CN113030516B - 风速仪故障检测方法、装置、设备和存储介质 - Google Patents

Abstract

本申请提供了一种风速仪故障检测方法、装置、设备和存储介质。所述方法包括：获取待检风速和m个邻近风速；对于m个邻近风速中的第i个邻近风速，将待检风速和第i个邻近风速分别映射至参考位置，得到参考位置下的待检风速和参考位置下的第i个邻近风速；根据参考位置下的待检风速和参考位置下的第i个邻近风速，计算第i个风速残差序列；确定第i个风速残差序列的异常因子；根据m个风速残差序列的异常因子，确定待检测风电机组的风速仪是否故障。本申请实施例提供的技术方案，将不同位置处的待检测风电机组与邻近风电机组的风速映射至相同的位置，能够有效避免地理位置的差异对风速造成的影响，提高风速仪故障检测的准确性。

Description

风速仪故障检测方法、装置、设备和存储介质

技术领域

本申请实施例涉及风力发电技术领域，特别涉及一种风速仪故障检测方法、装置、设备和存储介质。

背景技术

风速仪是安装在风电机组机舱尾部用于测量风速的装置。风速仪对于风电机组的运行控制起着至关重要的作用。如果风速仪出现问题，如测风不准，或者风速仪卡住无法测量风速，则会严重影响到风电机组的控制，造成严重的发电量损失问题。

在相关技术中，针对风速仪故障检测，通常采用将待检测风电机组的风速与其地理位置上邻近的风电机组的风速进行比较，获取风速之间的残差数据，并计算残差数据的概率分布密度曲线，再对概率分布密度曲线设置门限值，进行故障检测。

对于地势复杂的风电场，待检测风电机组的风速与邻近风电机组的风速由于地理位置的差异本身就会存在较大差异，在这种情况下，若仍采用上述相关技术中的方法，难以准确检测风速仪的故障。

发明内容

本申请实施例提供了一种风速仪故障检测方法、装置、设备和存储介质。

所述技术方案如下：

根据本申请实施例的第一方面，提供了一种风速仪故障检测方法，所述方法包括：

获取待检风速和m个邻近风速，所述待检风速是指待检测风电机组的风速仪在历史时间段内的测量风速，所述m个邻近风速是指m台邻近风电机组的风速仪在所述历史时间段内各自的测量风速，所述邻近风电机组是指与所述待测风电机组邻近的风电机组，所述m为大于或等于1的整数；

对于所述m个邻近风速中的第i个邻近风速，将所述待检风速和所述第i个邻近风速分别映射至参考位置，得到参考位置下的待检风速和参考位置下的第i个邻近风速，所述i为小于或等于所述m的正整数；

根据所述参考位置下的待检风速和所述参考位置下的第i个邻近风速，计算第i个风速残差序列，所述风速残差序列用于反映所述历史时间段内相同时刻下所述待检风速与所述邻近风速的差异；

确定所述第i个风速残差序列的异常因子，所述异常因子用于表征所述风速残差序列为异常序列的可能性；

根据m个风速残差序列的异常因子，确定所述待检测风电机组的风速仪是否故障。

根据本申请实施例的第二方面，提供了一种风速仪故障检测装置，所述装置包括：

原始风速获取模块，用于获取待检风速和m个邻近风速，所述待检风速是指待检测风电机组的风速仪在历史时间段内的测量风速，所述m个邻近风速是指m台邻近风电机组的风速仪在所述历史时间段内各自的测量风速，所述邻近风电机组是指与所述待测风电机组邻近的风电机组，所述m为大于或等于1的整数；

参考风速获取模块，用于对于所述m个邻近风速中的第i个邻近风速，将所述待检风速和所述第i个邻近风速分别映射至参考位置，得到参考位置下的待检风速和参考位置下的第i个邻近风速，所述i为小于或等于所述m的正整数；

残差序列计算模块，根据所述参考位置下的待检风速和所述参考位置下的第i个邻近风速，计算第i个风速残差序列，所述风速残差序列用于反映所述历史时间段内相同时刻下所述待检风速与所述邻近风速的差异；

异常因子确定模块，确定所述第i个风速残差序列的异常因子，所述异常因子用于表征所述风速残差序列为异常序列的可能性；

故障检测模块，用于根据m个风速残差序列的异常因子，确定所述待检测风电机组的风速仪是否故障。

根据本申请实施例的第三方面，提供了一种计算机设备，所述计算机设备包括处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现如第一方面所述方法的步骤。

根据本申请实施例的第四方面，提供了一种非临时性计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如第一方面所述方法的步骤。

本申请实施例提供的技术方案可以包括以下有益效果：

通过将不同位置处的待检测风电机组与邻近风电机组的风速，映射至相同的参考位置下，并基于该参考位置下的待检测风电机组与邻近风电机组的风速，检测待检测风电机组的风速仪是否故障。相比于相关技术中，直接将待检测风电机组的风速与其地理位置上邻近的风电机组的风速进行比较，来检测待检测风电机组的风速仪是否故障。本申请实施例提供的技术方案，将不同位置处的待检测风电机组与邻近风电机组的风速映射至相同的位置，能够有效避免地理位置的差异对风速造成的影响，提高风速仪故障检测的准确性。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。

图1是根据一示例性实施例示出的一种实施环境的示意图；

图2是根据一示例性实施例示出的一种风速仪故障检测方法的流程图；

图3是根据另一示例性实施例示出的一种风速仪故障检测方法的流程图；

图4是根据一示例性实施例示出的一种风速仪故障检测装置的框图；

图5是根据另一示例性实施例示出的一种风速仪故障检测装置的框图；

图6是本申请一个实施例提供的终端的结构框图；

图7是本申请一个实施例提供的服务器的结构示意图。

具体实施方式

这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。

图1是根据一示例性实施例示出的一种实施环境的示意图。该实施环境中可以包括风电机组10和计算机设备20。

上述风电机组10可以包括基础、塔架、机舱、轮毂、叶片(风轮)组成、风速仪。其中，基础是提供风电机组的地基，保持风电机组的稳定。风电机组的受风中心需要安装在一定的高度上，塔架即是提供此高度的结构。机舱主要由玻璃钢材质的机舱罩、主机架、偏航系统、发电机组、齿轮箱、制动器、变频器、气象站及其他附件组成。轮毂主要由变浆电机、减速机、变浆控制柜、滑环、防雷导线等部件组成。叶片主要由叶片纵梁、符合材料制作的叶片壳体、叶片叶根、预埋螺栓法兰、叶片防雷接闪等部件组成。风速仪是安装在风电机组机舱尾部用于测量风速的装置，通过测量风电机组的环境风速，能够对风电机组的工作状态进行控制；比如，当环境风速大于风电机组的可运行的最低风速时，控制风电机组启动；当环境风速大于风电机组可承受的极限风速时，控制风电机组停机。

风电机组10的运行参数可以通过SCADA(Supervisory Control And DataAcquisition，数据采集与监视控制系统)获取，采集的运行参数可以包括风速、风轮转速、叶片桨距角、偏航对风角、有功功率、风电机组运行状态等。采集的方式可以是在风电机组的对应位置设置传感器。

在获取到风电机组10的运行参数后，可以将该相关参数发送到计算机设备20，以进行风速仪故障检测。上述计算机设备20是指具备数据计算、处理和存储能力的电子设备，该计算机设备可以是诸如PC(Personal Computer，个人计算机)，也可以是服务器。上述计算机设备20可以包括一个或者多个。例如，当计算机设备包括2个(如第一计算机设备和第二计算机设备)时，其中，第一计算机设备可以是与SCADA直接进行数据传输的私网服务器，第二计算机设备时公网服务器，第一计算机设备可以进一步将数据发送给第二计算机设备。

可选地，上述计算机设备20在进行风速仪故障检测之后，若检测到风速仪故障，还可以生成预警信息，该预警信息用于指示待检测风电机组的风速仪故障，并将该预警信息发送给预警设备，以便检修人员能够及时发现并进行校正。

图2是根据一示例性实施例示出的一种风速仪故障检测方法的流程图。在本实施例中，主要以该方法应用于图1实施例示出的计算机设备中。该方法可以包括如下几个步骤(201～205)：

在步骤201中，获取待检风速和m个邻近风速，该m为大于或等于1的整数。

上述待检风速是指待检测风电机组的风速仪在历史时间段内的测量风速；上述m个邻近风速是指m台邻近风电机组的风速仪在历史时间段内各自的测量风速，该邻近风电机组是指与待测风电机组邻近的风电机组。

计算机设备可以获取上述待检测风电机组和m台邻近风电机组的风速仪在历史时间段内各自的测量风速。上述历史时间段是相对于当前时间段而言的，且上述历史时间段可以是当前时间段之前的任意一个时间段，可以根据实际需求进行选择，本申请实施例对此不作限定。

可选地，上述待检风速和邻近风速可以包括历史时间段内间隔固定时长的多个时刻的测量风速，也就是说，待检风速和邻近风速均是一个风速序列，其中可以包括多个时刻下的风速数据。例如，假设历史时间段为2019年1月3日10点至2019年1月3日11点，每隔1分钟测量得到一个风速数据，则在历史时间段内可以测量得到60个风速数据。也就是说，对于待检测风电机组，其待检风速可以包括60个测量，对于每个邻近风电机组，其邻近风速也可以包括60个测量。

可选地，上述待检风速和m个邻近风速可以通过SCADA获取，采集的方式可以是在风电机组的对应位置设置传感器；此外，上述待检风速和m个邻近风速也可以通过其它方式获取，本申请实施例对此不作限定。

在获取到上述待检风速和m个邻近风速，可以将上述待检风速和m个邻近风速发送到计算机设备。对应地，计算机设备在接收到上述待检风速和m个邻近风速之后，可以进行风速仪故障检测。

在步骤202中，对于m个邻近风速中的第i个邻近风速，将待检风速和第i个邻近风速分别映射至参考位置，得到参考位置下的待检风速和参考位置下的第i个邻近风速，i为小于或等于m的正整数。

上述第i个邻近风速是指m台邻近风电机组中第i台邻近风电机组在历史时间段内的测量风速。

在获取到上述待检风速与m个邻近风速之后，考虑到待检测风电机组与邻近风电机组地理位置上的差异，可以将待检风速与m个邻近风速均映射至相同的参考位置处，从而得到参考位置下的待检风速和参考位置下的邻近风速。

可选地，上述参考位置可以是待检测风电机组所处的位置，在这种情况下，待检风速与参考位置下的待检风速相同，邻近风速可以映射至待检测风电机组所处的位置，从而得到待检测风电机组所处的位置下的邻近风速。

在一些其它实施例中，上述参考位置还可以是其它位置，如待检测风电机组所处位置海拔为10m，一台邻近风电机组所处位置海拔为20m，另一台邻近风电机组所处位置海拔为30m，则可以将参考位置设置为海拔15m，然后可以将待检测风电机组的待检风速和两台邻近风电机组的邻近风速，均映射至15m的参考位置处，从而得到15m处的待检风速和两个邻近风速。

考虑到对于地势复杂的风电场，由于地形的影响，各台风电机组的风速由于地理位置的差异本身就会存在较大差异，在这种情况下，可以将不同地理位置的风电机组的风速映射到相同的地理位置处，从而可以在同一地理位置下衡量风速，以便去除地理位置差异造成的影响，进一步保障风速仪检测的准确性。

在步骤203中，根据参考位置下的待检风速和参考位置下的第i个邻近风速，计算第i个风速残差序列。

在获取到参考位置下的待检风速和参考位置下的第i个邻近风速之后，进一步可以计算第i个风速残差序列。其中，上述风速残差序列用于反映历史时间段内相同时刻下待检风速与邻近风速的差异。上述第i个风速残差序列用于反映历史时间段内相同时刻下待检风速与第i个邻近风速的差异。

在步骤204中，确定第i个风速残差序列的异常因子。

在获取到上述第i个风速残差序列之后，可以进一步确定第i个风速残差序列的异常因子。上述异常因子用于表征风速残差序列为异常序列的可能性。

关于确定第i个风速残差序列的异常因子的方式，在下文实施例中进行详细介绍，此处不再赘述。

在步骤205中，根据m个风速残差序列的异常因子，确定待检测风电机组的风速仪是否故障。

由于存在m个邻近风速，从而可以得到m个风速残差序列，进一步可以得到m个风速残差序列的异常因子。之后，可以根据上述m个风速残差序列的异常因子进行综合判断，以确定待检测风电机组的风速仪是否故障。

综上所述，本申请实施例提供的技术方案，通过将不同位置处的待检测风电机组与邻近风电机组的风速，映射至相同的参考位置下，并基于该参考位置下的待检测风电机组与邻近风电机组的风速，检测待检测风电机组的风速仪是否故障。相比于相关技术中，将待检测风电机组的风速与其地理位置上邻近的几台风电机组的风速进行比较，来检测待检测风电机组的风速仪是否故障。本申请实施例提供的技术方案，将不同位置处的待检测风电机组与邻近风电机组的风速映射至相同的位置，能够有效避免地理位置的差异对风速造成的影响，提高风速仪故障检测的准确性。

图3是根据一示例性实施例示出的另一种风速仪故障检测方法的流程图。在本实施例中，主要以该方法应用于图1实施例示出的计算机设备中。该方法可以包括如下几个步骤(301～316)：

在步骤301中，获取p台风电机组在历史时间段内的风速数据。

上述p台台风电机组中包括待检测风电机组。

风电场中可以包括多台风电机组，计算机设备可以获取多台风电机组在历史时间段内的风速数据。

关于获取风速数据的方式已在上文进行了介绍，此处不再赘述。

在步骤302中，获取p台风电机组的位置信息。

上述位置信息包括风电机组所处经纬度和风电机组所处海拔。

每台风电机组在风电场中建设好后，均需要对风电机组的位置信息进行记录。计算机设备可以获取记录好的风电机组的位置信息。

可选地，计算机设备还可以自动检测并获取风电机组的位置信息。

在步骤303中，根据位置信息分别计算待检测风电机组与p台风电机组之间的地理距离。

在获取到上述p台风电机组的位置信息之后，可以计算其中待检测风电机组与p台风电机组之间的地理距离。

示例性地，假设待测风电机组的位置信息表示为(X₁，Y₁，Z₁),其中，X₁表示待测风电机组所处纬度，Y₁表示待检测风电机组所处经度，Z₁表示待检测机组所处海拔；另一台风电机组的位置信息可以表示为(X₂，Y₂，Z₂)，其中，X₂表示该台风电机组所处纬度，Y₂表示该台风电机组所处经度，Z₂表示该台风电机组所处海拔。

首先，按照0度经线的基准，东经取经度的正值，西经取经度负值，北纬取90-纬度值，南纬取90+纬度值，则经过上述处理过后的两点被计为(X₁₁，Y₁₁，Z₁)和(X₂₂，Y₂₂，Z₁)。之后，根据三角推导，可以得到辅助点1(X₁₁，Y₁₁)和辅助点2(X₂₂，Y₂₂)之间的距离D_l：

D_l＝R×Arccos(C)×π/180；

其中，R表示地球半径，C＝sinY₁₂sinY₂₂cos(X₁₂-X₂₂)+cosY₁₂cosY₂₂。

进一步，可以采用如下公式计算待测风电机组与该台风电机组之间的距离D可以表示为：

在一些其它实施例中，还可以采用其它方式计算待检测风电机组与其它风电机组之间的距离，本申请实施例对此不作。

在步骤304中，按照地理距离从小到大的顺序，将p台风电机组中前m个地理距离所对应的风电机组，确定为邻近风电机组。

在获取到待检测风电机组与p台风电机组之间的地理距离之后，可以按照地理距离的大小，将p台风电机组进行排序，进一步，可以根据需求，选择排在前m个地理距离所对应的风电机组，确定为待检测风电机组的邻近风电机组。该m为大于或等于1的整数。当m为1时，则将与待检测风电机组之间地理距离最小的风电机组确定为邻近风电机组。

在步骤305中，获取待检风速和m个邻近风速。

在获取到包括待检测风电机组的至少两台风电机组在历史时间段内的风速数据之后，可以从中获取上述待检风速和m个邻近风速。上述待检风速是指待检测风电机组的风速仪在历史时间段内的测量风速。上述邻近风速是指邻近风电机组的风速仪在历史时间段内各自的风速。

此步骤与图2实施例中步骤201的内容相同或类似，此处不再赘述。

在步骤306中，确定风速映射模型。

在获取到上述待检风速和邻近风速之后，可以确定风速映射模型。上述风速映射模型用于将不同位置处风电机组的风速映射至同一位置。上述风速映射模型包括风速廓线模型和数值风速模拟模型。其中，上述风速廓线模型用于反映风速随海拔的变化规律。通过该风速廓线模型，可以将位于不同海拔处的风电机组的风速进行相互映射。上述数值风速模拟模型可以通过数值模拟手段，根据风电机组的位置信息(如经纬度、海拔等)，将不同位置处的风速转换到同一位置。例如，上述数值风速模拟模型可以是CFD(ComputationalFluid Dynamics，计算流体动力学)模型。此外，还可以是一些其它数值模型，本申请实施例对此不作限定。

可选地，上述风速廓线模型包括以下任意一种：指数模型、对数模型。

示例性地，上述指数模型可以表示为：

其中，v_r表示参考位置下的风速；v₀表示原始位置下的风速；h_r表示参考位置，也就是参考位置的高度；h₀表示原始位置，也就是原始位置的高度；k为修正指数，k的值取决于大地稳定度和底面粗糙度等，其值为0.125～0.5。

示例性地，上述对数模型可以表示为：

其中，v_r表示参考位置下的风速；v₀表示原始位置下的风速；h_r表示参考位置，也就是参考位置的高度；h₀表示原始位置，也就是原始位置的高度。

在步骤307中，根据风速映射模型，将待检风速和第i个邻近风速分别映射至参考位置，得到参考位置下的待检风速和参考位置下的第i个邻近风速。

在确定上述风速廓线模型(如指数模型和对数模型)之后，进一步可以根据该风速廓线模型，将待检风速和第i个邻近风速分别映射至参考位置，得到参考位置下的待检风速和参考位置下的第i个邻近风速。

在一些其它实施例中，还可以通过数值模拟手段，如采用CFD模型，考虑风电机组的位置信息如风电机组所处经纬度和风电机组所处海拔等，进行风速模拟。此外，还可以采用其它方式获取参考位置下的待检风速和参考位置下的第i个邻近风速，本申请实施例对此不作限定。

在步骤308中，分别计算相同时刻下，参考位置的待检风速和参考位置的第i个邻近风速之间的风速差值，得到历史时间段内各个时刻的风速差值。

在获取到参考位置下的待检风速和参考位置下的第i个邻近风速，进一步可以获取历史时间段内，相同时刻下，参考位置的待检风速和参考位置的第i个邻近风速之间的风速差值。

示例性地，历史时间段内为2019年1月3日10点00分至2019年1月3日10点30分，每隔5分钟测量得到一个风速数据，则历史时间段内参考位置的待检风速可以表示为V_d＝{v_d1，v_d2，v_d3，v_d4，v_d5，v_d6}，参考位置的第i个邻近风速可以表示为V_t＝{v_t1，v_t2，v_t3，v_t4，v_t5，v_t6}，则历史时间段内各个时刻的风速差值可以表示为△V₁＝v_d1-v_t1，△V₂＝v_d2-v_t2，△V₃＝v_d3-v_t3，△V₄＝v_d4-v_t4，△V₅＝v_d5-v_t5，△V₆＝v_d6-v_t6。

在步骤309中，根据历史时间段内各个时刻的风速差值，得到第i个风速残差序列。

进一步，可以根据历史时间段内各个时刻的风速差值，得到第i个风速残差序列。上述风速残差序列用于反映历史时间段内相同时刻下待检风速与邻近风速的差异。

示例性地，假设历史时间段内各个时刻的风速差值可以表示为△V₁＝v_d1-v_t1，△V₂＝v_d2-v_t2，△V₃＝v_d3-v_t3，△V₄＝v_d4-v_t4，△V₅＝v_d5-v_t5，△V₆＝v_d6-v_t6，则第i个风速残差序列可以表示为Li＝{△V₁，△V₂，△V₃，△V₄，△V₅，△V₆}。

基于此，对于m个邻近风速，可以得到m个风速残差序列。

在步骤310中，将第i个风速残差序列按照预设时间周期划分为n个子残差序列，该n为大于1的整数。

由于风速残差序列中包括历史时间段内各个时刻的风速差值，从而，为了检测风速残差序列是否为异常序列，可以将各个风速残差序列按照预设时间周期划分为多个子残差序列。

上述预设时间周期可以根据实际需求进行设定，本申请实施例对此不作限定。

示例性地，历史时间段内为2019年1月3日10点00分至2019年1月3日10点30分，每隔5分钟测量得到一个风速数据，第i个风速残差序列可以表示为Li＝{△V₁，△V₂，△V₃，△V₄，△V₅，△V₆}，设定预设时间周期为10分钟，则可以将第i个风速残差序列Li划分为3个子残差序列，如Li-1＝{△V₁，△V₂}、Li-2＝{△V₃，△V₄}、Li-3＝{△V₅，△V₆}。

在步骤311中，分别对n个子残差序列进行离群点检测，得到n个离群点检测结果。

对于第i个风速残差序列，在获取到该第i个风速残差序列包括的n个子残差序列之后，可以对该n个子残差序列分别进行离群点检测，得到n个离群点检测结果。上述离群点检测结果用于反映子残差序列是否为异常序列。

在一种可能的实施方式中，上述离群点检测结果可以采用离群点比例因子表示，该离群点比例因子为[0，1]之间的数值。例如，若某个子残差序列中包括10个数据，其中离群点有3个，则该子残差序列的离群点比例因子可以表示为0.3。

在另一种可能的实施方式中，上述离群点检测结果可以采用0/1表示，其中，若某个子残差序列的离群点检测结果为0，则表示该子残差序列为异常序列；若某个子残差序列的离群点检测结果为1，则表示该子残差序列为正常序列。

在一些其它实施例中，上述离群点检测结果还可以采用其它方式表示，本申请实施例对此不作限定。

上述离群点检测用于检测检测子残差序列中的离群点，该离群点是指子残差序列，远离该子残差序列的一般水平的值，通常为极端大值或者极端小值。

可选地，上述离群点检测的方法包括但不限于以下任意一种：阈值超限方法、箱型盒方法、机器学习算法(如孤立森林算法、LOF(Local Outlier Factor，局部异常因子)算法、随机森林算法等等)。此外，还可以采用一些其它方法，本申请实施例对此不作限定。

在步骤312中，根据n个离群点检测结果，确定第i个风速残差序列的异常因子。

在获取到上述n个离群点检测结果之后，可以根据该n个离群点检测结果，确定第i个风速残差序列的异常因子。

可选地，上述根据n个离群点检测结果，确定n个子残差序列中异常序列的数量；根据n个子残差序列中异常序列的数量，确定第i个风速残差序列的异常因子。

示例性地，若上述n个离群点检测结果显示有k个子残差序列为异常序列，另外n-k个子残差序列为正常序列，则第i个风速残差序列的异常因子可以表示为Fi＝k/n。

在步骤313中，获取m个风速残差序列的异常因子的乘积，得到总异常因子。

基于上述步骤，进一步可以得到m个风速残差序列，以及m个风速残差序列的异常因子。之后，可以计算m个风速残差序列的异常因子的乘积，得到总异常因子。

示例性地，m个风速残差序列的异常因子可以表示为F1，F2，F3，……，Fm，则总异常因子可以表示为F＝F1×F2×F3×……×Fm。

在步骤314中，若总异常因子大于预设阈值，则确定待检测风电机组的风速仪故障。

在获取到上述总异常因子之后，可以将上述总异常因子与预设阈值进行比较，若该总异常因子大于预设阈值，则确认待检测风电机组的风速仪故障。

可选地，若该总异常因子小于或等于预设阈值，则确认待检测风电机组的风速仪并未故障。

上述预设阈值可以是相关人员根据实际经验进行设定，本申请实施例对此不作限定。

在步骤315中，生成预警信息。

在确定待检测风电机组的风速仪故障之后，计算机设备可以自动生成预警信息。该预警信息用于指示待检测风电机组的风速仪故障。

可选地，上述预警信息中可以包括待检测风电机组的标识信息，该标识信息用于唯一标识上述待检测风电机组。

在步骤316中，向目标设备发送预警信息。

上述目标设备可以是如图1所示实施环境中的预警设备。预警设备在接收到计算机设备发送的预警信息之后，可以进行预警，以便检修人员可以对待检测风速仪进行检修。

可选地，当预警信息中包括待检测风电机组的标识信息时，检修人员可以根据该预警信息中的待检测风电机组的标识信息确定风速仪故障的风电机组。

综上所述，本申请实施例提供的技术方案，通过将不同位置处的待检测风电机组与邻近风电机组的风速，映射至相同的参考位置下，并基于该参考位置下的待检测风电机组与邻近风电机组的风速，确定多个风速残差序列的总异常因子，进一步根据该总异常因子检测待检测风电机组的风速仪是否故障。相比于相关技术中，直接将待检测风电机组的风速与其地理位置上邻近的风电机组的风速进行比较，来检测待检测风电机组的风速仪是否故障。本申请实施例提供的技术方案，将不同位置处的待检测风电机组与邻近风电机组的风速映射至相同的位置，能够有效避免地理位置的差异对风速造成的影响，提高风速仪故障检测的准确性。

另外，在检测到待检测风电机组的风速仪故障之后，可以生成预警信息，并将该预警信息发送到目标设备，以便检修人员即时发现风速仪故障，并对风速仪进行检修。

下述为本申请装置实施例，可以用于执行本申请方法实施例。对于本申请装置实施例中未披露的细节，请参照本申请方法实施例。

图4是根据一示例性实施例示出的一种风速仪故障检测方法装置的框图。该装置具有实现上述方法示例的功能，所述功能可以由硬件实现，也可以由硬件执行相应的软件实现。该装置可以是计算机设备，也可以设置在计算机设备上。该装置400可以包括：原始风速获取模块410、参考风速获取模块420、残差序列获取模块430、异常因子确定模块440和故障检测模块450。

原始风速获取模块410，用于获取待检风速和m个邻近风速，所述待检风速是指待检测风电机组的风速仪在历史时间段内的测量风速，所述m个邻近风速是指m台邻近风电机组的风速仪在所述历史时间段内各自的测量风速，所述邻近风电机组是指与所述待测风电机组邻近的风电机组，所述m为大于或等于1的整数。

参考风速获取模块420，用于对于所述m个邻近风速中的第i个邻近风速，将所述待检风速和所述第i个邻近风速分别映射至参考位置，得到参考位置下的待检风速和参考位置下的第i个邻近风速，所述i为小于或等于所述m的正整数。

残差序列计算模块430，用于根据所述参考位置下的待检风速和所述参考位置下的第i个邻近风速，计算第i个风速残差序列，所述风速残差序列用于反映所述历史时间段内相同时刻下所述待检风速与所述邻近风速的差异。

异常因子确定模块440，用于确定所述第i个风速残差序列的异常因子，所述异常因子用于表征所述风速残差序列为异常序列的可能性。

故障检测模块450，用于根据m个风速残差序列的异常因子，确定所述待检测风电机组的风速仪是否故障。

综上所述，本申请实施例提供的技术方案，通过将不同位置处的待检测风电机组与邻近风电机组的风速，映射至相同的参考位置下，并基于该参考位置下的待检测风电机组与邻近风电机组的风速，检测待检测风电机组的风速仪是否故障。相比于相关技术中，直接将待检测风电机组的风速与其地理位置上邻近的风电机组的风速进行比较，来检测待检测风电机组的风速仪是否故障。本申请实施例提供的技术方案，将不同位置处的待检测风电机组与邻近风电机组的风速映射至相同的位置，能够有效避免地理位置的差异对风速造成的影响，提高风速仪故障检测的准确性。

在一些可能的设计中，参考风速获取模块420，用于确定风速映射模型，所述风速映射模型包括风速廓线模型和数值风速模拟模型，所述风速廓线模型包括以下任意一种：指数模型、对数模型；根据所述风速映射模型，将所述待检风速和所述第i个邻近风速分别映射至所述参考位置，得到所述参考位置下的待检风速和所述参考位置下的第i个邻近风速。

在一些可能的设计中，如图5所示，所述异常因子确定模块440包括：子序列获取单元441、离群点检测模块442和异常因子确定单元443。

子序列获取单元441，用于将所述第i个风速残差序列按照预设时间周期划分为n个子残差序列，所述n为大于1的整数。

离群点检测模块442，用于分别对所述n个子残差序列进行离群点检测，得到n个离群点检测结果，所述离群点检测结果用于反映子残差序列是否为异常序列。

异常因子确定单元443，用于根据所述n个离群点检测结果，确定所述第i个风速残差序列的异常因子。

在一些可能的设计中，所述故障检测模块450，用于获取所述m个风速残差序列的异常因子的乘积，得到总异常因子；当所述总异常因子大于预设阈值时，确定所述待检测风电机组的风速仪故障。

在一些可能的设计中，如图5所示，所述装置400还包括：预警信息生成模块460和预警信息发送模块470。

预警信息生成模块460，用于生成预警信息，所述预警信息用于指示所述待检测风电机组的风速仪故障。

预警信息发送模块470，用于将所述预警信息发送给目标设备。

在一些可能的设计中，所述残差序列获取模块430，用于分别计算相同时刻下，所述参考位置下的待检风速和所述参考位置下的第i个邻近风速之间的风速差值，得到所述历史时间段内各个时刻的风速差值；根据所述历史时间段内各个时刻的风速差值，得到所述第i个风速残差序列。

在一些可能的设计中，如图5所示，所述装置400还包括：位置信息获取模块480、地理距离计算模块490和邻近机组确定模块500。

位置信息获取模块480，用于获取p台风电机组的位置信息，所述位置信息包括风电机组所处经纬度和风电机组所处海拔，所述p台风电机组中包括所述待检测风电机组，所述p为大于所述m的整数。

地理距离计算模块490，用于根据所述位置信息分别计算所述待检测风电机组与所述p台风电机组之间的地理距离。

邻近机组确定模块500，用于按照所述地理距离从小到大的顺序，将所述p台风电机组中前m个所述地理距离所对应的风电机组，确定为所述邻近风电机组。

需要说明的是，上述实施例提供的装置，在实现其功能时，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将设备的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的装置与方法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。

请参考图6，其示出了本申请一个实施例提供的终端的结构框图。通常，终端600包括有：处理器601和存储器602。

处理器601可以包括一个或多个处理核心，比如4核心处理器、8核心处理器等。处理器601可以采用DSP(Digital Signal Processing，数字信号处理)、FPGA(FieldProgrammable Gate Array，现场可编程门阵列)、PLA(Programmable Logic Array，可编程逻辑阵列)中的至少一种硬件形式来实现。处理器601也可以包括主处理器和协处理器，主处理器是用于对在唤醒状态下的数据进行处理的处理器，也称CPU(Central ProcessingUnit，中央处理器)；协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。在一些实施例中，处理器601可以在集成有GPU(Graphics Processing Unit，图像处理器)，GPU用于负责显示屏所需要显示的内容的渲染和绘制。一些实施例中，处理器601还可以包括AI(Artificial Intelligence，人工智能)处理器，该AI处理器用于处理有关机器学习的计算操作。

存储器602可以包括一个或多个计算机可读存储介质，该计算机可读存储介质可以是非暂态的。存储器602还可包括高速随机存取存储器，以及非易失性存储器，比如一个或多个磁盘存储设备、闪存存储设备。在一些实施例中，存储器602中的非暂态的计算机可读存储介质用于存储至少一个指令，该至少一个指令用于被处理器601所执行以实现本申请中方法实施例提供的风速仪故障检测方法。

在一些实施例中，终端600还可选包括有：外围设备接口603和至少一个外围设备。处理器601、存储器602和外围设备接口603之间可以通过总线或信号线相连。各个外围设备可以通过总线、信号线或电路板与外围设备接口603相连。具体地，外围设备可以包括：通信接口604、显示屏605、音频电路606、摄像头组件607、定位组件608和电源609中的至少一种。

本领域技术人员可以理解，图6中示出的结构并不构成对终端600的限定，可以包括比图示更多或更少的组件，或者组合某些组件，或者采用不同的组件布置。

请参考图7，其示出了本申请一个实施例提供的服务器的结构示意图。该服务器用于实施上述实施例中提供的风速仪故障检测方法。具体来讲：

所述服务器700包括CPU701、包括RAM(Random Access Memory，随机存取存储器)702和ROM(Read Only Memory，只读存储器)702的系统存储器704，以及连接系统存储器704和中央处理单元701的系统总线705。所述服务器700还包括帮助计算机内的各个器件之间传输信息的基本I/O(Input/Output输入/输出)系统706，和用于存储操作系统713、应用程序714和其他程序模块712的大容量存储设备707。

所述基本输入/输出系统706包括有用于显示信息的显示器708和用于用户输入信息的诸如鼠标、键盘之类的输入设备709。其中所述显示器708和输入设备709都通过连接到系统总线705的输入输出控制器710连接到中央处理单元701。所述基本输入/输出系统706还可以包括输入输出控制器710以用于接收和处理来自键盘、鼠标、或电子触控笔等多个其他设备的输入。类似地，输入输出控制器710还提供输出到显示屏、打印机或其他类型的输出设备。

所述大容量存储设备707通过连接到系统总线705的大容量存储控制器(未示出)连接到中央处理单元701。所述大容量存储设备707及其相关联的计算机可读介质为服务器700提供非易失性存储。也就是说，所述大容量存储设备707可以包括诸如硬盘或者CD-ROM驱动器之类的计算机可读介质(未示出)。

不失一般性，所述计算机可读介质可以包括计算机存储介质和通信介质。计算机存储介质包括以用于存储诸如计算机可读指令、数据结构、程序模块或其他数据等信息的任何方法或技术实现的易失性和非易失性、可移动和不可移动介质。计算机存储介质包括RAM、ROM、EPROM(Erasable Programmable Read Only Memory，可擦除可编程只读存储器)、EEPROM(Electrically Erasable Programmable Read Only Memory，带电可擦可编程只读存储器)、闪存或其他固态存储其技术，CD-ROM、DVD或其他光学存储、磁带盒、磁带、磁盘存储或其他磁性存储设备。当然，本领域技术人员可知所述计算机存储介质不局限于上述几种。上述的系统存储器704和大容量存储设备707可以统称为存储器。

根据本申请的各种实施例，所述服务器700还可以通过诸如因特网等网络连接到网络上的远程计算机运行。也即服务器700可以通过连接在所述系统总线705上的网络接口单元77连接到网络712，或者说，也可以使用网络接口单元711来连接到其他类型的网络或远程计算机系统(未示出)。

所述存储器还包括至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、至少一段程序、代码集或指令集存储于存储器中，且经配置以由一个或者一个以上处理器执行，以实现上述风速仪故障检测方法。

在示例性实施例中，还提供了一种计算机设备。该计算机设备可以是终端或服务器。所述计算机设备包括处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现上述风速仪故障检测方法。

在示例性实施例中，还提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或所述指令集在被处理器执行时实现上述风速仪故障检测方法。

应当理解的是，在本文中提及的“多个”是指两个或两个以上。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。

以上所述仅为本申请的示例性实施例，并不用以限制本申请，凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (10)

1.一种风速仪故障检测方法，其特征在于，所述方法包括：

获取待检风速和m个邻近风速，所述待检风速是指待检测风电机组的风速仪在历史时间段内的测量风速，所述m个邻近风速是指m台邻近风电机组的风速仪在所述历史时间段内各自的测量风速，所述邻近风电机组是指与所述待检测风电机组邻近的风电机组，所述m为大于或等于1的整数；

对于所述m个邻近风速中的第i个邻近风速，将所述待检风速和所述第i个邻近风速分别映射至参考位置，得到参考位置下的待检风速和参考位置下的第i个邻近风速，所述i为小于或等于所述m的正整数；

根据所述参考位置下的待检风速和所述参考位置下的第i个邻近风速，计算第i个风速残差序列，所述风速残差序列用于反映所述历史时间段内相同时刻下所述待检风速与所述邻近风速的差异；

确定所述第i个风速残差序列的异常因子，所述异常因子用于表征所述风速残差序列为异常序列的可能性；

根据m个风速残差序列的异常因子，确定所述待检测风电机组的风速仪是否故障。

2.根据权利要求1所述的方法，其特征在于，所述将所述待检风速和所述第i个邻近风速分别映射至参考位置，得到参考位置下的待检风速和参考位置下的第i个邻近风速，包括：

确定风速映射模型，所述风速映射模型包括风速廓线模型和数值风速模拟模型，所述风速廓线模型包括以下任意一种：指数模型、对数模型；

根据所述风速映射模型，将所述待检风速和所述第i个邻近风速分别映射至所述参考位置，得到所述参考位置下的待检风速和所述参考位置下的第i个邻近风速。

3.根据权利要求1所述的方法，其特征在于，所述确定所述第i个风速残差序列的异常因子，包括：

将所述第i个风速残差序列按照预设时间周期划分为n个子残差序列，所述n为大于1的整数；

分别对所述n个子残差序列进行离群点检测，得到n个离群点检测结果，所述离群点检测结果用于反映子残差序列是否为异常序列；

根据所述n个离群点检测结果，确定所述第i个风速残差序列的异常因子。

4.根据权利要求3所述的方法，其特征在于，所述根据m个风速残差序列的异常因子，确定所述待检测风电机组的风速仪是否故障，包括：

获取所述m个风速残差序列的异常因子的乘积，得到总异常因子；

若所述总异常因子大于预设阈值，则确定所述待检测风电机组的风速仪故障。

5.根据权利要求4所述的方法，其特征在于，所述确定所述待检测风电机组的风速仪故障之后，还包括：

生成预警信息，所述预警信息用于指示所述待检测风电机组的风速仪故障；

将所述预警信息发送给目标设备。

6.根据权利要求1所述的方法，其特征在于，所述根据所述参考位置下的待检风速和所述参考位置下的第i个邻近风速，计算第i个风速残差序列，包括：

分别计算相同时刻下，所述参考位置下的待检风速和所述参考位置下的第i个邻近风速之间的风速差值，得到所述历史时间段内各个时刻的风速差值；

根据所述历史时间段内各个时刻的风速差值，得到所述第i个风速残差序列。

7.根据权利要求1至6任一项所述方法，其特征在于，所述获取待检风速和m个邻近风速之前，还包括：

获取p台风电机组的位置信息，所述位置信息包括风电机组所处经纬度和风电机组所处海拔，所述p台风电机组中包括所述待检测风电机组，所述p为大于所述m的整数；

根据所述位置信息分别计算所述待检测风电机组与所述p台风电机组之间的地理距离；

按照所述地理距离从小到大的顺序，将所述p台风电机组中前m个所述地理距离所对应的风电机组，确定为所述邻近风电机组。

8.一种风速仪故障检测装置，其特征在于，所述装置包括：

原始风速获取模块，用于获取待检风速和m个邻近风速，所述待检风速是指待检测风电机组的风速仪在历史时间段内的测量风速，所述m个邻近风速是指m台邻近风电机组的风速仪在所述历史时间段内各自的测量风速，所述邻近风电机组是指与所述待检测风电机组邻近的风电机组，所述m为大于或等于1的整数；

参考风速获取模块，用于对于所述m个邻近风速中的第i个邻近风速，将所述待检风速和所述第i个邻近风速分别映射至参考位置，得到参考位置下的待检风速和参考位置下的第i个邻近风速，所述i为小于或等于所述m的正整数；

残差序列计算模块，用于根据所述参考位置下的待检风速和所述参考位置下的第i个邻近风速，计算第i个风速残差序列，所述风速残差序列用于反映所述历史时间段内相同时刻下所述待检风速与所述邻近风速的差异；

异常因子确定模块，用于确定所述第i个风速残差序列的异常因子，所述异常因子用于表征所述风速残差序列为异常序列的可能性；

故障检测模块，用于根据m个风速残差序列的异常因子，确定所述待检测风电机组的风速仪是否故障。

9.一种计算机设备，其特征在于，所述计算机设备包括处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现如权利要求1至7任一所述方法的步骤。

10.一种非临时性计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述方法的步骤。