CN112381352A - 一种基于多源异构监测的风电机组运行状态评估方法 - Google Patents
一种基于多源异构监测的风电机组运行状态评估方法 Download PDFInfo
- Publication number
- CN112381352A CN112381352A CN202011116628.XA CN202011116628A CN112381352A CN 112381352 A CN112381352 A CN 112381352A CN 202011116628 A CN202011116628 A CN 202011116628A CN 112381352 A CN112381352 A CN 112381352A
- Authority
- CN
- China
- Prior art keywords
- monitoring
- wind turbine
- turbine generator
- running state
- data
- 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.)
- Pending
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 91
- 238000011156 evaluation Methods 0.000 title claims abstract description 17
- 238000000034 method Methods 0.000 claims abstract description 4
- 230000015556 catabolic process Effects 0.000 claims description 6
- 238000006731 degradation reaction Methods 0.000 claims description 6
- 238000013461 design Methods 0.000 claims description 6
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000004140 cleaning Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/21—Design, administration or maintenance of databases
- G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- Databases & Information Systems (AREA)
- General Business, Economics & Management (AREA)
- Quality & Reliability (AREA)
- Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Wind Motors (AREA)
Abstract
本发明涉及一种基于多源异构监测的风电机组运行状态评估方法,包括:步骤一,基于红外监测传感器、声学监测传感器、视频监测传感器、振动监测传感器在风电机组机舱内及机舱外分别进行多源异构监测,获取多源监测数据;步骤二,基于多源监测数据联动,进行冗余性进行分析,通过剔除冗余数据,得到优化的监测方案;步骤三,基于优化的监测方案,通过红外监测、声学监测、视频监测、振动监测四个方面的监测手段,对风电机组运行状态进行分级评估。本发明通过数据联动,剔除冗余部分,能够有效降低数据量,同时能够在一定程度上减少监测传感器数量。
Description
技术领域
本发明属于风电机组运行状态评估技术领域,尤其涉及一种基于多源异构监测的风电机组运行状态评估方法。
背景技术
目前,风电机组相关监测传感器达数百个至上千个,数据量巨大,对于后续数据清洗、诊断、存储的工作量都带来了较大的困难。风电机组的监测数据如振动、声学等存在冗余部分,当振动出现异常情况时,声学监测信号同样表达异常信号,需要一种能够有效降低数据量,同时能够在一定程度上减少监测传感器数量的风电机组运行状态评估方法。
发明内容
本发明的目的是提供一种基于多源异构监测的风电机组运行状态评估方法,通过数据联动,剔除冗余部分,能够有效降低数据量,同时能够在一定程度上减少监测传感器数量。
本发明提供了一种基于多源异构监测的风电机组运行状态评估方法,包括:
步骤一,基于红外监测传感器、声学监测传感器、视频监测传感器、振动监测传感器在风电机组机舱内及机舱外分别进行多源异构监测,获取多源监测数据;
步骤二,基于多源监测数据联动,进行冗余性进行分析,通过剔除冗余数据,得到优化的监测方案;
步骤三,基于优化的监测方案,通过红外监测、声学监测、视频监测、振动监测四个方面的监测手段,对风电机组运行状态进行分级评估。
进一步地,所述步骤三包括:
1)按各监测手段,将风电机组运行状态进行初步分级;
2)按照分级,对各监测重点设备的劣化趋势进行分析,基于模糊函数的运行状态评价方法,按照设计寿命、运行时间、故障历史进行综合评定,得到最终的风电机组运行状态分级结果。
进一步地,所述步骤2)包括:
将设计寿命、运行时间、故障历史三个因素制作三维图,对劣化趋势情况进行分析;
基于联动监测数据与设定的图形目标点的位置关系,确定风电机组运行状态分级;当联动监测数据同时存在于图形目标点时,其余目标为干扰目标;在无干扰情况下,图形目标点精确复现;存在干扰情况下,图形目标点出现偏移。
借由上述方案,通过基于多源异构监测的风电机组运行状态评估方法,通过数据联动,剔除冗余部分,能够有效降低数据量,同时能够在一定程度上减少监测传感器数量。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,并可依照说明书的内容予以实施,以下以本发明的较佳实施例详细说明如后。
附图说明
图1是本发明基于多源异构监测的风电机组运行状态评估方法的流程图。
具体实施方式
下面结合附图和实施例,对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明,但不用来限制本发明的范围。
参图1所示,本实施例提供了一种基于多源异构监测的风电机组运行状态评估方法,包括:
步骤S1,基于红外监测传感器、声学监测传感器、视频监测传感器、振动监测传感器在风电机组机舱内及机舱外分别进行多源异构监测,获取多源监测数据;
步骤S2,基于多源监测数据联动(联动监测),进行冗余性进行分析,通过剔除冗余数据,得到优化的监测方案;通过冗余性分析合理配置监测方案,可以降低数据监测量及传感器数量。
步骤S3,基于优化的监测方案,通过红外监测、声学监测、视频监测、振动监测四个方面的监测手段,对风电机组运行状态进行分级评估。
在本实施例中,所述步骤S1包括:
1)按各监测手段,将风电机组运行状态进行初步分级,分级数目可为5个;
2)按照分级,对各监测重点设备的劣化趋势进行分析,基于模糊函数的运行状态评价方法,按照设计寿命、运行时间、故障历史进行综合评定,得到最终的风电机组运行状态分级结果。
在本实施例中,所述步骤2)包括:
将设计寿命、运行时间、故障历史三个因素制作三维图,对劣化趋势情况进行分析;
基于联动监测数据与设定的图形目标点(分级界限)的位置关系,确定风电机组运行状态分级;当联动监测数据同时存在于图形目标点时,其余目标为干扰目标;在无干扰情况下,图形目标点精确复现;存在干扰情况下,图形目标点出现偏移。
该基于多源异构监测的风电机组运行状态评估方法,通过数据联动,剔除冗余部分,能够有效降低数据量,同时能够在一定程度上减少监测传感器数量。
以上所述仅是本发明的优选实施方式,并不用于限制本发明,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明技术原理的前提下,还可以做出若干改进和变型,这些改进和变型也应视为本发明的保护范围。
Claims (3)
1.一种基于多源异构监测的风电机组运行状态评估方法,其特征在于,包括:
步骤一,基于红外监测传感器、声学监测传感器、视频监测传感器、振动监测传感器在风电机组机舱内及机舱外分别进行多源异构监测,获取多源监测数据;
步骤二,基于多源监测数据联动,进行冗余性进行分析,通过剔除冗余数据,得到优化的监测方案;
步骤三,基于优化的监测方案,通过红外监测、声学监测、视频监测、振动监测四个方面的监测手段,对风电机组运行状态进行分级评估。
2.根据权利要求1所述的基于多源异构监测的风电机组运行状态评估方法,其特征在于,所述步骤三包括:
1)按各监测手段,将风电机组运行状态进行初步分级;
2)按照分级,对各监测重点设备的劣化趋势进行分析,基于模糊函数的运行状态评价方法,按照设计寿命、运行时间、故障历史进行综合评定,得到最终的风电机组运行状态分级结果。
3.根据权利要求2所述的基于多源异构监测的风电机组运行状态评估方法,其特征在于,所述步骤2)包括:
将设计寿命、运行时间、故障历史三个因素制作三维图,对劣化趋势情况进行分析;
基于联动监测数据与设定的图形目标点的位置关系,确定风电机组运行状态分级;当联动监测数据同时存在于图形目标点时,其余目标为干扰目标;在无干扰情况下,图形目标点精确复现;存在干扰情况下,图形目标点出现偏移。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011116628.XA CN112381352A (zh) | 2020-10-19 | 2020-10-19 | 一种基于多源异构监测的风电机组运行状态评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011116628.XA CN112381352A (zh) | 2020-10-19 | 2020-10-19 | 一种基于多源异构监测的风电机组运行状态评估方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112381352A true CN112381352A (zh) | 2021-02-19 |
Family
ID=74580085
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011116628.XA Pending CN112381352A (zh) | 2020-10-19 | 2020-10-19 | 一种基于多源异构监测的风电机组运行状态评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112381352A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116123042A (zh) * | 2023-03-08 | 2023-05-16 | 大唐凉山新能源有限公司 | 一种风力发电机组的智能监测预警方法及系统 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101858312A (zh) * | 2010-05-31 | 2010-10-13 | 重庆大学 | 风力发电机组实时运行状态评估系统及评估方法 |
CN103822786A (zh) * | 2012-11-16 | 2014-05-28 | 中国水利电力物资有限公司 | 基于多元统计分析的风电机组机械设备状态诊断方法 |
CN104035007A (zh) * | 2014-06-10 | 2014-09-10 | 华北电力大学(保定) | 一种高压电气设备短空气间隙击穿预警的方法 |
CN104952000A (zh) * | 2015-07-01 | 2015-09-30 | 华侨大学 | 基于马尔科夫链的风电机组运行状态模糊综合评价方法 |
CN108549689A (zh) * | 2018-04-12 | 2018-09-18 | 华北电力大学 | 一种风电机组运行数据清洗方法 |
CN109425483A (zh) * | 2017-09-04 | 2019-03-05 | 锐电科技有限公司 | 基于scada和cms的风电机组运行状态评估与预测方法 |
CN109492777A (zh) * | 2018-09-14 | 2019-03-19 | 国电电力宁夏新能源开发有限公司 | 一种基于机器学习算法平台的风电机组健康管理方法 |
CN109653962A (zh) * | 2018-12-21 | 2019-04-19 | 鲁能新能源(集团)有限公司 | 一种风电机组在线监测系统和监测方法 |
-
2020
- 2020-10-19 CN CN202011116628.XA patent/CN112381352A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101858312A (zh) * | 2010-05-31 | 2010-10-13 | 重庆大学 | 风力发电机组实时运行状态评估系统及评估方法 |
CN103822786A (zh) * | 2012-11-16 | 2014-05-28 | 中国水利电力物资有限公司 | 基于多元统计分析的风电机组机械设备状态诊断方法 |
CN104035007A (zh) * | 2014-06-10 | 2014-09-10 | 华北电力大学(保定) | 一种高压电气设备短空气间隙击穿预警的方法 |
CN104952000A (zh) * | 2015-07-01 | 2015-09-30 | 华侨大学 | 基于马尔科夫链的风电机组运行状态模糊综合评价方法 |
CN109425483A (zh) * | 2017-09-04 | 2019-03-05 | 锐电科技有限公司 | 基于scada和cms的风电机组运行状态评估与预测方法 |
CN108549689A (zh) * | 2018-04-12 | 2018-09-18 | 华北电力大学 | 一种风电机组运行数据清洗方法 |
CN109492777A (zh) * | 2018-09-14 | 2019-03-19 | 国电电力宁夏新能源开发有限公司 | 一种基于机器学习算法平台的风电机组健康管理方法 |
CN109653962A (zh) * | 2018-12-21 | 2019-04-19 | 鲁能新能源(集团)有限公司 | 一种风电机组在线监测系统和监测方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116123042A (zh) * | 2023-03-08 | 2023-05-16 | 大唐凉山新能源有限公司 | 一种风力发电机组的智能监测预警方法及系统 |
CN116123042B (zh) * | 2023-03-08 | 2024-05-24 | 大唐凉山新能源有限公司 | 一种风力发电机组的智能监测预警方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20200233397A1 (en) | System, method and computer-accessible medium for machine condition monitoring | |
CN102870057B (zh) | 机械设备的诊断装置、诊断方法及诊断程序 | |
US10436759B2 (en) | Methods and apparatus to monitor a condition of a structure | |
WO2016077997A1 (en) | Wind turbine condition monitoring method and system | |
US8347144B2 (en) | False alarm mitigation | |
US20100114502A1 (en) | System and method for article monitoring | |
CN103597417A (zh) | 状态监测方法及装置 | |
US20210356361A1 (en) | Fault detection technique for a bearing | |
CN112881014B (zh) | 传动总成的下线nvh测试系统及方法 | |
CN112966879A (zh) | 环境试验箱故障预测方法、装置、计算机设备及存储介质 | |
CN105571638A (zh) | 一种机械设备故障组合预测系统及方法 | |
Regan et al. | Wind turbine blade damage detection using various machine learning algorithms | |
CN112381352A (zh) | 一种基于多源异构监测的风电机组运行状态评估方法 | |
KR102545672B1 (ko) | 기계고장 진단 방법 및 장치 | |
WO2020162425A1 (ja) | 解析装置、解析方法、およびプログラム | |
CN117435883A (zh) | 一种基于数字孪生的设备故障预测的方法和系统 | |
Joshuva et al. | Split-point and attribute-reduced classifier approach for fault diagnosis of wind turbine blade through vibration signals | |
CN110986267A (zh) | 用于空调器异响的检测方法及装置、空调器 | |
CN116467575A (zh) | 一种滚珠丝杠副系统的实时数据监测系统及方法设计 | |
CN112104340B (zh) | 一种基于HMM模型和Kalman滤波技术的开关量输入模块BIT降虚警方法 | |
CN114637793B (zh) | 一种基于大数据分析的装备故障频发区域定位方法 | |
CN117672255B (zh) | 基于人工智能和设备运行声音的异常设备识别方法及系统 | |
Pandiyan et al. | Systematic Review on Fault Diagnosis on Rolling-Element Bearing | |
CN205449521U (zh) | 基于emd降噪的吸油烟机故障诊断的系统 | |
CN117466153B (zh) | 故障检测方法、装置、计算机设备和可读存储介质 |
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 |