGHT MOTORS; PRODUCING MECHANICAL POWER OR A REACTIVE PROPULSIVE THRUST, NOT OTHERWISE PROVIDED FOR
- F03D—WIND MOTORS
- F03D7/00—Controlling wind motors
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
- F05B—INDEXING SCHEME RELATING TO WIND, SPRING, WEIGHT, INERTIA OR LIKE MOTORS, TO MACHINES OR ENGINES FOR LIQUIDS COVERED BY SUBCLASSES F03B, F03D AND F03G
- F05B2260/00—Function
- F05B2260/80—Diagnostics
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/70—Wind energy
- Y02E10/72—Wind turbines with rotation axis in wind direction
Landscapes
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Sustainable Development (AREA)
- Sustainable Energy (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明公开了一种风电机组机械大部件的智慧运维系统及方法，实现了风电机组机械大部件的故障自动预警与线上运维闭环，能够根据运维数据对线上运维闭环方案进行优化调整。智慧运维系统包括：故障诊断子系统，自动诊断综合决策调用运维建议生成故障诊断结论信息及运维建议信息；运维信息平台，根据故障诊断结论信息及运维建议信息，制定运维方案；运维终端，根据运维方案对风电机组机械大部件进行运维；大数据中心，生成诊断阈值和运维建议信息库的调整和优化值；故障诊断子系统，还用于根据调整和优化值对诊断阈值和运维建议信息库进行调整和优化，根据调整和优化后的诊断阈值和运维建议信息库生成新的故障诊断结论信息及新的运维建议信息。
Description
技术领域
本发明涉及风电领域，特别是涉及一种风电机组机械大部件的智慧运维系统及方法。
背景技术
随着风电机组的装机规模不断扩大，风电机组的运维成为风电产业重要的市场。根据行业调研数据发现风电机组的机械大部件属于故障高发部分，在风机停机时间中，机械大部件故障占总故障的80％以上；风机运维费用中，机械大部件故障占全部的60％以上。当前风机成本结构中，运维约占比22％，风机投产时，建设、机组成本已无法改变，在当前风电行业竞价(平价)上网背景下，运维成本压力凸显，要增加收益，最好的方式是实施智能运维降低运维成本。
目前，风电机组机械大部件的运维架构及故障诊断方法存在一些欠缺和局限性，没有很好达成状态维修和智能闭环运维的目标，不能有效降低运维成本。大部分风电业主、制造商企业构建了自己的运维信息平台，期望通过多种技术手段提高风电机组在线监测故障预警和智慧运维水平。对于机械大部件的运维数据主要来源于振动状态监测系统(Condition Monitoring System，CMS)和数据采集与监视控制系统(Supervisory ControlAnd Data Acquisition，SCADA)。
但是，基于CMS和SCADA获得的运维数据，缺乏专业的大数据挖掘机理分析和人工智能(Artificial Intelligence，AI)支持，数据来源准确率不高，不能实现在线细分故障、自动诊断并立即给出运维建议，使得运维人员无法准确获取有效的状态信息，对风电机组机械大部件的视情维修无所适从，还是需要人工综合判断开展运维工作，使得运维效率低下，运维成本压力依然无法缓解。
发明内容
本发明的目的是提供一种风电机组机械大部件的智慧运维系统及方法，实现了风电机组机械大部件的故障自动诊断及运维方案的制定，在进行运维时，能够根据运维数据对故障诊断子系统诊断阈值和运维建议信息库进行调整和优化，并根据运维终端指令或在下次同类故障出现时给出调整和优化的所述故障诊断结论信息及所述运维建议信息实施运维闭环，提高在线自动诊断准确率，并适应用户对运维不同需求和习惯，从而无需人工综合判断运维工作，提高了运维效率，减少了运维成本。
本发明第一方面提供一种风电机组机械大部件的智慧运维系统，包括：
故障诊断子系统、运维信息平台、大数据中心及运维终端；
故障诊断子系统，用于生成故障诊断结论信息，并调用运维建议信息库生成运维建议信息，并将故障诊断结论信息及运维建议信息发送至运维信息平台和大数据中心；
运维信息平台，用于根据故障诊断结论信息及运维建议信息，制定运维方案，将运维方案发送至运维终端；
运维终端，用于根据运维方案对风电机组机械大部件进行运维，将运维数据反馈发送至大数据中心；
大数据中心，用于根据运维数据、故障诊断结论信息及运维建议信息进行关联比较，判断诊断阈值和运维建议信息库是否需要调整和优化，若需要，则生成诊断阈值和运维建议信息库的调整和优化值，并将调整和优化值发送至故障诊断子系统；
故障诊断子系统，还用于根据调整和优化值对诊断阈值和运维建议信息库进行调整和优化，使得当接收到运维终端指令或在下次同类故障出现时，根据调整和优化后的诊断阈值和运维建议信息库生成新的故障诊断结论信息及新的运维建议信息。
进一步的，故障诊断子系统包括：
机载设备及地面设备；
机载设备，用于通过传感器获取诊断对象的原始数据，并进行特征信号的提取与筛选，得到故障特征数据；
地面设备，用于根据故障特征数据和/或诊断对象的原始数据进行故障诊断，依据诊断阈值得到诊断结论，根据诊断结论调用运维建议信息库，得到故障诊断结论信息及运维建议信息。
进一步的，机载设备包括：
诊断仪及传感器，传感器包括振动冲击复合传感器；
诊断仪包括信号预处理模块、模数转换ADC模块、光耦隔离模块、可编程逻辑门阵列FPGA模块、网络通信模块及核心处理模块；
信号预处理模块，用于获取传感器的振动冲击等信号，对振动冲击信号进行电流电压转换、放大及抗混滤波处理，得到预处理振动冲击信号；
ADC模块，用于对预处理振动冲击信号进行数字化处理得到数字化振动冲击信号，将数字化振动冲击信号发送至FPGA模块；
光耦隔离模块，用于获取传感器的主轴转速信号和电机转速信号，对主轴转速信号和电机转速信号进行光耦隔离处理后，将主轴转速信号和电机转速信号发送至FPGA模块；
FPGA模块，用于对数字化振动冲击信号、主轴转速信号和电机转速信号进行处理后，得到诊断对象的原始数据，将诊断对象的原始数据发送至核心处理模块；
核心处理模块，用于对诊断对象的原始数据进行特征信号的提取与筛选，得到故障特征数据；
网络通信模块，用于将故障特征数据和/或诊断对象的原始数据发送至地面设备。
进一步的，
机载设备，还用于通过风电机组监视控制SCADA系统获取SCADA数据，并进行特征信号的提取与筛选，得到故障特征数据；
机载设备，还用于对诊断对象的原始数据和SCADA数据进行特征信号的提取与筛选，得到故障特征数据；
地面设备，还用于根据故障特征数据和/或诊断对象的原始数据和/或SCADA数据进行故障诊断，依据诊断阈值得到诊断结论，根据诊断结论调用运维建议信息库，得到故障诊断结论信息及运维建议信息。
进一步的，机载设备包括：
诊断仪及传感器，传感器包括振动冲击复合传感器等；
诊断仪包括信号预处理模块、模数转换ADC模块、光耦隔离模块、可编程逻辑门阵列FPGA模块、网络通信模块及核心处理模块；
信号预处理模块，用于获取传感器的振动冲击等信号，对振动冲击信号进行电流电压转换、放大及抗混滤波处理，得到预处理振动冲击信号；
ADC模块，用于对预处理振动冲击信号进行数字化处理得到数字化振动冲击信号，将数字化振动冲击信号发送至FPGA模块；
光耦隔离模块，用于获取传感器的主轴转速信号和电机转速信号，对主轴转速信号和电机转速信号进行光耦隔离处理后，将主轴转速信号和电机转速信号发送至FPGA模块；
FPGA模块，用于对数字化振动冲击信号、主轴转速信号和电机转速信号进行处理后，得到诊断对象的原始数据，将诊断对象的原始数据发送至核心处理模块；
核心处理模块，用于获取SCADA数据，对诊断对象的原始数据及SCADA数据进行融合处理，得到融合数据，对融合数据进行特征信号的提取与筛选，得到故障特征数据；
网络通信模块，用于将故障特征数据和/或融合数据发送至地面设备。
进一步的，地面设备包括：
运维建议信息生成模块、故障诊断模块、系统通信模块、显示模块、报表生成模块、人机交互模块及机载设备控制模块；
系统通信模块，用于接收机载设备发送的故障特征数据和/或诊断对象原始数据和/或融合数据；
故障诊断模块，用于根据故障特征数据和/或诊断对象原始数据和/或融合数据进行故障诊断，依据诊断阈值得到诊断结论，得到故障诊断结论信息；
运维建议信息生成模块，用于根据诊断结论调用运维建议信息库，在运维建议信息库中找到对应的运维建议信息；
显示模块，用于展示故障诊断的过程数据、故障诊断结论信息及运维建议信息；
人机交互模块，用于实现管理人员及运维人员通过交互界面与故障诊断模块及运维建议信息生成模块的数据交互与权限控制；
报表生成模块，用于根据故障诊断的过程数据、故障诊断结论信息及运维建议信息生成报表信息；
机载设备控制模块，用于控制机载设备进行参数配置及软件升级。
进一步的，大数据中心包括：
数据中心通信模块、数据挖掘与机理分析模块、调整与优化值生成模块；
数据中心通信模块，用于接收故障诊断子系统发送的故障诊断结论信息及运维建议信息，并接收运维终端发送的运维数据；
数据挖掘与机理分析模块，用于根据运维数据、故障诊断结论信息及运维建议信息进行关联比较，判断诊断结论、运维建议与实际运维信息是否存在偏差；
数据挖掘与机理分析模块，还用于当诊断结论、运维建议与实际运维信息存在偏差时，启动关联数据挖掘、机理分析并基于运维数据自学习评估是否需要调整与优化诊断阈值和运维建议信息库；
调整与优化值生成模块，用于当需要调整与优化诊断阈值和运维建议信息库时，生成诊断阈值和运维建议信息库的调整和优化值；
数据中心通信模块，还用于将调整和优化值发送至故障诊断子系统。
进一步的，运维终端包括：
终端通信模块及运维记录模块；
终端通信模块，用于接收运维信息平台发送的运维方案；
运维记录模块，用于记录根据运维方案进行运维时产生的运维数据；
终端通信模块，还用于将运维数据发送至大数据中心。
进一步的，运维终端还包括：虚拟运维专家模块；
虚拟运维专家模块，用于将运维方案、运维数据及运维人员形成人机交互式信息，人机交互式信息包括文字信息、语音信息、图片信息、视频信息等结构化数据或非结构化数据。
本发明第二方面提供一种风电机组机械大部件的智慧运维方法，应用于风电机组机械大部件的智慧运维系统，智慧运维系统包括故障诊断子系统、运维信息平台、大数据中心及运维终端，智慧运维方法包括：
故障诊断子系统生成故障诊断结论信息，并调用运维建议信息库生成运维建议信息；
故障诊断子系统将故障诊断结论信息及运维建议信息发送至运维信息平台和大数据中心，使得运维信息平台根据故障诊断结论信息及运维建议信息制定运维方案，运维终端根据运维方案对风电机组机械大部件进行运维，大数据中心根据运维数据、故障诊断结论信息及运维建议信息进行关联比较，判断诊断阈值和运维建议信息库是否需要调整和优化，若需要，则生成诊断阈值和运维建议信息库的调整和优化值；
故障诊断子系统接收大数据中心发送的调整和优化值；
故障诊断子系统根据调整和优化值对诊断阈值和运维建议信息库进行调整和优化，使得当接收到运维终端指令或在下次同类故障出现时，根据调整和优化后的诊断阈值和运维建议信息库生成新的故障诊断结论信息及新的运维建议信息。
可见，风电机组机械大部件的智慧运维系统中的故障诊断子系统诊断出风电机组机械大部件发生故障时，生成故障诊断结论信息，并调用运维建议信息库生成运维建议信息，运维信息平台根据故障诊断结论信息及运维建议信息，制定运维方案，运维终端根据运维方案对风电机组机械大部件进行运维，大数据中心根据运维数据、故障诊断结论信息及运维建议信息进行关联比较，判断诊断阈值和运维建议信息库是否需要调整和优化，若需要，则生成诊断阈值和运维建议信息库的调整和优化值，故障诊断子系统根据调整和优化值对诊断阈值和运维建议信息库进行调整和优化，使得当接收到运维终端指令或在下次同类故障出现时，根据调整和优化后的诊断阈值和运维建议信息库生成新的故障诊断结论信息及新的运维建议信息。实现了风电机组机械大部件的故障自动诊断及运维方案的制定，在进行运维时，能够根据运维数据对故障诊断子系统诊断阈值和运维建议信息库进行调整和优化，并根据运维终端指令或在下次同类故障出现时给出调整和优化的所述故障诊断结论信息及所述运维建议信息实施运维闭环，提高在线自动诊断准确率，并适应用户对运维不同需求和习惯，从而无需人工综合判断运维工作，提高了运维效率，减少了运维成本。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对现有技术和实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例的风电机组机械大部件的智慧运维系统的一个结构示意图；
图2为本发明实施例的故障诊断子系统的一个结构示意图；
图3为本发明实施例的机载设备的一个结构示意图；
图4为本发明实施例的机载设备的另一个结构示意图；
图5为本发明实施例的地面设备的一个结构示意图；
图6为本发明实施例的大数据中心的一个结构示意图；
图7为本发明实施例的运维终端的一个结构示意图；
图8为本发明实施例的风电机组机械大部件的智慧运维方法的一个流程示意图。
具体实施方式
本发明的核心是提供一种风电机组机械大部件的智慧运维系统及方法，实现了风电机组机械大部件的故障自动诊断及运维方案的制定，在进行运维时，能够根据运维数据对故障诊断子系统诊断阈值和运维建议信息库进行调整和优化，并根据运维终端指令或在下次同类故障出现时给出调整和优化的所述故障诊断结论信息及所述运维建议信息实施运维闭环，提高在线自动诊断准确率，并适应用户对运维不同需求和习惯，从而无需人工综合判断运维工作，提高了运维效率，减少了运维成本。
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明主要应用于风场的风电机组机械大部件的故障检测及运维，随着风电机组的装机规模不断扩大，风电机组的运维成为风电产业重要的市场。根据行业调研数据发现风电机组的机械大部件属于故障高发部分，在风机停机时间中，机械大部件故障占总故障的80％以上；风机运维费用中，机械大部件故障占全部的60％以上。当前风机成本结构中，运维约占比22％，风机投产时，建设、机组成本已无法改变，在当前风电行业竞价(平价)上网背景下，运维成本压力凸显，要增加收益，实施智能运维降低运维成本。
目前，风电机组机械大部件的运维架构及故障诊断方法存在一些欠缺和局限性，没有很好达成状态维修和智能闭环运维的目标，不能有效降低运维成本。大部分风电业主、制造商企业构建了自己的运维信息平台，期望通过多种技术手段提高风电机组的在线监测故障预警和智慧运维水平。对于机械大部件的运维数据主要来源于振动状态监测系统(Condition Monitoring System，CMS)和数据采集与监视控制系统(Supervisory ControlAnd Data Acquisition，SCADA)。风电机组机械大部件现有运维架构及故障诊断的方法和研制的系统存在一些欠缺和局限性，没有很好达成状态维修和智能闭环运维目标，不能有效降低运维成本和提高发电量。主要表现在：风电机组自身的SCADA主要集中在电控领域，对风电机组传动链机械部件的监测和诊断则涉足较少，对机械故障判定输入的信息有限，而风电机组的机械故障却恰是制约风电机组安全运行的重要因素；风电机组机械大部件加装的CMS，能够提供基于VDI3834或ISO_10816、ISO2372标准的测点振动超限预警和报警，也综合了部分SCADA工况信息进行后台人工诊断分析。然而却不能够在线确定风电机组机械大部件所产生故障的准确部位及其故障量值，并且误报、漏诊较多。使得运行、维修人员无法从这些数据中准确获取有效的状态信息，依然对风电机组传动链部件状态的视情维修无所适从，还是需要人工综合判断开展运行维护工作，效率低下。
为了解决以上的需要人工综合判断开展运行维护工作，运维效率低下，运维成本高的问题，本发明提供了一种风电机组机械大部件的智慧运维系统，下面通过实施例进行详细说明。
如图1所示，本发明实施例提供一种风电机组机械大部件的运维系统10，包括：
故障诊断子系统101、运维信息平台102、大数据中心103及运维终端104；
故障诊断子系统101，用于生成故障诊断结论信息，并调用运维建议信息库生成运维建议信息，并将故障诊断结论信息及运维建议信息发送至运维信息平台102和大数据中心103；
运维信息平台102，用于根据故障诊断结论信息及运维建议信息，制定运维方案，将运维方案发送至运维终端104；
运维终端104，用于根据运维方案对风电机组机械大部件进行运维，将运维数据反馈发送至大数据中心103；
大数据中心103，用于根据运维数据、故障诊断结论信息及运维建议信息进行关联比较，判断诊断阈值和运维建议信息库是否需要调整和优化，若需要，则生成诊断阈值和运维建议信息库的调整和优化值，并将调整和优化值发送至故障诊断子系统101；
故障诊断子系统101，还用于根据调整和优化值对诊断阈值和运维建议信息库进行调整和优化，使得当接收到运维终端指令或在下次同类故障出现时，根据调整和优化后的诊断阈值和运维建议信息库生成新的故障诊断结论信息及新的运维建议信息。
本发明实施例中，当自动诊断出风电机组机械大部件发生故障时，为了保证风电机组的正常运行以及发电效率，需要及时的进行维修，故障诊断子系统101生成故障诊断结论信息，并调用运维建议信息库生成运维建议信息；故障诊断子系统101将生成的故障诊断结论信息及运维建议信息发送至运维信息平台102和大数据中心103，运维信息平台102是风电业主或者制造商企业端的信息平台，根据故障诊断结论信息及运维建议信息，制定运维方案，将运维方案发送至运维终端104。运维终端104具体可以是运维人员手持的电子设备(例如，手机或者平板电脑等)，也可以是执行运维功能的机器人，具体不做限定。运维终端104根据运维方案对风电机组机械大部件进行运维，在运维过程中或者运维结束之后，将运维数据发送至大数据中心103。大数据中心103根据运维数据、故障诊断结论信息及运维建议信息进行关联比较，判断诊断阈值和运维建议信息库是否需要调整和优化，若需要，则生成诊断阈值和运维建议信息库的调整和优化值，并将调整和优化值发送至故障诊断子系统101。故障诊断子系统101根据调整和优化值对诊断阈值和运维建议信息库进行调整和优化，使得当接收到运维终端指令或在下次同类故障出现时，根据调整和优化后的诊断阈值和运维建议信息库生成新的故障诊断结论信息及新的运维建议信息。实现了风电机组机械大部件的故障自动诊断及运维方案的制定，在进行运维时，能够根据运维数据对故障诊断子系统诊断阈值和运维建议信息库进行调整和优化，并根据运维终端指令或在下次同类故障出现时给出调整和优化的所述故障诊断结论信息及所述运维建议信息实施运维闭环，提高在线自动诊断准确率，并适应用户对运维不同需求和习惯，从而无需人工综合判断运维工作，提高了运维效率，减少了运维成本。
可选的，如图2所示，本发明的一些实施例中，故障诊断子系统20包括：
机载设备201及地面设备202；
机载设备201，用于通过传感器获取诊断对象的原始数据，并进行特征信号的提取与筛选，得到故障特征数据；
地面设备202，用于根据故障特征数据和/或诊断对象的原始数据进行故障诊断，依据诊断阈值得到诊断结论，根据诊断结论调用运维建议信息库，得到故障诊断结论信息及运维建议信息。
本发明实施例中，故障诊断子系统20是由机载设备201及地面设备202组成的，当自动诊断出风电机组机械大部件发生故障时，机载设备201通过传感器采集诊断对象的原始数据，对原始数据进行特征信号的提取与筛选，得到故障特征数据，地面设备202根据故障特征数据和/或诊断对象的原始数据，依据诊断阈值和运维建议信息库，进行故障诊断，得到故障诊断结论信息及运维建议信息，其中诊断阈值和运维建议信息库是根据运维经验进行设置的。
可选的，继续参考如图2所示，本发明的一些实施例中，
机载设备201，还用于通过SCADA系统获取SCADA数据；
机载设备201，还用于对诊断对象的原始数据和SCADA数据进行特征信号的提取与筛选，得到故障特征数据；
地面设备202，还用于根据故障特征数据和/或诊断对象的原始数据和/或SCADA数据进行故障诊断，依据诊断阈值得到诊断结论，根据诊断结论调用运维建议信息库，得到故障诊断结论信息及运维建议信息。
本发明实施例中，当自动诊断出风电机组机械大部件发生故障时，机载设备201除了通过传感器采集诊断对象的原始数据，还可以通过SCADA系统获取SCADA数据，对诊断对象的原始数据和SCADA数据进行特征信号的提取与筛选，得到故障特征数据；地面设备202根据和/或诊断对象的原始数据和/或SCADA数据进行故障诊断，依据诊断阈值得到诊断结论，根据诊断结论调用运维建议信息库，得到故障诊断结论信息及运维建议信息，其中诊断阈值和运维建议信息库是根据运维经验进行设置的。
可选的，如图3所示，本发明的一些实施例中，机载设备30包括：
诊断仪301及传感器302，传感器302包括振动冲击复合传感器、轴电压传感器、位移传感器、双坐标振动传感器、转速传感器、叶片振动监测传感器、塔筒叶片螺栓监测传感器及叶片光纤传感器等；
诊断仪301包括信号预处理模块3011、ADC模块3012、光耦隔离模块3013、FPGA模块3014、网络通信模块3015及核心处理模块3016；
信号预处理模块3011，用于获取传感器302的振动和冲击电流信号，对振动和冲击电流信号进行电流电压转换、放大及抗混滤波处理，得到预处理振动和冲击电流信号；
ADC模块3012，用于对预处理振动和冲击电流信号进行数字化处理得到数字化振动冲击信号，将数字化振动冲击信号发送至FPGA模块3014；
光耦隔离模块3013，用于获取传感器302的主轴转速信号和电机转速信号，对主轴转速信号和电机转速信号进行光耦隔离处理后，将主轴转速信号和电机转速信号发送至FPGA模块3014；
FPGA模块3014，用于对数字化振动冲击信号、主轴转速信号和电机转速信号进行处理后，得到诊断对象的原始数据，将原始数据发送至核心处理模块3016；
核心处理模块3016，用于对诊断对象的原始数据进行特征信号的提取与筛选，得到故障特征数据；
网络通信模块3015，用于将故障特征数据和/或诊断对象的原始数据发送至地面设备。
需要说明的是，如果还包括SCADA数据时，
核心处理模块3016，用于获取SCADA数据，对诊断对象的原始数据及SCADA数据进行融合处理，得到融合数据，对融合数据进行特征信号的提取与筛选，得到故障特征数据；
网络通信模块3015，用于将故障特征数据和/或融合数据发送至地面设备。
本发明实施例中，传感器302具体可以包括：振动冲击复合传感器、轴电压传感器、位移传感器、双坐标振动传感器、转速传感器、叶片振动监测传感器、塔筒叶片螺栓监测传感器及叶片光纤传感器。在实际应用中，还可能包括其他类型的传感器，具体不做限定。振动冲击复合传感器安装在传动链的主轴、齿轮箱、发电机等被测部件上，一般7-12个，监测旋转部件的振动、冲击情况；轴电压传感器安装在发电机上，监测发电机转子轴电压的变化，一般1-2个；位移传感器安装在齿轮箱、主轴等被测部件上，监测被测部件的高速轴系窜动及齿轮箱、轴箱的渐进位移值，一般1-3个；双坐标振动传感器监测塔筒的倾斜、振幅、塔筒基础承载和固有频率，安装在偏航平台下方塔筒承托面上和或基础环上，一般1-3个；转速传感器监测点击、主轴的转速，一般1-2个；叶片振动监测传感器监测叶片的振动，一般3-6个；塔筒叶片螺栓监测传感器一般为超声波传感器，监测螺栓的松动、断裂，安装在塔筒连接处的螺栓、叶片与轮毂连接处的螺栓；叶片光纤传感器监测叶片的应力和裂纹。基于振动冲击传感器、位移传感器、转速传感器等测点数据采集、配置参数及与风机SCADA控制信息和监测数据，可以实现风电机组运行时主传动链(主轴、齿轮箱、发电机)上各轴承、齿轮及联轴器的运行状态监测。从而能发现轴承、齿轮、联轴器等诊断对象的故障早期征兆，精确定位故障部件、故障类型以及严重程度。而通过加装的双坐标振动传感器能实现塔架(机舱)基于VDI3834标准的在线晃动监测与超限报警功能，能识别晃动方向并监测塔架-机舱固有频率变化，能实现叶轮不平衡间接监测。除此之外，还可以通过传感器监测高速轴系动态不对中、接地电刷接触不良电火花产生的轴电流、高速轴窜及主轴后窜位移，并且还可以扩展外接数字噪声传感器、油液传感器等。信号预处理模块3011获取传感器302的振动和冲击电流信号，对振动和冲击电流信号进行电流电压转换、放大及抗混滤波处理，得到预处理振动和冲击电流信号，ADC模块3012对预处理振动和冲击电流信号进行数字化处理得到数字化振动冲击信号，将数字化振动冲击信号发送至FPGA模块3014，光耦隔离模块3013获取传感器302的主轴转速信号和电机转速信号，对主轴转速信号和电机转速信号进行光耦隔离处理后，将主轴转速信号和电机转速信号发送至FPGA模块3014，FPGA模块3014对数字化振动冲击信号、主轴转速信号和电机转速信号进行处理后，得到诊断对象的原始数据，将原始数据发送至核心处理模块3016，在没有SCADA数据时，核心处理模块3016对诊断对象的原始数据进行特征信号的提取与筛选，得到故障特征数据，网络通信模块3015可以借助风场环网或自行利用备用光纤组网的方式与地面设备建立通信连接，从而将故障特征数据和/或诊断对象的原始数据发送到地面设备；在包括了SCADA数据时，核心处理模块3016获取SCADA数据，对诊断对象的原始数据及SCADA数据进行融合处理，得到融合数据，对融合数据进行特征信号的提取与筛选，得到故障特征数据，网络通信模块3015可以借助风场环网或自行利用备用光纤组网的方式与地面设备建立通信连接，从而将故障特征数据和/或融合数据发送到地面设备。
需要说明的是，诊断仪301还能够根据制造商的要求配置数据处理方式，将参数数据配置生成制造商要求的格式数据。诊断仪301还能够通过Key服务器和扫描部件外粘贴二维码实物实现物料跟踪。
需要说明的是，在网络通信模块3015与地面设备未建立通信连接时，故障特征数据、诊断对象原始数据、融合数据将无法实时的发送到地面设备，此时诊断仪301依然能够进行离线的数据采集、特征提取和筛选，那么需要将故障特征数据、诊断对象原始数据、融合数据存储于机载数据库中，在网络通信模块3015与地面设备重新建立通信连接时，从机载数据库中提取并发送至地面设备。
可选的，基于图3所示的实施例，如图4所示，本发明的一些实施例中，机载设备30还包括：自检模块401及故障报警模块402；
自检模块401，用于在诊断仪301上电时和/或预置固定时间段，执行自诊断功能进行自检；
故障报警模块402，用于当自检出现故障时，生成机载设备故障报警信息。
本发明实施例中，机载装置30还具有自检功能，在上电后和/或预置固定时间段进行功能自检，当自检出现故障时，并能够发出机载设备故障报警信息，用于提示机载装置30需要进行维修。
可选的，如图5所示，本发明的一些实施例中，地面设备50包括：
系统通信模块501、故障诊断模块502、运维建议信息生成模块503、显示模块504、报表生成模块505、人机交互模块506及机载设备控制模块507；
系统通信模块501，用于接收机载设备发送的故障特征数据和/或诊断对象原始数据和/或融合数据；
故障诊断模块502，用于根据故障特征数据和/或诊断对象原始数据和/或融合数据进行故障诊断，依据诊断阈值得到诊断结论，得到故障诊断结论信息；
运维建议信息生成模块503，用于根据诊断结论调用运维建议信息库，在运维建议信息库中找到对应的运维建议信息；
显示模块504，用于展示故障诊断的过程数据、故障诊断结论信息及运维建议信息；
人机交互模块505，用于实现管理人员及运维人员通过交互界面与故障诊断模块502及运维建议信息生成模块503的数据交互与权限控制；
报表生成模块506，用于根据故障诊断的过程数据、故障诊断结论信息及运维建议信息生成报表信息；
机载设备控制模块507，用于控制机载设备进行参数配置及软件升级。
本发明实施例中，系统通信模块501接收机载设备发送的故障特征数据和/或诊断对象原始数据和/或融合数据，故障诊断模块502根据故障特征数据和/或诊断对象原始数据和/或融合数据进行故障诊断，依据诊断阈值得到诊断结论，得到故障诊断结论信息，运维建议信息生成模块503根据诊断结论调用运维建议信息库，在运维建议信息库中找到对应的运维建议信息，地面设备50还具有显示模块504，具体可以是图形化的监测与分析界面，能呈现各个诊断对象实时诊断状态和趋势及典型故障原型数据。报表生成模块505能够实现融入报警指导维护规范进行程式化分析与报表生成功能，其中报警包括被测对象报警和机载装置工况报警。人机交互模块506用于实现管理人员及运维人员通过交互界面与故障诊断模块及运维建议信息生成模块的数据交互与权限控制。机载设备控制模块507具有远程操控机载设备的功能，能实现远程机载软件配置和升级。除此之外，还可以通过权限控制故障诊断子系统20的使用，例如，超级用户能对报警超限值及报警指导维护规范进行设定，以适应不同应用环境下的使用。
需要说明的是，故障诊断子系统20能够获取的结构化、半结构化、非结构化大数据和AI深度学习及大数据中心提供的AI远程技术支持实现智能优化与完善故障诊断功能和运维知识库，以适用于不同型号的风电机组和运维人员习惯。
可选的，如图6所示，本发明的一些实施例中，大数据中心60包括：
数据中心通信模块601、数据挖掘与机理分析模块602、调整与优化值生成模块603；
数据中心通信模块601，用于接收故障诊断子系统发送的故障诊断结论信息及运维建议信息，并接收运维终端发送的运维数据；
数据挖掘与机理分析模块602，用于根据运维数据、故障诊断结论信息及运维建议信息进行关联比较，判断诊断结论、运维建议与实际运维信息是否存在偏差；
数据挖掘与机理分析模块602，还用于当诊断结论、运维建议与实际运维信息存在偏差时，启动关联数据挖掘、机理分析并基于运维数据自学习评估是否需要调整与优化诊断阈值和运维建议信息库；
调整与优化值生成模块603，用于当需要调整与优化诊断阈值和运维建议信息库时，生成诊断阈值和运维建议信息库的调整和优化值；
数据中心通信模块601，还用于将调整和优化值发送至故障诊断子系统。
本发明实施例中，数据中心通信模块601通过有线或无线方式与运维终端和故障诊断子系统建立通信，数据中心通信模块601接收故障诊断子系统发送的故障诊断结论信息及运维建议信息，并接收运维终端发送的运维数据，数据挖掘与机理分析模块602根据运维数据、故障诊断结论信息及运维建议信息进行关联比较，判断诊断结论、运维建议与实际运维信息是否存在偏差，当诊断结论、运维建议与实际运维信息存在偏差时，启动关联数据挖掘、机理分析并基于运维数据自学习评估是否需要调整与优化诊断阈值和运维建议信息库，当需要调整与优化诊断阈值和运维建议信息库时，调整与优化值生成模块603生成诊断阈值和运维建议信息库的调整和优化值。数据中心通信模块601将调整和优化值发送至故障诊断子系统，从而使得故障诊断子系统能够根据调整和优化值对诊断阈值和运维建议信息库进行调整和优化。
可选的，如图7所示，本发明的一些实施例中，运维终端70包括：
终端通信模块701及运维记录模块702；
终端通信模块701，用于接收运维信息平台发送的运维方案；
运维记录模块702，用于记录根据运维方案进行运维时产生的运维数据；
终端通信模块701，还用于将运维数据发送至大数据中心。
可选的，运维终端70还包括：虚拟运维专家模块703；
虚拟运维专家模块703，用于将运维方案、运维数据及运维人员形成人机交互式信息，人机交互式信息包括文字信息、语音信息、图片信息、视频信息等结构化数据或非结构化数据。
本发明实施例中，运维终端70具体可以是运维人员手持的电子设备，例如手机、平板电脑等，也可以是执行运维功能的机器人。通过终端通信模块701与运维信息平台和大数据中心建立无线通信连接，接收故障诊断子系统发送的运维方案，在运维人员根据运维方案进行运维或者运维结束之后，运维记录模块702记录运维过程中产生的运维数据，终端通信模块701将运维数据发送至大数据中心。
需要说明的是，还可以在运维终端70中运行交互式的APP，从而提供运维过程中的指导，APP以虚拟运维专家模块703表示，虚拟运维专家模块70将运维方案转化为交互式信息，人机交互式信息包括文字信息、语音信息、结构化数据或非结构化数据等。使运维人员可以更加简单、快速地掌握运维的具体信息。
以上图1-图7所示的实施例中，通过模块化的方式详细说明了风电机组机械大部件的智慧运维系统的结构，下面以故障诊断子系统单侧描述为例，通过实施例介绍应用在风电机组机械大部件的智慧运维系统的智慧运维方法。
请参阅图8，本发明实施例提供一种风电机组机械大部件的智慧运维方法，包括：
801、生成故障诊断结论信息，并调用运维建议信息库生成运维建议信息；
本实施例中，应用在图1-图8所示的实施例中的风电机组机械大部件的智慧运维系统中，智慧运维系统包括故障诊断子系统、运维信息平台、大数据中心及运维终端。当自动诊断出风电机组机械大部件发生故障时，为了保证风电机组的正常运行以及发电效率，需要及时的进行维修，故障诊断子系统根据诊断阈值和运维建议信息库生成故障诊断结论信息及运维建议信息。
具体的，故障诊断子系统由机载设备及地面设备构成，当自动诊断出风电机组机械大部件发生故障时，机载设备通过传感器采集设备数据及获取SCADA数据，对设备数据及SCADA数据进行特征信号的提取与筛选，得到故障特征数据和/或筛选的诊断对象原始数据及SCADA数据，地面设备根据故障特征数据和/或筛选的诊断对象原始数据及SCADA数据，依据诊断阈值和运维建议信息库，进行故障诊断，得到故障诊断结论信息及运维建议信息。
802、故障诊断子系统将故障诊断结论信息及运维建议信息发送至运维信息平台和大数据中心，使得运维信息平台根据故障诊断结论信息及运维建议信息制定运维方案，运维终端根据运维方案对风电机组机械大部件进行运维，大数据中心根据运维数据、故障诊断结论信息及运维建议信息进行关联比较，判断诊断阈值和运维建议信息库是否需要调整和优化，若需要，则生成诊断阈值和运维建议信息库的调整和优化值；
本实施例中，故障诊断子系统将生成的故障诊断结论信息及运维建议信息发送至运维信息平台和大数据中心，运维信息平台是风电业主或者制造商企业端的信息平台，根据故障诊断结论信息及运维建议信息，制定运维方案，将运维方案发送至运维终端。运维终端具体可以是运维人员手持的电子设备(例如，手机或者平板电脑等)，也可以是执行运维功能的机器人，具体不做限定。运维终端根据运维方案对风电机组机械大部件进行运维，在运维过程中或者运维结束之后，将运维数据发送至大数据中心。大数据中心根据运维数据、故障诊断结论信息及运维建议信息进行关联比较，判断诊断阈值和运维建议信息库是否需要调整和优化，若需要，则生成诊断阈值和运维建议信息库的调整和优化值，并将调整和优化值发送至故障诊断子系统。
803、故障诊断子系统接收大数据中心发送的调整和优化值；
本实施例中，故障诊断子系统接收到大数据中心发送的调整和优化值，调整和优化值是用于对诊断阈值和运维建议信息库进行调整和优化。
804、故障诊断子系统根据调整和优化值对诊断阈值和运维建议信息库进行调整和优化，使得当接收到运维终端指令或在下次同类故障出现时，根据调整和优化后的诊断阈值和运维建议信息库生成新的故障诊断结论信息及新的运维建议信息。
本发明实施例中，实现了风电机组机械大部件的故障自动诊断及运维方案的制定，在进行运维时，能够根据运维数据对故障诊断子系统诊断阈值和运维建议信息库进行调整和优化，并根据运维终端指令或在下次同类故障出现时给出调整和优化的所述故障诊断结论信息及所述运维建议信息实施运维闭环，提高在线自动诊断准确率，并适应用户对运维不同需求和习惯，从而无需人工综合判断运维工作，提高了运维效率，减少了运维成本。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者设备中还存在另外的相同要素。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其他实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种风电机组机械大部件的智慧运维系统，其特征在于，包括：
故障诊断子系统、运维信息平台、大数据中心及运维终端；
所述故障诊断子系统，用于生成故障诊断结论信息，并调用运维建议信息库生成运维建议信息，并将所述故障诊断结论信息及所述运维建议信息发送至所述运维信息平台和所述大数据中心；
所述运维信息平台，用于根据所述故障诊断结论信息及所述运维建议信息，制定运维方案，将所述运维方案发送至运维终端；
所述运维终端，用于根据所述运维方案对所述风电机组机械大部件进行运维，将运维数据反馈发送至所述大数据中心；
所述大数据中心，用于根据所述运维数据、所述故障诊断结论信息及所述运维建议信息进行关联比较，判断诊断阈值和所述运维建议信息库是否需要调整和优化，若需要，则生成所述诊断阈值和所述运维建议信息库的调整和优化值，并将所述调整和优化值发送至所述故障诊断子系统，所述诊断阈值为预先设置的预设值；
所述故障诊断子系统，还用于根据所述调整和优化值对所述诊断阈值和所述运维建议信息库进行调整和优化，使得当接收到运维终端指令或在下次同类故障出现时，根据调整和优化后的所述诊断阈值和所述运维建议信息库生成新的故障诊断结论信息及新的运维建议信息。
2.根据权利要求1所述的智慧运维系统，其特征在于，所述故障诊断子系统包括：
机载设备及地面设备；
所述机载设备，用于通过传感器获取诊断对象的原始数据，并进行特征信号的提取与筛选，得到故障特征数据；
所述地面设备，用于根据所述故障特征数据和/或所述诊断对象的原始数据进行故障诊断，依据诊断阈值得到诊断结论，根据所述诊断结论调用运维建议信息库，得到故障诊断结论信息及运维建议信息。
3.根据权利要求2所述的智慧运维系统，其特征在于，所述机载设备包括：
诊断仪及传感器，所述传感器包括振动冲击复合传感器；
所述诊断仪包括信号预处理模块、模数转换ADC模块、光耦隔离模块、可编程逻辑门阵列FPGA模块、网络通信模块及核心处理模块；
所述信号预处理模块，用于获取所述传感器的振动冲击信号，对所述振动冲击信号进行电流电压转换、放大及抗混滤波处理，得到预处理振动冲击信号；
所述ADC模块，用于对所述预处理振动冲击信号进行数字化处理得到数字化振动冲击信号，将所述数字化振动冲击信号发送至所述FPGA模块；
所述光耦隔离模块，用于获取所述传感器的主轴转速信号和电机转速信号，对所述主轴转速信号和所述电机转速信号进行光耦隔离处理后，将所述主轴转速信号和所述电机转速信号发送至所述FPGA模块；
所述FPGA模块，用于对所述数字化振动冲击信号、所述主轴转速信号和所述电机转速信号进行处理后，得到诊断对象的原始数据，将所述诊断对象的原始数据发送至所述核心处理模块；
所述核心处理模块，用于对所述诊断对象的原始数据进行特征信号的提取与筛选，得到故障特征数据；
所述网络通信模块，用于将所述故障特征数据和/或所述诊断对象的原始数据发送至所述地面设备。
4.根据权利要求2所述的智慧运维系统，其特征在于，
所述机载设备，还用于通过风电机组监视控制SCADA系统获取SCADA数据；
所述机载设备，还用于对所述诊断对象的原始数据和所述SCADA数据进行特征信号的提取与筛选，得到故障特征数据；
所述地面设备，还用于根据所述故障特征数据和/或所述诊断对象的原始数据和/或所述SCADA数据进行故障诊断，依据诊断阈值得到诊断结论，根据所述诊断结论调用运维建议信息库，得到故障诊断结论信息及运维建议信息。
5.根据权利要求4所述的智慧运维系统，其特征在于，所述机载设备包括：
诊断仪及传感器，所述传感器包括振动冲击复合传感器；
所述诊断仪包括信号预处理模块、模数转换ADC模块、光耦隔离模块、可编程逻辑门阵列FPGA模块、网络通信模块及核心处理模块；
所述信号预处理模块，用于获取所述传感器的振动冲击信号，对所述振动冲击信号进行电流电压转换、放大及抗混滤波处理，得到预处理振动冲击信号；
所述ADC模块，用于对所述预处理振动冲击信号进行数字化处理得到数字化振动冲击信号，将所述数字化振动冲击信号发送至所述FPGA模块；
所述光耦隔离模块，用于获取所述传感器的主轴转速信号和电机转速信号，对所述主轴转速信号和所述电机转速信号进行光耦隔离处理后，将所述主轴转速信号和所述电机转速信号发送至所述FPGA模块；
所述FPGA模块，用于对所述数字化振动冲击信号、所述主轴转速信号和所述电机转速信号进行处理后，得到诊断对象的原始数据，将所述诊断对象的原始数据发送至所述核心处理模块；
所述核心处理模块，用于获取SCADA数据，对所述诊断对象的原始数据及所述SCADA数据进行融合处理，得到融合数据，对所述融合数据进行特征信号的提取与筛选，得到故障特征数据；
所述网络通信模块，用于将所述故障特征数据和/或所述融合数据发送至所述地面设备。
6.根据权利要求5所述的智慧运维系统，其特征在于，所述地面设备包括：
运维建议信息生成模块、故障诊断模块、系统通信模块、显示模块、报表生成模块、人机交互模块及机载设备控制模块；
所述系统通信模块，用于接收所述机载设备发送的所述故障特征数据和/或所述诊断对象原始数据和/或所述融合数据；
所述故障诊断模块，用于根据所述故障特征数据和/或所述诊断对象原始数据和/或所述融合数据进行故障诊断，依据诊断阈值得到诊断结论，得到故障诊断结论信息；
所述运维建议信息生成模块，用于根据所述诊断结论调用运维建议信息库，在运维建议信息库中找到对应的运维建议信息；
所述显示模块，用于展示故障诊断的过程数据、所述故障诊断结论信息及所述运维建议信息；
所述人机交互模块，用于实现管理人员及运维人员通过交互界面与所述故障诊断模块及所述运维建议信息生成模块的数据交互与权限控制；
所述报表生成模块，用于根据所述故障诊断的过程数据、所述故障诊断结论信息及所述运维建议信息生成报表信息；
所述机载设备控制模块，用于控制所述机载设备进行参数配置及软件升级。
7.根据权利要求1所述的智慧运维系统，其特征在于，所述大数据中心包括：
数据中心通信模块、数据挖掘与机理分析模块、调整与优化值生成模块；
所述数据中心通信模块，用于接收所述故障诊断子系统发送的故障诊断结论信息及所述运维建议信息，并接收所述运维终端发送的运维数据；
所述数据挖掘与机理分析模块，用于根据所述运维数据、所述故障诊断结论信息及所述运维建议信息进行关联比较，判断诊断结论、运维建议与实际运维信息是否存在偏差；
所述数据挖掘与机理分析模块，还用于当所述诊断结论、所述运维建议与所述实际运维信息存在偏差时，启动关联数据挖掘、机理分析并基于运维数据自学习评估是否需要调整与优化所述诊断阈值和所述运维建议信息库；
所述调整与优化值生成模块，用于当需要调整与优化所述诊断阈值和所述运维建议信息库时，生成所述诊断阈值和所述运维建议信息库的调整和优化值；
所述数据中心通信模块，还用于将所述调整和优化值发送至所述故障诊断子系统。
8.根据权利要求1所述的智慧运维系统，其特征在于，所述运维终端包括：
终端通信模块及运维记录模块；
所述终端通信模块，用于接收所述运维信息平台发送的运维方案；
所述运维记录模块，用于记录根据所述运维方案进行运维时产生的运维数据；
所述终端通信模块，还用于将所述运维数据发送至所述大数据中心。
9.根据权利要求8所述的智慧运维系统，其特征在于，所述运维终端还包括：虚拟运维专家模块；
所述虚拟运维专家模块，用于将所述运维方案、所述运维数据及运维人员形成人机交互式信息，所述人机交互式信息包括文字信息、语音信息、图片信息、视频信息的结构化数据或非结构化数据。
10.一种风电机组机械大部件的智慧运维方法，其特征在于，应用于风电机组机械大部件的智慧运维系统，所述智慧运维系统包括故障诊断子系统、运维信息平台、大数据中心及运维终端，所述智慧运维方法包括：
所述故障诊断子系统生成故障诊断结论信息，并调用运维建议信息库生成运维建议信息；
所述故障诊断子系统将所述故障诊断结论信息及所述运维建议信息发送至所述运维信息平台和所述大数据中心，使得所述运维信息平台根据所述故障诊断结论信息及所述运维建议信息制定运维方案，所述运维终端根据所述运维方案对所述风电机组机械大部件进行运维，所述大数据中心根据运维数据、所述故障诊断结论信息及所述运维建议信息进行关联比较，判断诊断阈值和所述运维建议信息库是否需要调整和优化，若需要，则生成所述诊断阈值和所述运维建议信息库的调整和优化值，所述诊断阈值为预先设置的预设值；
所述故障诊断子系统接收所述大数据中心发送的所述调整和优化值；
所述故障诊断子系统根据所述调整和优化值对所述诊断阈值和所述运维建议信息库进行调整和优化，使得当接收到运维终端指令或在下次同类故障出现时，根据调整和优化后的所述诊断阈值和所述运维建议信息库生成新的故障诊断结论信息及新的运维建议信息。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010130592.4A CN111322206B (zh) | 2020-02-28 | 2020-02-28 | 一种风电机组机械大部件的智慧运维系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010130592.4A CN111322206B (zh) | 2020-02-28 | 2020-02-28 | 一种风电机组机械大部件的智慧运维系统及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111322206A CN111322206A (zh) | 2020-06-23 |
| CN111322206B true CN111322206B (zh) | 2021-05-04 |
Family
ID=71173068
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010130592.4A Active CN111322206B (zh) | 2020-02-28 | 2020-02-28 | 一种风电机组机械大部件的智慧运维系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111322206B (zh) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112270417A (zh) * | 2020-10-28 | 2021-01-26 | 首都信息发展股份有限公司 | 国产化设备运维数据的智能采集方法及系统 |
| CN112196747A (zh) * | 2020-10-28 | 2021-01-08 | 江门市英合创展电子有限公司 | 风力发电设备制动器的监测控制系统以及风力发电设备 |
| CN112446309A (zh) * | 2020-11-18 | 2021-03-05 | 华北电力大学 | 一种基于冲击事件来监测异常状态的系统及方法 |
| CN112798044A (zh) * | 2020-12-31 | 2021-05-14 | 西安高电电气设备有限公司 | 一种风电机组传动链远程智能监测系统 |
| CN112817806A (zh) * | 2021-02-05 | 2021-05-18 | 深圳市中广控信息科技有限公司 | 一种对智能运维箱故障的预诊断方法、装置及设备 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2016077997A1 (en) * | 2014-11-18 | 2016-05-26 | Abb Technology Ltd | Wind turbine condition monitoring method and system |
| CN105678385A (zh) * | 2015-12-31 | 2016-06-15 | 江苏金风科技有限公司 | 用于海上风电场的运维方法及运维平台 |
| EP3163074A1 (en) * | 2014-06-24 | 2017-05-03 | NTN Corporation | Condition monitoring system and wind power generation system using same |
| CN108252873A (zh) * | 2017-05-18 | 2018-07-06 | 北京铭峰科技有限公司 | 一种风力发电机组在线数据监测及其性能评估的系统 |
| CN109209782A (zh) * | 2018-08-06 | 2019-01-15 | 华北电力科学研究院有限责任公司 | 一种风电场智能化运维方法、装置及系统 |
| CN109372704A (zh) * | 2018-09-18 | 2019-02-22 | 国电联合动力技术有限公司 | 发电机组智能故障诊断分析及运维操作机器系统及发电场 |
| CN109611288A (zh) * | 2018-12-29 | 2019-04-12 | 南京安维士传动技术股份有限公司 | 一种基于大数据的风电运维平台 |
| CN109617234A (zh) * | 2018-12-14 | 2019-04-12 | 吉林电力股份有限公司科技开发分公司 | 一种基于多维数据的风力发电机组状态监测系统 |
-
2020
- 2020-02-28 CN CN202010130592.4A patent/CN111322206B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP3163074A1 (en) * | 2014-06-24 | 2017-05-03 | NTN Corporation | Condition monitoring system and wind power generation system using same |
| WO2016077997A1 (en) * | 2014-11-18 | 2016-05-26 | Abb Technology Ltd | Wind turbine condition monitoring method and system |
| CN105678385A (zh) * | 2015-12-31 | 2016-06-15 | 江苏金风科技有限公司 | 用于海上风电场的运维方法及运维平台 |
| CN108252873A (zh) * | 2017-05-18 | 2018-07-06 | 北京铭峰科技有限公司 | 一种风力发电机组在线数据监测及其性能评估的系统 |
| CN109209782A (zh) * | 2018-08-06 | 2019-01-15 | 华北电力科学研究院有限责任公司 | 一种风电场智能化运维方法、装置及系统 |
| CN109372704A (zh) * | 2018-09-18 | 2019-02-22 | 国电联合动力技术有限公司 | 发电机组智能故障诊断分析及运维操作机器系统及发电场 |
| CN109617234A (zh) * | 2018-12-14 | 2019-04-12 | 吉林电力股份有限公司科技开发分公司 | 一种基于多维数据的风力发电机组状态监测系统 |
| CN109611288A (zh) * | 2018-12-29 | 2019-04-12 | 南京安维士传动技术股份有限公司 | 一种基于大数据的风电运维平台 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111322206A (zh) | 2020-06-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111322206B (zh) | 一种风电机组机械大部件的智慧运维系统及方法 | |
| CN105809255A (zh) | 一种基于物联网的火电厂旋转机械健康管理方法及系统 | |
| US8126679B2 (en) | Automatic remote monitoring and diagnostics system | |
| CN109611288B (zh) | 一种基于大数据的风电运维平台 | |
| CN112061988B (zh) | 起重机分布式网络监测、单机监测管理系统及方法 | |
| CN110351356B (zh) | 矿山设备运行数据传输、智能预警、远程会诊分析系统及方法 | |
| KR20160017681A (ko) | 풍력플랜트 관리 시스템 및 그 방법 | |
| CN103343728A (zh) | 风力发电机组远程在线多模式健康状态监测与故障诊断系统 | |
| CN110779716A (zh) | 嵌入式机械故障智能诊断设备及诊断方法 | |
| CN202710100U (zh) | 风力发电机组远程在线健康状态监测与故障诊断系统 | |
| CN108894932B (zh) | 一种风电机组发电机轴承故障智能诊断系统及方法 | |
| CN104329222A (zh) | 一种集成于风机主控系统内的在线状态监测与故障诊断方法 | |
| Butler et al. | A feasibility study into prognostics for the main bearing of a wind turbine | |
| CN103234585A (zh) | 一种大型风电机组在线监测及故障诊断系统 | |
| CN110925031B (zh) | 一种大功率间接空冷汽轮机管控系统 | |
| CN107061183A (zh) | 一种海上风电机组的自动化故障诊断方法 | |
| CN102032115A (zh) | 用于分析报告数据的系统和方法 | |
| CN111509847A (zh) | 一种电网机组状态的智能检测系统及方法 | |
| CN112541563A (zh) | 基于边缘计算技术的旋转设备振动预测管理系统 | |
| CN110445830A (zh) | 一种石油化工关键机组设备远程智能监测系统 | |
| CN116228186A (zh) | 基于人因工程的船舶机舱智能运维系统 | |
| CN111237235B (zh) | 一种地铁轴流风机状态监测与智慧运维系统及方法 | |
| CN211230719U (zh) | 一种风机运行监控系统 | |
| CN115809731A (zh) | 一种风力发电机组故障分析系统、方法及介质 | |
| KR102123556B1 (ko) | 모바일 플랫폼이 구축된 풍력발전 시스템 상태감시 및 진단 시스템 |
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 |