CN114323642A - 风电机组振动数据处理系统以及数据稀释方法 - Google Patents
风电机组振动数据处理系统以及数据稀释方法 Download PDFInfo
- Publication number
- CN114323642A CN114323642A CN202011053148.3A CN202011053148A CN114323642A CN 114323642 A CN114323642 A CN 114323642A CN 202011053148 A CN202011053148 A CN 202011053148A CN 114323642 A CN114323642 A CN 114323642A
- Authority
- CN
- China
- Prior art keywords
- data
- determining
- channel
- energy
- wind turbine
- 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.)
- Granted
Links
- 238000012545 processing Methods 0.000 title claims abstract description 46
- 238000003113 dilution method Methods 0.000 title claims abstract description 22
- 230000001133 acceleration Effects 0.000 claims abstract description 143
- 238000010790 dilution Methods 0.000 claims abstract description 121
- 239000012895 dilution Substances 0.000 claims abstract description 121
- 239000000284 extract Substances 0.000 claims abstract description 9
- 238000000034 method Methods 0.000 claims description 41
- 238000001228 spectrum Methods 0.000 claims description 36
- 238000006243 chemical reaction Methods 0.000 claims description 24
- 230000003595 spectral effect Effects 0.000 claims description 21
- 238000004140 cleaning Methods 0.000 claims description 19
- 239000006185 dispersion Substances 0.000 claims description 19
- 230000014759 maintenance of location Effects 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 7
- 230000001174 ascending effect Effects 0.000 claims description 4
- 238000005406 washing Methods 0.000 claims description 4
- 238000002955 isolation Methods 0.000 claims description 3
- 230000000717 retained effect Effects 0.000 claims description 3
- 238000012217 deletion Methods 0.000 abstract description 4
- 230000037430 deletion Effects 0.000 abstract description 4
- 239000011159 matrix material Substances 0.000 description 22
- 238000010586 diagram Methods 0.000 description 19
- 238000005070 sampling Methods 0.000 description 12
- 238000004458 analytical method Methods 0.000 description 9
- 230000002159 abnormal effect Effects 0.000 description 7
- 230000005540 biological transmission Effects 0.000 description 6
- 238000005259 measurement Methods 0.000 description 6
- 238000012544 monitoring process Methods 0.000 description 6
- 238000013500 data storage Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 238000007865 diluting Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Landscapes
- Wind Motors (AREA)
Abstract
提供一种风电机组振动数据处理系统以及数据稀释方法，该风电机组振动数据处理系统包括：数据采集单元，用于采集风电机组的运行参数，所述运行参数包括振动加速度数据；远端服务器，从数据采集单元获取运行参数，基于振动加速度数据确定风电机组的转速，根据运行参数和转速形成风电机组的运行数据，针对每个统计周期，基于该统计周期内转速的波动情况确定多个数据稀释区间，分别从每个数据稀释区间提取第一预定数量的运行数据，以对所提取的运行数据进行存储。采用本发明示例性实施例的风电机组振动数据处理系统以及数据稀释方法，能够最大限度地提取有效数据工况信息，避免无工况导致的数据误删，保证了振动数据的全面性和有效性。
Description
技术领域
本发明总体说来涉及风力发电技术领域，更具体地讲，涉及一种风电机组振动数据处理系统以及数据稀释方法。
背景技术
近年来风电机组装机容量的不断扩大，对于风电机组的大部件故障诊断和维护，是整个行业关注的重点。随着在线振动监测系统的普及，风电机组传动链的健康高效运行得到保证，同时也积累了大量的振动数据，其中包括许多故障案例数据。这些振动数据对于风电机组传动链全生命周期预测、风电机组可靠性评估等有着重要作用。
振动信号所包含的信息与风电机组所处工况有密切联系，然而现在许多风场机组的在线振动监测系统并未安装转速传感器，导致无法准确判断风电机组所处工况。此外，SCADA系统的运行数据采集定义与振动监测系统不同，数据难以同步。因此中心端服务器在存储空间受限的情况下，不得不将早年的振动数据直接删除、覆盖，对于数据的二次分析利用造成巨大影响。
目前存在对风电机组多种运行数据的稀释策略。当实时数据文件存满时，用最新的数据覆盖最早一条数据，并执行第1级历史数据存储文件更新操作，通过特定的数据稀释参数对时间相近的运行数据进行均值计算，并以计算时间内的最新时间作为存储标签，实现了对风电机组多种运行参数的稀释。这种方法适用于采集间隔较短的数据稀释，对于风电机组振动数据并不适用，均值计算会覆盖真实数据的振动情况。
除此之外，还存在利用数据特征提取，构成多维特征矩阵，计算数据的离散因子，保留数据异常点，对于正常数据进行等间隔保留。这种方式能够很好地保留特殊数据，稀释正常特征数据。但是风电机组的运行环境复杂，振动数据很容易受外界因素干扰，导致数据噪声过大、波形偏移等，这些特殊数据的保存对于风电机组大部件诊断没有帮助，属于无效信息。如果将这些特殊数据进行保存，将会造成较大的存储负担。
发明内容
本发明的示例性实施例的目的在于提供一种风电机组振动数据处理系统以及数据稀释方法，以克服上述至少一种缺陷。
在一个总体方面，提供一种风电机组振动数据处理系统，所述风电机组振动数据处理系统包括：数据采集单元，用于采集风电机组的运行参数，其中，所述运行参数包括发电机多个测点处的振动加速度数据；远端服务器，从数据采集单元获取运行参数，基于振动加速度数据确定风电机组的转速，根据运行参数和转速形成风电机组的运行数据，针对每个统计周期，基于该统计周期内转速的波动情况确定多个数据稀释区间，分别从每个数据稀释区间提取第一预定数量的运行数据，以对所提取的运行数据进行存储。
可选地，所述风电机组振动数据处理系统可还包括布置在风电机组塔底的第一交换机、布置在升压站的第二交换机和现场服务器，其中，数据采集单元将所采集的运行参数传送至第一交换机，第一交换机将所采集的运行参数传送至第二交换机，第二交换机将所采集的运行参数传送至现场服务器，现场服务器将所采集的运行参数传送至远端服务器。
可选地，数据采集单元与第一交换机之间可通过网线进行传输，和/或，第一交换机与第二交换机之间可通过风机环网进行传输，和/或，现场服务器可经由正向隔离、防火墙将所采集的运行参数传送至远端服务器。
可选地，远端服务器可通过以下方式来确定在每个统计周期中的任一统计周期下的多个数据稀释区间：确定在所述任一统计周期内转速的最大值和转速的最小值；确定转速的最大值与转速的最小值的差值；如果所述差值小于设定值，则基于所述任一统计周期的时长来确定所述多个数据稀释区间；如果所述差值不小于设定值，则基于所述任一统计周期内的转速来确定所述多个数据稀释区间。
可选地，远端服务器可通过以下方式确定在所述任一统计周期下的多个数据稀释区间：按照所述任一统计周期的时长进行等分，以获得多个数据稀释区间，或者，按照所述任一统计周期内转速的最大值与转速的最小值的差值进行等分，以获得多个数据稀释区间。
可选地，从每个数据稀释区间提取的运行数据的数量相同，其中，第一预定数量为数据保留的目标总量与所述多个数据稀释区间的数量的比值，或者，从每个数据稀释区间提取的运行数据的数量不同，其中，与任一数据稀释区间对应的第一预定数量为数据保留的目标总量、用于反映区间转速占比的指标值、所述任一数据稀释区间对应的区间序号的乘积，其中，所述指标值可包括相邻数据稀释区间的转速差值或者首个数据稀释区间的目标数据量与数据保留的目标总量的比值，每个数据稀释区间对应的区间序号通过按照转速进行升序排列来确定。
可选地，所述运行数据可包括第一时间段内的第一运行数据和第二时间段内的第二运行数据，第一时间段位于第二时间段之前，其中，远端服务器对第一时间段内的第一运行数据按照所述多个数据稀释区间进行提取，对第二时间段内的第二运行数据全部进行存储。
可选地，远端服务器可还确定每个统计周期内运行数据的数量，如果任一统计周期内运行数据的数量不小于第一设定值，则保留第二预定数量的运行数据，以按照所述多个数据稀释区间对第二预定数量的运行数据进行提取，如果任一统计周期内运行数据的数量小于第一设定值且大于第二设定值，则保留第三预定数量的运行数据，以按照所述多个数据稀释区间对第三预定数量的运行数据进行提取，如果任一统计周期内运行数据的数量不大于第二设定值，则保留全部运行数据，以按照所述多个数据稀释区间对所保留的全部运行数据进行提取。
可选地，所述振动加速度数据为多个通道的振动加速度数据，远端服务器可通过以下方式来基于振动加速度数据确定风电机组的转速：基于所获取的振动加速度数据，从所述多个通道中确定目标通道；基于所述目标通道的振动加速度数据，从多个频带中确定目标频带；基于在目标通道的目标频带下的振动加速度数据，确定风电机组的转速。
可选地，远端服务器可通过以下方式从所获取的振动加速度数据中识别用于确定转速的振动加速度数据，以基于识别出的振动加速度数据来确定转速：确定所获取的振动加速度数据的清洗指标值；基于所确定的清洗指标值，以预定清洗规则对所获取的振动加速度数据进行清洗，获得用于确定转速的振动加速度数据。
可选地，所述清洗指标值可包括以下项中的至少一项：数据有效值、峭度值、低频能量占比值；和/或，所述预定清洗规则可包括：将清洗指标值满足阈值限制要求的振动加速度数据进行保留。
可选地，远端服务器可通过以下方式确定目标通道：利用所获取的振动加速度数据，确定所述多个通道中的每个通道的能量强度和能量离散程度；基于所确定的能量强度和能量离散程度将所述多个通道中的一个通道确定为目标通道。
可选地，远端服务器可通过以下方式确定目标通道：确定多个频带；针对每个通道的振动加速度数据，确定该通道的振动加速度数据在不同频带内的功率谱能量；基于所确定的功率谱能量，确定每个通道的用于反映能量强度大小的能量强度指标；基于所确定的功率谱能量，确定每个通道的用于反映能量离散程度的能量波动指标；根据每个通道的能量强度指标和能量波动指标，确定目标通道。
可选地，所述多个频带可根据风电场变流器对应的电气频率以及预设波动值来确定，和/或，所述振动加速度数据为在多个通道下多个样本的振动加速度数据，远端服务器可通过以下方式确定每个通道的用于反映能量强度大小的能量强度指标：针对每个样本，确定在每个通道中功率谱能量小于设定值的频带数；基于所确定的频带数与设定数量的比较结果，获得不同样本在每个通道的能量强度指标，和/或，远端服务器可通过以下方式确定每个通道的用于反映能量离散程度的能量波动指标：计算所述任一通道的能量方差；基于同一样本下各通道的能量方差的比较结果，获得不同样本在每个通道的能量波动指标。
可选地，远端服务器可通过以下方式确定目标通道：基于不同样本在每个通道的能量强度指标和能量波动指标，确定每个通道中有效样本的数量；将各通道中有效样本的数量最多的通道确定为目标通道。
可选地，远端服务器可通过以下方式确定任一样本在任一通道的能量强度指标：如果所述任一样本在所述任一通道中功率谱能量小于设定值的频带数大于设定数量，则所述任一样本在所述任一通道的能量强度指标被置为第一无效值，如果所述任一样本在所述任一通道中功率谱能量小于设定值的频带数不大于设定数量，则所述任一样本在所述任一通道的能量强度指标被置为第一有效值；和/或，远端服务器可通过以下方式确定所述任一样本在所述任一通道的能量波动指标：如果所述任一样本在所述任一通道的能量方差为所述任一样本下各通道的能量方差的最小值，则所述任一样本在所述任一通道的能量波动指标被置为第二有效值，如果所述任一样本在所述任一通道的能量方差不是所述任一样本下各通道的能量方差的最小值，则所述任一样本在所述任一通道的能量波动指标被置为第二无效值；和/或，任一通道的有效样本为能量强度指标和能量波动指标均为有效值的样本。
可选地，远端服务器可通过以下方式确定目标频带：确定每个频带的边带数量；确定每个频带的功率谱能量；基于所确定的边带数量和功率谱能量，将所述多个频带中的一个频带确定为目标频带。
可选地，远端服务器可通过以下方式从所述目标通道的振动加速度数据中搜索满足频带选取条件的振动加速度数据，以基于搜索到的振动加速度数据来确定目标频带：针对每个频带，可执行如下处理：确定在该频带内，以该频带的基准频率值所对应的幅值为分界的左边带数量和右边带数量；确定左边带数量与右边带数量的和值是否在预设边带数量范围内、且左边带数量与右边带数量的比值是否满足阈值要求；如果左边带数量与右边带数量的和值在预设边带数量范围内、且左边带数量与右边带数量的比值满足阈值要求，则确定满足频带选取条件，并基于该频带的振动加速度数据来确定目标频带。
可选地，所述预设边带数量范围的数值上限和数值下限可根据风电机组的机型转频范围的转频上限值和转频下限值来确定，和/或，所述预设边带数量范围的数值上限可根据机型转频范围的转频下限值和预设波动值来确定，所述预设边带数量范围的数值下限可根据机型转频范围的转频上限值和预设波动值来确定，和/或，所述阈值要求可包括左边带数量与右边带数量的比值不大于第一设定值，或者左边带数量与右边带数量的比值不小于第二设定值，第二设定值大于第一设定值。
可选地，远端服务器可通过以下方式确定目标频带：从各频带中选取边带数量处于预设数量范围的频带；将所选取的频带中功率谱能量最大的频带，确定为目标频带。
在另一总体方面，提供一种风电机组的数据稀释方法，所述数据稀释方法包括：确定风电机组的运行数据，其中，所述运行数据包括风电机组的转速；针对每个统计周期，基于该统计周期内转速的波动情况确定多个数据稀释区间，分别从每个数据稀释区间提取第一预定数量的运行数据；对所提取的运行数据进行存储。
可选地，可通过以下方式确定在每个统计周期中的任一统计周期下的多个数据稀释区间：确定在所述任一统计周期内转速的最大值和转速的最小值，确定转速的最大值与转速的最小值的差值，如果所述差值小于设定值，则基于所述任一统计周期的时长来确定所述多个数据稀释区间，如果所述差值不小于设定值，则基于所述任一统计周期内的转速来确定所述多个数据稀释区间；和/或，可通过以下方式确定在所述任一统计周期下的多个数据稀释区间：按照所述任一统计周期的时长进行等分，以获得多个数据稀释区间，或者，按照所述任一统计周期内转速的最大值与转速的最小值的差值进行等分，以获得多个数据稀释区间。
可选地，可通过以下方式确定风电机组的转速：获取风电机组多个通道的振动加速度数据；基于所获取的振动加速度数据，从所述多个通道中确定目标通道；基于所述目标通道的振动加速度数据，从多个频带中确定目标频带；基于在目标通道的目标频带下的振动加速度数据，确定风电机组的转速。
可选地，基于所获取的振动加速度数据，从所述多个通道中确定目标通道的步骤可包括：利用所获取的振动加速度数据，确定所述多个通道中的每个通道的能量强度和能量离散程度；基于所确定的能量强度和能量离散程度将所述多个通道中的一个通道确定为目标通道。
可选地，确定所述多个通道中的每个通道的能量强度和能量离散程度的步骤可包括：确定多个频带；针对每个通道的振动加速度数据，确定该通道的振动加速度数据在不同频带内的功率谱能量；基于所确定的功率谱能量，确定每个通道的用于反映能量强度大小的能量强度指标；基于所确定的功率谱能量，确定每个通道的用于反映能量离散程度的能量波动指标，以根据每个通道的能量强度指标和能量波动指标确定目标通道。
可选地，基于所述目标通道的振动加速度数据，从多个频带中确定目标频带的步骤可包括：确定每个频带的边带数量；确定每个频带的功率谱能量；基于所确定的边带数量和功率谱能量，将所述多个频带中的一个频带确定为目标频带。
可选地，基于所确定的边带数量和功率谱能量，将所述多个频带中的一个频带确定为目标频带的步骤可包括：从各频带中选取边带数量处于预设数量范围的频带；将所选取的频带中功率谱能量最大的频带，确定为目标频带。
在另一总体方面，提供一种控制器，包括：处理器；存储器，用于存储计算机程序，所述计算机程序在被所述处理器执行时实现上述的风电机组的数据稀释方法。
在另一总体方面，提供一种存储有计算机程序的计算机可读存储介质，当所述计算机程序在被处理器执行时实现如上述的风电机组的数据稀释方法。
采用本发明示例性实施例的风电机组振动数据处理系统以及数据稀释方法，能够最大限度地提取有效数据工况信息，避免无工况导致的数据误删，保证了振动数据的全面性和有效性。
附图说明
通过下面结合示例性地示出实施例的附图进行的详细描述，本发明示例性实施例的上述和其它目的、特点和优点将会变得更加清楚。
图1示出根据本发明示例性实施例的风电机组振动数据处理系统的框图；
图2示出根据本发明示例性实施例的确定在任一统计周期下的多个数据稀释区间的处理流程图；
图3示出根据本发明示例性实施例的对运行数据进行初步稀释处理流程图；
图4示出根据本发明示例性实施例的确定风电机组的转速的处理流程图；
图5示出根据本发明示例性实施例的确定目标通道的处理流程图；
图6示出根据本发明示例性实施例的确定目标频带的处理流程图；
图7示出根据本发明示例性实施例的对目标通道下的任一频带的振动加速度数据进行筛选的处理流程图；
图8示出根据本发明示例性实施例的风电机组的数据稀释方法的步骤的流程图；
图9A至图12B示出根据本发明示例性实施例的不同运行数据的数据谱图示意图；
图13示出根据本发明示例性实施例的第17条数据频谱放大示意图；
图14示出根据本发明示例性实施例的原始数据有效值的示意图；
图15A和图15B示出根据本发明示例性实施例的原始数据经过清洗后的有效值和转速数据的示意图；
图16示出根据本发明示例性实施例的稀释前后转速数据分布情况的示意图；
图17示出根据本发明示例性实施例的控制器的框图。
具体实施方式
现在，将参照附图更充分地描述不同的示例实施例，一些示例性实施例在附图中示出。
图1示出根据本发明示例性实施例的风电机组振动数据处理系统的框图。
如图1所示，根据本发明示例性实施例的风电机组振动数据处理系统100包括：数据采集单元101和远端服务器102。
具体说来，数据采集单元101用于采集风电机组的运行参数。这里，运行参数包括发电机多个测点处的振动加速度数据。
数据采集单元101可包括多个振动加速度传感器，例如，可在发电机轴承、发电机定子的多个测点处等指定部位安装振动加速度传感器，用于检测发电机轴承的振动加速度数据以及发电机定子的多个测点处的振动加速度数据。
应理解，本发明不限于此，数据采集单元101可还包括其他数据采集器件，以用于检测风电机组的其他运行参数，例如，可包括用于检测风速的风速仪、用于检测风向的风向标。
远端服务器102从数据采集单元101获取运行参数，基于振动加速度数据确定风电机组的转速，根据运行参数和转速形成风电机组的运行数据，针对每个统计周期，基于该统计周期内转速的波动情况确定多个数据稀释区间，分别从每个数据稀释区间提取第一预定数量的运行数据，以对所提取的运行数据进行存储。
这里，安装在发电机定子的一个测点处的振动加速度传感器所检测的振动加速度数据即为一个通道的振动加速度数据。在本发明示例性实施例中，通过选取数据质量好的通道以及噪声干扰小、频谱电气特征明显的频带，来利用所选取的频带下的振动加速度数据进行转速辨识及计算，以获得准确的风电机组的转速。
此外，可将获得的转速插入对应采样时刻的运行参数中，从而形成风电机组的运行数据，后续针对包含转速的运行数据进行数据稀释和存储。
在一可选示例中，根据本发明示例性实施例的风电机组振动数据处理系统100可还包括：布置在风电机组塔底的第一交换机103、布置在升压站的第二交换机104、现场服务器105。
例如，数据采集单元101将所采集的运行参数传送至第一交换机103，第一交换机103将所采集的运行参数传送至第二交换机104。
作为示例，数据采集单元101与第一交换机103之间可通过网线进行传输，第一交换机103与第二交换机104之间可通过风机环网进行传输。
第二交换机104将所采集的运行参数传送至现场服务器105，以进行存储，现场服务器105将所采集的运行参数传送至远端服务器102，以进行数据稀释和存储。作为示例，现场服务器105可经由正向隔离、防火墙将所采集的运行参数传送至远端服务器102。
应理解，上述所列举的各设备之间的数据传输方式仅为示例，本发明不限于此，本领域技术人员还可以根据实际需要来选择其他数据传输方式。
下面参照图2来介绍远端服务器102确定在任一统计周期下的多个数据稀释区间的过程。这里，可针对每个统计周期来利用如2所示的方式来确定在每个统计周期的多个数据稀释区间。
图2示出根据本发明示例性实施例的确定在任一统计周期下的多个数据稀释区间的处理流程图。
如图2所示，在步骤S101中，确定在任一统计周期内转速的最大值和转速的最小值。
例如，可预先设定一统计周期，后续针对每个统计周期来进行数据稀释。作为示例，统计周期的时长可以根据数据量和/或存储需求来进行选择，例如，可选取一个月或者一个季度作为一个统计周期。
在步骤S102中，确定转速的最大值与转速的最小值的差值。
在步骤S103中，确定转速的最大值与转速的最小值的差值是否小于设定值。
这里，可以根据经验来设置上述设定值的大小，本发明对此不做限定。
如果转速的最大值与转速的最小值的差值小于设定值，表明在该统计周期内转速的波动幅度不大，则执行步骤S104：基于任一统计周期的时长来确定多个数据稀释区间。
例如，可以按照任一统计周期的时长进行等分，以获得多个数据稀释区间。
如果转速的最大值与转速的最小值的差值不小于(大于或者等于)设定值，表明在该统计周期内转速的波动幅度较大，则执行步骤S105：基于任一统计周期内的转速来确定多个数据稀释区间。
例如，可以按照任一统计周期内转速的最大值与转速的最小值的差值进行等分，以获得多个数据稀释区间。
在本发明示例性实施例中，以转速为依据来划分区间，可以根据统计周期内的数据总量决定数据稀释的程度，同时参考统计周期内的转速波动幅度，对各数据稀释区间的数据进行不同程度的保留，在存储空间有限的情况下保证振动加速度数据的多样性和有效性。
在本发明示例性实施例中，远端服务器102可以通过以下两种方式来分别从每个数据稀释区间提取第一预定数量的运行数据。
一种情况，远端服务器102从每个数据稀释区间提取的运行数据的数量相同。
在此情况下，第一预定数量可为数据保留的目标总量与多个数据稀释区间的数量的比值。这里，按照统计周期统计单台风电机组的数据保留的目标总量，可以保证数据的连续性。
例如，针对上述基于任一统计周期的时长以及基于任一统计周期内的转速来划分多个数据稀释区间的情况，均可以从每个数据稀释区间提取数量相同的运行数据。
作为示例，可通过如下公式来确定第一预定数量：
公式(1)中，z表示第一预定数量，nf表示任一统计周期下数据保留的目标总量，h表示多个数据稀释区间的数量。
另一种情况，远端服务器102从每个数据稀释区间提取的运行数据的数量不同。
在此情况下，与任一数据稀释区间对应的第一预定数量可为任一统计周期下数据保留的目标总量、用于反映区间转速占比的指标值、任一数据稀释区间对应的区间序号的乘积。
作为示例，用于反映区间转速占比的指标值可包括相邻数据稀释区间的转速差值或者首个数据稀释区间的目标数据量与数据保留的目标总量的比值，每个数据稀释区间对应的区间序号可以通过按照转速进行升序排列来确定。
例如，可利用如下公式来确定与每个数据稀释区间对应的第一预定数量：
N_ev＝(a×nf,2×a×nf,…,h×a×nf) (2)
公式(2)中，N_ev表示与每个数据稀释区间对应的第一预定数量的集合，a表示用于反映区间转速占比的指标值，当基于转速差值进行等分来划分多个数据稀释区间时，a还可指等差数列的公差，也可以理解为首个数据稀释区间的数据量占比。
如果通过上述公式所计算得到的每个数据稀释区间的数量不为整数，则从高转速区间开始进行向上取整，直到数据保留的目标总量达到nf条即可。
此外，可以将数据稀释区间按照转速进行升序排列，如果从第h个数据稀释区间提取的运行数据的数量不满足区间数量要求，则未满足的数量叠加至第h-1个数据稀释区间进行选取，依次循环，直到数据保留的目标总量达到nf要求。
例如，针对上述基于任一统计周期内的转速来划分多个数据稀释区间的情况，可以通过上述方式来从各数据稀释区间提取不同数量的运行数据。
在一可选示例中，远端服务器102可预先对运行数据按照总数量进行初步稀释，然后再对初步稀释后的运行数据按照每个数据稀释区间进行深度稀释。
下面参照图3来介绍远端服务器102对运行数据进行初步稀释的过程。
图3示出根据本发明示例性实施例的对运行数据进行初步稀释处理流程图。
如图3所示，在步骤S201中，确定运行数据的总数量。
在步骤S202中，将运行数据的总数量与第一设定值进行比较，即，确定运行数据的总数量是否小于第一设定值。
这里，可以根据经验来设置上述第一设定值的大小，本发明对此不做限定。
如果运行数据的总数量不小于(大于或者等于)第一设定值，则执行步骤S203：保留第二预定数量的运行数据，以按照多个数据稀释区间对第二预定数量的运行数据进行提取。
如果运行数据的总数量小于第一设定值，则执行步骤S204：将运行数据的总数量与第二设定值进行比较，即，确定运行数据的总数量是否大于第二设定值。
这里，可以根据经验来设置上述第二设定值的大小，本发明对此不做限定，第一设定值大于第二设定值。
如果运行数据的总数量大于第二设定值，则执行步骤S205：保留第三预定数量的运行数据，以按照多个数据稀释区间对第三预定数量的运行数据进行提取。
如果运行数据的总数量不大于(小于或者等于)第二设定值，则执行步骤S206：保留全部运行数据，以按照多个数据稀释区间对所保留的全部运行数据进行提取。
在本发明示例性实施例中，除对运行数据进行初步稀释之外，还可以进行异常数据删除。
例如，以在线风电机组振动数据处理系统对发电机主轴、定子均进行监测为例，在数据采集过程中由于工况、数据采集设备等外界因素的干扰，难免碰到波形偏移、跳变等情况的运行数据，该类运行数据往往无法反映监测对象的真实状况，因此需要对其进行剔除。针对发电机主轴可以通过统计分布、指标分析、阈值设置等方法进行各个测点的异常值剔除。还可以统计同一时刻各个测点的数据合格数，与设置阈值进行比较，如果大于设置阈值，则保留该条运行数据，否则删除该条运行数据。
在本发明示例性实施例中，可以针对历史运行数据和近期运行数据(即，不同时间段的运行数据)采用不同的存储方式。
在一示例中，运行数据可包括第一时间段内的第一运行数据和第二时间段内的第二运行数据。这里，第一时间段位于第二时间段之前，也就是说，第一时间段内的第一运行数据为历史运行数据，第二时间段内的第二运行数据为距离当前时刻较近的实时运行数据(即，近期运行数据)。
由于监测报告分析及机组状况评估的需要，近期运行数据需要完整保留，也就是说，对第二时间段内的第二运行数据全部进行存储。远端服务器102对于历史运行数据可以进行稀释后再存储，例如，远端服务器102可对第一时间段内的第一运行数据按照统计周期进行划分，并针对每个统计周期内的第一运行数据按照多个数据稀释区间进行稀释，再对稀释后的运行数据进行存储。
在本发明示例性实施例中，获取的振动加速度数据可包括多个通道的振动加速度数据，例如，布置在发电机定子上的一个测点处的振动加速度传感器所检测的振动加速度数据可作为一个通道的振动加速度数据，以通过定子测点的振动加速度数据获得该条振动加速度数据的对应转速。
下面参照图4来介绍远端服务器102基于振动加速度数据确定风电机组的转速的过程。
图4示出根据本发明示例性实施例的确定风电机组的转速的处理流程图。
如图4所示，在步骤S301中，基于所获取的振动加速度数据，从多个通道中确定目标通道。
在一示例中，远端服务器102可通过以下方式从所获取的振动加速度数据中识别用于确定转速的振动加速度数据，以基于识别出的振动加速度数据来确定转速。
例如，确定所获取的振动加速度数据的清洗指标值，基于所确定的清洗指标值，以预定清洗规则对所获取的振动加速度数据进行清洗，获得用于确定转速的振动加速度数据。
这里，预定清洗规则可包括：将清洗指标值满足阈值限制要求的振动加速度数据进行保留。作为示例，清洗指标值可包括但不限于以下项中的至少一项：数据有效值、峭度值、低频能量占比值，不同清洗指标值对应不同的限制阈值。
下面介绍确定振动加速度数据的数据有效值的过程。
数据有效值是对时间的平均，可以体现出振动变化大小、反映振动能量大小且不受个别异常冲击的影响，但不适用于诊断由轴承表面剥落等故障引起的冲击数据。
例如，可利用如下公式来确定振动加速度数据的数据有效值：
公式(4)中，xrms表示振动加速度数据的数据有效值，xg表示第g个采样点对应的振动加速度数据，1≤g≤n，n表示一条振动加速度数据中包括的采样点数量。
下面介绍确定振动加速度数据的峭度值的过程。
峭度值与轴承转速、尺寸、载荷等无关，对冲击信号特别敏感，特别适用于表面损伤类故障、尤其是早期故障的诊断。
例如，可利用如下公式来确定振动加速度数据的峭度值：
公式(5)和公式(6)中，K表示振动加速度数据的峭度值，xg表示第g个采样点对应的振动加速度数据，1≤g≤n，n表示一条振动加速度数据中包括的采样点数量，
表示一条振动加速度数据中各采样点对应的振动加速度数据的平均值，μ表示振动加速度数据的标准差。
下面介绍确定振动加速度数据的低频能量占比值的过程。
例如，可利用如下公式来确定振动加速度数据的低频能量占比值：
公式(7)中，percent表示振动加速度数据的低频能量占比值，xg表示第g个采样点对应的振动加速度数据，Ener表示振动加速度数据的能量，x′g表示利用低通滤波器将预设频率(如1500赫兹)之外的信号进行滤除，获得的第g个采样点对应的振动加速度数据，Ener′表示经过低通滤波后的振动加速度数据的能量。
在基于上述清洗指标值对振动加速度数据进行清洗之后，可将定子异常数据对应转速置0，对合格数据进行多通道数据指标分析，以选取数据质量较好的通道。
例如，远端服务器102可通过以下方式从多个通道中识别目标通道：利用所获取的振动加速度数据，确定多个通道中的每个通道的能量强度和能量离散程度，基于所确定的能量强度和能量离散程度将多个通道中的一个通道确定为目标通道。也就是说，最终确定的目标通道可为多个通道中能量强度大、能量波动小的通道。
在步骤S302中，基于目标通道的振动加速度数据，从多个频带中确定目标频带。
例如，可对目标通道的振动加速度数据进行多频段数据结构分析，选取噪声干扰小、频谱电气特征明显的频带作为目标频带。
这里，随着风电机组状况不断变化，数据特征可能会改变，对同一个对象(风电机组)的通道、频带选择可以隔一段时间进行一次修正。
在步骤S303中，基于在目标通道的目标频带下的振动加速度数据，确定风电机组的转速。
在本发明示例性实施例中，通过一些典型的数据特征量对振动加速度数据进行清洗，进而对振动加速度数据不同通道、频带的数据质量进行评判筛选，最终找出最佳的通道与频带进行转速信息识别，能最大限度地准确提取转速信息，根据转速信息对历史运行数据进行合理稀释，在存储空间有限的情况下保留风电机组的有效数据，并为后续数据二次开发提供有力支撑。
下面参照图5来介绍基于振动加速度数据，从多个通道中确定目标通道的过程。
图5示出根据本发明示例性实施例的确定目标通道的处理流程图。
如图5所示，在步骤S401中，确定多个频带。
在一示例中，多个频带可以根据风电场变流器对应的电气频率以及预设波动值来确定。
例如，可利用多个通道的多个样本的振动加速度数据，构成时域数据矩阵X(t)，如下所示：
公式(10)中，1≤i≤m，m表示通道的数量，1≤j≤N，N表示样本的数量，t表示时域信号，Xij＝{x1,x2,x3,…,xn}表示1条时域数据。
数据采样频率为fs，通过对时域数据矩阵进行fft变换，获得频域矩阵Y：
公式(11)中，Yij＝{y1,y2,yi,…,yn}为频域幅值序列，yi对应的频率fi如下：
对每个Yij进行频带分析，假设风电场变流器对应的电气频率为f，预设波动值为δ，则多个频带可表示为：f±δ、(f±δ)×2、……、(f±δ)×k，k为频带的数量。
基于频域幅值序列，提取在每个频带内的幅值最大值所对应的频率，形成频域特征矩阵F：
F＝{Fi1,Fi2…FiN} (13)
在上述公式中，F由多个样本构成，Fi1由第一个样本在m个通道、k个频带下的频率值构成。
在步骤S402中，针对每个通道的振动加速度数据，确定该通道的振动加速度数据在不同频带内的功率谱能量。
例如，针对每个Yij，计算Yij对应各频带的功率谱能量，形成能量矩阵A：
A＝{Ai1,Ai2…AiN} (15)
在上述公式中，A由多个样本构成，Ai1由第一个样本在m个通道、k个频带下的功率谱能量构成。
在步骤S403中，基于所确定的功率谱能量，确定每个通道的用于反映能量强度大小的能量强度指标。
这里，振动加速度数据为在多个通道下多个样本的振动加速度数据，在此情况下，针对每个样本，确定在每个通道中功率谱能量小于设定值的频带数，基于所确定的频带数与设定数量的比较结果，获得不同样本在每个通道的能量强度指标。
例如，远端服务器102可通过以下方式确定任一样本在任一通道的能量强度指标：如果任一样本在任一通道中功率谱能量小于设定值的频带数大于设定数量，则任一样本在任一通道的能量强度指标被置为第一无效值，如果任一样本在任一通道中功率谱能量小于设定值的频带数不大于(即，小于或者等于)设定数量，则任一样本在所述任一通道的能量强度指标被置为第一有效值。
这里，可以根据经验来设置上述设定值和设定数量的数值大小，作为示例，设定值可设置为0.001，设定数量可设置为1。
在一示例中，统计每个通道中功率谱能量小于设定值0.001的频带数numi，形成0-1特征矩阵，其中，0表示第一无效值，1表示第一有效值，如果numi＞1，则将对应的通道的能量强度指标置为0，如果numi≤1，则将对应的通道的能量强度指标置为1。
例如，以三个通道为例，第j个样本在三个通道的能量强度指标表示为：
B＝{B1,B2,…BN} (21)
公式(20)中，Bj表示第j个样本的能量强度指标，由三个通道的能量强度指标构成，公式(21)中，B表示通道判别矩阵，由各样本的能量强度指标构成。
在步骤S404中，基于所确定的功率谱能量，确定每个通道的用于反映能量离散程度的能量波动指标。
例如，计算任一通道的能量方差，基于同一样本下各通道的能量方差的比较结果，获得不同样本在每个通道的能量波动指标。
在一示例中，远端服务器102可通过以下方式确定任一样本在任一通道的能量波动指标：如果任一样本在任一通道的能量方差为任一样本下各通道的能量方差的最小值，则任一样本在任一通道的能量波动指标被置为第二有效值，如果任一样本在任一通道的能量方差不是任一样本下各通道的能量方差的最小值，则任一样本在任一通道的能量波动指标被置为第二无效值。
例如，可归一化能量矩阵A，计算每个通道的能量方差Sij，形成方差矩阵S：
在上述公式中，S表示方差矩阵，min(Ai)表示第i个通道的功率谱能量中的最小值，max(Ai)表示第i个通道的功率谱能量中的最大值，Ail表示在第i个通道的第l频带下的功率谱能量，Ai′l表示在第i个通道的第l频带下归一化后的功率谱能量，avgi表示第i个通道对应的功率谱能量均值，Sil表示在第i个通道的第l频带下的能量方差，1≤l≤k，1≤i≤m，1≤j≤N。
对比同一条数据(同一样本)各通道的能量方差，将能量方差最小的通道的能量波动指标设置为1，其他通道的能量波动指标设置为0，形成简化矩阵S′。
在步骤S405中，根据每个通道的能量强度指标和能量波动指标，确定目标通道。
例如，可基于不同样本在每个通道的能量强度指标和能量波动指标，确定每个通道中有效样本的数量，将各通道中有效样本的数量最多的通道确定为目标通道。作为示例，任一通道的有效样本可指能量强度指标和能量波动指标均为有效值的样本。
在一示例中，可将通道判别矩阵与方差的简化矩阵相乘，获得统计矩阵T，T＝B*S′，剔除个别样本中的不合格通道，统计样本中的各通道合格数量：
公式(27)中，NUM表示通道合格数统计矩阵，vi表示第i个通道中有效样本的数量，最终选择的目标通道为有效样本的数量最多的通道，即，max(vi)对应的通道。
下面参照图6来介绍远端服务器102基于目标通道的振动加速度数据，从多个频带中确定目标频带的过程。
图6示出根据本发明示例性实施例的确定目标频带的处理流程图。
如图6所示，在步骤S501中，确定每个频带的边带数量。
在执行步骤S501之前，可对频域矩阵Y进行结构锐化。
例如，根据机型，设定边带分析范围
利用通道选取过程中得到的频域特征矩阵F，将每个
频带内的对应幅值从Yij中截取，构造一个分析序列：Y′＝{y1′,y′2,…,y′n}，根据数据信噪比设置数据过滤指标d，将序列Y′中小于d的元素设置为0，将序列Y′中大于或者等于d的元素设置为1，形成结构矩阵Y0-1。
由于信号的频率分辨率以及采样频率不同，1个边带由多个点组成，为了准确分析
频带范围内的边带数量是否满足要求，需要对结构矩阵Y0-1进行进一步处理。对于Y0-1中出现连续为1的序列，只保留第一个值，其余值置为0，形成Y0′-1，目标通道对应的锐化矩阵Ynorm可表示为：
Ynorm＝{y′(0-1)1,y′(0-1)2,…,y′(0-1)k} (28)
公式(28)中，y′(0-1)k表示目标通道的第k个采样点对应的元素y(0-1)k锐化后的元素。利用上述结构锐化后的频域数据来确定目标频带。
在步骤S502中，确定每个频带的功率谱能量。
这里，可利用各种方式来确定各频带的功率谱能量，本发明对此部分内容不再赘述。
在步骤S503中，基于所确定的边带数量和功率谱能量，将多个频带中的一个频带确定为目标频带。
例如，从各频带中选取边带数量处于预设数量范围的频带，将所选取的频带中功率谱能量最大的频带，确定为目标频带。
在一示例中，每个频带的边带数量可表示为s＝{s1,s2,…sk}，每个频带的功率谱能量可表示为E＝{E1,E2,…Ek}，
在此情况下，可基于如下规则来选取目标频带：
si∈[min(s),min(s)+1] (29)
k＝max(E|i∈si) (30)
公式(29)中，[min(s),min(s)+1]表示预设数量范围，min(s)表示边带数量最小值。也就是说，最终选取的目标频带为边带数量最少且能量最大的频带。
可以根据目标通道和目标频带的选取结果，识别载波频率与左右边带间隔Δf，即可找到定子测点对应的转速。
在一可选示例中，在确定目标频带之前，可对目标通道的振动加速度数据进行筛选，利用目标通道筛选后的振动加速度数据来确定目标频带。
例如，从目标通道的振动加速度数据中搜索满足频带选取条件的振动加速度数据，以基于搜索到的振动加速度数据来确定目标频带。
远端服务器102可以针对每个频带执行如图7所示的处理过程，以对目标通道下的每个频带的振动加速度数据进行筛选。
图7示出根据本发明示例性实施例的对目标通道下的任一频带的振动加速度数据进行筛选的处理流程图。
如图7所示，在步骤S601中，确定在任一频带内，以该任一频带的基准频率值fij所对应的幅值为分界的左边带数量和右边带数量。
在步骤S602中，确定是否满足频带选取条件。频带选取条件可包括：确定左边带数量与右边带数量的和值是否在预设边带数量范围内、且左边带数量与右边带数量的比值是否满足阈值要求。
在一示例中，可以根据风电机组的机型转频范围的转频上限值和转频下限值来确定预设边带数量范围的数值上限和数值下限。
例如，预设边带数量范围的数值上限可以根据机型转频范围的转频下限值和预设波动值来确定，预设边带数量范围的数值下限可以根据机型转频范围的转频上限值和预设波动值来确定。
作为示例，风电机组的机型转频范围可表示为[fri,frx]，fri表示转频下限值，frx表示转频上限值，
范围内的边带数量在预设边带数量范围[a,b]之间，其中，
上述公式中，a表示预设边带数量范围的数值下限，b表示预设边带数量范围的数值上限，c为一常数。
作为示例，阈值要求可包括左边带数量与右边带数量的比值不大于第一设定值，或者左边带数量与右边带数量的比值不小于第二设定值。这里，第二设定值大于第一设定值。
如果不满足频带选取条件，如，左边带数量与右边带数量的和值不在预设边带数量范围内、且左边带数量与右边带数量的比值不满足阈值要求，则不将该频带的振动加速度数据用作确定目标频带。
如果满足频带选取条件，如，左边带数量与右边带数量的和值在预设边带数量范围内、且左边带数量与右边带数量的比值满足阈值要求，则执行步骤S603：基于该频带的振动加速度数据来确定目标频带。
例如，fij对应幅值的左边带数量表示为numl，右边带数量表示为numr，numl与numr之和为s，频带选取条件可表示如下：
a≤s≤b (33)
上述公式中，λ1表示第一设定值，λ2表示第二设定值。
图8示出根据本发明示例性实施例的风电机组的数据稀释方法的步骤的流程图。
参照图8，在步骤S10中，确定风电机组的运行数据。这里，运行数据包括风电机组的转速。
在步骤S20中，针对每个统计周期，基于该统计周期内转速的波动情况确定多个数据稀释区间，分别从每个数据稀释区间提取第一预定数量的运行数据。
在步骤S30中，对所提取的运行数据进行存储。
应理解，图8所示的风电机组的数据稀释方法可在图1所示的远端服务器102中执行。由于上述已经对远端服务器102对风电机组的运行数据进行稀释的过程进行了详细描述，本发明对此部分内容不再赘述。
下面通过一个示例来阐述上述风电机组的数据稀释方法的处理过程。
以某风场21#风电机组4月份的振动加速度数据为例，可首先对定子高频采样数据进行数据清洗，清洗指标值如表1所示，按照预定清洗规则，对于数据有效值RMS<0.2或者峭度值K>30或者低频能量占比值percent>0.3的数据进行清洗。
表1
选取第4条、第8条、第13条、第17条数据进行原始波形图以及频谱图对比，见图9A至图12B。其中，图9A和图9B为第4条数据谱图展示，图10A和图10B为第8条数据谱图展示，图11A和图11B为第13条数据谱图展示，图12A和图12B为第17条数据谱图展示。
图13示出根据本发明示例性实施例的第17条数据频谱放大示意图。
参照预定清洗规则可知，第17条数据为正常数据，该数据频谱具有明显的变流器电气频率倍频特征，可以进行转速信息识别。对应表1中的第15-21条数据满足阈值限制要求，为合格数据进行保留。
在本示例中，假设共选取220条振动加速度数据，每条数据具有7个通道，其中5-7通道为定子通道，其他通道可为主轴通道，但本发明不限于此，还可以包括其他通道。5-7通道的频谱特征类似于图13，可以进行转速识别。对清洗过的数据，进行通道、频带选取以及转速识别。
对每个通道的振动加速度数据在1X～3X频带进行识别，如果数据各频带特征稳定，那么各个频带识别出的最终结果应该保持高度一致，如果最终结果存在偏差较大的通道，则说明该通道各频带数据质量不稳定，对于批量数据转速辨识会产生较大影响。表2示出统计各通道不同频带转速辨识结果中方差>0.2的条数：
表2
| 通道 | 5 | 6 | 7 |
| 方差>0.2(个数) | 29 | 22 | 62 |
由表2所示可知，7通道各频带数据质量不稳定，不利于转速辨识，5、6通道结果相近，需要进一步分析以确定目标通道。
逐个比对各通道各频带的转速识别准确率，如表3所示。
表3
| 频带\通道号 | 5 | 6 | 7 |
| 1X | 99.1％ | 98.6％ | 94.1％ |
| 2X | 94.1％ | 95.0％ | 85％ |
| 3X | 86.81％ | 94.1％ | 93.2％ |
由表3所示可知，最终结果以5通道1X频带为准在一定频带范围内进行转速识别，转速识别准确率较高，能最大程度提取风电机组转速信息。
将识别出的转速信息插入到该风电机组对应的运行数据中，每条运行数据中可以包括同一时刻(Time)各个监测点(Channel)数据采集参数(Index1)、波形指标(Index2)以及转速(speed)字段，如表4所示的运行数据结构。
表4
| Time | Index1 | Index2 | … | speed | |
| Channel1 | Time1 | Value1 | Value2 | … | Speed1 |
| Channel2 | Time1 | Value3 | Value4 | … | Speed1 |
| … | … | … | … | … | … |
| Channeln | Time1 | Value m | Value(m+1) | … | Speed1 |
对于样本数据，首先进行异常值剔除，原始数据某监测点RMS值如图14。经过数据清洗(本示例采用指标阈值法)以及转速提取后，数据RMS及对应转速值如图15A和图15B所示。
在本示例中，假设一个统计周期内的数据保留的目标总量count＝800条，第二预定数量为count×s1，s1＝5％，第三预定数量为count×s2，s2＝20％，第二设定值为count_min＝50。经统计发现21#风电机组4月数据共419条，共保留84条数据，转速区间为[7.15～14.32]。根据数据稀释规则，将基于统计周期内的转速将转速区间等分为4份，即获得4个数据稀释区间[7.15～8.94)、[8.94～10.73)、[10.73～12.52)、[12.52～14.32]，每个数据稀释区间数据保留的目标总量分别为(7，17，26，34)，统计数据转速分布如图16所示。
在本发明示例性实施例中，基于转速对振动加速度数据进行针对性稀释，能够准确保留各种工况下的振动加速度数据信息，避免保留因设备等外界因素干扰导致的异常数据，或者误删一些工况良好的异常数据，为后续的数据挖掘等工作打下良好基础。
图17示出根据本发明示例性实施例的控制器的框图。
如图17所示，根据本发明示例性实施例的控制器200包括：处理器201和存储器202。
具体说来，存储器202用于存储计算机程序，所述计算机程序在被处理器201执行时实现上述的风电机组的数据稀释方法。
这里，图8所示的风电机组的数据稀释方法可在图17所示的处理器201中执行。图17中的控制器可被实现为图1中所示的远端服务器102，应用于风电机组振动数据处理系统100中。作为示例，控制器200也可被实现为风电场的控制器。
根据本发明的示例性实施例还提供一种存储有计算机程序的计算机可读存储介质。该计算机可读存储介质存储有当被处理器执行时使得处理器执行上述风电机组的数据稀释方法的计算机程序。该计算机可读记录介质是可存储由计算机系统读出的数据的任意数据存储装置。计算机可读记录介质的示例包括：只读存储器、随机存取存储器、只读光盘、磁带、软盘、光数据存储装置和载波(诸如经有线或无线传输路径通过互联网的数据传输)。
根据本发明示例性实施例的风电机组振动数据处理系统以及数据稀释方法，可以在数据更新替换时，对数据进行稀释从而降低存储需求，保留重要历史信息。
此外，本发明示例性实施例的风电机组振动数据处理系统以及数据稀释方法，可以根据工况对数据进行稀释，能够有效排除干扰数据，最大限度提取有效数据工况信息，避免无工况导致的数据误删，保证了振动加速度数据的全面性和有效性，稀释后的数据仍可以进行二次开发。
此外，本发明示例性实施例的风电机组振动数据处理系统以及数据稀释方法，结合实际情况，对风场历史数据进行精准稀释，通过定子数据清洗，通道、频带选择，实现高精度的转速信息识别，根据转速信息对历史数据进行合理稀释，在存储空间有限的情况下保留风电机组的有效数据，为后续的数据二次开发提供了有力支撑。
尽管已经参照其示例性实施例具体显示和描述了本发明，但是本领域的技术人员应该理解，在不脱离权利要求所限定的本发明的精神和范围的情况下，可以对其进行形式和细节上的各种改变。
Claims (29)
1.一种风电机组振动数据处理系统，其特征在于，所述风电机组振动数据处理系统包括：
数据采集单元，用于采集风电机组的运行参数，其中，所述运行参数包括发电机定子的多个测点处的振动加速度数据；
远端服务器，从数据采集单元获取运行参数，基于振动加速度数据确定风电机组的转速，根据运行参数和转速形成风电机组的运行数据，
针对每个统计周期，基于该统计周期内转速的波动情况确定多个数据稀释区间，分别从每个数据稀释区间提取第一预定数量的运行数据，以对所提取的运行数据进行存储。
2.根据权利要求1所述的风电机组振动数据处理系统，其特征在于，所述风电机组振动数据处理系统还包括布置在风电机组塔底的第一交换机、布置在升压站的第二交换机和现场服务器，
其中，数据采集单元将所采集的运行参数传送至第一交换机，
第一交换机将所采集的运行参数传送至第二交换机，
第二交换机将所采集的运行参数传送至现场服务器，
现场服务器将所采集的运行参数传送至远端服务器。
3.根据权利要求2所述的风电机组振动数据处理系统，其特征在于，数据采集单元与第一交换机之间通过网线进行传输，
和/或，第一交换机与第二交换机之间通过风机环网进行传输，
和/或，现场服务器经由正向隔离、防火墙将所采集的运行参数传送至远端服务器。
4.根据权利要求1所述的风电机组振动数据处理系统，其特征在于，远端服务器通过以下方式来确定在每个统计周期中的任一统计周期下的多个数据稀释区间：
确定在所述任一统计周期内转速的最大值和转速的最小值；
确定转速的最大值与转速的最小值的差值；
如果所述差值小于设定值，则基于所述任一统计周期的时长来确定所述多个数据稀释区间；
如果所述差值不小于设定值，则基于所述任一统计周期内的转速来确定所述多个数据稀释区间。
5.根据权利要求4所述的风电机组振动数据处理系统，其特征在于，远端服务器通过以下方式确定在所述任一统计周期下的多个数据稀释区间：
按照所述任一统计周期的时长进行等分，以获得多个数据稀释区间，
或者，
按照所述任一统计周期内转速的最大值与转速的最小值的差值进行等分，以获得多个数据稀释区间。
6.根据权利要求4所述的风电机组振动数据处理系统，其特征在于，从每个数据稀释区间提取的运行数据的数量相同，其中，第一预定数量为数据保留的目标总量与所述多个数据稀释区间的数量的比值，
或者，从每个数据稀释区间提取的运行数据的数量不同，其中，与任一数据稀释区间对应的第一预定数量为数据保留的目标总量、用于反映区间转速占比的指标值、所述任一数据稀释区间对应的区间序号的乘积，
其中，所述指标值包括相邻数据稀释区间的转速差值或者首个数据稀释区间的目标数据量与数据保留的目标总量的比值，每个数据稀释区间对应的区间序号通过按照转速进行升序排列来确定。
7.根据权利要求1所述的风电机组振动数据处理系统，其特征在于，所述运行数据包括第一时间段内的第一运行数据和第二时间段内的第二运行数据，第一时间段位于第二时间段之前，
其中，远端服务器对第一时间段内的第一运行数据按照所述多个数据稀释区间进行提取，对第二时间段内的第二运行数据全部进行存储。
8.根据权利要求1所述的风电机组振动数据处理系统，其特征在于，远端服务器还确定运行数据的总数量，如果运行数据的总数量不小于第一设定值，则保留第二预定数量的运行数据，以按照所述多个数据稀释区间对第二预定数量的运行数据进行提取，如果任一统计周期内运行数据的数量小于第一设定值且大于第二设定值，则保留第三预定数量的运行数据，以按照所述多个数据稀释区间对第三预定数量的运行数据进行提取，如果任一统计周期内运行数据的数量不大于第二设定值，则保留全部运行数据，以按照所述多个数据稀释区间对所保留的全部运行数据进行提取。
9.根据权利要求1所述的风电机组振动数据处理系统，其特征在于，所述振动加速度数据为多个通道的振动加速度数据，远端服务器通过以下方式来基于振动加速度数据确定风电机组的转速：
基于所获取的振动加速度数据，从所述多个通道中确定目标通道；
基于所述目标通道的振动加速度数据，从多个频带中确定目标频带；
基于在目标通道的目标频带下的振动加速度数据，确定风电机组的转速。
10.根据权利要求9所述的风电机组振动数据处理系统，其特征在于，远端服务器通过以下方式从所获取的振动加速度数据中识别用于确定转速的振动加速度数据，以基于识别出的振动加速度数据来确定转速：
确定所获取的振动加速度数据的清洗指标值；
基于所确定的清洗指标值，以预定清洗规则对所获取的振动加速度数据进行清洗，获得用于确定转速的振动加速度数据。
11.根据权利要求10所述的风电机组振动数据处理系统，其特征在于，所述清洗指标值包括以下项中的至少一项：数据有效值、峭度值、低频能量占比值；
和/或，所述预定清洗规则包括：将清洗指标值满足阈值限制要求的振动加速度数据进行保留。
12.根据权利要求9所述的风电机组振动数据处理系统，其特征在于，远端服务器通过以下方式确定目标通道：
利用所获取的振动加速度数据，确定所述多个通道中的每个通道的能量强度和能量离散程度；
基于所确定的能量强度和能量离散程度将所述多个通道中的一个通道确定为目标通道。
13.根据权利要求12所述的风电机组振动数据处理系统，其特征在于，远端服务器通过以下方式确定目标通道：
确定多个频带；
针对每个通道的振动加速度数据，确定该通道的振动加速度数据在不同频带内的功率谱能量；
基于所确定的功率谱能量，确定每个通道的用于反映能量强度大小的能量强度指标；
基于所确定的功率谱能量，确定每个通道的用于反映能量离散程度的能量波动指标；
根据每个通道的能量强度指标和能量波动指标，确定目标通道。
14.根据权利要求13所述的风电机组振动数据处理系统，其特征在于，所述多个频带根据风电场变流器对应的电气频率以及预设波动值来确定，
和/或，所述振动加速度数据为在多个通道下多个样本的振动加速度数据，远端服务器通过以下方式确定每个通道的用于反映能量强度大小的能量强度指标：
针对每个样本，确定在每个通道中功率谱能量小于设定值的频带数；
基于所确定的频带数与设定数量的比较结果，获得不同样本在每个通道的能量强度指标，
和/或，远端服务器通过以下方式确定每个通道的用于反映能量离散程度的能量波动指标：
计算所述任一通道的能量方差；
基于同一样本下各通道的能量方差的比较结果，获得不同样本在每个通道的能量波动指标。
15.根据权利要求14所述的风电机组振动数据处理系统，其特征在于，远端服务器通过以下方式确定目标通道：
基于不同样本在每个通道的能量强度指标和能量波动指标，确定每个通道中有效样本的数量；
将各通道中有效样本的数量最多的通道确定为目标通道。
16.根据权利要求15所述的风电机组振动数据处理系统，其特征在于，远端服务器通过以下方式确定任一样本在任一通道的能量强度指标：
如果所述任一样本在所述任一通道中功率谱能量小于设定值的频带数大于设定数量，则所述任一样本在所述任一通道的能量强度指标被置为第一无效值，
如果所述任一样本在所述任一通道中功率谱能量小于设定值的频带数不大于设定数量，则所述任一样本在所述任一通道的能量强度指标被置为第一有效值；
和/或，远端服务器通过以下方式确定所述任一样本在所述任一通道的能量波动指标：
如果所述任一样本在所述任一通道的能量方差为所述任一样本下各通道的能量方差的最小值，则所述任一样本在所述任一通道的能量波动指标被置为第二有效值，
如果所述任一样本在所述任一通道的能量方差不是所述任一样本下各通道的能量方差的最小值，则所述任一样本在所述任一通道的能量波动指标被置为第二无效值；
和/或，任一通道的有效样本为能量强度指标和能量波动指标均为有效值的样本。
17.根据权利要求9所述的风电机组振动数据处理系统，其特征在于，远端服务器通过以下方式确定目标频带：
确定每个频带的边带数量；
确定每个频带的功率谱能量；
基于所确定的边带数量和功率谱能量，将所述多个频带中的一个频带确定为目标频带。
18.根据权利要求17所述的风电机组振动数据处理系统，其特征在于，远端服务器通过以下方式从所述目标通道的振动加速度数据中搜索满足频带选取条件的振动加速度数据，以基于搜索到的振动加速度数据来确定目标频带：
针对每个频带，执行如下处理：
确定在该频带内，以该频带的基准频率值所对应的幅值为分界的左边带数量和右边带数量；
确定左边带数量与右边带数量的和值是否在预设边带数量范围内、且左边带数量与右边带数量的比值是否满足阈值要求；
如果左边带数量与右边带数量的和值在预设边带数量范围内、且左边带数量与右边带数量的比值满足阈值要求，则确定满足频带选取条件，并基于该频带的振动加速度数据来确定目标频带。
19.根据权利要求18所述的风电机组振动数据处理系统，其特征在于，所述预设边带数量范围的数值上限和数值下限根据风电机组的机型转频范围的转频上限值和转频下限值来确定，
和/或，所述预设边带数量范围的数值上限根据机型转频范围的转频下限值和预设波动值来确定，所述预设边带数量范围的数值下限根据机型转频范围的转频上限值和预设波动值来确定，
和/或，所述阈值要求包括左边带数量与右边带数量的比值不大于第一设定值，或者左边带数量与右边带数量的比值不小于第二设定值，第二设定值大于第一设定值。
20.根据权利要求17所述的风电机组振动数据处理系统，其特征在于，远端服务器通过以下方式确定目标频带：
从各频带中选取边带数量处于预设数量范围的频带；
将所选取的频带中功率谱能量最大的频带，确定为目标频带。
21.一种风电机组的数据稀释方法，其特征在于，所述数据稀释方法包括：
确定风电机组的运行数据，其中，所述运行数据包括风电机组的转速；
针对每个统计周期，基于该统计周期内转速的波动情况确定多个数据稀释区间，分别从每个数据稀释区间提取第一预定数量的运行数据；
对所提取的运行数据进行存储。
22.根据权利要求21所述的数据稀释方法，其特征在于，通过以下方式确定在每个统计周期中的任一统计周期下的多个数据稀释区间：
确定在所述任一统计周期内转速的最大值和转速的最小值，
确定转速的最大值与转速的最小值的差值，
如果所述差值小于设定值，则基于所述任一统计周期的时长来确定所述多个数据稀释区间，
如果所述差值不小于设定值，则基于所述任一统计周期内的转速来确定所述多个数据稀释区间；
和/或，通过以下方式确定在所述任一统计周期下的多个数据稀释区间：
按照所述任一统计周期的时长进行等分，以获得多个数据稀释区间，
或者，
按照所述任一统计周期内转速的最大值与转速的最小值的差值进行等分，以获得多个数据稀释区间。
23.根据权利要求21所述的数据稀释方法，其特征在于，通过以下方式确定风电机组的转速：
获取风电机组多个通道的振动加速度数据；
基于所获取的振动加速度数据，从所述多个通道中确定目标通道；
基于所述目标通道的振动加速度数据，从多个频带中确定目标频带；
基于在目标通道的目标频带下的振动加速度数据，确定风电机组的转速。
24.根据权利要求23所述的数据稀释方法，其特征在于，基于所获取的振动加速度数据，从所述多个通道中确定目标通道的步骤包括：
利用所获取的振动加速度数据，确定所述多个通道中的每个通道的能量强度和能量离散程度；
基于所确定的能量强度和能量离散程度将所述多个通道中的一个通道确定为目标通道。
25.根据权利要求24所述的数据稀释方法，其特征在于，确定所述多个通道中的每个通道的能量强度和能量离散程度的步骤包括：
确定多个频带；
针对每个通道的振动加速度数据，确定该通道的振动加速度数据在不同频带内的功率谱能量；
基于所确定的功率谱能量，确定每个通道的用于反映能量强度大小的能量强度指标；
基于所确定的功率谱能量，确定每个通道的用于反映能量离散程度的能量波动指标，以根据每个通道的能量强度指标和能量波动指标确定目标通道。
26.根据权利要求23所述的数据稀释方法，其特征在于，基于所述目标通道的振动加速度数据，从多个频带中确定目标频带的步骤包括：
确定每个频带的边带数量；
确定每个频带的功率谱能量；
基于所确定的边带数量和功率谱能量，将所述多个频带中的一个频带确定为目标频带。
27.根据权利要求26所述的数据稀释方法，其特征在于，基于所确定的边带数量和功率谱能量，将所述多个频带中的一个频带确定为目标频带的步骤包括：
从各频带中选取边带数量处于预设数量范围的频带；
将所选取的频带中功率谱能量最大的频带，确定为目标频带。
28.一种控制器，其特征在于，包括：
处理器；
存储器，用于存储计算机程序，所述计算机程序在被所述处理器执行时实现如权利要求21至27中任意一项所述的风电机组的数据稀释方法。
29.一种存储有计算机程序的计算机可读存储介质，其特征在于，当所述计算机程序在被处理器执行时实现如权利要求21至27中任意一项所述的风电机组的数据稀释方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011053148.3A CN114323642B (zh) | 2020-09-29 | 2020-09-29 | 风电机组振动数据处理系统以及数据稀释方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011053148.3A CN114323642B (zh) | 2020-09-29 | 2020-09-29 | 风电机组振动数据处理系统以及数据稀释方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114323642A true CN114323642A (zh) | 2022-04-12 |
| CN114323642B CN114323642B (zh) | 2024-09-27 |
Family
ID=81011725
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011053148.3A Active CN114323642B (zh) | 2020-09-29 | 2020-09-29 | 风电机组振动数据处理系统以及数据稀释方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114323642B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115434870A (zh) * | 2022-07-29 | 2022-12-06 | 国家电投集团云南国际电力投资有限公司 | 风力发电组振动数据的处理方法、装置、设备及存储介质 |
| CN116205375A (zh) * | 2023-04-18 | 2023-06-02 | 北京市南水北调团城湖管理处 | 一种泵站机组运行状态预测方法和系统 |
| CN117193668A (zh) * | 2023-11-02 | 2023-12-08 | 南京凯奥思数据技术有限公司 | 高频振动数据稀释方法、装置及电子设备 |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102102629A (zh) * | 2011-01-17 | 2011-06-22 | 东南大学 | 一种风电机组在线数据采集与分析装置 |
| CN104977047A (zh) * | 2015-07-22 | 2015-10-14 | 中国长江三峡集团公司 | 基于振动和油液的风电机组在线状态监测与健康评估系统及方法 |
| CN105894391A (zh) * | 2016-01-26 | 2016-08-24 | 沈阳工业大学 | 基于scada运行数据提取的风电机组转矩控制性能评估方法 |
| US20180335366A1 (en) * | 2017-05-19 | 2018-11-22 | Nutech Ventures | Detecting Faults in Wind Turbines |
| CN109002489A (zh) * | 2018-06-26 | 2018-12-14 | 北京金风科创风电设备有限公司 | 风力发电机组的数据存储方法和数据存储装置 |
| CN109611288A (zh) * | 2018-12-29 | 2019-04-12 | 南京安维士传动技术股份有限公司 | 一种基于大数据的风电运维平台 |
| CN109639483A (zh) * | 2018-12-12 | 2019-04-16 | 明阳智慧能源集团股份公司 | 一种风力发电机组数据互通共享平台及其故障穿越方法 |
| US20190129888A1 (en) * | 2015-07-27 | 2019-05-02 | Sas Institute Inc. | Distributed data storage grouping |
| CN110926809A (zh) * | 2019-06-19 | 2020-03-27 | 山西大学 | 一种基于大数据分析的风电机组传动链故障预警方法 |
| CN111006865A (zh) * | 2019-11-15 | 2020-04-14 | 上海电机学院 | 一种电机轴承故障诊断方法 |
| CN111444400A (zh) * | 2020-04-07 | 2020-07-24 | 中国汽车工程研究院股份有限公司 | 力与流场数据管理方法 |
-
2020
- 2020-09-29 CN CN202011053148.3A patent/CN114323642B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102102629A (zh) * | 2011-01-17 | 2011-06-22 | 东南大学 | 一种风电机组在线数据采集与分析装置 |
| CN104977047A (zh) * | 2015-07-22 | 2015-10-14 | 中国长江三峡集团公司 | 基于振动和油液的风电机组在线状态监测与健康评估系统及方法 |
| US20190129888A1 (en) * | 2015-07-27 | 2019-05-02 | Sas Institute Inc. | Distributed data storage grouping |
| CN105894391A (zh) * | 2016-01-26 | 2016-08-24 | 沈阳工业大学 | 基于scada运行数据提取的风电机组转矩控制性能评估方法 |
| US20180335366A1 (en) * | 2017-05-19 | 2018-11-22 | Nutech Ventures | Detecting Faults in Wind Turbines |
| CN109002489A (zh) * | 2018-06-26 | 2018-12-14 | 北京金风科创风电设备有限公司 | 风力发电机组的数据存储方法和数据存储装置 |
| CN109639483A (zh) * | 2018-12-12 | 2019-04-16 | 明阳智慧能源集团股份公司 | 一种风力发电机组数据互通共享平台及其故障穿越方法 |
| CN109611288A (zh) * | 2018-12-29 | 2019-04-12 | 南京安维士传动技术股份有限公司 | 一种基于大数据的风电运维平台 |
| CN110926809A (zh) * | 2019-06-19 | 2020-03-27 | 山西大学 | 一种基于大数据分析的风电机组传动链故障预警方法 |
| CN111006865A (zh) * | 2019-11-15 | 2020-04-14 | 上海电机学院 | 一种电机轴承故障诊断方法 |
| CN111444400A (zh) * | 2020-04-07 | 2020-07-24 | 中国汽车工程研究院股份有限公司 | 力与流场数据管理方法 |
Non-Patent Citations (3)
| Title |
|---|
| 朱秀贤: "风力发电机风机控制中的数据处理", 装备机械, no. 04, pages 26 - 30 * |
| 李刚 等: "计及信息不确定性的风电机组健康状态实时评估方法", 电力系统自动化, no. 18, pages 117 - 123 * |
| 杨婷婷 等: "基于MSET的电站风机故障预警技术研究", 热能动力工程, no. 09, pages 63 - 68 * |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115434870A (zh) * | 2022-07-29 | 2022-12-06 | 国家电投集团云南国际电力投资有限公司 | 风力发电组振动数据的处理方法、装置、设备及存储介质 |
| CN115434870B (zh) * | 2022-07-29 | 2023-11-07 | 云南滇能智慧能源有限公司 | 风力发电组振动数据的处理方法、装置、设备及存储介质 |
| CN116205375A (zh) * | 2023-04-18 | 2023-06-02 | 北京市南水北调团城湖管理处 | 一种泵站机组运行状态预测方法和系统 |
| CN116205375B (zh) * | 2023-04-18 | 2023-09-01 | 北京市南水北调团城湖管理处 | 一种泵站机组运行状态预测方法和系统 |
| CN117193668A (zh) * | 2023-11-02 | 2023-12-08 | 南京凯奥思数据技术有限公司 | 高频振动数据稀释方法、装置及电子设备 |
| CN117193668B (zh) * | 2023-11-02 | 2024-01-30 | 南京凯奥思数据技术有限公司 | 高频振动数据稀释方法、装置及电子设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114323642B (zh) | 2024-09-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114323642B (zh) | 风电机组振动数据处理系统以及数据稀释方法 | |
| CN111947928B (zh) | 一种多源信息融合的轴承故障预测系统及方法 | |
| CN111881594B (zh) | 一种核动力设备的非平稳信号状态监测方法及系统 | |
| CN114580666A (zh) | 一种多模式融合电动机智能维护系统 | |
| CN110160765A (zh) | 一种基于声音或振动信号的冲击特征识别方法及系统 | |
| CN116434372B (zh) | 用于变工况设备的智能化数据采集系统、工况识别系统 | |
| CN116345700A (zh) | 一种用于储能电站的能耗监测方法及监测系统 | |
| CN108119316B (zh) | 基于暂态录波数据的风力发电机运行故障新类型发现方法 | |
| CN112285494A (zh) | 一种电力电缆局部放电模式识别分析系统 | |
| KR20210006832A (ko) | 기계고장 진단 방법 및 장치 | |
| CN114184375A (zh) | 齿轮箱常见故障智能诊断方法 | |
| CN117786461A (zh) | 水泵的故障诊断方法、控制设备及其存储介质 | |
| CN113139430A (zh) | 用于故障检测的声信号分析方法、故障检测的方法、装置 | |
| CN117725531A (zh) | 一种基于振动监测的电机状态监视系统及方法 | |
| US11339763B2 (en) | Method for windmill farm monitoring | |
| CN114837902B (zh) | 一种风电机组健康度评估方法、系统、设备和介质 | |
| CN116226719A (zh) | 基于多维稳态振动特征的轴承故障诊断方法及相关组件 | |
| CN114662058B (zh) | 无线站点监测方法及装置 | |
| CN113049251B (zh) | 一种基于噪声的轴承故障诊断方法 | |
| CN113487141B (zh) | 一种多源信息聚类融合的轴承状态评估方法 | |
| EP3819608A1 (en) | Detecting rotor anomalies by determining vibration trends during transient speed operation | |
| CN110108489A (zh) | 一种滚动轴承性能退化趋势获取方法 | |
| CN117589444B (zh) | 一种基于联邦学习的风力发电机齿轮箱故障诊断方法 | |
| CN116358864B (zh) | 一种旋转机械设备故障类型诊断方法及系统 | |
| CN118391249B (zh) | 大型水泵运行状态监测数据处理方法及装置 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |