CN114548832B - 一种基于大数据的风电设备状态评估方法及系统 - Google Patents
一种基于大数据的风电设备状态评估方法及系统 Download PDFInfo
- Publication number
- CN114548832B CN114548832B CN202210424734.7A CN202210424734A CN114548832B CN 114548832 B CN114548832 B CN 114548832B CN 202210424734 A CN202210424734 A CN 202210424734A CN 114548832 B CN114548832 B CN 114548832B
- Authority
- CN
- China
- Prior art keywords
- curve
- weather
- information
- state
- wind power
- 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.)
- Active
Links
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
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- 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
-
- 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
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
- H02J13/00002—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by monitoring
-
- 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
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Abstract
本发明涉及风电设备监测技术领域,具体公开了一种基于大数据的风电设备状态评估方法及系统,所述方法包括获取风电设备的设备模型,基于所述设备模型确定含有标签的监测节点;定时获取所述监测节点的输入信息和输出信息,基于所述输入信息和输出信息确定风电设备的状态曲线;实时获取天气信息,基于所述天气信息生成天气曲线,根据所述天气曲线和所述状态曲线生成含有风险类型的风险率;当所述风险率达到预设的风险阈值时,根据风险类型确定应急预案。本发明获取风电设备的自身参数和环境参数,然后对获取到的参数进行分析,实时生成风电设备的评估报告,当遇到特殊情况时,自动向工作人员提供维护指引,有效地提高了维护效率和安全性。
Description
技术领域
本发明涉及风电设备监测技术领域,具体是一种基于大数据的风电设备状态评估方法及系统。
背景技术
风电设备是利用风能发电或者风力发电的设备。风电技术装备是风电产业的重要组成部分,也是风电产业发展的基础和保障;我国风力资源同样丰富:据估计,我国陆上实际可开发风能资源储量为2.53亿千瓦,近海风场的可开发风能资源是陆上3倍,即我国可开发风能资源约10亿千瓦。我国风电装机加速增长:2006年,中国新增风电装机1337MW,占全球新增装机的8.9%,同比增长165.83%;至2006年中国风电累计装机达到2604MW,占全球风电装机的3.5%,累计装机增长105.29%。
风电设备的工作环境一般是在野外,维护过程的人力成本较高;此外,在特殊天气下,维护过程非常困难,还伴随着一定的危险性,如果可以预先获取风电设备及其周围环境的状态,可以极大的提高维护效率,提高工作人员的安全性。
发明内容
本发明的目的在于提供一种基于大数据的风电设备状态评估方法及系统,以解决上述背景技术中提出的问题。
为实现上述目的,本发明提供如下技术方案:
一种基于大数据的风电设备状态评估方法,所述方法包括:
获取风电设备的设备模型,基于所述设备模型确定含有标签的监测节点;其中,所述监测节点为风电设备运行过程中进行数据传输的电子设备;
定时获取所述监测节点的输入信息和输出信息,基于所述输入信息和输出信息确定风电设备的状态曲线;
实时获取天气信息,基于所述天气信息生成天气曲线,根据所述天气曲线和所述状态曲线生成含有风险类型的风险率;
将所述风险率与预设的风险阈值进行比对,当所述风险率达到预设的风险阈值时,根据风险类型确定应急预案。
作为本发明进一步的方案:所述定时获取所述监测节点的输入信息和输出信息,基于所述输入信息和输出信息确定风电设备的状态曲线的步骤包括:
基于预设的采集设备采集所述监测节点处的输入信息,将所述输入信息输入所述设备模型,得到预测信息;
基于预设的采集设备采集所述监测节点处的输出信息,将同一监测节点处的所述输出信息与所述预测信息进行比对,计算得到偏移率;
统计各监测节点在不同时间点计算得到的偏移率,得到以监测节点的标签为索引的偏移率数组,根据所述偏移率数组生成节点曲线;
将所述节点曲线输入预设的转换模型,得到该监测节点的状态指标,基于所述状态指标和监测节点的标签确定风电设备的状态曲线,并建立各节点曲线与所述状态曲线的连接关系。
作为本发明进一步的方案:所述实时获取天气信息,基于所述天气信息生成天气曲线,根据所述天气曲线和所述状态曲线生成含有风险类型的风险率的步骤包括:
建立与天气预测服务器的连接通道,获取天气预测信息;
基于预设的传感设备获取实时天气参数,基于所述天气参数修正所述天气预测信息;
基于修正后的天气预测信息生成天气曲线;
根据所述天气曲线和所述状态曲线生成含有风险类型的风险率。
作为本发明进一步的方案:所述根据所述天气曲线和所述状态曲线生成含有风险类型的风险率的步骤包括:
读取状态曲线,根据状态曲线和节点曲线的连接关系获取节点曲线;
根据所述天气曲线输入训练好的影响模型,得到影响因子曲线;
基于所述影响因子曲线修正所述节点曲线;
将修正后的节点曲线输入预设的转换模型,得到相应监测节点的修正状态指标,根据所述修正状态指标确定修正后的状态曲线;
对修正后的状态曲线进行特征识别,根据特征识别结果确定风险率。
作为本发明进一步的方案:所述对修正后的状态曲线进行特征识别,根据特征识别结果确定风险率的步骤包括:
将所述状态曲线转换为曲线图像;
基于预设的区域半径对所述曲线图像进行区域切分,得到含有位置信息的子区域;
计算各子区域中状态曲线的曲率,根据所述曲率和相应位置信息生成特征向量;
将所述特征向量与参考特征向量进行比对,根据比对结果确定风险率;
其中,所述参考特征向量为风电设备在预设的标准参数下的特征向量。
作为本发明进一步的方案:所述方法还包括:
实时获取风电设备的环境图像,随机获取图像信息中预定比例的像素点,生成特征点集;其中,所述像素点的个数为图像信息的总像数点乘以预定比例;
依次将所述特征点集中的像素点转换为特征值,得到特征数组,并基于所述特征数组生成代表值,所述代表值与所述图像信息为映射关系;
当所述代表值达到预设的阈值时,读取所述图像信息时间项;
根据所述时间项读取相应的应急预案。
作为本发明进一步的方案:不同采集设备彼此之间可相互通信,当其中一个采集设备出现异常时,异常采集设备会将异常信息传输至其他未发生异常的采集设备,其他未发生异常的采集设备继续正常工作,并根据所述异常信息定位所述异常采集设备;将异常采集设备的位置信息及异常信息上传至总控中心。
本发明技术方案还提供了一种基于大数据的风电设备状态评估系统,所述系统包括:
节点确定模块,用于获取风电设备的设备模型,基于所述设备模型确定含有标签的监测节点;其中,所述监测节点为风电设备运行过程中进行数据传输的电子设备;
状态曲线生成模块,用于定时获取所述监测节点的输入信息和输出信息,基于所述输入信息和输出信息确定风电设备的状态曲线;
风险率计算模块,用于实时获取天气信息,基于所述天气信息生成天气曲线,根据所述天气曲线和所述状态曲线生成含有风险类型的风险率;
预案生成模块,用于将所述风险率与预设的风险阈值进行比对,当所述风险率达到预设的风险阈值时,根据风险类型确定应急预案。
作为本发明进一步的方案:所述状态曲线生成模块包括:
预测信息获取单元,用于基于预设的采集设备采集所述监测节点处的输入信息,将所述输入信息输入所述设备模型,得到预测信息;
偏移率计算单元,用于基于预设的采集设备采集所述监测节点处的输出信息,将同一监测节点处的所述输出信息与所述预测信息进行比对,计算得到偏移率;
节点曲线生成单元,用于统计各监测节点在不同时间点计算得到的偏移率,得到以监测节点的标签为索引的偏移率数组,根据所述偏移率数组生成节点曲线;
曲线连接单元,用于将所述节点曲线输入预设的转换模型,得到该监测节点的状态指标,基于所述状态指标和监测节点的标签确定风电设备的状态曲线,并建立各节点曲线与所述状态曲线的连接关系。
作为本发明进一步的方案:所述风险率计算模块包括:
天气预测单元,用于建立与天气预测服务器的连接通道,获取天气预测信息;
天气修正单元,用于基于预设的传感设备获取实时天气参数,基于所述天气参数修正所述天气预测信息;
第一处理执行单元,用于基于修正后的天气预测信息生成天气曲线;
第二处理执行单元,用于根据所述天气曲线和所述状态曲线生成含有风险类型的风险率。
与现有技术相比,本发明的有益效果是:本发明通过一些采集设备和传感设备获取风电设备的自身参数和风电设备的环境参数,对所述自身参数和环境参数进行分析,实时的生成风电设备的评估报告,当遇到特殊情况时,自动向工作人员提供维护指引,有效地提高了维护效率和安全性。
附图说明
为了更清楚地说明本发明实施例中的技术方案,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的一些实施例。
图1为基于大数据的风电设备状态评估方法的流程框图。
图2为基于大数据的风电设备状态评估方法的第一子流程框图。
图3为基于大数据的风电设备状态评估方法的第二子流程框图。
图4为基于大数据的风电设备状态评估方法的第三子流程框图。
图5为基于大数据的风电设备状态评估方法的第四子流程框图。
图6为基于大数据的风电设备状态评估系统的组成结构框图。
图7为基于大数据的风电设备状态评估系统中状态曲线生成模块的组成结构框图。
图8为基于大数据的风电设备状态评估系统中风险率计算模块的组成结构框图。
具体实施方式
为了使本发明所要解决的技术问题、技术方案及有益效果更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
实施例1
图1为基于大数据的风电设备状态评估方法的流程框图,本发明实施例中,一种基于大数据的风电设备状态评估方法及系统,所述方法包括步骤S100至步骤S400:
步骤S100:获取风电设备的设备模型,基于所述设备模型确定含有标签的监测节点;其中,所述监测节点为风电设备运行过程中进行数据传输的电子设备;
风电设备在设计时会有一些模型数据,也就是虚拟的设备模型,所述设备模型与实际风电设备之间存在映射关系,设备模型中含有很多标注信息,根据这些标注信息可以确定监测节点。
步骤S200:定时获取所述监测节点的输入信息和输出信息,基于所述输入信息和输出信息确定风电设备的状态曲线;
风电设备中有很多电子设备,这些电子设备中有控制器,也有一些采集设备,它们都含有输入与输出信息,也就是上述监测节点;可以想到,这些电子设备能够在很大程度上反映风电设备的状态。
步骤S300:实时获取天气信息,基于所述天气信息生成天气曲线,根据所述天气曲线和所述状态曲线生成含有风险类型的风险率;
风电设备在不同环境条件下的理论状态是不同的,同样的状态曲线在某些环境下可能是正常的,而在另一些环境下就是不正常的,以温度为例,冬天的温度肯定低于夏天的温度,对于同样的产热量,在冬天可能被认为是产热过量,而在夏天的时候可能被认为在正常限度之内。
步骤S400:将所述风险率与预设的风险阈值进行比对,当所述风险率达到预设的风险阈值时,根据风险类型确定应急预案;
在确定了含有风险类型的风险率之后,判断风险率是否达到某个阈值,如果风险率达到了预设的阈值,那么就根据风险类型确定相应的应急预案;需要说明的是,应急预案是预设的,每个风电设备都有适用于自己的应急预案库。
图2为基于大数据的风电设备状态评估方法的第一子流程框图,所述定时获取所述监测节点的输入信息和输出信息,基于所述输入信息和输出信息确定风电设备的状态曲线的步骤包括步骤S201至步骤S204:
步骤S201:基于预设的采集设备采集所述监测节点处的输入信息,将所述输入信息输入所述设备模型,得到预测信息;
步骤S202:基于预设的采集设备采集所述监测节点处的输出信息,将同一监测节点处的所述输出信息与所述预测信息进行比对,计算得到偏移率;
步骤S203:统计各监测节点在不同时间点计算得到的偏移率,得到以监测节点的标签为索引的偏移率数组,根据所述偏移率数组生成节点曲线;
步骤S204:将所述节点曲线输入预设的转换模型,得到该监测节点的状态指标,基于所述状态指标和监测节点的标签确定风电设备的状态曲线,并建立各节点曲线与所述状态曲线的连接关系。
在标准状态下,已知监测节点处的输入信息,可以得到一个确定的输出信息,因此,采集监测节点处的输入信息,输入标准状态下的设备模型,可以得到一个预测的输出信息,将真实的输出信息和所述预测的输出信息进行比对,可以计算出偏移率;对于同一监测节点来说,统计不同时间点处的偏移率,可以得到该监测节点对应的节点曲线。
一个风电设备具有若干个监测节点,根据这些监测节点的节点曲线,可以生成一个状态曲线;其中,状态曲线的自变量是监测节点的标签,因变量是监测节点的状态指标;此外,状态曲线与各个节点曲线也是相连的,通过状态曲线可以查询到各个节点曲线。
图3为基于大数据的风电设备状态评估方法的第二子流程框图,所述实时获取天气信息,基于所述天气信息生成天气曲线,根据所述天气曲线和所述状态曲线生成含有风险类型的风险率的步骤包括步骤S301至步骤S304:
步骤S301:建立与天气预测服务器的连接通道,获取天气预测信息;
步骤S302:基于预设的传感设备获取实时天气参数,基于所述天气参数修正所述天气预测信息;
步骤S303:基于修正后的天气预测信息生成天气曲线;
步骤S304:根据所述天气曲线和所述状态曲线生成含有风险类型的风险率。
步骤S301至步骤S304提供了一种具体的天气曲线生成方法,首先,获取天气预测信息,现在的天气预测技术准确度很高,然后,在天气预测信息的基础上,由传感设备获取实时天气参数,最后根据实时天气参数对天气预测信息进行修正即可。
图4为基于大数据的风电设备状态评估方法的第三子流程框图,所述根据所述天气曲线和所述状态曲线生成含有风险类型的风险率的步骤包括步骤S3041至步骤S3045:
步骤S3041:读取状态曲线,根据状态曲线和节点曲线的连接关系获取节点曲线;
步骤S3042:根据所述天气曲线输入训练好的影响模型,得到影响因子曲线;
步骤S3043:基于所述影响因子曲线修正所述节点曲线;
步骤S3044:将修正后的节点曲线输入预设的转换模型,得到相应监测节点的修正状态指标,根据所述修正状态指标确定修正后的状态曲线;
步骤S3045:对修正后的状态曲线进行特征识别,根据特征识别结果确定风险率。
每一项天气指标都代表着一种影响,通过训练好的影响模型,可以确定不同天气指标对应的影响因子,相应的,与天气曲线对应的就是影响因子曲线;影响因子曲线的自变量是时间,因此,影响因子曲线是对所述节点曲线进行修正。根据修正后的节点曲线再次生成状态曲线,即可得到不同天气对应的状态曲线。对状态曲线进行特征识别,可以确定风险率。
图5为基于大数据的风电设备状态评估方法的第四子流程框图,所述对修正后的状态曲线进行特征识别,根据特征识别结果确定风险率的步骤包括步骤S30451至步骤S30454:
步骤S30451:将所述状态曲线转换为曲线图像;
步骤S30452:基于预设的区域半径对所述曲线图像进行区域切分,得到含有位置信息的子区域;
步骤S30453:计算各子区域中状态曲线的曲率,根据所述曲率和相应位置信息生成特征向量;
步骤S30454:将所述特征向量与参考特征向量进行比对,根据比对结果确定风险率;
其中,所述参考特征向量为风电设备在预设的标准参数下的特征向量。
步骤S30451至步骤S30454对风险率的计算过程进行了具体的限定,核心过程是引入了特征向量,所述特征向量是一个矩阵,所述矩阵中含有曲线图像中各子区域中状态曲线的曲率以及相应的位置信息,对于没有曲线的子曲线,可以把曲率视为负值,这个负值没有实际意义,只起到标识作用。
将特征向量与参考特征向量进行比对,根据两者间的差异,可以确定风险率。
作为本发明技术方案的一个优选实施例,所述方法还包括:
实时获取风电设备的环境图像,随机获取图像信息中预定比例的像素点,生成特征点集;其中,所述像素点的个数为图像信息的总像数点乘以预定比例;
依次将所述特征点集中的像素点转换为特征值,得到特征数组,并基于所述特征数组生成代表值,所述代表值与所述图像信息为映射关系;
当所述代表值达到预设的阈值时,读取所述图像信息时间项;
根据所述时间项读取相应的应急预案。
在本发明技术方案的一个实例中,增设了环境监测功能,通过获取风电设备周围的环境图像,判断风电设备的环境是否稳定,如果不稳定,获取不稳定的时间点,根据那个时间点读取应急预案,进行后续处理。
作为本发明技术方案的一个优选实施例,不同采集设备彼此之间可相互通信,当其中一个采集设备出现异常时,异常采集设备会将异常信息传输至其他未发生异常的采集设备,其他未发生异常的采集设备继续正常工作,并根据所述异常信息定位所述异常采集设备;将异常采集设备的位置信息及异常信息上传至总控中心。
在本发明技术方案的一个实例中,各采集设备的功能是可以相互替代的,这提高了采集设备的稳定性。
实施例2
图6为基于大数据的风电设备状态评估系统的组成结构框图,本发明实施例中,一种基于大数据的风电设备状态评估系统,所述系统10包括:
节点确定模块11,用于获取风电设备的设备模型,基于所述设备模型确定含有标签的监测节点;其中,所述监测节点为风电设备运行过程中进行数据传输的电子设备;
状态曲线生成模块12,用于定时获取所述监测节点的输入信息和输出信息,基于所述输入信息和输出信息确定风电设备的状态曲线;
风险率计算模块13,用于实时获取天气信息,基于所述天气信息生成天气曲线,根据所述天气曲线和所述状态曲线生成含有风险类型的风险率;
预案生成模块14,用于将所述风险率与预设的风险阈值进行比对,当所述风险率达到预设的风险阈值时,根据风险类型确定应急预案。
图7为基于大数据的风电设备状态评估系统中状态曲线生成模块12的组成结构框图,所述状态曲线生成模块12包括:
预测信息获取单元121,用于基于预设的采集设备采集所述监测节点处的输入信息,将所述输入信息输入所述设备模型,得到预测信息;
偏移率计算单元122,用于基于预设的采集设备采集所述监测节点处的输出信息,将同一监测节点处的所述输出信息与所述预测信息进行比对,计算得到偏移率;
节点曲线生成单元123,用于统计各监测节点在不同时间点计算得到的偏移率,得到以监测节点的标签为索引的偏移率数组,根据所述偏移率数组生成节点曲线;
曲线连接单元124,用于将所述节点曲线输入预设的转换模型,得到该监测节点的状态指标,基于所述状态指标和监测节点的标签确定风电设备的状态曲线,并建立各节点曲线与所述状态曲线的连接关系。
图8为基于大数据的风电设备状态评估系统中风险率计算模块13的组成结构框图,所述风险率计算模块13包括:
天气预测单元131,用于建立与天气预测服务器的连接通道,获取天气预测信息;
天气修正单元132,用于基于预设的传感设备获取实时天气参数,基于所述天气参数修正所述天气预测信息;
第一处理执行单元133,用于基于修正后的天气预测信息生成天气曲线;
第二处理执行单元134,用于根据所述天气曲线和所述状态曲线生成含有风险类型的风险率。
所述基于大数据的风电设备状态评估方法所能实现的功能均由计算机设备完成,所述计算机设备包括一个或多个处理器和一个或多个存储器,所述一个或多个存储器中存储有至少一条程序代码,所述程序代码由所述一个或多个处理器加载并执行以实现所述基于大数据的风电设备状态评估方法的功能。
处理器从存储器中逐条取出指令、分析指令,然后根据指令要求完成相应操作,产生一系列控制命令,使计算机各部分自动、连续并协调动作,成为一个有机的整体,实现程序的输入、数据的输入以及运算并输出结果,这一过程中产生的算术运算或逻辑运算均由运算器完成;所述存储器包括只读存储器(Read-Only Memory,ROM),所述只读存储器用于存储计算机程序,所述存储器外部设有保护装置。
示例性的,计算机程序可以被分割成一个或多个模块,一个或者多个模块被存储在存储器中,并由处理器执行,以完成本发明。一个或多个模块可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述计算机程序在终端设备中的执行过程。
本领域技术人员可以理解,上述服务设备的描述仅仅是示例,并不构成对终端设备的限定,可以包括比上述描述更多或更少的部件,或者组合某些部件,或者不同的部件,例如可以包括输入输出设备、网络接入设备、总线等。
所称处理器可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(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、分立硬件组件等。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,上述处理器是上述终端设备的控制中心,利用各种接口和线路连接整个用户终端的各个部分。
上述存储器可用于存储计算机程序和/或模块,上述处理器通过运行或执行存储在存储器内的计算机程序和/或模块,以及调用存储在存储器内的数据,实现上述终端设备的各种功能。存储器可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序(比如信息采集模板展示功能、产品信息发布功能等)等;存储数据区可存储根据泊位状态显示系统的使用所创建的数据(比如不同产品种类对应的产品信息采集模板、不同产品提供方需要发布的产品信息等)等。此外,存储器可以包括高速随机存取存储器,还可以包括非易失性存储器,例如硬盘、内存、插接式硬盘,智能存储卡(Smart Media Card, SMC),安全数字(Secure Digital, SD)卡,闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
终端设备集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实现上述实施例系统中的全部或部分模块/单元,也可以通过计算机程序来指令相关的硬件来完成,上述的计算机程序可存储于计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个系统实施例的功能。其中,计算机程序包括计算机程序代码,计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读介质可以包括:能够携带计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random AccessMemory)、电载波信号、电信信号以及软件分发介质等。
需要说明的是,在本文中,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、物品或者装置不仅包括那些要素,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、物品或者装置所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (4)
1.一种基于大数据的风电设备状态评估方法,其特征在于,所述方法包括:
获取风电设备的设备模型,基于所述设备模型确定含有标签的监测节点;其中,所述监测节点为风电设备运行过程中进行数据传输的电子设备;
定时获取所述监测节点的输入信息和输出信息,基于所述输入信息和输出信息确定风电设备的状态曲线;
实时获取天气信息,基于所述天气信息生成天气曲线,根据所述天气曲线和所述状态曲线生成含有风险类型的风险率;
将所述风险率与预设的风险阈值进行比对,当所述风险率达到预设的风险阈值时,根据风险类型确定应急预案;
所述定时获取所述监测节点的输入信息和输出信息,基于所述输入信息和输出信息确定风电设备的状态曲线的步骤包括:
基于预设的采集设备采集所述监测节点处的输入信息,将所述输入信息输入所述设备模型,得到预测信息;
基于预设的采集设备采集所述监测节点处的输出信息,将同一监测节点处的所述输出信息与所述预测信息进行比对,计算得到偏移率;
统计各监测节点在不同时间点计算得到的偏移率,得到以监测节点的标签为索引的偏移率数组,根据所述偏移率数组生成节点曲线;
将所述节点曲线输入预设的转换模型,得到该监测节点的状态指标,基于所述状态指标和监测节点的标签确定风电设备的状态曲线,并建立各节点曲线与所述状态曲线的连接关系;
所述实时获取天气信息,基于所述天气信息生成天气曲线,根据所述天气曲线和所述状态曲线生成含有风险类型的风险率的步骤包括:
建立与天气预测服务器的连接通道,获取天气预测信息;
基于预设的传感设备获取实时天气参数,基于所述天气参数修正所述天气预测信息;
基于修正后的天气预测信息生成天气曲线;
根据所述天气曲线和所述状态曲线生成含有风险类型的风险率;
所述根据所述天气曲线和所述状态曲线生成含有风险类型的风险率的步骤包括:
读取状态曲线,根据状态曲线和节点曲线的连接关系获取节点曲线;
根据所述天气曲线输入训练好的影响模型,得到影响因子曲线;
基于所述影响因子曲线修正所述节点曲线;
将修正后的节点曲线输入预设的转换模型,得到相应监测节点的修正状态指标,根据所述修正状态指标确定修正后的状态曲线;
对修正后的状态曲线进行特征识别,根据特征识别结果确定风险率;
所述对修正后的状态曲线进行特征识别,根据特征识别结果确定风险率的步骤包括:
将所述状态曲线转换为曲线图像;
基于预设的区域半径对所述曲线图像进行区域切分,得到含有位置信息的子区域;
计算各子区域中状态曲线的曲率,根据所述曲率和相应位置信息生成特征向量;
将所述特征向量与参考特征向量进行比对,根据比对结果确定风险率;
其中,所述参考特征向量为风电设备在预设的标准参数下的特征向量。
2.根据权利要求1所述的基于大数据的风电设备状态评估方法,其特征在于,所述方法还包括:
实时获取风电设备的环境图像,随机获取图像信息中预定比例的像素点,生成特征点集;其中,所述像素点的个数为图像信息的总像数点乘以预定比例;
依次将所述特征点集中的像素点转换为特征值,得到特征数组,并基于所述特征数组生成代表值,所述代表值与所述图像信息为映射关系;
当所述代表值达到预设的阈值时,读取所述图像信息时间项;
根据所述时间项读取相应的应急预案。
3.根据权利要求1或2所述的基于大数据的风电设备状态评估方法,其特征在于,不同采集设备彼此之间可相互通信,当其中一个采集设备出现异常时,异常采集设备会将异常信息传输至其他未发生异常的采集设备,其他未发生异常的采集设备继续正常工作,并根据所述异常信息定位所述异常采集设备;将异常采集设备的位置信息及异常信息上传至总控中心。
4.一种基于大数据的风电设备状态评估系统,其特征在于,所述系统包括:
节点确定模块,用于获取风电设备的设备模型,基于所述设备模型确定含有标签的监测节点;其中,所述监测节点为风电设备运行过程中进行数据传输的电子设备;
状态曲线生成模块,用于定时获取所述监测节点的输入信息和输出信息,基于所述输入信息和输出信息确定风电设备的状态曲线;
风险率计算模块,用于实时获取天气信息,基于所述天气信息生成天气曲线,根据所述天气曲线和所述状态曲线生成含有风险类型的风险率;
预案生成模块,用于将所述风险率与预设的风险阈值进行比对,当所述风险率达到预设的风险阈值时,根据风险类型确定应急预案;
所述状态曲线生成模块包括:
预测信息获取单元,用于基于预设的采集设备采集所述监测节点处的输入信息,将所述输入信息输入所述设备模型,得到预测信息;
偏移率计算单元,用于基于预设的采集设备采集所述监测节点处的输出信息,将同一监测节点处的所述输出信息与所述预测信息进行比对,计算得到偏移率;
节点曲线生成单元,用于统计各监测节点在不同时间点计算得到的偏移率,得到以监测节点的标签为索引的偏移率数组,根据所述偏移率数组生成节点曲线;
曲线连接单元,用于将所述节点曲线输入预设的转换模型,得到该监测节点的状态指标,基于所述状态指标和监测节点的标签确定风电设备的状态曲线,并建立各节点曲线与所述状态曲线的连接关系;
所述风险率计算模块包括:
天气预测单元,用于建立与天气预测服务器的连接通道,获取天气预测信息;
天气修正单元,用于基于预设的传感设备获取实时天气参数,基于所述天气参数修正所述天气预测信息;
第一处理执行单元,用于基于修正后的天气预测信息生成天气曲线;
第二处理执行单元,用于根据所述天气曲线和所述状态曲线生成含有风险类型的风险率;
其中,所述根据所述天气曲线和所述状态曲线生成含有风险类型的风险率的内容包括:
读取状态曲线,根据状态曲线和节点曲线的连接关系获取节点曲线;
根据所述天气曲线输入训练好的影响模型,得到影响因子曲线;
基于所述影响因子曲线修正所述节点曲线;
将修正后的节点曲线输入预设的转换模型,得到相应监测节点的修正状态指标,根据所述修正状态指标确定修正后的状态曲线;
对修正后的状态曲线进行特征识别,根据特征识别结果确定风险率;
所述对修正后的状态曲线进行特征识别,根据特征识别结果确定风险率的内容包括:
将所述状态曲线转换为曲线图像;
基于预设的区域半径对所述曲线图像进行区域切分,得到含有位置信息的子区域;
计算各子区域中状态曲线的曲率,根据所述曲率和相应位置信息生成特征向量;
将所述特征向量与参考特征向量进行比对,根据比对结果确定风险率;
其中,所述参考特征向量为风电设备在预设的标准参数下的特征向量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210424734.7A CN114548832B (zh) | 2022-04-22 | 2022-04-22 | 一种基于大数据的风电设备状态评估方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210424734.7A CN114548832B (zh) | 2022-04-22 | 2022-04-22 | 一种基于大数据的风电设备状态评估方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114548832A CN114548832A (zh) | 2022-05-27 |
CN114548832B true CN114548832B (zh) | 2022-09-06 |
Family
ID=81667567
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210424734.7A Active CN114548832B (zh) | 2022-04-22 | 2022-04-22 | 一种基于大数据的风电设备状态评估方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114548832B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115720148B (zh) * | 2022-10-12 | 2024-04-26 | 上海慧程工程技术服务有限公司 | 一种工业物联网信息可视化方法、服务器和存储介质 |
CN115389867B (zh) * | 2022-10-26 | 2023-02-10 | 北京千尧新能源科技开发有限公司 | 一种集成多种信号的海缆状态监测方法及系统 |
CN115663812B (zh) * | 2022-12-26 | 2023-03-14 | 常州金坛金能电力有限公司 | 直流输电系统可靠性评估方法及系统 |
CN115982577B (zh) * | 2023-03-20 | 2023-09-08 | 山东华网合众信息技术有限公司 | 一种智慧用电实时监测方法和系统 |
CN116704697B (zh) * | 2023-04-12 | 2024-04-16 | 中科合肥技术创新工程院 | 一种汽车充电区域异常预警方法及系统 |
CN116939159B (zh) * | 2023-06-16 | 2024-03-22 | 北京佳格天地科技有限公司 | 一种农田灾害预警方法及系统 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7249007B1 (en) * | 2002-01-15 | 2007-07-24 | Dutton John A | Weather and climate variable prediction for management of weather and climate risk |
CN102842105B (zh) * | 2012-07-09 | 2015-04-01 | 中国电力科学研究院 | 一种计及风电不确定性的暂态稳定风险在线评估方法 |
CN110222850A (zh) * | 2019-05-30 | 2019-09-10 | 北京千尧新能源科技开发有限公司 | 一种海上风电场智能调度管理系统及管理方法 |
CN113239506A (zh) * | 2020-12-24 | 2021-08-10 | 国网浙江省电力有限公司衢州供电公司 | 一种基于台风天气的杆塔形变及导线舞动风险评估模型 |
-
2022
- 2022-04-22 CN CN202210424734.7A patent/CN114548832B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN114548832A (zh) | 2022-05-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114548832B (zh) | 一种基于大数据的风电设备状态评估方法及系统 | |
CN114414935A (zh) | 基于大数据的配电网馈线故障区域自动化定位方法和系统 | |
CN115549078B (zh) | 一种基于数字孪生的电网整合规划方法 | |
CN115098589A (zh) | 一种基于物联网的工业能耗数据监控方法及装置 | |
CN115549313A (zh) | 基于人工智能的用电监测方法及系统 | |
CN113963033B (zh) | 一种基于人工智能的电力设备异常检测方法和系统 | |
Lujic et al. | Adaptive recovery of incomplete datasets for edge analytics | |
CN110490220A (zh) | 一种母线负荷辨识方法和系统 | |
CN115086343B (zh) | 一种基于人工智能的物联网数据交互方法及系统 | |
CN114442704B (zh) | 一种基于大数据的智能电力生产监控方法及系统 | |
CN116706884A (zh) | 光伏发电量的预测方法、装置、终端及存储介质 | |
CN115663812B (zh) | 直流输电系统可靠性评估方法及系统 | |
CN114648227B (zh) | 航空液压泵站时序异常检测方法、装置、设备及存储介质 | |
CN115389867B (zh) | 一种集成多种信号的海缆状态监测方法及系统 | |
CN116208465A (zh) | 一种电力信息通信状况智能监测预警方法及系统 | |
CN112527610A (zh) | 设备运作状态的监测方法及装置 | |
CN115734072A (zh) | 一种工业自动化设备的物联网集中监控方法及装置 | |
CN113177366B (zh) | 一种综合能源系统规划方法、装置和终端设备 | |
CN113923405B (zh) | 一种基于安全监控的移动通信系统 | |
US20170337644A1 (en) | Data driven invocation of realtime wind market forecasting analytics | |
CN111415040A (zh) | 基于pet采购模型的建议购买量计算方法和装置 | |
CN116934041B (zh) | 一种基于物联网协同的工厂任务管理方法及系统 | |
CN116939159B (zh) | 一种农田灾害预警方法及系统 | |
CN115598309B (zh) | 一种大气环境铅含量的监测预警方法及系统 | |
CN117332236B (zh) | 一种虚拟电厂的数据跟踪检测方法、装置及存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |