CN114153889A - 一种发电站监控系统、方法、可读介质及电子设备 - Google Patents
一种发电站监控系统、方法、可读介质及电子设备 Download PDFInfo
- Publication number
- CN114153889A CN114153889A CN202010934615.7A CN202010934615A CN114153889A CN 114153889 A CN114153889 A CN 114153889A CN 202010934615 A CN202010934615 A CN 202010934615A CN 114153889 A CN114153889 A CN 114153889A
- Authority
- CN
- China
- Prior art keywords
- data
- monitoring
- power station
- processing module
- evaluation
- 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 170
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000011156 evaluation Methods 0.000 claims abstract description 92
- 238000012545 processing Methods 0.000 claims abstract description 82
- 230000001105 regulatory effect Effects 0.000 claims abstract description 22
- 230000001276 controlling effect Effects 0.000 claims abstract description 15
- 230000005540 biological transmission Effects 0.000 claims description 13
- 238000007781 pre-processing Methods 0.000 claims description 10
- 238000000605 extraction Methods 0.000 claims description 9
- 238000012216 screening Methods 0.000 claims description 8
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 230000007797 corrosion Effects 0.000 claims description 6
- 238000005260 corrosion Methods 0.000 claims description 6
- 230000007613 environmental effect Effects 0.000 claims description 6
- 238000004140 cleaning Methods 0.000 claims description 5
- 238000013500 data storage Methods 0.000 claims description 3
- 238000006073 displacement reaction Methods 0.000 claims description 3
- 239000000126 substance Substances 0.000 claims description 3
- 230000001502 supplementing effect Effects 0.000 claims description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 7
- 238000010276 construction Methods 0.000 description 6
- 238000005457 optimization Methods 0.000 description 6
- 238000010248 power generation Methods 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 4
- 238000007689 inspection Methods 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000006855 networking Effects 0.000 description 2
- 238000000513 principal component analysis Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 241000282414 Homo sapiens Species 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- QVFWZNCVPCJQOP-UHFFFAOYSA-N chloralodol Chemical compound CC(O)(C)CC(C)OC(O)C(Cl)(Cl)Cl QVFWZNCVPCJQOP-UHFFFAOYSA-N 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 238000013079 data visualisation Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 1
- 239000010931 gold Substances 0.000 description 1
- 229910052737 gold Inorganic materials 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 238000010183 spectrum analysis Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000013179 statistical model Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
Images
Classifications
-
- 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
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2465—Query processing support for facilitating data mining operations in structured databases
-
- 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
- G06F16/25—Integrating or interfacing systems involving database management systems
- G06F16/254—Extract, transform and load [ETL] procedures, e.g. ETL data flows in data warehouses
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
- G06F9/5027—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals
-
- 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas or water supply
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2209/00—Indexing scheme relating to G06F9/00
- G06F2209/50—Indexing scheme relating to G06F9/50
- G06F2209/502—Proximity
-
- 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
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Abstract
本发明公开了一种发电站监控系统、方法、可读介质及电子设备，该系统包括：数据获取模块，用于对运行数据和外部数据进行获取，将运行数据和外部数据传输至边缘监测模块；边缘监测模块，用于根据接收到的运行数据和外部数据、预先建立的第一监控模型，确定第一评估数据，将第一评估数据传输至云端处理模块和监控处理模块；云端处理模块，用于根据接收到的第一评估数据和预先建立的第二监控模型，确定第二评估数据，将第二评估数据传输至监控处理模块；监控处理模块，用于根据第一评估数据和/或第二评估数据，确定调控海洋能发电站的控制指令。本发明提供的发电站监控系统可以有效的对海洋能发电站进行调控，提高海洋能发电站的能效。
Description
技术领域
本发明涉及能源领域，尤其涉及一种发电站监控系统、方法、可读介质及电子设备。
背景技术
能源发电是关系到国计民生的基础支柱产业，与我国经济发展息息相关，当国家经济持续稳定发展时，人类越来越注重可再生清洁能源的开发和利用。利用海洋能发电，是可再生清洁能源的一种，且海洋能具有储量永不枯竭、能量密度大、可预测性强、对海洋黄金影响小等诸多优点。然后由于不同海域海洋波浪与海流运动的复杂性，导致海流和海洋环境与发电装备之间不协调，使得海洋能发电站存在能效较低的缺点，因此确定一种可以提高海洋能发电站能效的监控系统是具有重要意义的。
发明内容
本发明提供一种发电站监控系统系统、方法、可读介质及电子设备，该监控系统包括数据获取模块、边缘监测模块、云端处理模块和监控处理模块，该系统可以通过对海洋能发电站进行有效调控提高海洋能发电站的能效。
第一方面，本发明提供了一种发电站监控系统，包括：数据获取模块、边缘监测模块，云端处理模块和监控处理模块；
所述数据获取模块，用于对海洋能发电站的运行数据和外部数据进行获取，将所述运行数据和所述外部数据传输至所述边缘监测模块；
所述边缘监测模块，用于根据接收到的所述运行数据和所述外部数据、预先建立的第一监控模型，确定所述海洋能发电站对应的第一评估数据，将所述第一评估数据传输至所述云端处理模块和所述监控处理模块；
所述云端处理模块，用于根据接收到的所述第一评估数据和预先建立的第二监控模型，确定所述海洋能发电站对应的第二评估数据，将所述第二评估数据传输至所述监控处理模块；
所述监控处理模块，用于根据所述第一评估数据和/或所述第二评估数据，确定调控所述海洋能发电站的控制指令。
优选地，所述边缘监测模块包括模型构建单元；
所述模型构建单元包括数据预处理子单元、特征分组子单元、模型建立子单元和模型更新子单元；
所述数据预处理子单元，用于对运行数据和外部数据进行融合、清洗、补充数据断点、分析处理，获取到处理后的运行数据和外部数据；
所述特征分组子单元，用于对处理后的运行数据和外部数据进行特征提取、特征筛选和特征分组，获取到至少一个特征数据分组；
模型建立子单元用于，根据所述至少一个特征数据分组，建立至少一个符合预设精度的第一监控模型；
所述模型更新子单元，用于检测新的运行数据和外部数据，以更新所述模型建立子单元建立的所述第一监控模型。
优选地，所述数据获取模块包括信号采集单元、信号转换单元、数据获取单元和传输单元；
所述信号采集单元，用于利用多种传感器对所述海洋能发电站的运行信号进行采集；
所述信号转换单元，用于将所述运行信号转换为运行数据；
数据获取单元，用于获取外部数据；
传输单元，用于结合采集所述运行信号的当前时间信息，将所述运行数据和所述外部数据传输至所述边缘监控模块。
优选地，所述数据获取模块还包括数据存储单元，用于存储所述运行数据和所述外部数据。
优选地，所述监控处理模块包括本地监控处理单元和远程监控处理单元；
所述本地监控处理单元，用于根据所述第一评估数据和/或所述第二评估数据，确定调控所述海洋能发电站的本地控制指令；
所述远程监控处理单元，用于根据所述第一评估数据和/或所述第二评估数据，确定调控所述海洋能发电站的远程控制指令。
优选地，所述监控处理模块还用于发送所述控制指令至所述海洋能发电站的移动操作端和所述移动监测端，以使得所述移动操作端和所述移动监控端根据所述控制指令对所述海洋能发电站进行调控。
优选地，所述外部数据包括天气数据、地理数据、水文数据和设备属性；
所述运行数据包括环境数据、涡轮数据、电机数据、框架数据和主轴承数据；
其中，所述环境数据包括水流速数据、密度数据、温度数据、风速数据、化学腐蚀成分数据、温度数据；
所述涡轮数据包括涡轮转速数据、涡轮压力数据、涡轮温度数据、涡轮物理参数；
所述电机数据包括电机转速数据、电机温度数据、电机电流数据；
所述框架数据包括框架位移数据、框架振动数据、框架水平数据、腐蚀度数据；
所述主轴承数据包括轴承振动数据和轴承扭矩数据。
第二方面，本方面提供了一种发电站监控方法，包括：
利用数据获取模块对海洋能发电站的运行数据和外部数据进行获取，将所述运行数据和所述外部数据传输至边缘监测模块；
利用所述边缘监测模块根据接收到的所述运行数据和所述外部数据、预先建立的第一监控模型，确定所述海洋能发电站对应的第一评估数据，将所述第一评估数据传输至云端处理模块和监控处理模块；
利用所述云端处理模块根据接收到的所述第一评估数据和预先建立的第二监控模型，确定所述海洋能发电站对应的第二评估数据，将所述第二评估数据传输至所述监控处理模块；
利用所述监控处理模块根据所述第一评估数据和/或所述第二评估数据，确定调控所述海洋能发电站的控制指令。
第三方面，本发明提供了一种可读介质，包括执行指令，当电子设备的处理器执行所述执行指令时，所述电子设备执行如第二方面中所述的发电站监控方法。
第四方面，本发明提供了一种电子设备，包括处理器以及存储有执行指令的存储器，当所述处理器执行所述存储器存储的所述执行指令时，所述处理器执行如第二方面中所述的发电站监控方法。
本发明提供了一种发电站监控系统、方法、可读介质及电子设备，该系统通过数据获取模块获取运行数据和外部数据，其中运行数据和外部数据包括了各种可以对海洋能发电站能效产生影响的因素，然后将运行数据和外部数据传输至边缘监控模块；在边缘监控模块中利用预先建立的第一监控模型对运行数据和外部数据进行初步评估，获取第一评估数据，并将第一评估数据传输至云端处理模块和监控处理模块；在云端处理模块中利用预先建立的第二监控模块对第一评估数据进行深度评估，获取第二评估数据，并将第二评估数据传输至监控处理模块；进一步的，监控处理模块根据接收的第一评估数据和/或所述第二评估数据，确定调控海洋能发电站的控制指令。本发明提供的技术方案充分考虑了各种对海洋能发电站产生影响的运行数据和外部数据，并设置边缘监测模块以减少云端处理模块的计算压力，且边缘监测模块的设置还可以减少延时现象，从而可以在更短的时间内获取到更准确的评估数据，准确的评估数据保证了利用该评估数据获取到的控制指令的合理性、准确性和可靠性，使得根据该控制指令可以对海洋能发电站进行有效调控，使得调控后的海洋能发电站具有更高的能效。
上述的非惯用的优选方式所具有的进一步效果将在下文中结合具体实施方式加以说明。
附图说明
为了更清楚地说明本发明实施例或现有的技术方案，下面将对实施例或现有技术描述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中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明一实施例提供的一种发电站监控系统的结构示意图；
图2为本发明一实施例提供的一种发电站监控系统中模型构建单元的结构示意图；
图3为本发明一实施例提供的一种发电站监控系统中数据获取模块的结构示意图；
图4为本发明一实施例提供的一种发电站监控系统中监控处理模块的结构示意图；
图5为本发明一实施例提供的一种发电站监控方法的流程示意图；
图6为本发明一实施例提供的一种电子设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合具体实施例及相应的附图对本发明的技术方案进行清楚、完整地描述。显然，所描述的实施例仅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。
第一方面，如图1所示，本发明实施例提供了一种发电站监控系统1，包括：数据获取模块10、边缘监测模块20，云端处理模块30和监控处理模块40；
所述数据获取模块10，用于对海洋能发电站的运行数据和外部数据进行获取，将所述运行数据和所述外部数据传输至所述边缘监测模块20；
所述边缘监测模块20，用于根据接收到的所述运行数据和所述外部数据、预先建立的第一监控模型，确定所述海洋能发电站对应的第一评估数据，将所述第一评估数据传输至所述云端处理模块30和所述监控处理模块40；
所述云端处理模块30，用于根据接收到的所述第一评估数据和预先建立的第二监控模型，确定所述海洋能发电站对应的第二评估数据，将所述第二评估数据传输至所述监控处理模块40；
所述监控处理模块40，用于根据所述第一评估数据和/或所述第二评估数据，确定调控所述海洋能发电站的控制指令。
本实施例提供的一种发电站监控系统1由数据获取模块10、边缘监测模块20，云端处理模块30和监控处理模块40组成。通过数据获取模块10获取运行数据和外部数据，其中运行数据和外部数据包括了各种可以对海洋能发电站能效产生影响的因素，然后将运行数据和外部数据传输至边缘监控模块；在边缘监控模块中利用预先建立的第一监控模型对运行数据和外部数据进行初步评估，获取第一评估数据，并将第一评估数据传输至云端处理模块30和监控处理模块40；在云端处理模块30中利用预先建立的第二监控模块对第一评估数据进行深度评估，获取第二评估数据，并将第二评估数据传输至监控处理模块40；进一步的，监控处理模块40根据接收的第一评估数据和/或所述第二评估数据，确定调控所述海洋能发电站的控制指令。本实施例提供的技术方案充分考虑了各种对海洋能发电站产生影响的运行数据和外部数据，并设置边缘监测模块20以减少云端处理模块30的计算压力，且设置在海洋能发电站处的边缘监测模块20可以在较短的时间内获取到运行数据和外部数据，减少延时现象，可以在更短的时间内获取到更准确的评估数据，准确的评估数据保证了利用该评估数据获取到的控制指令的合理性、准确性和可靠性，使得根据该控制指令可以对海洋能发电站进行有效调控，使得调控后的海洋能发电站具有更高的能效。
需要说明的是，数据获取模块10、边缘监测模块20，云端处理模块30和监控处理模块40的数据传输是通过传输网络进行的。因海洋能发电站通常沿着海岸建设，因此负责数据传输的传输网络需要根据实际地理位置条件进行设置，如使用信号覆盖能力强、极低功耗、建设和维护费用低和组网灵活的LoRAWAN局域网络；或者在有条件的地方，可以使用LoRA网关跟以太网、4G或5G组合，可以提高数据传输网络的可靠性和稳定性。
值的注意的是，本实施例提及的海洋能发电站可以为潮流能发电站、波浪能发电站、潮汐能发电站，其中潮流能发电站可以为固定潮流能发电站或浮动潮流能发电站。因不同类型的发电站，对能效存在影响的运行数据和外部数据不同，因此用户可以根据发电站的类型获取相对应的运行数据和外部数据，例如当监控对象为浮动潮流能发电站，则数据获取模块获取的是对浮动潮流能发电站的能效存在影响的运行数据和外部数据，当监控对象为潮汐能发电站，则数据获取模块获取的是对潮汐能发电站的能效存在影响的运行数据和外部数据。
在本发明一个实施例中，所述边缘监测模块20包括模型构建单元201；
如图2所示，所述模型构建单元201包括数据预处理子单元2011、特征分组子单元2012、模型建立子单元2013和模型更新子单元2014；
所述数据预处理子单元2011，用于对运行数据和外部数据进行融合、清洗、补充数据断点、分析处理，获取到处理后的运行数据和外部数据；
所述特征分组子单元2012，用于对处理后的运行数据和外部数据进行特征提取、特征筛选和特征分组，获取到至少一个特征数据分组；
模型建立子单元2013，用于根据所述至少一个特征数据分组，建立至少一个符合预设精度的第一监控模型；
所述模型更新子单元2014，用于检测新的运行数据和外部数据，以更新所述模型建立子单元2013建立的所述第一监控模型。
在上述实施例中，边缘监测模块20包括模型构建单元201，当然边缘监测模块20还可以包括其他单元，例如数据接收单元，用于接收数据获取模块10传输的运行数据和外部数据。模型调用单元，用于调用模型构建单元201构建的第一监控模型，确定海洋能发电站对应的第一评估数据。评估数据传输模块，用于将第一评估数据传输至云端处理模块30和监控处理模块40。
其中模型构建单元201由数据预处理子单元2011、特征分组子单元2012、模型建立子单元2013和模型更新子单元2014组成。
在数据预处理子单元2011中先对获取到的运行数据和外部数据进行融合，然后对数据进行清洗，数据清洗通常可以包括数据质量检查、传感器异常检查和利用奇异点过滤进行检查等；数据清洗后利用统计方法、平均值或回归拟合等方法对数据断点进行补充；然后对补充数据断点后的数据进行归一化、相关性分析、关键变量识别、主成分分析和回归分析等处理，从而使得经过数据预处理子单元2011后的数据可以准确完整的体现数据特征，进而可以提高构建模型的效率和准确性。
特征分组子单元2012对经过数据预处理子单元2011处理后的数据进行特征提取，根据数据类型可以进行数值特征提取或图像特征提取，如需要对振动信号对应的数据进行特征提取时，即可进行图像特征提取。具体的，可以采用统计特征、信息熵、FFT频谱分析、多尺度小波分析、轴心轨迹图等方法进行特征提取。在进行特征提取后，需要对提取的所有特征进行筛选，以筛选出重要特征值来进行后续建模应用，如此可以防止过拟合、减少特征数量、提高模型泛化能力，使模型获得更好的解释性，加快模型的训练速度。具体的，在进行特征筛选时可以使用机器学习算法和模型进行训练，比如回归问题(线性、非线性、随机)、分类问题(逻辑、决策树、随机森林、机器向量机、神经网络、贝叶斯等)等，得到各个特征的权值系数，根据权值系数从大到小选择特征筛选；也可按照特征值之间的相关性进行聚类分析，设定阈值，对各个提取特征进行评分，以获取筛选特征；还可以通过主成分分析、线性判别分析或者通过多目标优化来进行特征筛选。在获取到筛选特征后，进行特征数据分组，因海洋能发电站的数据具有多源性，因此往往会获取到至少一个特征数据分组。
模型建立子单元2013根据获取到的特征数据分组进行模型的构建，构建出符合预设精度的第一监控模型。具体的建立模型可以传统的统计模型、机器学习模型、NN模型、时间序列LSTM模型或深度学习模型等。
模型更新子单元2014不断检测新的运行数据和外部数据，以更新模型建立子单元2013建立的第一监控模型，从而保证第一监控模型的实时性和准确性，进而保证利用第一监控模型获取到的第一评估数据的准确性。
需要说明的是，用户可以根据实际需要确定建立的模型类型，利用可以建立优化模型、故障诊断模型、设备管理模型、寿命预测模型等等，根据不同的应用场景建立不同的模型，并根据不同的模型得到不同内容的第一评估数据。
在一种可能的实现方式中，因边缘监测模块20和云端处理模块30均需预先建立监控模型，因此在云端处理模块30中也存在用于构建和更新第二监控模型的模型构建单元。
如图3所示，在本发明一个实施例中，所述数据获取模块10包括信号采集单元101、信号转换单元102、数据获取单元103和传输单元104；
所述信号采集单元101，用于利用多种传感器对所述海洋能发电站的运行信号进行采集；
所述信号转换单元102，用于将所述运行信号转换为运行数据；
数据获取单元103，用于获取外部数据；
传输单元104，用于结合采集所述运行信号的当前时间信息，将所述运行数据和所述外部数据传输至所述边缘监控模块。
在上述实施例中，数据获取模块10由信号采集单元101、信号转换单元102、数据获取单元103和传输单元104组成。为了综合考虑各种对发电站监控系统1存在影响的因素，需要获取海洋能发电站的运行数据和外部数据。通常会在海洋能发电站内安装各种传感器，以采集各种运行数据，而利用传感器通常采集到的是运行信号，因此需要对该运行信号进行转换，转换为可以被计算机读取识别的运行数据。外部数据通常可以通过调取或联网的方式获取，因此利用数据获取单元103单独获取外部数据，然后利用传输单元104将结合了采集运行信号的当前时间信息的运行数据和外部数据传输至边缘监测模块20。
具体的，所述外部数据包括天气数据、地理数据、水文数据和设备属性；所述运行数据包括环境数据、涡轮数据、电机数据、框架数据和主轴承数据；其中，所述环境数据包括水流速数据、密度数据、温度数据、风速数据、化学腐蚀成分数据、温度数据；所述涡轮数据包括涡轮转速数据、涡轮压力数据、涡轮温度数据、涡轮物理参数；所述电机数据包括电机转速数据、电机温度数据、电机电流数据；所述框架数据包括框架位移数据、框架振动数据、框架水平数据、腐蚀度数据；所述主轴承数据包括轴承振动数据和轴承扭矩数据。需要说明的是，本实施例提供的发电站监控系统1尤其适用于浮动潮流能发电站，在上述运行数据和外部数据下，该监控系统可以有效的对浮动潮流能发电站进行调控，提高浮动潮流能发电站的能效。
在一种可能的实现方式中，所述数据获取模块10还包括数据存储单元105，用于存储所述运行数据和所述外部数据，以保证原始数据的保存，有利于后期对运行数据和外部数据的各种应用。
在本发明一个实施例中，所述监控处理模块40包括本地监控处理单元401和远程监控处理单元402；
所述本地监控处理单元401，用于根据所述第一评估数据和/或所述第二评估数据，确定调控所述海洋能发电站的本地控制指令；
所述远程监控处理单元402，用于根据所述第一评估数据和/或所述第二评估数据，确定调控所述海洋能发电站的远程控制指令。
在上述实施例中，实现了本地监控和远程监控的结合，不但可以及时的了解海洋能发电站的工作状态，还可以通过本地或远程对海洋能发电站进行调控，使得对海洋能发电站的调控更具有便捷性。具体的，本地监控通过控制海洋能发电站内目标调控设备的触摸屏或开关按钮等实现调控，远程监控通过操纵台利用以太网与目标调控设备进行通讯联系实现调控。
需要说明的，不同的监控模型会对应不同的评估数据，不同的评估数据会对应不同的控制指令，因需要调控的海洋能发电站的设备往往是有限的，因此在控制指令中存在目标调控设备，以及目标调控设备的待调控参数和调控幅度。
在一种可能的实现方式中，所述监控处理模块40还用于发送所述控制指令至所述海洋能发电站的移动操作端和所述移动监测端，以使得所述移动操作端和所述移动监控端根据所述控制指令对所述海洋能发电站进行调控。通过向移动操作端和移动监控端均发送控制指令，可以保证控制指令执行的实时性和准确性，避免出现发送控制指令而未执行或执行中存在失误等情况的发生，从而保证对海洋能发电站进行有效的、准确的调控。
需要说明的是，根据本发明提供的发电站监控系统1，不仅可以实现对海洋能发电站的智能监控，还可以根据智能监控结果进行智慧运维，例如进行能效优化、故障诊断、寿命预测、库存优化、维护优化、控制优化、数据可视化、结果展示、设备管理、异常管理、传感器修正、能效监测等。
如图5所示，为本发明所述发电站监控方法的一个具体实施例。本实施例所述方法，其技术方案本质上与上述实施例一致，上述实施例中的相应描述同样适用于本实施例中。本实施例中所述方法包括：
步骤501，利用数据获取模块对海洋能发电站的运行数据和外部数据进行获取，将所述运行数据和所述外部数据传输至边缘监测模块；
步骤502，利用所述边缘监测模块根据接收到的所述运行数据和所述外部数据、预先建立的第一监控模型，确定所述海洋能发电站对应的第一评估数据，将所述第一评估数据传输至云端处理模块和监控处理模块；
步骤503，利用所述云端处理模块根据接收到的所述第一评估数据和预先建立的第二监控模型，确定所述海洋能发电站对应的第二评估数据，将所述第二评估数据传输至所述监控处理模块；
步骤504，利用所述监控处理模块根据所述第一评估数据和/或所述第二评估数据，确定调控所述海洋能发电站的控制指令。
图6是本发明实施例提供的一种电子设备的结构示意图。在硬件层面，该电子设备包括处理器，可选地还包括内部总线、网络接口、存储器。其中，存储器可能包含内存，例如高速随机存取存储器(Random-Access Memory，RAM)，也可能还包括非易失性存储器(non-volatile memory)，例如至少1个磁盘存储器等。当然，该电子设备还可能包括其他业务所需要的硬件。
处理器、网络接口和存储器可以通过内部总线相互连接，该内部总线可以是ISA(Industry Standard Architecture，工业标准体系结构)总线、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)总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示，图6中仅用一个双向箭头表示，但并不表示仅有一根总线或一种类型的总线。
存储器，用于存放执行指令。具体地，执行指令即可被执行的计算机程序。存储器可以包括内存和非易失性存储器，并向处理器提供执行指令和数据。
在一种可能实现的方式中，处理器从非易失性存储器中读取对应的执行指令到内存中然后运行，也可从其它设备上获取相应的执行指令，以在逻辑层面上形成发电站监控系统。处理器执行存储器所存放的执行指令，以通过执行的执行指令实现本发明任一实施例中提供的发电站监控方法。
上述如本发明图5所示实施例提供的发电站监控系统执行的方法可以应用于处理器中，或者由处理器实现。处理器可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器，包括中央处理器(Central Processing Unit，CPU)、网络处理器(Network Processor，NP)等；还可以是数字信号处理器(Digital SignalProcessor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field－Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器，处理器读取存储器中的信息，结合其硬件完成上述方法的步骤。
本发明实施例还提出了一种可读介质，该可读存储介质存储有执行指令，存储的执行指令被电子设备的处理器执行时，能够使该电子设备执行本发明任一实施例中提供的发电站监控方法，并具体用于执行如图5所示的方法。
前述各个实施例中所述的电子设备可以为计算机。
本领域内的技术人员应明白，本发明的实施例可提供为方法或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例，或软件和硬件相结合的形式。
本发明中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
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、商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、商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，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
以上所述仅为本发明的实施例而已，并不用于限制本发明。对于本领域技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本发明的权利要求范围之内。
Claims (10)
1.一种发电站监控系统，其特征在于，包括：数据获取模块、边缘监测模块，云端处理模块和监控处理模块；
所述数据获取模块，用于对海洋能发电站的运行数据和外部数据进行获取，将所述运行数据和所述外部数据传输至所述边缘监测模块；
所述边缘监测模块，用于根据接收到的所述运行数据和所述外部数据、预先建立的第一监控模型，确定所述海洋能发电站对应的第一评估数据，将所述第一评估数据传输至所述云端处理模块和所述监控处理模块；
所述云端处理模块，用于根据接收到的所述第一评估数据和预先建立的第二监控模型，确定所述海洋能发电站对应的第二评估数据，将所述第二评估数据传输至所述监控处理模块；
所述监控处理模块，用于根据所述第一评估数据和/或所述第二评估数据，确定调控所述海洋能发电站的控制指令。
2.根据权利要求1所述的系统，其特征在于，所述边缘监测模块包括模型构建单元；
所述模型构建单元包括数据预处理子单元、特征分组子单元、模型建立子单元和模型更新子单元；
所述数据预处理子单元，用于对运行数据和外部数据进行融合、清洗、补充数据断点、分析处理，获取到处理后的运行数据和外部数据；
所述特征分组子单元，用于对处理后的运行数据和外部数据进行特征提取、特征筛选和特征分组，获取到至少一个特征数据分组；
模型建立子单元，用于根据所述至少一个特征数据分组，建立至少一个符合预设精度的第一监控模型；
所述模型更新子单元，用于检测新的运行数据和外部数据，以更新所述模型建立子单元建立的所述第一监控模型。
3.根据权利要求1所述的系统，其特征在于，所述数据获取模块包括信号采集单元、信号转换单元、数据获取单元和传输单元；
所述信号采集单元，用于利用多种传感器对所述海洋能发电站的运行信号进行采集；
所述信号转换单元，用于将所述运行信号转换为运行数据；
数据获取单元，用于获取外部数据；
传输单元，用于结合采集所述运行信号的当前时间信息，将所述运行数据和所述外部数据传输至所述边缘监控模块。
4.根据权利要求3所述的系统，其特征在于，所述数据获取模块还包括数据存储单元，用于存储所述运行数据和所述外部数据。
5.根据权利要求1所述的系统，其特征在于，所述监控处理模块包括本地监控处理单元和远程监控处理单元；
所述本地监控处理单元，用于根据所述第一评估数据和/或所述第二评估数据，确定调控所述海洋能发电站的本地控制指令；
所述远程监控处理单元，用于根据所述第一评估数据和/或所述第二评估数据，确定调控所述海洋能发电站的远程控制指令。
6.根据权利要求1所述的系统，其特征在于，所述监控处理模块，还用于发送所述控制指令至所述海洋能发电站的移动操作端和所述移动监测端，以使得所述移动操作端和所述移动监控端根据所述控制指令对所述海洋能发电站进行调控。
7.根据权利要求1所述的系统，其特征在于，所述外部数据包括天气数据、地理数据、水文数据和设备属性；
所述运行数据包括环境数据、涡轮数据、电机数据、框架数据和主轴承数据；
其中，所述环境数据包括水流速数据、密度数据、温度数据、风速数据、化学腐蚀成分数据、温度数据；
所述涡轮数据包括涡轮转速数据、涡轮压力数据、涡轮温度数据、涡轮物理参数；
所述电机数据包括电机转速数据、电机温度数据、电机电流数据；
所述框架数据包括框架位移数据、框架振动数据、框架水平数据、腐蚀度数据；
所述主轴承数据包括轴承振动数据和轴承扭矩数据。
8.一种发电站监控方法，其特征在于，包括：
利用数据获取模块对海洋能发电站的运行数据和外部数据进行获取，将所述运行数据和所述外部数据传输至边缘监测模块；
利用所述边缘监测模块根据接收到的所述运行数据和所述外部数据、预先建立的第一监控模型，确定所述海洋能发电站对应的第一评估数据，将所述第一评估数据传输至云端处理模块和监控处理模块；
利用所述云端处理模块根据接收到的所述第一评估数据和预先建立的第二监控模型，确定所述海洋能发电站对应的第二评估数据，将所述第二评估数据传输至所述监控处理模块；
利用所述监控处理模块根据所述第一评估数据和/或所述第二评估数据，确定调控所述海洋能发电站的控制指令。
9.一种可读介质，包括执行指令，当电子设备的处理器执行所述执行指令时，所述电子设备执行如权利要求8所述的发电站监控方法。
10.一种电子设备，包括处理器以及存储有执行指令的存储器，当所述处理器执行所述存储器存储的所述执行指令时，所述处理器执行如权利要求8所述的发电站监控方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010934615.7A CN114153889A (zh) | 2020-09-08 | 2020-09-08 | 一种发电站监控系统、方法、可读介质及电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010934615.7A CN114153889A (zh) | 2020-09-08 | 2020-09-08 | 一种发电站监控系统、方法、可读介质及电子设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114153889A true CN114153889A (zh) | 2022-03-08 |
Family
ID=80462385
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010934615.7A Pending CN114153889A (zh) | 2020-09-08 | 2020-09-08 | 一种发电站监控系统、方法、可读介质及电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114153889A (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110378564A (zh) * | 2019-06-18 | 2019-10-25 | 中国平安财产保险股份有限公司 | 监控模型生成方法、装置、终端设备及存储介质 |
| CN110401262A (zh) * | 2019-06-17 | 2019-11-01 | 北京许继电气有限公司 | 基于边缘计算技术的gis设备状态智能监控系统及方法 |
| CN110956224A (zh) * | 2019-08-01 | 2020-04-03 | 平安科技（深圳）有限公司 | 评估模型生成、评估数据处理方法、装置、设备及介质 |
| CN111245950A (zh) * | 2020-01-20 | 2020-06-05 | 南京邮电大学 | 基于深度学习的工业物联网边缘资源智能调度系统及方法 |
| CN111453619A (zh) * | 2019-01-18 | 2020-07-28 | 上海海事大学 | 一种自适应的岸桥运行机构智能监测与状态评估系统 |
-
2020
- 2020-09-08 CN CN202010934615.7A patent/CN114153889A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111453619A (zh) * | 2019-01-18 | 2020-07-28 | 上海海事大学 | 一种自适应的岸桥运行机构智能监测与状态评估系统 |
| CN110401262A (zh) * | 2019-06-17 | 2019-11-01 | 北京许继电气有限公司 | 基于边缘计算技术的gis设备状态智能监控系统及方法 |
| CN110378564A (zh) * | 2019-06-18 | 2019-10-25 | 中国平安财产保险股份有限公司 | 监控模型生成方法、装置、终端设备及存储介质 |
| CN110956224A (zh) * | 2019-08-01 | 2020-04-03 | 平安科技（深圳）有限公司 | 评估模型生成、评估数据处理方法、装置、设备及介质 |
| CN111245950A (zh) * | 2020-01-20 | 2020-06-05 | 南京邮电大学 | 基于深度学习的工业物联网边缘资源智能调度系统及方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107941537B (zh) | 一种机械设备健康状态评估方法 | |
| WO2019214268A1 (zh) | 一种基于复合信息的光伏阵列故障诊断方法 | |
| Liao et al. | Hydroelectric generating unit fault diagnosis using 1-D convolutional neural network and gated recurrent unit in small hydro | |
| CN111400961B (zh) | 风力发电机组叶片故障判断方法及装置 | |
| CN110596506A (zh) | 基于时间卷积网络的变换器故障诊断方法 | |
| Hu et al. | Hierarchical pressure data recovery for pipeline network via generative adversarial networks | |
| CN105547730A (zh) | 水轮发电机组故障检测系统 | |
| CN115036922B (zh) | 一种分布式光伏发电电量预测方法及系统 | |
| Li et al. | Deep spatio-temporal wind power forecasting | |
| CN111709190A (zh) | 风电机组运行数据图像识别方法及装置 | |
| CN115238785A (zh) | 基于图像融合和集成网络的旋转机械故障诊断方法和系统 | |
| Zhu et al. | Support vector regression-based short-term wind power prediction with false neighbours filtered | |
| Jiang et al. | Understanding wind turbine interactions using spatiotemporal pattern network | |
| CN114153889A (zh) | 一种发电站监控系统、方法、可读介质及电子设备 | |
| Zhao et al. | An abnormal data processing method based on an ensemble algorithm for early warning of wind turbine failure | |
| KR102466891B1 (ko) | 양수발전 시스템의 양수터빈 고장 진단 장치 및 방법 | |
| Pahmi et al. | Artificial neural network based forecasting of power under real time monitoring environment | |
| CN114297908A (zh) | 风电机组能效状态异常检测方法及系统 | |
| CN114320773A (zh) | 一种基于功率曲线分析与神经网络的风电机组故障预警方法 | |
| CN114442543A (zh) | 一种适用于水电站故障预警的计算机监测方法 | |
| Qiu et al. | Achieving an accurate random process model for PV power using cheap data: Leveraging the SDE and public weather reports | |
| Hoffmann et al. | Embedding Anomaly Detection Autoencoders for Wind Turbines | |
| Dhiman et al. | Enhancing Wind Turbine Reliability through Proactive High Speed Bearing Prognosis Based on Adaptive Threshold and Gated Recurrent Unit Networks | |
| CN116880340B (zh) | 基于工业物联网的控制终端 | |
| Radhakrishnan et al. | Intelligent Control System for Wind Turbine Farms Using IoT and Machine Learning |
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 |