CN112160868B - 变桨系统的监控方法、系统、设备及介质 - Google Patents

Abstract

本发明公开了变桨系统的监控方法、系统、设备及介质，方法包括：判断所述变桨系统的当前通讯状态是否正常，若否，则通过监控模型获取所述变桨系统的目标桨矩角状态监控值，根据所述目标桨矩角状态监控值监控所述变桨系统的运行；其中，所述监控模型用于基于所述变桨系统的历史桨矩角状态监控值输出所述变桨系统的目标桨矩角状态监控值。本发明通过训练出监控模型，当变桨系统与主控系统间发生通讯故障时，可以将历史监控数据输入至监控模型中从而得到桨矩角状态监控值，从而实现对变桨系统持续可靠地监控。

Description

变桨系统的监控方法、系统、设备及介质

技术领域

本发明涉及风电机组中对变桨系统的监控领域，特别涉及一种变桨系统的监控方法、系统、设备及介质。

背景技术

变桨系统是风电机组重要的控制和保护装置，其任务是调节桨叶的桨距角，使桨叶吸收的风能始终处于最佳状态，并在紧急情况下，将桨叶变桨至安全位置，实现空气制动。变桨系统安装在风电机组的轮毂内，其供电线缆、信号线缆、通讯线缆等通过滑环与机舱的主控系统等相连。因轮毂内常伴有电磁干扰、高温、机械振动等外部干扰，极易造成变桨系统与主控系统间的通讯闪断等故障频繁发生。当变桨系统与主控系统间发生通讯故障时，主控系统无法对变桨系统进行实时监控，进而主控系统无法向变桨系统发送控制信号以实现对变桨系统的控制。

发明内容

本发明要解决的技术问题是为了克服现有技术中当变桨系统与主控系统间发生通讯故障时，主控系统无法监控变桨系统的缺陷，提供一种当变桨系统与主控系统间发生通讯故障时，主控系统可以对变桨系统进行监控的变桨系统的监控方法、系统、设备及介质。

本发明是通过下述技术方案来解决上述技术问题：

本发明提供了一种变桨系统的监控方法，所述监控方法包括：

判断所述变桨系统的当前通讯状态是否正常，若否，则通过监控模型获取所述变桨系统的目标桨矩角状态监控值，根据所述目标桨矩角状态监控值监控所述变桨系统的运行；其中，所述监控模型用于基于所述变桨系统的历史桨矩角状态监控值输出所述变桨系统的目标桨矩角状态监控值。

较佳地，所述监控模型通过以下步骤获得：

获取若干第一周期前的若干周期下的风机运行状态及对应的桨矩角状态监控值以作为若干第一训练数据；

获取若干所述第一周期下的风机运行状态及对应的桨矩角状态监控值以作为若干第二训练数据；

将若干所述第一训练数据作为输入，对应的第二训练数据作为输出，训练机器学习模型以获取所述监控模型。

较佳地，所述第一训练数据包括第一历史数据及第一模拟数据中的至少一种，所述第二训练数据包括第二历史数据及第二模拟数据中的至少一种。

较佳地，当所述第一训练数据包括所述第一历史数据时，所述获取若干第一周期前的若干周期下的风机运行状态及对应的桨矩角状态监控值以作为若干第一训练数据的步骤包括：

接收所述第一周期前的若干周期下的风机运行状态及对应的桨矩角状态监控值；

当所述第一周期前的若干周期下的风机运行状态位于预设风机运行状态的第一预设范围内，且所述第一周期前的若干周期下的桨矩角状态监控值位于预设桨矩角监控值的第二预设范围内时，将接收的风机运行状态及对应的桨矩角状态监控值作为第一历史数据；

当所述第二训练数据包括所述第二历史数据时，所述获取若干所述第一周期下的风机运行状态及对应的桨矩角状态监控值以作为若干第二训练数据的步骤包括：

接收所述第一周期下的风机运行状态及对应的桨矩角状态监控值；

当所述第一周期下的风机运行状态位于所述预设风机运行状态的第一预设范围内，且所述第一周期下的桨矩角状态监控值位于所述预设桨矩角监控值的第二预设范围内时，将接收的风机运行状态及对应的桨矩角状态监控值作为第二历史数据。

较佳地，所述机器学习模型为神经网络模型。

较佳地，所述神经网络模型为基于小批量梯度下降算法的神经网络模型。

较佳地，所述监控方法还包括：接收当前桨矩角状态监控值及当前风机运行状态；

所述判断所述变桨系统的当前通讯状态是否正常的步骤包括：

判断当前风机运行状态是否位于预设风机运行状态的第一预设范围内，及当前桨矩角状态监控值是否位于预设桨矩角状态监控值的第二预设范围内：

当所述当前桨矩角状态监控值未位于所述预设桨矩角状态监控值的第一预设范围内，或所述当前风机运行状态未位于所述预设风机运行状态的第二预设范围内时，则确定判断变桨系统的当前通讯状态是否正常的结果为否。

较佳地，当判断所述变桨系统的当前通讯状态是否正常的结果为否时，所述监控方法还包括：

判断在预设时间范围内当前通讯状态是否恢复：若否，则发送警报信息，所述警报信息用于触发所述变桨系统停机；和/或，若是，则将所述当前桨矩角状态监控值作为目标桨矩角状态监控值，并执行根据所述目标桨矩角状态监控值监控变桨系统的运行的步骤。

本发明还提供了一种变桨系统的监控系统，所述监控系统包括：通讯判断模块、目标数据获取模块以及运行监控模块；

所述通讯判断模块用于判断所述变桨系统的当前通讯状态是否正常，若否，则调用所述目标数据获取模块；

所述目标数据获取模块用于通过监控模型获取所述变桨系统的目标桨矩角状态监控值，所述监控模型用于基于所述变桨系统的历史桨矩角状态监控值输出所述变桨系统的当前桨矩角状态监控值；

所述运行监控模块用于根据所述目标桨矩角状态监控值监控所述变桨系统的运行。

较佳地，所述监控系统还包括：第一训练数据获取模块、第二训练数据获取模块及模型训练模块；

所述第一训练数据获取模块用于获取若干第一周期前的若干周期下的风机运行状态及对应的桨矩角状态监控值以作为若干第一训练数据；

所述第二训练数据获取模块用于获取若干所述第一周期下的风机运行状态及对应的桨矩角状态监控值以作为若干第二训练数据；

所述模型训练模块用于将若干所述第一训练数据作为输入，对应的第二训练数据作为输出，训练机器学习模型以获取所述监控模型，所述监控模型用于基于所述变桨系统的历史桨矩角状态监控值输出所述变桨系统的当前桨矩角状态监控值。

较佳地，所述第一训练数据包括第一历史数据及第一模拟数据中的至少一种，所述第二训练数据包括第二历史数据及第二模拟数据中的至少一种。

较佳地，当所述第一训练数据包括所述第一历史数据时，所述第一训练数据获取模块包括第一原始数据获取单元及第一历史数据获取单元；

所述第一原始数据获取单元用于接收所述第一周期前的若干周期下的风机运行状态及对应的桨矩角状态监控值；

所述第一历史数据获取单元用于当所述第一周期前的若干周期下的风机运行状态位于预设风机运行状态的第一预设范围内，且所述第一周期前的若干周期下的桨矩角状态监控值位于预设桨矩角监控值的第二预设范围内时，将接收的风机运行状态及对应的桨矩角状态监控值作为第一历史数据；

当所述第二训练数据包括第二历史数据时，所述第二训练数据获取模块包括第二原始数据获取单元及第二历史数据获取单元；

所述第二原始数据获取单元用于接收所述第一周期下的风机运行状态及对应的桨矩角状态监控值；

所述第二历史数据获取单元用于当所述第一周期下的风机运行状态位于预设风机运行状态的第一预设范围内，且所述第一周期下的桨矩角状态监控值位于预设桨矩角监控值的第二预设范围内时，将接收的风机运行状态及对应的桨矩角状态监控值作为第二历史数据。

较佳地，所述机器学习模型为神经网络模型。

较佳地，所述神经网络模型为基于小批量梯度下降算法的神经网络模型。

较佳地，所述监控系统还包括：当前数据接收模块，用于接收当前桨矩角状态监控值及当前风机运行状态；

所述通讯判断模块还用于判断所述当前风机运行状态是否位于预设风机运行状态的第一预设范围内，及所述当前桨矩角状态监控值是否位于预设桨矩角状态监控值的第二预设范围内：

当所述当前桨矩角状态监控值未位于所述预设桨矩角状态监控值的第一预设范围内，或所述当前风机运行状态未位于所述预设风机运行状态的第二预设范围内时，则确定判断所述变桨系统的当前通讯状态是否正常的结果为否。

较佳地，所述监控系统还包括恢复判断模块；

所述通讯判断模块还用于当判断所述变桨系统的当前通讯状态是否正常的结果为否时，调用所述恢复判断模块；

所述恢复判断模块用于判断在预设时间范围内当前通讯状态是否恢复：

若否，则发送警报信息并控制风电机组停机；和/或，若是，则将所述当前桨矩角状态监控值作为目标桨矩角状态监控值，并调用所述运行监控模块。

本发明还提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现如上所述的变桨系统的监控方法。

本发明还提供了一种计算机可读存储介质，其上存储有计算机程序，其特征在于，计算机程序被处理器执行时实现如上所述的变桨系统的监控方法的步骤。

本发明的积极进步效果在于：本发明通过训练出的监控模型，当变桨系统与主控系统间发生通讯故障时，可以将历史监控数据输入至监控模型中从而得到桨矩角状态监控值，从而实现对变桨系统持续可靠地监控。

附图说明

图1为本发明实施例1的变桨系统的监控方法的流程图。

图2为实施例1中变桨系统的监控模型的训练方法的流程图。

图3为实施例1中步骤101的实现方式的部分流程图。

图4为本发明实施例3的变桨系统的监控系统的模块示意图。

图5为本发明实施例5的电子系统的模块示意图。

具体实施方式

下面通过实施例的方式进一步说明本发明，但并不因此将本发明限制在所述的实施例范围之中。

下述实施例中出现的第一、第二等描述，仅作示意与区分描述对象之用，没有次序之分，也不表示本申请实施例中对设备个数的特别限定，不能构成对本申请实施例的任何限制。例如，可以将第一训练数据称为第二训练数据，而没脱离本公开的范围，类似地，可以将第二训练数据称为第一训练数据。

下述实施例中的风机运行状态包括但不限于风速、风电机组功率、发电机转速、偏航角度等状态，桨矩角状态监控值包括但不限于用于表征桨矩角是否开启的变桨系统控制字及用于具体表征桨矩角大小的桨矩角监控值。

实施例1

本实施例提供了一种变桨系统的监控方法，如图1所示，该监控方法包括：

步骤001、判断主控系统的当前通讯状态是否正常，若否，则执行步骤002，若是，则执行步骤003。

步骤002、通过监控模型获取变桨系统的目标桨矩角状态监控值，执行步骤005。

其中，监控模型用于基于变桨系统的历史桨矩角状态监控值输出变桨系统的目标桨矩角状态监控值。

在一种实施方式中，可以获取当前周期前的若干周期下历史风机运行状态及对应的历史桨矩角状态监控值以作为模型输入数据，并将模型输入数据输入至监控模型中以获取变桨系统的当前桨矩角状态监控值。在另一种实施方式中，也可以将其它的预设数据作为模型输入数据输入至监控模型中以获取变桨系统的目标桨矩角状态监控值。本实施例优选将历史风机运行状态及对应的历史桨矩角状态监控值作为模型输入数据以获取目标桨矩角状态监控值。

本实施例中，可以通过监控模型获取目标桨矩角状态监控值，从而可以在当前通讯状态不正常时通过目标桨距角监控值持续可靠地监控变桨系统的运行。

应当理解，在另一实施例中，步骤001中当判断主控系统的当前通讯状态是否正常的结果为是时，不执行步骤003，而执行步骤002，即即便当前通讯状态正常也可以通过监控模型获取变桨系统的目标桨距角监控值。

步骤003、接收当前桨矩角状态监控值及当前风机运行状态。

步骤004、将当前桨矩角状态监控值作为目标桨矩角状态监控值。

步骤005、根据目标桨矩角状态监控值监控变桨系统的运行。

在一种具体的实施方式中，步骤005之后可以进一步包括步骤006及007。

步骤006、判断在预设时间范围内当前通讯状态是否恢复：若否，则执行步骤007，若是，则返回步骤004。

本实施例中，可以设置了至少一个计时器，在步骤001中，当判断当前通讯状态为不正常时，则计时器开始计时，步骤006中，通过计时器的计时时间来判断是否超过预设时间范围，若超过，则执行步骤007。具体的，预设时间范围可以设置为主控系统允许变桨系统存在的跟随偏差的时间。

步骤007、发送警报信息。

本实施例中，步骤001中存在多种方式来判断当前通讯状态是否正常：

在一种具体的实施方式中，可以根据变桨系统及主控系统间的通讯线路是否发生故障来判断当前通讯状态是否正常，具体的，可以判断主控系统的通讯模块是否正常、变桨系统的通讯模块是否正常、主控系统与变桨系统间的通讯电缆是否正常等方式来判断当前通讯状态是否正常。

在另一种具体的实施方式中，还可以通过主控系统当前周期或者上一周期接收的变桨系统发送的数据的范围是否正常来判断当前通讯状态是否正常，这种方式的具体判断方法如下：判断第一周期前的若干周期下的风机运行状态是否位于预设风机运行状态的第一预设范围内，且第一周期前的若干周期下的桨矩角状态监控值是否位于预设桨矩角监控值的第二预设范围内：若均位于，则确认当前通讯状态正常，若二者中至少任意之一未位于，则确认当前通讯状态发生故障。

其中，可以根据实际情况设置预设风机运行状态的具体值、桨矩角状态监控值的具体值、第一预设范围的具体值及第二预设范围的具体值，如根据实际经验，桨矩角监控值的正常范围通常为0～91deg(度)，因此可以将预设的桨矩角状态监控值设置为0～91deg之间，并且由于桨矩角监控值的单位时间内变化率通常小于变桨最大速度在单位时间内变化率，因此可以根据变桨最大速度在单位时间内变化率以及桨矩角监控值的单位时间内变化率来设置预设的桨矩角状态监控值的第一预设范围；又如风速范围通常为切入风速与切出风速之间，作为示例风速范围通常为3～15m/s(米/秒)，因此可以将预设的风速设置为在3～15m/s之间；又如风电机组功率通常为0至风电机组额定功率，由于允许小幅值的超发，如大于额定功率10％，因此可以将预设的风电机组功率设置为0至风电机组额定功率，并将预设的风电机组额定功率的第二预设范围设置为额定功率至额定功率乘以(1+10％)；再如，发电机转速通常为风轮转速乘以传动链的变速比，作为示例风轮转速≤12rpm(转/分钟)，传动链变速比为50，因此，可以将预设的发电机的转速设置为小于或等于12*50＝600rpm。

还有一种具体的实施方式，可以结合前述两种具体实施方式，即当变桨系统及主控系统间的通讯线路未发生故障时，还需进一步判断主控系统接收的变桨系统发送的数据的范围是否正常，只有在通讯线路未发生故障且数据范围正常的情况下，才会认为当前通讯状态正常。

本实施例中，步骤002中的监控模型为预先训练好的监控模型，如图2所示，在一种具体的实施方式中，该监控模型可以通过下述步骤进行训练：

步骤101、获取若干第一周期前的若干周期下的风机运行状态及对应的桨矩角状态监控值以作为若干第一训练数据，获取若干第一周期下的风机运行状态及对应的桨矩角状态监控值以作为若干第二训练数据。

其中，桨矩角状态监控值用于表征变桨系统的实际运行情况。

应当理解，本实施例中的第一周期可以包括时间轴上的不同周期，对应的第一周期前的若干周期也可以包括若干不同时间的周期，如a周期、b周期、c周期为时间顺序由先至后的周期，可以同时选择a周期、b周期、c周期为第一周期，也可以选择a周期、b周期、c周期中的任意两个或任意一个作为第一周期。当c周期作为第一周期时，则可以将a周期和b周期同时作为第一周期前的周期，也可以仅选择a周期作为第一周期前的周期，也可以仅选择b周期为第一周期前的周期；当b周期为第一周期时，则可以选择a周期为第一周期；当a周期为第一周期时，则可以选择时间轴上比a周期更靠前的周期为第一周期前的周期。

其中，第一训练数据包括第一历史数据及第一模拟数据中的至少一种，第二训练数据包括第二历史数据及第二模拟数据中的至少一种。其中，第一模拟数据及第二模拟数据为实验室中通过软件模拟出的不同周期下的风机运行状态及对应的桨矩角状态的仿真数据。

其中，第一历史数据及第二历史数据均为主控系统接收到的变桨系统发送的真实的历史数据，具体的，如图3所示，第一历史数据可以通过下述方式获得：

步骤1011、接收第一周期前的若干周期下的风机运行状态及对应的桨矩角状态监控值。

步骤1012、判断第一周期前的若干周期下的风机运行状态是否位于预设风机运行状态的第一预设范围内，且第一周期前的若干周期下的桨矩角状态监控值是否位于预设桨矩角监控值的第二预设范围内：若均位于，则执行步骤1013，若二者中至少任意之一未位于，则执行步骤1014。

步骤1013、将接收的风机运行状态及对应的桨矩角状态监控值作为第一历史数据，流程结束。

步骤1014、接收新的周期下的风机运行状态及对应的桨矩角状态监控值，并将新的周期作为第一周期，返回步骤1012。

其中，步骤1011中，接收的为第一周期前的若干周期下的风机运行状态及第一周期前的若干周期下的变桨系统发送的对应的桨矩角状态监控值，具体的，主控系统可以通过Profibus DP(一种有线通信装置)与变桨系统连接，从而可以与变桨系统进行数据传输。变桨系统可以每隔一定的周期向主控系统发送一次数据，如每隔20ms向主控系统发一次桨矩角状态监控值。

其中，步骤1012中可以根据实际情况设置预设风机运行状态的具体值、桨矩角状态设定值的具体值、第一预设范围的具体值及第二预设范围的具体值，具体的设置方法可以参考步骤001中对预设风机运行状态的具体值、桨矩角状态设定值的具体值、第一预设范围的具体值及第二预设范围的具体值的设置方法，此处便不再赘述。

本实施例中，通过判断第一周期及第一周期前的若干周期下的风机运行状态是否位于预设风机运行状态的第一预设范围内，且第一周期及第一周期前的若干周期下的桨矩角状态监控值是否位于预设桨矩角监控值的第二预设范围内，可以对接收的风机运行状态及桨矩角状态进行进一步筛选，从而获得更有效的训练数据。

应当理解，在另一实施例中，也可以不进行步骤1012的判断，而直接将步骤1011接收的第一周期前的若干周期下的风机运行状态及对应的桨矩角状态监控值作为第一历史数据。

应当理解，本实施例中，第一历史数据与第二历史数据为时间轴上先后周期上的数据，具体的，第二历史数据为在时间轴上比第一历史数据获取的时间更晚的数据，也就是说，当获取到了新的第一历史数据时，则接收的新的第一历史数据相对于原来的第一历史数据可以成为第二历史数据，同理，当接收到新的第二历史数据，则原来的第二历史数据可以相对于新的第二历史数据成为第一历史数据。

其中，在步骤1012中，当判断结果为均位于时，可以进一步将接收的风机运行状态及对应的桨矩角状态监控值存储下来，相反，当判断结果不是均位于时，则可以将前述数据删除。

步骤102、将若干第一训练数据作为输入，对应的第二训练数据作为输出，训练机器学习模型以获取监控模型。

本实施例中的机器学习模型可以选择现有技术中存在模型，如：神经网络模型、线性模型、决策树模型等等，本实施例中，为了兼顾训练速度及训练准确度，优选小批量梯度下降模型。

判断机器学习模型是否训练成功、对模型进行测试以及对模型进行优化可以选择现有技术中已公开的关于判断机器学习训练成功、测试成功以及优化的方法，如可以通过损失函数是否收敛来判断机器学习模型是否训练成果，通过测试集中对模型的输出结果符合真实结果的比例来判断是否测试成果等，本实施例并不对前述方式进行限制，且前述方式也并不作为本实施例的改进点。

本实施例中，利用主控系统的自身数据进行模型训练，在通讯系统发生故障时，在无需增加额外硬件的情况下即可以根据历史数据及训练出的监控模型得到当前桨矩角状态监控值，进而实时监控变桨系统的运行。本发明不仅提高了主控系统对变桨系统控制的可靠性，也避免风电机组发生通讯闪断故障而停机的情况发生，提高了风电机组的可利用率，保证了风电机组的发电量。

本实施例中，通过判断接收的变桨系统发送的数据是否在预设数据的预设范围内，可以进一步得到有效的数据来训练机器学习模型。

本实施例中，在训练机器学习模型时，可以均采用实验室获得的仿真的第一模拟数据及第二模拟数据，也可以在初期时采用第一模拟数据及第二模拟数据，之后再采用第一历史数据及第二历史数据，一方面可以减少判断及存储变桨系统发送的数据的负担，另一方面，也可以减少训练时间、提高训练效率。

应当理解，步骤003的执行顺序并不限于在步骤002之后，也可以在步骤002之前，步骤001之前。

本实施例中，在步骤003中，当接收了当前桨矩角状态监控值及当前风机运行状态后，可以进一步判断当前桨矩角状态监控值及当前风机运行状态是否有效，当有效时，还可以进一步将有效的数据存储起来供后续使用，一方面存储下来的数据可以作为后续通讯发生故障时步骤002中的模型输入数据来使用，另一方面，该数据还可以作为训练数据以供进一步训练监控模型使用。具体的判断当前桨矩角状态监控值及当前风机运行状态是否有效的方法可以参考步骤001中对当前周期下的风机运行状态及对应的桨矩角状态监控值是否位于预设风机运行状态的第一预设范围内的判断方法，当均位于，则认为数据有效，此处便不再赘述。

本实施例中，步骤007中的警报信息用于通报主控系统与变桨系统之间的通讯发生了故障。在发送警报信息后可以进一步通过警报信息直接触发变桨系统停机，或者通过警报信息触发安全系统运行，再通过安全系统进一步控制变桨系统停机。

本实施例中，当变桨系统与主控系统之间的通讯正常时，主控系统可以利用从变桨系统接收的数据来监控变桨系统的运行，当主控系统与变桨系统之间的通讯故障时，可以将主控系统的历史数据作为模型输入数据输入至监控模型中以得到可监控变桨运行的当前桨矩角状态监控值，本实施例在无需增加额外硬件设备的基础上，解决了风电机组发生通讯闪断故障而导致主控系统无法对变桨系统进行监控问题，提高了主控系统的监控能力，从而进一步提高了风电机组的可利用率，保证了风电机组的发电量。

本实施例中，若主控系统与变桨系统之间的通讯超过一定时间仍未恢复，则会发送警报信息，并且可以进一步通过警报信息触发风电机组停机，一方面可以通知有关人员来进行处理，另一方面也可以保证主控系统对变桨系统的实时控制功能的实现。

实施例2

本实施例提供了一种变桨系统的监控系统，如图4所示，该监控系统包括：通讯判断模块301、目标数据获取模块302以及运行监控模块303。

通讯判断模块301用于判断变桨系统的当前通讯状态是否正常，若否，则调用目标数据获取模块302，目标数据获取模块302用于通过监控模型获取变桨系统的目标桨矩角状态监控值，监控模型用于基于变桨系统的历史桨矩角状态监控值输出变桨系统的当前桨矩角状态监控值，运行监控模块303用于根据目标桨矩角状态监控值监控变桨系统的运行。

在一种实施方式中，目标数据获取模块302可以获取当前周期前的若干周期下历史风机运行状态及对应的历史桨矩角状态监控值以作为模型输入数据，并将模型输入数据输入至监控模型中以获取变桨系统的当前桨矩角状态监控值。在另一种实施方式中，也可以将其它的预设数据作为模型输入数据输入至监控模型中以获取变桨系统的目标桨矩角状态监控值。本实施例优选将历史风机运行状态及对应的历史桨矩角状态监控值作为模型输入数据以获取目标桨矩角状态监控值。

本实施例中，可以通过监控模型获取目标桨矩角状态监控值，从而可以在当前通讯状态不正常时通过目标桨距角监控值持续可靠地监控变桨系统的运行。

本实施例中，通讯判断模块301存在多种方式来判断当前通讯状态是否正常：

在一种具体的实施方式中，通讯判断模块301可以根据变桨系统及主控系统间的通讯线路是否发生故障来判断当前通讯状态是否正常，具体的，可以判断主控系统的通讯模块是否正常、变桨系统的通讯模块是否正常、主控系统与变桨系统间的通讯电缆是否正常等方式来判断当前通讯状态是否正常。

在另一种具体的实施方式中，还可以通过主控系统当前周期或者上一周期接收的变桨系统发送的数据的范围是否正常来判断当前通讯状态是否正常，这种方式的具体判断方式如下：判断第一周期前的若干周期下的风机运行状态是否位于预设风机运行状态的第一预设范围内，且第一周期前的若干周期下的桨矩角状态监控值是否位于预设桨矩角监控值的第二预设范围内：若均位于，则确认当前通讯状态正常，若二者中至少任意之一未位于，则确认当前通讯状态发生故障。

其中，可以根据实际情况设置预设风机运行状态的具体值、桨矩角状态监控值的具体值、第一预设范围的具体值及第二预设范围的具体值，如根据实际经验，桨矩角监控值的正常范围通常为0～91deg，因此可以将预设的桨矩角状态监控值设置为0～91deg之间，并且由于桨矩角监控值的单位时间内变化率通常小于变桨最大速度在单位时间内变化率，因此可以根据变桨最大速度在单位时间内变化率以及桨矩角监控值的单位时间内变化率来设置预设的桨矩角状态监控值的第一预设范围；又如风速范围通常为切入风速与切出风速之间，作为示例风速范围通常为3～15m/s，因此可以将预设的风速设置为在3～15m/s之间；又如风电机组功率通常为0至风电机组额定功率，由于允许小幅值的超发，如大于额定功率10％，因此可以将预设的风电机组功率设置为0至风电机组额定功率，并将预设的风电机组额定功率的第二预设范围设置为额定功率至额定功率乘以(1+10％)；再如，发电机转速通常为风轮转速乘以传动链的变速比，作为示例风轮转速≤12rpm，传动链变速比为50，因此，可以将预设的发电机的转速设置为小于或等于12*50＝600rpm。

还有一种具体的实施方式，可以结合前述两种具体实施方式，即当变桨系统及主控系统间的通讯线路未发生故障时，还需进一步判断主控系统接收的变桨系统发送的数据的范围是否正常，只有在通讯线路未发生故障且数据范围正常的情况下，才会认为当前通讯状态正常。

本实施例中，目标数据获取模块302使用的监控模型为预先训练好的监控模型，在一种具体的实施方式中，该监控模型还可以进一步包括：第一训练数据获取模块304、第二训练数据获取模块305及模型训练模块306。

第一训练数据获取模块304用于获取若干第一周期前的若干周期下的风机运行状态及对应的桨矩角状态监控值以作为若干第一训练数据。第二训练数据获取模块305用于获取若干第一周期下的风机运行状态及对应的桨矩角状态监控值以作为若干第二训练数据。

其中，桨矩角状态监控值用于表征变桨系统的实际运行情况。

模型训练模块306用于将若干第一训练数据作为输入，对应的第二训练数据作为输出，训练机器学习模型以获取监控模型，监控模型用于基于变桨系统的历史桨矩角状态监控值输出变桨系统的当前桨矩角状态监控值。

应当理解，本实施例中的第一周期可以包括时间轴上的不同周期，对应的第一周期前的若干周期也可以包括若干不同时间的周期，如a周期、b周期、c周期为时间顺序由先至后的周期，可以同时选择a周期、b周期、c周期为第一周期，也可以选择a周期、b周期、c周期中的任意两个或任意一个作为第一周期。当c周期作为第一周期时，则可以将a周期和b周期同时作为第一周期前的周期，也可以仅选择a周期作为第一周期前的周期，也可以仅选择b周期为第一周期前的周期；当b周期为第一周期时，则可以选择a周期为第一周期；当a周期为第一周期时，则可以选择时间轴上比a周期更靠前的周期为第一周期前的周期。

其中，第一训练数据包括第一历史数据及第一模拟数据中的至少一种，第二训练数据包括第二历史数据及第二模拟数据中的至少一种。其中，第一模拟数据及第二模拟数据为实验室中通过软件模拟出的不同周期下的风机运行状态及对应的桨矩角状态的仿真数据。

其中，第一历史数据及第二历史数据均为主控系统接收到的变桨系统发送的真实的历史数据，具体的，当第一训练数据包括第一历史数据时，第一训练数据获取模块304包括第一原始数据获取单元及第一历史数据获取单元。

第一原始数据获取单元用于接收第一周期前的若干周期下的风机运行状态及对应的桨矩角状态监控值；第一历史数据获取单元用于当第一周期前的若干周期下的风机运行状态位于预设风机运行状态的第一预设范围内，且第一周期前的若干周期下的桨矩角状态监控值位于预设桨矩角监控值的第二预设范围内时，将接收的风机运行状态及对应的桨矩角状态监控值作为第一历史数据；

当第二训练数据包括第二历史数据时，第二训练数据获取模块305402包括第二原始数据获取单元及第二历史数据获取单元。

第二原始数据获取单元用于接收第一周期下的风机运行状态及对应的桨矩角状态监控值，第二历史数据获取单元用于当第一周期下的风机运行状态位于预设风机运行状态的第一预设范围内，且第一周期下的桨矩角状态监控值位于预设桨矩角监控值的第二预设范围内时，将接收的风机运行状态及对应的桨矩角状态监控值作为第二历史数据。

其中，第一原始数据获取单元及第二原始数据获取单元接收的为变桨系统发送的数据，具体的，变桨系统可以通过Profibus DP与主控系统连接，从而可以与主控系统进行数据传输。变桨系统可以每隔一定的周期向主控系统发送一次数据，如每隔20ms向主控系统发一次风机运行状态及对应的桨矩角状态监控值。

其中，可以根据实际情况设置预设风机运行状态的具体值、桨矩角状态监控值的具体值、第一预设范围的具体值及第二预设范围的具体值，具体的设置方式可以参考通讯判断模块301对预设风机运行状态的具体值、桨矩角状态设定值的具体值、第一预设范围的具体值及第二预设范围的具体值的设置方式，此处便不再赘述。

本实施例中，通过第一历史数据获取单元及第二历史数据获取单元判断第一周期或第一周期前的若干周期下的风机运行状态是否位于预设风机运行状态的第一预设范围内，且第一周期或第一周期前的周期的桨矩角状态监控值是否位于预设桨矩角监控值的第二预设范围内，可以对接收的风机运行状态及桨矩角状态进行进一步筛选，从而获得更有效的训练数据。

应当理解，在另一实施例中，第一历史数据获取单元及第二历史数据获取单元也可以不进行判断，而直接将接收的第一周期或第二周期下的风机运行状态及对应的桨矩角状态监控值作为第一历史数据或第二历史数据。

应当理解，本实施例中，第一历史数据与第二历史数据为时间轴上先后周期上的数据，具体的，第二历史数据为在时间轴上比第一历史数据获取的时间更晚的数据，也就是说，当获取到了新的第一历史数据时，则接收的新的第一历史数据相对于原来的第一历史数据可以成为第二历史数据，同理，当接收到新的第二历史数据，则原来的第二历史数据可以相对于新的第二历史数据成为第一历史数据。

本实施例中的机器学习模型可以选择现有技术中存在模型，如：神经网络模型、线性模型、决策树模型等等，本实施例中，为了兼顾训练速度及训练准确度，优选小批量梯度下降模型。

模型训练模块306判断机器学习模型是否训练成功、对模型进行测试以及对模型进行优化可以选择现有技术中已公开的关于判断机器学习训练成功、测试成功以及优化的实现方式，如可以通过损失函数是否收敛来判断机器学习模型是否训练成果，通过测试集中对模型的输出结果符合真实结果的比例来判断是否测试成果等，本实施例并不对前述方式进行限制，且前述方式也并不作为本实施例的改进点。

本实施例中，模型训练模块306利用主控系统的自身数据进行模型训练，在通讯系统发生故障时，在无需增加额外硬件的情况下即可以根据历史数据及训练出的监控模型得到当前桨矩角状态监控值，进而实施监控变桨系统的运行。本发明不仅提高了主控系统对变桨系统控制的可靠性，也提高了风电机组的可利用率，保证了风电机组的发电量。

本实施例中，第一训练数据获取模块304及第二训练数据获取模块305通过判断接收的变桨系统发送的数据是否在预设数据的预设范围内，可以进一步得到有效的数据来训练机器学习模型。

本实施例中，模型训练模块306在训练机器学习模型时，可以均采用实验室获得的仿真的第一模拟数据及第二模拟数据，也可以在初期时采用第一模拟数据及第二模拟数据，之后再采用第一历史数据及第二历史数据，一方面可以减少判断及存储变桨系统发送的数据的负担，另一方面，也可以减少训练时间、提高训练效率。

本实施例中，监控系统还可以包括当前数据接收模块307，通讯判断模块301还用于判断变桨系统的当前通讯状态是否正常的结果为是时，调用当前数据接收模，当前数据接收模块307用于接收当前桨矩角状态监控值，目标数据获取模块302还用于将当前桨矩角状态监控值作为目标桨矩角状态监控值。

其中，当前数据接收模块307接收了当前桨矩角状态监控值及当前风机运行状态后，可以进一步判断当前桨矩角状态监控值及当前风机运行状态是否有效，当有效时，还可以进一步将有效的数据存储起来供后续使用，一方面存储下来的数据可以作为后续通讯发生故障时监控模型的输入数据来使用，另一方面，该数据还可以作为训练数据以供进一步训练监控模型使用。具体的判断当前桨矩角状态监控值及当前风机运行状态是否有效的方式可以参考通讯判断模块301对当前周期下的风机运行状态及对应的接收的桨矩角状态监控值是否位于预设风机运行状态的第一预设范围内的判断方式，当均位于，则认为数据有效，此处便不再赘述。

应当理解，在另一实施例中，通讯判断模块301当判断变桨系统的当前通讯状态是否正常的结果为是时，同样调用目标数据获取模块302以通过监控模型获取变桨系统的目标桨距角监控值。

本实施例中，监控系统还包括恢复判断模块308，通讯判断模块301还用于当判断变桨系统的当前通讯状态是否正常的结果为否时，调用恢复判断模块308，恢复判断模块308用于判断在预设时间范围内当前通讯状态是否恢复：若否，则发送警报信息并控制风电机组紧急停机；若是，则将当前桨矩角状态监控值作为目标桨矩角状态监控值，并调用运行监控模块303。

本实施例中，可以设置了至少一个计时器，通讯判断模块301当判断当前通讯状态为不正常时，则计时器开始计时，恢复判断模块308通过计时器的计时时间来判断是否超过预设时间范围。具体的，预设时间范围可以设置为主控系统允许变桨系统存在的跟随偏差的时间。

本实施例中，警报信息用于通报主控系统与变桨系统之间的通讯发生了故障。在发送警报信息后可以进一步通过警报信息直接触发变桨系统停机，或者通过警报信息触发安全系统运行，再通过安全系统进一步控制变桨系统停机。

本实施例中，当变桨系统与主控系统之间的通讯正常时，主控系统可以利用从变桨系统接收的数据来控制变桨运行，当主控系统与变桨系统之间的通讯故障时，可以将主控系统的历史数据作为模型输入数据输入至监控模型中以得到可以监控变桨运行的目标桨矩角状态监控值，本实施例在无需增加额外硬件设备的基础上，解决了风电机组发生通讯闪断故障而导致主控系统无法对变桨系统进行监控问题，提高了主控系统的监控能力，从而进一步提高了风电机组的可利用率，保证了风电机组的发电量。

本实施例中，若变桨系统与主控系统之间的通讯超过一定时间仍未恢复，恢复判断模块308则会发送警报信息并控制风电机组停机，一方面可以通知有关人员来进行处理，另一方面也可以保证主控系统对变桨系统的实时控制功能的实现。

实施例3

本发明实施例还提供一种电子设备，电子设备可以通过计算设备的形式表现(例如可以为服务器设备)，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中处理器执行计算机程序时可以实现本发明实施例1中变桨系统的监控方法。

图5示出了本实施例的硬件结构示意图，如图5所示，电子设备9具体包括：

至少一个处理器91、至少一个存储器92以及用于连接不同系统组件(包括处理器91和存储器92)的总线93，其中：

总线93包括数据总线、地址总线和控制总线。

存储器92包括易失性存储器，例如随机存取存储器(RAM)921和/或高速缓存存储器922，还可以进一步包括只读存储器(ROM)923。

存储器92还包括具有一组(至少一个)程序模块924的程序/实用工具925，这样的程序模块924包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。

处理器91通过运行存储在存储器92中的计算机程序，从而执行各种功能应用以及数据处理，例如本发明实施例1中变桨系统的监控模型的训练方法，或实施例2或实施例3中变桨系统的监控方法。

电子设备9进一步可以与一个或多个外部设备94(例如键盘、指向设备等)通信。这种通信可以通过输入/输出(I/O)接口95进行。并且，电子设备9还可以通过网络适配器96与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。网络适配器96通过总线93与电子设备9的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备9使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理器、外部磁盘驱动阵列、RAID(磁盘阵列)系统、磁带驱动器以及数据备份存储系统等。

应当注意，尽管在上文详细描述中提及了电子设备的若干单元/模块或子单元/模块，但是这种划分仅仅是示例性的并非强制性的。实际上，根据本申请的实施方式，上文描述的两个或更多单元/模块的特征和功能可以在一个单元/模块中具体化。反之，上文描述的一个单元/模块的特征和功能可以进一步划分为由多个单元/模块来具体化。

实施例4

本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，程序被处理器执行时实现本发明实施例1中变桨系统的监控方法的步骤。

其中，可读存储介质可以采用的更具体可以包括但不限于：便携式盘、硬盘、随机存取存储器、只读存储器、可擦拭可编程只读存储器、光存储器件、磁存储器件或上述的任意合适的组合。

在可能的实施方式中，本发明还可以实现为一种程序产品的形式，其包括程序代码，当程序产品在终端设备上运行时，程序代码用于使终端设备执行实现本发明实施例1中变桨系统的监控方法的步骤。

其中，可以以一种或多种程序设计语言的任意组合来编写用于执行本发明的程序代码，程序代码可以完全地在用户设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户设备上部分在远程设备上执行或完全在远程设备上执行。

虽然以上描述了本发明的具体实施方式，但是本领域的技术人员应当理解，这仅是举例说明，本发明的保护范围是由所附权利要求书限定的。本领域的技术人员在不背离本发明的原理和实质的前提下，可以对这些实施方式做出多种变更或修改，但这些变更和修改均落入本发明的保护范围。

Claims (16)

1.一种变桨系统的监控方法，其特征在于，所述监控方法包括：

判断所述变桨系统的当前通讯状态是否正常，若否，则通过监控模型获取所述变桨系统的目标桨矩角状态监控值，根据所述目标桨矩角状态监控值监控所述变桨系统的运行；其中，所述监控模型用于基于所述变桨系统的历史桨矩角状态监控值输出所述变桨系统的目标桨矩角状态监控值；

所述历史桨矩角状态监控值包括当前周期前的若干周期下的历史桨矩角状态监控值；

所述监控模型通过以下步骤获得：

获取若干第一周期前的若干周期下的风机运行状态及对应的桨矩角状态监控值以作为若干第一训练数据；

获取若干所述第一周期下的风机运行状态及对应的桨矩角状态监控值以作为若干第二训练数据；

将若干所述第一训练数据作为输入，对应的第二训练数据作为输出，训练机器学习模型以获取所述监控模型；

在训练机器学习模型以获取所述监控模型的第一训练时段中，所述第一训练数据为第一模拟数据，所述第二训练数据为第二模拟数据；

在训练机器学习模型以获取所述监控模型的第二训练时段中，所述第一训练数据为第一历史数据，所述第二训练数据为第二历史数据；

所述第一训练时段早于所述第二训练时段。

2.如权利要求1所述的变桨系统的监控方法，其特征在于，所述第一训练数据包括第一历史数据及第一模拟数据中的至少一种，所述第二训练数据包括第二历史数据及第二模拟数据中的至少一种。

3.如权利要求2所述的变桨系统的监控方法，其特征在于，当所述第一训练数据包括所述第一历史数据时，所述获取若干第一周期前的若干周期下的风机运行状态及对应的桨矩角状态监控值以作为若干第一训练数据的步骤包括：

接收所述第一周期前的若干周期下的风机运行状态及对应的桨矩角状态监控值；

当所述第一周期前的若干周期下的风机运行状态位于预设风机运行状态的第一预设范围内，且所述第一周期前的若干周期下的桨矩角状态监控值位于预设桨矩角监控值的第二预设范围内时，将接收的风机运行状态及对应的桨矩角状态监控值作为第一历史数据；

当所述第二训练数据包括所述第二历史数据时，所述获取若干所述第一周期下的风机运行状态及对应的桨矩角状态监控值以作为若干第二训练数据的步骤包括：

接收所述第一周期下的风机运行状态及对应的桨矩角状态监控值；

当所述第一周期下的风机运行状态位于所述预设风机运行状态的第一预设范围内，且所述第一周期下的桨矩角状态监控值位于所述预设桨矩角监控值的第二预设范围内时，将接收的风机运行状态及对应的桨矩角状态监控值作为第二历史数据。

4.如权利要求2或3所述的变桨系统的监控方法，其特征在于，所述机器学习模型为神经网络模型。

5.如权利要求4所述的变桨系统的监控方法，其特征在于，所述神经网络模型为基于小批量梯度下降算法的神经网络模型。

6.如权利要求1所述的变桨系统的监控方法，其特征在于，所述监控方法还包括：接收当前桨矩角状态监控值及当前风机运行状态；

所述判断所述变桨系统的当前通讯状态是否正常的步骤包括：

判断当前风机运行状态是否位于预设风机运行状态的第一预设范围内，及当前桨矩角状态监控值是否位于预设桨矩角状态监控值的第二预设范围内：

当所述当前桨矩角状态监控值未位于所述预设桨矩角状态监控值的第一预设范围内，或所述当前风机运行状态未位于所述预设风机运行状态的第二预设范围内时，则确定判断变桨系统的当前通讯状态是否正常的结果为否。

7.如权利要求6所述的变桨系统的监控方法，其特征在于，当判断所述变桨系统的当前通讯状态是否正常的结果为否时，所述监控方法还包括：

判断在预设时间范围内当前通讯状态是否恢复：若否，则发送警报信息，所述警报信息用于触发所述变桨系统停机；和/或，若是，则将所述当前桨矩角状态监控值作为目标桨矩角状态监控值，并执行根据所述目标桨矩角状态监控值监控变桨系统的运行的步骤。

8.一种变桨系统的监控系统，其特征在于，所述监控系统包括：通讯判断模块、目标数据获取模块以及运行监控模块；

所述通讯判断模块用于判断所述变桨系统的当前通讯状态是否正常，若否，则调用所述目标数据获取模块；

所述目标数据获取模块用于通过监控模型获取所述变桨系统的目标桨矩角状态监控值，所述监控模型用于基于所述变桨系统的历史桨矩角状态监控值输出所述变桨系统的当前桨矩角状态监控值；

所述运行监控模块用于根据所述目标桨矩角状态监控值监控所述变桨系统的运行；

所述历史桨矩角状态监控值包括当前周期前的若干周期下的历史桨矩角状态监控值；

所述监控系统还包括：第一训练数据获取模块、第二训练数据获取模块及模型训练模块；

所述第一训练数据获取模块用于获取若干第一周期前的若干周期下的风机运行状态及对应的桨矩角状态监控值以作为若干第一训练数据；

所述第二训练数据获取模块用于获取若干所述第一周期下的风机运行状态及对应的桨矩角状态监控值以作为若干第二训练数据；

所述模型训练模块用于将若干所述第一训练数据作为输入，对应的第二训练数据作为输出，训练机器学习模型以获取所述监控模型，所述监控模型用于基于所述变桨系统的历史桨矩角状态监控值输出所述变桨系统的当前桨矩角状态监控值；

在训练机器学习模型以获取所述监控模型的第一训练时段中，所述第一训练数据为第一模拟数据，所述第二训练数据为第二模拟数据；

在训练机器学习模型以获取所述监控模型的第二训练时段中，所述第一训练数据为第一历史数据，所述第二训练数据为第二历史数据；

所述第一训练时段早于所述第二训练时段。

9.如权利要求8所述的变桨系统的监控系统，其特征在于，所述第一训练数据包括第一历史数据及第一模拟数据中的至少一种，所述第二训练数据包括第二历史数据及第二模拟数据中的至少一种。

10.如权利要求9所述的变桨系统的监控系统，其特征在于，当所述第一训练数据包括所述第一历史数据时，所述第一训练数据获取模块包括第一原始数据获取单元及第一历史数据获取单元；

所述第一原始数据获取单元用于接收所述第一周期前的若干周期下的风机运行状态及对应的桨矩角状态监控值；

所述第一历史数据获取单元用于当所述第一周期前的若干周期下的风机运行状态位于预设风机运行状态的第一预设范围内，且所述第一周期前的若干周期下的桨矩角状态监控值位于预设桨矩角监控值的第二预设范围内时，将接收的风机运行状态及对应的桨矩角状态监控值作为第一历史数据；

当所述第二训练数据包括第二历史数据时，所述第二训练数据获取模块包括第二原始数据获取单元及第二历史数据获取单元；

所述第二原始数据获取单元用于接收所述第一周期下的风机运行状态及对应的桨矩角状态监控值；

所述第二历史数据获取单元用于当所述第一周期下的风机运行状态位于预设风机运行状态的第一预设范围内，且所述第一周期下的桨矩角状态监控值位于预设桨矩角监控值的第二预设范围内时，将接收的风机运行状态及对应的桨矩角状态监控值作为第二历史数据。

11.如权利要求9或10所述的变桨系统的监控系统，其特征在于，所述机器学习模型为神经网络模型。

12.如权利要求11所述的变桨系统的监控系统，其特征在于，所述神经网络模型为基于小批量梯度下降算法的神经网络模型。

13.如权利要求8所述的变桨系统的监控系统，其特征在于，所述监控系统还包括：当前数据接收模块，用于接收当前桨矩角状态监控值及当前风机运行状态；

所述通讯判断模块还用于判断所述当前风机运行状态是否位于预设风机运行状态的第一预设范围内，及所述当前桨矩角状态监控值是否位于预设桨矩角状态监控值的第二预设范围内：

当所述当前桨矩角状态监控值未位于所述预设桨矩角状态监控值的第一预设范围内，或所述当前风机运行状态未位于所述预设风机运行状态的第二预设范围内时，则确定判断所述变桨系统的当前通讯状态是否正常的结果为否。

14.如权利要求13所述的变桨系统的监控系统，其特征在于，所述监控系统还包括恢复判断模块；

所述通讯判断模块还用于当判断所述变桨系统的当前通讯状态是否正常的结果为否时，调用所述恢复判断模块；

所述恢复判断模块用于判断在预设时间范围内当前通讯状态是否恢复：

若否，则发送警报信息并控制风电机组停机；和/或，若是，则将所述当前桨矩角状态监控值作为目标桨矩角状态监控值，并调用所述运行监控模块。

15.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，处理器执行计算机程序时实现如权利要求1至7任一项所述的变桨系统的监控方法。

16.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，计算机程序被处理器执行时实现如权利要求1至7任一项所述的变桨系统的监控方法的步骤。

Images