CN111767641A - 风力发电机组极限载荷数据的处理方法和系统 - Google Patents

Abstract

本申请提供了一种风力发电机组极限载荷数据的处理方法和系统。风力发电机组极限载荷数据的处理方法包括：获取目标时间范围内风力发电机组模型输出的多组载荷时序数据；对于每组载荷时序数据，按时序遍历该组载荷时序数据中的各个极限载荷数据，确定出每个极限载荷数据相对于前一个极限载荷数据的变化趋势，当时序相邻的两个极限载荷数据对应的变化趋势不同时，确定时序在前的极限载荷数据为拐点数据；依次连接每组载荷时序数据中的起始极限载荷数据和多个拐点数据，生成对应的载荷曲线；展示至少一条载荷曲线。本申请确定出的拐点数据更加精确，不容易失真，绘制出的载荷曲线更能反映载荷时序数据的整体变化趋势，更加符合极限载荷分析的需求。

Description

风力发电机组极限载荷数据的处理方法和系统

技术领域

本申请涉及数据处理技术领域，具体而言，本申请涉及一种风力发电机组极限载荷数据的处理方法和系统。

背景技术

载荷计算是风力发电机组开发和在机组特定场址评估等工作的首要关键内容。通过载荷计算可确定风力发电机组的性能及承载水平，是风力发电机组部件分析及设计的前提输入。

现有技术中，载荷工程师需要特定工况条件下，分别仿真模拟风力发电机组各部件的极限载荷。在IEC标准规定的工况下，载荷工程师关注的风机部件及其承载水平包括但不限于：(1)主轴承：轮毂中心极限载荷；(2)叶片：叶片各截面极限载荷、叶根面间隔15度极限载荷；(3)塔架：各法兰面极限载荷等。极限载荷分析用于材料的强度极限分析、稳定性分析及叶尖挠度分析等。

现有的极限载荷分析通常采用分组抽样算法对极限载荷数据进行抽样，分组抽样算法的抽样数值大小容易失真，采用分组抽样算法选定的极值点及对应时刻，通常偏离了原始数值大小和出现时刻，精确性较差，不符合实际需求。

发明内容

本申请针对现有方式的缺点，提出一种风力发电机组极限载荷数据的处理方法和系统，用以解决现有的抽样方法抽样出的极值点的精确性差的技术问题。

第一方面，本申请实施例提供了一种风力发电机组极限载荷数据的处理方法，包括：

获取目标时间范围内风力发电机组模型输出的多组载荷时序数据；

对于每组载荷时序数据，按时序遍历该组载荷时序数据中的各个极限载荷数据，确定出每个极限载荷数据相对于前一个极限载荷数据的变化趋势，当时序相邻的两个极限载荷数据对应的变化趋势不同时，确定时序在前的极限载荷数据为拐点数据；

依次连接每组载荷时序数据中的起始极限载荷数据和多个拐点数据，生成对应的载荷曲线；

展示至少一条载荷曲线。

第二方面，本申请实施例提供了一种风力发电机组极限载荷数据的处理系统，包括：

存储器、处理器和显示单元，存储器和显示单元均与处理器连接；

存储器存储有计算机程序，计算机程序由处理器执行以实现本申请实施例第一方面提供的风力发电机组极限载荷数据的处理方法；

显示单元配置为显示处理器执行风力发电机组极限载荷数据的处理方法得到的至少一条载荷曲线。

本申请实施例提供的技术方案，至少具有如下有益效果：

本申请实施例可基于仿真计算得到的每组载荷时序数据中各极限载荷数据的变化趋势，确定出该组载荷时序数据中的拐点数据，具体地，可基于相邻两个极限载荷数据对应的变化趋势来确定该组载荷时序数据中的拐点数据。相对于现有的分组抽样算法基于局部分组的抽样方法，本申请实施例在确定拐点数据时，考虑每个极限载荷数据相对于前一个极限载荷数据的变化趋势，确定出的拐点数据更加精确，不容易失真，基于确定出的拐点数据绘制出的载荷曲线更能反映所属的一组载荷时序数据中各极限载荷数据的整体变化趋势，更加符合极限载荷分析的需求。

本申请附加的方面和优点将在下面的描述中部分给出，这些将从下面的描述中变得明显，或通过本申请的实践了解到。

附图说明

本申请上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：

图1为某一载荷参数呈现震荡发散的情况示意图；

图2为某一载荷结果尖峰出现毛刺凹坑的情况示意图；

图3为现有技术中分组抽样算法的抽样结果示意图；

图4为本申请实施例提供的一种风力发电机组极限载荷数据的处理方法的流程示意图；

图5为基于某一载荷时序数据中9000个极限载荷数据绘制出的载荷曲线的示意图；

图6为根据本申请实施例提供的风力发电机组极限载荷数据的处理方法对图5中9000个极限载荷数据进行处理后得到的载荷曲线的示意图；

图7为基于某一载荷时序数据中6000个极限载荷数据绘制出的载荷曲线的示意图；

图8为根据本申请实施例提供的一种风力发电机组极限载荷数据的处理方法对图7中6000个极限载荷数据进行处理后得到的载荷曲线的示意图；

图9为根据本申请实施例提供的另一种风力发电机组极限载荷数据的处理方法对图7中6000个极限载荷数据进行处理后得到的一种载荷曲线的示意图；

图10为根据本申请实施例提供的风力发电机组极限载荷数据的处理方法处理后得到并展示的多条载荷曲线的一种显示界面的示意图；

图11为展示同时刻下各载荷曲线中相应的极限载荷数据的示意图；

图12为基于某一载荷时序数据中9000个极限载荷数据绘制出的另一种载荷曲线的示意图；

图13为根据本申请实施例提供的一种风力发电机组极限载荷数据的处理方法对图12中9000个极限载荷数据进行处理后得到的一种载荷曲线的示意图；

图14为根据本申请实施例提供的另一种风力发电机组极限载荷数据的处理方法对图12中9000个极限载荷数据进行处理后得到的一种载荷曲线的示意图；

图15为本申请实施例提供的一种风力发电机组极限载荷数据的处理系统的结构框架示意图；

图16为本申请实施例中一种输入界面的示意图；

图17为本申请实施例中另一种输入界面的示意图。

具体实施方式

下面详细描述本申请，本申请的实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的部件或具有相同或类似功能的部件。此外，如果已知技术的详细描述对于示出的本申请的特征是不必要的，则将其省略。下面通过参考附图描述的实施例是示例性的，仅用于解释本申请，而不能解释为对本申请的限制。

本技术领域技术人员可以理解，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)，具有与本申请所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语，应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非像这里一样被特定定义，否则不会用理想化或过于正式的含义来解释。

本技术领域技术人员可以理解，除非特意声明，这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是，本申请的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件，但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。应该理解，当我们称元件被“连接”或“耦接”到另一元件时，它可以直接连接或耦接到其他元件，或者也可以存在中间元件。此外，这里使用的“连接”或“耦接”可以包括无线连接或无线耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的全部或任一单元和全部组合。

本申请的发明人进行研究发现，为了更准确地进行极限载荷分析，需要同时满足两个要求：(1)精准的极值数据；(2)数据的时序趋势准确。实际业务场景下载荷工程师会同时关注极值数据的精确性和曲线极值点的整体变化趋势。

某些载荷参数对应的载荷曲线会呈现震荡发散的情况，图1示出了一种呈现震荡发散的载荷曲线，在图1所示的示例中了，随着时间(横坐标)的变化，载荷数据(纵坐标)越来越大，呈震荡发散，在这种情形下，载荷工程师会关注包络线的发散程度，而包络线变化由极大值和极小值确定，现有的抽样算法由于抽样数值大小失真，会导致对发散程度判断不准确。在某些载荷结果中，对应的载荷曲线的尖峰会出现毛刺凹坑的情况，图2示出了一种尖峰出现毛刺凹坑的情况，在图2所示的示例中，载荷结果出现毛刺振动(如图2中矩形框内的曲线所示)，靠近叶尖位置截面越明显，可能存在发散的风险，在这种情形下，载荷工程师会关注矩形框内的极大值和极小值的产生时刻及幅值大小。而现有的抽样算法由于抽样数值大小、产生时刻失真，会引起毛刺产生的时间和幅度判断不准确。

本申请的发明人还发现，现有的分组抽样算法采用基于相邻若干点(一般为10个点)的分组抽样出极值数据的方式，具体是通过相邻点之间三角形面积法来进行抽样以选择极值数据点，图3示出了采用该分组抽样方法的抽样结果示意图，图3中箭头1所指的曲线为基于原始载荷数据绘制的曲线(下称曲线1)，箭头2所指的曲线为基于采用分组抽样方法抽样出的极值数据绘制的曲线(下称曲线2)，对比曲线1和曲线2可以看出，曲线2中的各数据相对于曲线1中的各数据出现了非常明显的幅值以及产生时刻的偏差，会严重地影响极限载荷仿真分析的精确度，进而会对风力发电机组的性能分析和设计也产生较为严重的不利影响。

此外，现有的抽样算法选定的时序数据量较大，在绘制载荷曲线，绘制和渲染的速度较慢，所耗时间较长，对于多个任务数据，通常需要在不同窗口中渲染后，进行对比分析，同一窗口中只能绘制并显示6条曲线，在实际应用中十分不便。

本申请提供的风力发电机组极限载荷数据的处理方法和系统，旨在解决现有技术的如上技术问题。

下面以具体地实施例对本申请的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。

本申请实施例提供了一种风力发电机组极限载荷数据的处理方法，如图4所示，该处理方法包括：

S401，获取目标时间范围内风力发电机组模型输出的多组载荷时序数据。

可选地，响应于接收到的数据查询指令，从风力发电机组模型输出并由载荷云平台存储的多组原始载荷时序数据中，获取目标时间范围内的至少部分极限载荷数据，得到多组载荷时序数据。

本申请实施例中的载荷时序数据包括按时间顺序(简称时序)排列的多个极限载荷数据。本申请实施例中的极限载荷，指构件在外载荷作用下在整体上或某一局部的全厚度上由弹性状态而进入塑性状态时所对应的载荷。

风力发电机组模型可以包括多个机组部件模型，如叶片模型、主轴承模型、塔架模型等；工况模型可以包括风模型，例如湍流风模型。风力发电机组模型和工况模型均可存储于载荷云平台中。

可选地，获取目标时间范围内风力发电机组模型输出的多组载荷时序数据，之前还包括：

接收机组部件参数和工况条件参数；向载荷云平台发送机组部件参数和工况条件参数，使载荷云平台根据机组部件参数和工况条件参数分别对应的机组部件模型和工况模型进行载荷的仿真计算，得到不同机组部件和不同工况条件下的多组原始载荷时序数据。

原始载荷时序数据可存储于载荷云平台中的时序数据库中，在接收到数据查询指令时，可从时序数据存储的原始载荷时序数据中，获取目标时间范围内的至少部分极限载荷数据，得到多组载荷时序数据。

S402，对于每组载荷时序数据，按时序遍历该组载荷时序数据中的各个极限载荷数据，确定出每个极限载荷数据相对于前一个极限载荷数据的变化趋势，当时序相邻的两个极限载荷数据对应的变化趋势不同时，确定时序在前的极限载荷数据为拐点数据。

可选地，确定出每个极限载荷数据相对于前一个极限载荷数据的变化趋势，包括：

对于遍历到的当前极限载荷数据，确定出该当前极限载荷数据相对于前一个极限载荷数据是否为上升、下降、平行中的任意一种变化趋势。

具体地，可根据当前极限载荷数据与前一个极限载荷数据的数值大小关系，判断当前极限载荷数据相对于前一极限载荷数据的变化趋势；若当前极限载荷数据的数值大于前一个极限载荷数据的数值，则当前极限载荷数据相对于前一个极限载荷数据为上升趋势；若当前极限载荷数据的数值小于前一个极限载荷数据的数值，则当前极限载荷数据相对于前一个极限载荷数据为下降趋势；若当前极限载荷数据的数值与前一个极限载荷数据的数值相等，则当前极限载荷数据相对于前一个极限载荷数据为平行趋势。

本申请实施例中的前一个极限载荷数据，指时序在当前极限载荷数据的时序之前且与当前极限载荷数据在时序上相邻的一个极限载荷数据。

本申请实施例中的“时序在前”和“时序在当前某数据的时序之前”的数据，均表示该数据的产生时刻在当前数据的产生时刻之前；本申请实施例中的“时序相邻”和“在时序上相邻”，均表示某个数据的产生时刻与另一个数据的产生时刻之间没有其它数据，至少在当前必属的时序数据中的两个产生时刻之间没有其它数据。

在确定变化趋势时，在一个示例中，对于时序相邻的两个极限载荷数据A1和A2(A1的时序在A2的时序之前)，若A2-A1>0，则A2对应的变化趋势(即A2相对于A1的变化趋势)为上升趋势；若A2-A1<0，则A2对应的变化趋势为下降趋势；若A2-A1＝0，则A2对应的变化趋势为平行趋势。

在确定拐点数据(或称极值数据)时，在一个示例中，对于时序相邻且按时序依次排列的三个极限载荷数据A1、A2和A3，若A2对应的变化趋势(即A2相对于A1的变化趋势)与A3对应的变化趋势(即A3相对于A2的变化趋势)不同，例如，A2对应的变化趋势为上升趋势，A3对应的变化趋势为下降趋势或平行趋势，则确定数据A2为拐点数据。

本申请实施例中确定拐点数据的方式，相对于现有的分组抽样算法中基于相邻若干点(一般为10个点)的分组抽样出极值数据的方式，选出拐点数据及其产生时刻与原极限载荷数据及其产生时刻的一致性较高，精确性较高，且更能反映载荷时序数据中各极限载荷数据的整体变化趋势。

S403，依次连接每组载荷时序数据中的起始极限载荷数据和多个拐点数据，生成对应的载荷曲线。

可选地，依次连接每组载荷时序数据中的起始极限载荷数据和多个拐点数据，生成对应的载荷曲线，之前还包括：对于每组载荷时序数据，确定拐点数据的数量是否在指定数量范围内。

可选地，依次连接每组载荷时序数据中的起始极限载荷数据和多个拐点数据，生成对应的载荷曲线，包括：

对于每组载荷时序数据，在确定拐点数据的数量不在指定数量范围内且大于指定数量范围的上限值时，在多个拐点数据中删除至少部分拐点数据，依次连接剩余的拐点数据，生成对应的载荷曲线；在确定拐点数据的数量不在指定数量范围内且小于指定数量范围的下限值时，在拐点数据的稀疏区域增加至少部分极限载荷数据，依次连接拐点数据和增加的极限载荷数据，生成对应的载荷曲线。

在一个可选的实施方式中，上述指定数量范围可根据实际需求或经验值设置。在另一个可选的实施方式中，上述指定数量范围可以根据原有的载荷时序数据中极限载荷数据的数据量来确定，例如将载荷时序数据中极限载荷数据的数据量乘以一定的比例系数，得到的数值范围为指定数量范围，在一个示例中，若载荷时序数据中极限载荷数据的数据量为10000，希望拐点数据的数据量相对于该数据降低80％至90％，则指定数量范围可以为1000至2000。

拐点数据的数量在指定数量范围内时，在满足准确反映数据整体变化趋势的基础上，数据量较少，相对原有的载荷时序数据中的数据量降幅较大，有助于提升数据处理速度和后续的曲线绘制、渲染速度。

在一个示例中，图5示出了载荷时序数据中9000个极限载荷数据对应的载荷曲线示意图，采用本申请实施例提供的方法从该9000个数据点中提取出的拐点数据的数量为1195，数据量的降幅达到了86％，按时序依次连接该1195个拐点数据后，生成的载荷曲线如图6所示，对比图5和图6可以看出，图6中的曲线变化趋势与图5中的曲线变化趋势基本一致，可见，通过本申请实施例提取出的拐点数据的精确性较高，且能反映载荷时序数据中各极限载荷数据的整体变化趋势；图5和图6中横坐标表示时间(单位为s，即秒)，纵坐标表示力矩(单位为kNm，即千牛米)。

拐点数据的数量大于指定数量范围的上限值时，拐点数据的数据量过大，相对于原有的载荷时序数据中的数据量降幅过小，对数据处理速度和后续的曲线绘制、渲染速度没有太大提升，因而需要删除至少部件拐点数据，以减小拐点数据的数据量。

拐点数据的数量小于指定数量范围的下限值时，拐点数据的数据量过小，相对于原有的载荷时序数据中的数据量降幅过大，不足以反映载荷时序数据中各极限载荷数据的整体变化趋势，尤其是稀疏区域的变化趋势，因而需要在稀疏区域填充部分极限载荷数据，以增加拐点数据的数量。

可选地，上述至少部分拐点数据通过以下方式确定：

按时序遍历各拐点数据，依次确定当前拐点数据与前一个拐点数据的差值是否小于差值阈值；在确定当前拐点数据与前一个拐点数据的差值小于差值阈值时，确定当前拐点数据为至少部分拐点数据中的一个数据。

本申请实施例中的前一个拐点数据的含义与前述的前一个极限载荷数据的含义相似，此处不再赘述。

对于遍历到的每一个拐点数据，若该拐点数据与前一个拐点数据的差值小于差值阈值，则认为该拐点数据与前一个拐点数据的差异较小，在反映载荷时序数据中各极限载荷数据的整体变化趋势时，该拐点数据的作用不大，因而可将该拐点数据作为上述的至少部分拐点数据中的一个数据来删除，以减少拐点数据的数据量，进而减少计算冗余，提升后续的数据处理速度和曲线绘制、渲染的速度。

可选地，拐点数据的稀疏区域通过以下方式确定：

确定时序相邻的两个拐点数据对应的时间间隔是否大于时间阈值；在确定时序相邻的两个拐点数据对应的时间间隔大于时间阈值时，确定时间间隔对应的时间区域为拐点数据的稀疏区域.。

可选地，在拐点数据的稀疏区域增加至少部分极限载荷数据，包括：在稀疏区域中的各指定时刻增加相应的极限载荷数据；任意两个指定时刻之间的时间间隔相等。

本申请实施例中的时间间隔可根据实际需求或经验值确定。

在一个示例中，图7示出了载荷时序数据中6000个极限载荷数据对应的载荷曲线示意图，采用本申请实施例提供的方法从该6000个数据点中提取出的拐点数据的数量为135，按时序依次连接该135个拐点数据后，生成的载荷曲线如图8所示。

对比图7和图8可以看出，图8中的数据量虽然降幅很大，由于提取出的拐点数据较少，图8中的曲线变化趋势不如图7中的曲线变化趋势圆滑，尤其是在20秒至100秒之间的区域，将该区域作为稀疏区域每隔50秒增加一个极限载荷数据后，使拐点数据和增加的极限载荷数据的总数量增加至213，并按时充依次连接该213个数据点后，得到的载荷曲线如图9所示。对比图9和图7可以看出，图9中的曲线变化趋势与图7中的曲线变化趋势基本一致。

图7至图9中的横坐标为时间(单位为s)，Y1轴的纵坐标为叶轮转速(单位为rpm，即转每分钟)。

S404，展示至少一条载荷曲线。

可选地，展示至少一条载荷曲线，包括：同时展示两条以上载荷曲线；响应于接收到的时刻选择指令，同时展示时刻选择指令对应的目标时刻下各载荷曲线中对应的极限载荷数据。

本申请实施例可在同一显示界面中同时展示两条以上载荷曲线，在一个示例中，可同时展示的载荷曲线数量可达20条，如图10所示，图10中的横坐标为时间(单位为s)，Y1轴的纵坐标为叶轮转速(单位为rpm)，Y2轴的纵坐标为机组功率(单位为kW，即千瓦)。

载荷工程师可查看所展示的载荷曲线，并对载荷曲线中的任意一点进行选择，例如将鼠标悬停在载荷曲线中的某一点，选择后可产生时刻选择指令，根据该时刻选择指令及其对应的目标时刻，可在提示框内同时展示各个载荷曲线中与该目标时刻对应的极限载荷数据，如图11所示，图11中的两个箭头所指的数据点分别为两条载荷曲线中同一时刻的数据点，矩形的提示框内所展示为两个数据点的极限载荷数据；图11的横坐标和纵坐标所表示的参数和单位同图5。

本申请实施例中的上述展示方式可方便载荷工程师在同一显示界面中对同一时刻下各载荷曲线的极限载荷数据进行对比查看。相比于现有技术中的多窗口对比查看的方式，本申请实施例的展示和对比查看的方式操作简单，有助于进行精准的对比。

可选地，展示至少一条载荷曲线，还包括：

响应于接收到的时刻选择指令，确定在时刻选择指令对应的目标时刻下，各载荷曲线中是否有对应的极限载荷数据；在确定目标时刻下各载荷曲线中有对应的极限载荷数据时，同时展示目标时刻下各载荷曲线中对应的极限载荷数据；在确定目标时刻下至少一条载荷曲线上没有对应的极限载荷数据时，从该载荷曲线对应的一组载荷时序数据中，获取目标时刻下的极限载荷数据作为载荷曲线中目标时刻下的极限载荷数据，并同时显示目标时刻下各载荷曲线中对应的极限载荷数据。

可选地，生成对应的载荷曲线之后，展示至少一条载荷曲线之前，还包括：

确定每条载荷曲线中的各极限载荷数据是否出现指定波动范围内的数据波动；在确定载荷曲线中的各极限载荷数据出现了指定波动范围内的数据波动时，删除指定波动范围内的至少部分极限载荷数据，根据载荷曲线中剩余的极限载荷数据生成新的载荷曲线。

本申请实施例中的指定波动范围可以根据实际需求或经验值设置，在一个示例中，可将载荷曲线中的极限载荷数据最大值和最小值之差的千分之一的数值范围作为指定波动范围。

本申请实施例中的数据波动可通过载荷曲线中时序相邻的两个极限载荷数据(作为拐点数据的极限载荷数据)之间的差值来判断，在一个示例中，按时序遍历载荷曲线中的各个极限载荷数据，确定当前极限载荷数据与前一个极限载荷数据的差值是否小于上述最大值和最小值之差的千分之一，是则认为载荷曲线中的当前极限载荷数据相对于前一个极限载荷数据的数据波动在指定波动范围内，删除当前极限载荷数据，否则认为载荷曲线中的当前极限载荷数据相对于前一个极限载荷数据的数据波动不在指定波动范围内。

通过上述方式可检测载荷曲线中的数据波动情况，确定是否出现数据的小幅度抖动(即指定波动范围内的数据波动)，在出现小幅度抖动时，删除小幅度抖动涉及的部分数据，以减少载荷曲线中的数据量，避免拐点数据过多的情况。

在一个示例中，图12示出了载荷时序数据中9000个极限载荷数据对应的载荷曲线示意图，采用本申请实施例提供的方法从该6000个数据点中提取出的拐点数据的数量为3964，数据量降幅较小，进一步对生成的载荷曲线图13检测可知，载荷曲线中的部分极限载荷数据出现了小幅度抖动，由于小幅度抖动的极限载荷数据对整个变化趋势的贡献较小，因此删除小幅度抖动涉及的部分数据，删除后拐点数据的数量降至977，数据量降幅达到83％，按时序依次连接该977个拐点数据后，生成的新的载荷曲线如图14所示；图12至图14的横坐标和纵坐标所表示的参数和单位同图5。

可选地，本申请实施例提供的风力发电机组极限载荷数据的处理方法，在展示至少一条载荷曲线之后，还包括：

接收数据删除指令或数据填充指令；根据数据删除指令，在多个拐点数据中删除至少部分拐点数据，依次连接剩余的拐点数据，重新生成对应的载荷曲线；根据数据填充指令，在拐点数据的稀疏区域增加至少部分极限载荷数据，依次连接拐点数据和增加的极限载荷数据，重新生成对应的载荷曲线；展示重新生成的至少一条载荷曲线。

上述数据删除指令或数据填充指令，可由载荷工程师基于所展示的载荷曲线的特点输入。

上述删除至少部分拐点数据和增加至少部分极限载荷数据的可选的实施方式，可参照前述的相关内容，此处不再赘述。

采用本申请实施例的上述技术方案可提升数据处理以及曲线绘制、渲染的速度，缩短生成载荷曲线的时间，在一个示例中，根据获取的20组载荷时序数据生成20条曲线的时间可缩短至32.65秒。

基于同一发明构思，本申请实施例提供了一种风力发电机组极限载荷数据的处理系统，该处理系统包括：存储器、处理器和显示单元，存储器和显示单元均与处理器连接。

存储器上存储有计算机程序，该计算机程序由处理器执行以实现本申请实施例所提供的任意一种风力发电机组极限载荷数据的处理方法。

显示单元配置为显示处理器执行风力发电机组极限载荷数据的处理方法得到的至少一条载荷曲线。

可选地，本申请实施例提供了一种风力发电机组极限载荷数据的处理系统，还包括：载荷云平台；载荷云平台与处理器通信连接。

处理器配置为：响应于接收到的数据查询指令，从风力发电机组模型输出并由载荷云平台存储的多组原始载荷时序数据中获取目标时间范围内的至少部分极限载荷数据，得到多组载荷时序数据。

可选地，载荷云平台中存储有风力发电机组模型和工况模型，风力发电机组模型包括多个机组部件模型。如前所述，多个机组部件模型可包括叶片模型、主轴承模型、塔架模型等，工况模型可以包括风模型，如例如湍流风模型。

处理器配置为：接收载荷变量参数和工况条件参数，向载荷云平台发送载荷变量参数和工况条件参数。

载荷云平台配置为：根据载荷变量参数和工况条件参数分别对应的机组部件模型和工况模型进行载荷的仿真计算，得到并存储不同载荷变量和不同工况条件下的多组原始载荷时序数据。

如前所述，原始载荷时序数据可存储于载荷云平台中的时序数据库中，处理器在接收到数据查询指令时，可从时序数据存储的原始载荷时序数据中，获取目标时间范围内的至少部分极限载荷数据，得到多组载荷时序数据。

本技术领域技术人员可以理解，本申请实施例提供的风力发电机组极限载荷数据的处理系统可以为所需的目的而专门设计和制造，或者也可以包括通用计算机中的已知设备。这些设备具有存储在其内的计算机程序，这些计算机程序选择性地激活或重构。这样的计算机程序可以被存储在设备(例如，计算机)可读介质中或者存储在适于存储电子指令并分别耦联到总线的任何类型的介质中。

本申请在一个可选实施例中提供了一种风力发电机组极限载荷数据的处理系统，如图15所示，该风力发电机组极限载荷数据的处理系统包括：本地终端1510和载荷云平台1520。

本地终端1510包括存储器1511、处理器1512和显示单元1513，存储器1511和显示单元1513均与处理器1512电连接，如通过总线连接；载荷云。载荷云平台1520存储有风力发电机组模型1521、风模型1522和时序数据库1523，载荷云平台1520与处理器1512通信连接。

存储器1511用于存储执行本申请方案的应用程序代码，并由处理器1512来控制执行。处理器1512用于执行存储器1511中存储的应用程序代码，以实现本申请实施例提供的任意一种风力发电机组极限载荷数据的处理方法。显示单元1513用于显示处理器执行风力发电机组极限载荷数据的处理方法得到的至少一条载荷曲线。

在一个可选的实施方式中，处理器1512在接收到数据查询指令时，可从风力发电机组模型1521输出并由载荷云平台1520存储的多组原始载荷时序数据中获取目标时间范围内的至少部分极限载荷数据，得到多组载荷时序数据。

在一个可选的实施方式中，处理器1512在接收载荷变量参数和工况条件参数时，可向载荷云平台发送载荷变量参数和工况条件参数；载荷云平台1520根据处理器1512上传的载荷变量参数和工况条件参数分别对应的机组部件模型和工况模型进行载荷的仿真计算，得到大量的不同载荷变量和不同工况条件下的原始载荷时序数据，并将该原始载荷时序数据存储于时序数据库中以备调用。

在一个可选的实施方式中，本地终端1510还包括输入单元，该输入单元与处理器1512连接；输入单元可用于接收输入的数字、字符、图像和/或声音信息，或者产生与本申请实施例提供的处理系统的用户设置以及功能控制有关的键信号输入。载荷工程师可通过该输入单元输入数据查询指令、载荷变量参数和工况条件参数中的至少一项指令或参数。

输入单元可以包括但不限于触摸屏、物理键盘、功能键(比如音量控制按键、开关按键等)、轨迹球、鼠标、操作杆、拍摄装置、拾音器等中的一种或多种。在使用输入单元进行相应的输入时，显示单元可显示对应的输入界面；当输入单元包括触摸屏时，输入单元可以在显示单元1513之外单独设置，也可以集成于显示单元1513中。

在一个示例中，图16和图17分别示出了一种输入界面，在图16所示的输入界面中，载荷工程师可在左侧区域的工况列表中对待执行任务的工况条件进行选择，生成相应的工况条件参数，可选的工况条件可用如图16中所示的022ce+08、022ce+09等代码来表示，已选择的工况条件可显示在图16所示的界面的右侧区域；在图17所示的输入界面中，载荷工程师可在左侧区域对待执行任务的载荷变量进行选择，生成相应的载荷变量参数，可选的载荷变量包括如图17所示的Rotor_speed(叶轮转速)、Electrical_power(机组功率)等，已选择的载荷变量可显示在图17所示的界面的右侧区域。

在一个示例中，输入界面还可以是图10所示的界面，在图10所示的界面中，可同时显示输入选项(包括选择条件、数据表格和简单汇总三个选项)和绘制出的多条载荷曲线，载荷工程师可在该界面中查看绘制的载荷曲线以进行极限载荷分析，也可以通过点击输入选项执行相应的输入操作。

在一个示例，点击“选择条件”的选项后可跳转至如图16或图17所示的输入界面；点击“数据表格”的选项后，可跳转至相应的显示界面显示载荷曲线相关的数据；点击“简单汇总”的选项后，可跳转至相应的显示界面显示载荷曲线的汇总信息。

存储器1511可以是ROM(Read-Only Memory，只读存储器)或可存储静态信息和指令的其他类型的静态存储设备，可以是RAM(Random Access Memory，随机存取存储器)或者可存储信息和指令的其他类型的动态存储设备，也可以是EEPROM(Electrically ErasableProgrammable Read Only Memory，电可擦可编程只读存储器)、CD-ROM(Compact DiscRead-Only Memory，只读光盘)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质，但不限于此。

处理器1512可以是CPU(Central Processing Unit，中央处理器)、通用处理器，DSP(Digital Signal Processor，数据信号处理器)、ASIC(Application SpecificIntegrated Circuit，专用集成电路)、FPGA(Field-Programmable Gate Array，现场可编程门阵列)或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本申请公开内容所描述的各种示例性的逻辑方框，模块和电路。处理器1512也可以是实现计算功能的组合，例如包含一个或多个微处理器组合，DSP和微处理器的组合等。

总线可包括一通路，在上述组件之间传送信息。总线可以是PCI(PeripheralComponent Interconnect，外设部件互连标准)总线或EISA(Extended Industry StandardArchitecture，扩展工业标准结构)总线。总线可以分为地址总线、数据总线、控制总线等。

可选地，本地终端1510还可以包括收发器。收发器可用于信号的接收和发送。收发器可以允许本地终端1510与其他设备进行无线或有线通信以交换数据。需要说明的是，实际应用中收发器不限于一个。

可选地，本地终端1510还可以包括输出单元。输出单元可用于输出或展示经过处理器1512处理的信息。输出单元可以包括但不限于显示装置、扬声器、振动装置等中的一种或多种。

虽然图15示出了具有各种装置的风力发电机组极限载荷数据的处理系统，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。

应用本申请实施例，至少能够实现如下有益效果：

1)本申请实施例可基于仿真计算得到的每组载荷时序数据中各极限载荷数据的变化趋势，确定出该组载荷时序数据中的拐点数据。相对于现有的分组抽样算法基于局部分组的抽样方法，本申请实施例在确定拐点数据时，考虑每个极限载荷数据相对于前一个极限载荷数据的变化趋势，确定出的拐点数据更加精确，不容易失真，基于确定出的拐点数据绘制出的载荷曲线更能反映所属的一组载荷时序数据中各极限载荷数据的整体变化趋势，更加符合极限载荷分析的需求。

2)本申请实施例可根据拐点数据的数量或接收到的指令，对提取出的对载荷曲线走向影响较小的拐点数据进行删除，以实现在保证载荷曲线精确性的前提下尽可能地降低绘制载荷曲线时所使用的数据量，从而降低资源消耗，提升数据处理以及曲线绘制、渲染的速度，缩短渲染时间；本申请实施例可根据拐点数据的数量或接收到的指令，对提取出的拐点数据的稀疏区域进行填充，在拐点数据量不足时及时增加数据量，以使增加数据量后绘制的载荷曲线能精确地反映载荷时序数据的整体变化趋势。

3)本申请实施例可根据载荷曲线中各极限载荷数据的波动情况，删除部分波动较小的极限载荷数据，从而在载荷曲线中数据量较大时，在保证载荷曲线精确性的前提下减少数据量，降低资源消耗，提升数据处理以及曲线绘制、渲染的速度；并在载荷曲线中数据量较小时，在保证载荷曲线精确性的前提下进一步减少数据量，进一步低资源消耗，进一步提升数据处理以及曲线绘制、渲染的速度。

4)本申请实施例可同时对多组载荷时序数据进行处理，生成对应的多条载荷曲线，并在同一显示界面中同时展示生成的多条载荷曲线以及同时刻下各载荷曲线的极限载荷数据，相对于现有技术中在不同的显示界面中分别展示载荷曲线的方式，本申请实施例中的上述展示载荷曲线的方式更方便载荷工程师对不同的载荷曲线进行对比查看，优化交互体验，并可帮助载荷工程师减少工作量，提高整体工作效率；在展示载荷曲线对应的数据时，可快速读取并展示各数据。

5)本申请实施例在展示载荷曲线以及同时刻下各载荷曲线的极限载荷数据时，可自动查漏补缺，在遇到缺失数据的情况时，可及时从所获取的载荷时序数据中调用相应的极限载荷数据，补充当前数据不足的情况，无需载荷工程师逐一查找。

6)本申请实施例可基于输入的载荷变量参数和工况条件参数，调用相应的机组部件模型和工况模型来进行仿真计算，得到符合业务需求的原始载荷时序数据，机组部件模型、工况模型以及计算出的原始载荷时序数据均在载荷云平台中进行，本地终端通过与载荷云平台进行数据交互实现仿真计算以及获取所需要的部分数据，可减少本地终端的运行负担。

本技术领域技术人员可以理解，本申请中已经讨论过的各种操作、方法、流程中的步骤、措施、方案可以被交替、更改、组合或删除。进一步地，具有本申请中已经讨论过的各种操作、方法、流程中的其他步骤、措施、方案也可以被交替、更改、重排、分解、组合或删除。进一步地，现有技术中的具有与本申请中公开的各种操作、方法、流程中的步骤、措施、方案也可以被交替、更改、重排、分解、组合或删除。

在本申请的描述中，需要理解的是，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本申请的描述中，除非另有说明，“多个”的含义是两个或两个以上。

应该理解的是，虽然附图的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，其可以以其他的顺序执行。而且，附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，其执行顺序也不必然是依次进行，而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。

以上所述仅是本申请的部分实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本申请的保护范围。

Claims (13)

1.一种风力发电机组极限载荷数据的处理方法，其特征在于，包括：

获取目标时间范围内风力发电机组模型输出的多组载荷时序数据；

对于每组所述载荷时序数据，按时序遍历该组所述载荷时序数据中的各个极限载荷数据，确定出每个所述极限载荷数据相对于前一个所述极限载荷数据的变化趋势，当时序相邻的两个所述极限载荷数据对应的变化趋势不同时，确定时序在前的所述极限载荷数据为拐点数据；

依次连接每组所述载荷时序数据中的起始极限载荷数据和多个所述拐点数据，生成对应的载荷曲线；

展示至少一条所述载荷曲线。

2.根据权利要求1所述的处理方法，其特征在于，所述依次连接每组所述载荷时序数据中的起始极限载荷数据和多个所述拐点数据，生成对应的载荷曲线，之前还包括：

对于每组所述载荷时序数据，确定所述拐点数据的数量是否在指定数量范围内；

以及，所述依次连接每组所述载荷时序数据中的起始极限载荷数据和多个所述拐点数据，生成对应的载荷曲线，包括：

对于每组所述载荷时序数据，在确定所述拐点数据的数量不在所述指定数量范围内且大于所述指定数量范围的上限值时，在多个所述拐点数据中删除至少部分所述拐点数据，依次连接剩余的所述拐点数据，生成对应的载荷曲线；

在确定所述拐点数据的数量不在所述指定数量范围内且小于所述指定数量范围的下限值时，在所述拐点数据的稀疏区域增加至少部分所述极限载荷数据，依次连接所述拐点数据和增加的所述极限载荷数据，生成对应的载荷曲线。

3.根据权利要求1所述的处理方法，其特征在于，所述展示至少一条所述载荷曲线，之后还包括：

接收数据删除指令或数据填充指令；

根据所述数据删除指令，在多个所述拐点数据中删除至少部分所述拐点数据，依次连接剩余的所述拐点数据，重新生成对应的载荷曲线；

根据所述数据填充指令，在所述拐点数据的稀疏区域增加至少部分所述极限载荷数据，依次连接所述拐点数据和增加的所述极限载荷数据，重新生成对应的载荷曲线；

展示重新生成的至少一条所述载荷曲线。

4.根据权利要求2或3所述的处理方法，其特征在于，所述至少部分所述拐点数据通过以下方式确定：

按时序遍历各所述拐点数据，依次确定当前所述拐点数据与前一个所述拐点数据的差值是否小于差值阈值；

在确定当前所述拐点数据与前一个所述拐点数据的差值小于所述差值阈值时，确定当前所述拐点数据为所述至少部分所述拐点数据中的一个数据。

5.根据权利要求2或3所述的处理方法，其特征在于，所述拐点数据的稀疏区域通过以下方式确定：

确定时序相邻的两个所述拐点数据对应的时间间隔是否大于时间阈值；

在确定时序相邻的两个所述拐点数据对应的时间间隔大于所述时间阈值时，确定所述时间间隔对应的时间区域为所述拐点数据的稀疏区域；

以及，在所述拐点数据的稀疏区域增加至少部分所述极限载荷数据，包括：

在所述稀疏区域中的各指定时刻增加相应的所述极限载荷数据；任意两个指定时刻之间的时间间隔相等。

6.根据权利要求1-3中任一项所述的处理方法，其特征在于，所述生成对应的载荷曲线之后，展示至少一条所述载荷曲线之前，还包括：

确定每条所述载荷曲线中的各所述极限载荷数据是否出现指定波动范围内的数据波动；

在确定所述载荷曲线中的各所述极限载荷数据出现了所述指定波动范围内的数据波动时，删除指定波动范围内的至少部分所述极限载荷数据，根据所述载荷曲线中剩余的所述极限载荷数据生成新的载荷曲线。

7.根据权利要求1所述的处理方法，其特征在于，所述展示至少一条所述载荷曲线，包括：

同时展示两条以上所述载荷曲线；

响应于接收到的时刻选择指令，同时展示所述时刻选择指令对应的目标时刻下各所述载荷曲线中对应的所述极限载荷数据。

8.根据权利要求7所述的处理方法，其特征在于，所述展示至少一条所述载荷曲线，还包括：

响应于接收到的所述时刻选择指令，确定在所述时刻选择指令对应的目标时刻下，各所述载荷曲线中是否有对应的所述极限载荷数据；

在确定所述目标时刻下各所述载荷曲线中有对应的所述极限载荷数据时，同时展示所述目标时刻下各所述载荷曲线中对应的所述极限载荷数据；

在确定所述目标时刻下至少一条所述载荷曲线上没有对应的所述极限载荷数据时，从所述载荷曲线对应的一组所述载荷时序数据中，获取所述目标时刻下的所述极限载荷数据作为所述载荷曲线中所述目标时刻下的极限载荷数据，并同时显示所述目标时刻下各所述载荷曲线中对应的所述极限载荷数据。

9.根据权利要求1所述的处理方法，其特征在于，获取目标时间范围内风力发电机组模型输出的多组载荷时序数据，包括：

响应于接收到的数据查询指令，从所述风力发电机组模型输出并由载荷云平台存储的多组原始载荷时序数据中，获取所述目标时间范围内的至少部分所述极限载荷数据，得到多组所述载荷时序数据。

10.根据权利要求9所述的处理方法，其特征在于，所述获取目标时间范围内风力发电机组模型输出的多组载荷时序数据，之前还包括：

接收载荷变量参数和工况条件参数；

向所述载荷云平台发送所述载荷变量参数和所述工况条件参数，使所述载荷云平台根据所述载荷变量参数和所述工况条件参数分别对应的机组部件模型和工况模型进行载荷的仿真计算，得到不同载荷变量和不同工况条件下的多组所述原始载荷时序数据。

11.一种风力发电机组极限载荷数据的处理系统，其特征在于，包括：存储器、处理器和显示单元，所述存储器和所述显示单元均与所述处理器连接；

所述存储器存储有计算机程序，所述计算机程序由所述处理器执行以实现如权利要求1-10中任一项所述的风力发电机组极限载荷数据的处理方法；

所述显示单元配置为显示所述处理器执行所述风力发电机组极限载荷数据的处理方法得到的至少一条载荷曲线。

12.根据权利要求11所述的处理系统，其特征在于，还包括：载荷云平台；

所述载荷云平台与所述处理器通信连接；

所述处理器配置为：响应于接收到的数据查询指令，从所述风力发电机组模型输出并由所述载荷云平台存储的多组原始载荷时序数据中获取目标时间范围内的至少部分所述极限载荷数据，得到多组载荷时序数据。

13.根据权利要求12所述的处理系统，其特征在于，所述载荷云平台中存储有风力发电机组模型和工况模型；所述风力发电机组模型包括多个机组部件模型；

所述处理器配置为：接收载荷变量参数和工况条件参数，向所述载荷云平台发送所述载荷变量参数和所述工况条件参数；

所述载荷云平台配置为：根据所述载荷变量参数和所述工况条件参数分别对应的机组部件模型和工况模型进行载荷的仿真计算，得到并存储不同载荷变量和不同工况条件下的多组所述原始载荷时序数据。

Images