CN115049267A - 一种风电机组数据处理方法、系统、设备及计算机介质 - Google Patents

一种风电机组数据处理方法、系统、设备及计算机介质 Download PDF

Info

Publication number
CN115049267A
CN115049267A CN202210696691.8A CN202210696691A CN115049267A CN 115049267 A CN115049267 A CN 115049267A CN 202210696691 A CN202210696691 A CN 202210696691A CN 115049267 A CN115049267 A CN 115049267A
Authority
CN
China
Prior art keywords
algorithm
wind turbine
performance information
turbine generator
data
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202210696691.8A
Other languages
English (en)
Inventor
孙亚
张银龙
张骏
周颖
吴亚文
崔光
杨帅
李建伦
柴保桐
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Huadian Electric Power Research Institute Co Ltd
Original Assignee
Huadian Electric Power Research Institute Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Huadian Electric Power Research Institute Co Ltd filed Critical Huadian Electric Power Research Institute Co Ltd
Priority to CN202210696691.8A priority Critical patent/CN115049267A/zh
Publication of CN115049267A publication Critical patent/CN115049267A/zh
Pending legal-status Critical Current

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
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/10—File systems; File servers
    • G06F16/16—File or folder operations, e.g. details of user interfaces specifically adapted to file systems
    • G06F16/164—File meta data generation
    • G06F16/166—File name conversion
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/21—Design, administration or maintenance of databases
    • G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • 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
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E10/00—Energy generation through renewable energy sources
    • Y02E10/70—Wind energy
    • Y02E10/72—Wind turbines with rotation axis in wind direction

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Educational Administration (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • Quality & Reliability (AREA)
  • General Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Human Computer Interaction (AREA)
  • Water Supply & Treatment (AREA)
  • Primary Health Care (AREA)
  • General Health & Medical Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Wind Motors (AREA)

Abstract

本申请公开了一种风电机组数据处理方法、系统、设备及计算机介质，获取待处理的目标风电机组数据；获取对目标风电机组数据进行处理的第一算法及第二算法；确定第一算法处理风电机组数据的第一性能信息；确定第二算法处理风电机组数据的第二性能信息；基于第一性能信息及第二性能信息确定第一算法及第二算法各自的算法效果参数及算法效率参数；基于算法效果参数及算法效率参数，在第一算法及第二算法中确定对风电机组数据进行处理的目标算法，以基于目标算法对目标风电机组数据进行处理。本申请可以基于算法效果参数及算法效率参数，在第一算法及第二算法中确定对风电机组数据进行处理的目标算法，可以借助目标算法准确对风电机组数据进行处理。

Description

一种风电机组数据处理方法、系统、设备及计算机介质
技术领域
本申请涉及风电机组技术领域，更具体地说，涉及一种风电机组数据处理方法、系统、设备及计算机介质。
背景技术
在风电机组的运行过程中等，需要对风电机组数据进行处理，比如应用目标算法对其进行计算，得到相应的用于分析的计算结果等，在此过程中，当有多个算法供用户使用时，如何选取准确性好的算法以便准确对风电机组数据进行处理便成为用户需要解决的问题。
综上所述，如何准确对风电机组数据进行处理是目前本领域技术人员亟待解决的问题。
发明内容
本申请的目的是提供一种风电机组数据处理方法，其能在一定程度上解决如何准确对风电机组数据进行处理的技术问题。本申请还提供了一种风电机组数据处理系统、设备及计算机可读存储介质。
为了实现上述目的，本申请提供如下技术方案：
一种风电机组数据处理方法，包括：
获取待处理的目标风电机组数据；
获取对所述目标风电机组数据进行处理的第一算法及第二算法；
确定所述第一算法处理所述风电机组数据的第一性能信息；
确定所述第二算法处理所述风电机组数据的第二性能信息；
基于所述第一性能信息及所述第二性能信息确定所述第一算法及所述第二算法各自的算法效果参数及算法效率参数；
基于所述算法效果参数及所述算法效率参数，在所述第一算法及所述第二算法中确定对所述风电机组数据进行处理的目标算法，以基于所述目标算法对所述目标风电机组数据进行处理。
优选的，所述第一性能信息及所述第二性能信息均包括是否报警信息；
所述基于所述第一性能信息及所述第二性能信息确定所述第一算法及所述第二算法各自的算法效果参数及算法效率参数，包括：
将所述第一算法及所述第二算法各自的所述算法效果参数均初始化为第一预设值；
若所述第一性能信息表征未报警，所述第二性能信息表征报警，则将所述第二性能信息的所述算法效果参数的值加1；
若所述第一性能信息表征报警，所述第二性能信息表征未报警，则将所述第一性能信息的所述算法效果参数的值加1；
基于所述第一性能信息及所述第二性能信息确定所述第一算法及所述第二算法各自的所述算法效率参数。
优选的，所述第一性能信息及所述第二性能信息均包括计算耗时信息；
所述基于所述第一性能信息及所述第二性能信息确定所述第一算法及所述第二算法各自的所述算法效率参数，包括：
将所述第一算法及所述第二算法各自的所述算法效率参数均初始化为第二预设值；
若所述第一性能信息的所述计算耗时信息小于所述第二性能信息的所述计算耗时信息，则将所述第一性能信息的所述算法效率参数的值加1；
若所述第一性能信息的所述计算耗时信息大于所述第二性能信息的所述计算耗时信息，则将所述第二性能信息的所述算法效率参数的值加1。
优选的，所述基于所述算法效果参数及所述算法效率参数，在所述第一算法及所述第二算法中确定对所述风电机组数据进行处理的目标算法，包括：
基于预设权重值、所述算法效果参数及所述算法效率参数，确定所述第一算法对应的第一计算值，确定所述第二算法对应的第二计算值；
若所述第一计算值大于所述第二计算值，则将所述第一算法作为所述目标算法；
若所述第二计算值大于所述第一计算值，则将所述第二算法作为所述目标算法。
优选的，所述获取待处理的目标风电机组数据，包括：
对目标风电机组进行监视，得到初始风电机组数据；
读取所述初始风电机组数据的绝对路径名和/或文件名；
将所述绝对路径名和/或所述文件名满足预设对照表的所述初始风电机组数据作为所述目标风电机组数据。
优选的，所述获取待处理的目标风电机组数据之后，还包括：
确定所述目标风电机组数据的生成时间戳；
确定所述目标风电机组数据的展示时间戳；
基于所述生成时间戳及所述展示时间戳确定所述目标风电机组数据的展示滞后时间；
显示所述展示滞后时间。
优选的，所述显示所述展示滞后时间，包括：
在人机界面上与预设颜色显示所述展示滞后时间。
一种风电机组数据处理系统，包括：
第一获取模块，用于获取待处理的目标风电机组数据；
第二获取模块，用于获取对所述目标风电机组数据进行处理的第一算法及第二算法；
第一确定模块，用于确定所述第一算法处理所述风电机组数据的第一性能信息；
第二确定模块，用于确定所述第二算法处理所述风电机组数据的第二性能信息；
第三确定模块，用于基于所述第一性能信息及所述第二性能信息确定所述第一算法及所述第二算法各自的算法效果参数及算法效率参数；
第四确定模块，用于基于所述算法效果参数及所述算法效率参数，在所述第一算法及所述第二算法中确定对所述风电机组数据进行处理的目标算法，以基于所述目标算法对所述目标风电机组数据进行处理。
一种风电机组数据处理设备，包括：
存储器，用于存储计算机程序；
处理器，用于执行所述计算机程序时实现如上任一所述风电机组数据处理方法的步骤。
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计算机程序，所述计算机程序被处理器执行时实现如上任一所述风电机组数据处理方法的步骤。
本申请提供的一种风电机组数据处理方法，获取待处理的目标风电机组数据；获取对目标风电机组数据进行处理的第一算法及第二算法；确定第一算法处理风电机组数据的第一性能信息；确定第二算法处理风电机组数据的第二性能信息；基于第一性能信息及第二性能信息确定第一算法及第二算法各自的算法效果参数及算法效率参数；基于算法效果参数及算法效率参数，在第一算法及第二算法中确定对风电机组数据进行处理的目标算法，以基于目标算法对目标风电机组数据进行处理。本申请中，可以基于第一性能信息及第二性能信息确定第一算法及第二算法各自的算法效果参数及算法效率参数，之后基于算法效果参数及算法效率参数，在第一算法及第二算法中确定对风电机组数据进行处理的目标算法，可以借助目标算法准确对风电机组数据进行处理。本申请提供的一种风电机组数据处理系统、设备及计算机可读存储介质也解决了相应技术问题。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，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申请的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
图1为本申请实施例提供的一种风电机组数据处理方法的第一流程图；
图2为本申请实施例提供的一种风电机组数据处理方法的第二流程图；
图3为具体应用场景中算法选择的流程图；
图4为本申请实施例提供的一种风电机组数据处理系统的结构示意图；
图5为本申请实施例提供的一种风电机组数据处理设备的结构示意图；
图6为本申请实施例提供的一种风电机组数据处理设备的另一结构示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。
请参阅图1，图1为本申请实施例提供的一种风电机组数据处理方法的第一流程图。
本申请实施例提供的一种风电机组数据处理方法，可以包括以下步骤：
步骤S101：获取待处理的目标风电机组数据。
实际应用中，可以先获取待处理的目标风电机组数据，目标风电机组数据的类型及数量等均可以根据实际需要确定，本申请在此不做具体限定。
步骤S102：获取对目标风电机组数据进行处理的第一算法及第二算法。
实际应用中，在获取待处理的目标风电机组数据之后，便可以获取对目标风电机组数据进行处理的第一算法及第二算法，第一算法及第二算法的类型可以根据实际需要确定，本申请在此不做具体限定。
步骤S103：确定第一算法处理风电机组数据的第一性能信息。
步骤S104：确定第二算法处理风电机组数据的第二性能信息。
实际应用中，在获取对目标风电机组数据进行处理的第一算法及第二算法之后，便可以确定第一算法处理风电机组数据的第一性能信息，确定第二算法处理风电机组数据的第二性能信息，以便后续借助第一性能信息及第二性能信息来确定处理风电机组数据的目标算法。需要说明的是，本申请中的性能信息反映了算法处理风电机组数据的相应性能。
步骤S105：基于第一性能信息及第二性能信息确定第一算法及第二算法各自的算法效果参数及算法效率参数。
步骤S106：基于算法效果参数及算法效率参数，在第一算法及第二算法中确定对风电机组数据进行处理的目标算法，以基于目标算法对目标风电机组数据进行处理。
实际应用中，在确定第一算法处理风电机组数据的第一性能信息，确定第二算法处理风电机组数据的第二性能信息之后，便可以基于第一性能信息及第二性能信息确定第一算法及第二算法各自的算法效果参数及算法效率参数，之后再基于算法效果参数及算法效率参数，在第一算法及第二算法中确定对风电机组数据进行处理的目标算法，以基于目标算法对目标风电机组数据进行处理。需要说明的是，本申请中的算法效果参数用于表征算法处理风电机组数据的相应效果，算法效率参数用于表征算法处理风电机组数据的相应效率。
本申请提供的一种风电机组数据处理方法，获取待处理的目标风电机组数据；获取对目标风电机组数据进行处理的第一算法及第二算法；确定第一算法处理风电机组数据的第一性能信息；确定第二算法处理风电机组数据的第二性能信息；基于第一性能信息及第二性能信息确定第一算法及第二算法各自的算法效果参数及算法效率参数；基于算法效果参数及算法效率参数，在第一算法及第二算法中确定对风电机组数据进行处理的目标算法，以基于目标算法对目标风电机组数据进行处理。本申请中，可以基于第一性能信息及第二性能信息确定第一算法及第二算法各自的算法效果参数及算法效率参数，之后基于算法效果参数及算法效率参数，在第一算法及第二算法中确定对风电机组数据进行处理的目标算法，可以借助目标算法准确对风电机组数据进行处理。
请参阅图2，图2为本申请实施例提供的一种风电机组数据处理方法的第二流程图。
本申请实施例提供的一种风电机组数据处理方法，可以包括以下步骤：
步骤S201：获取待处理的目标风电机组数据。
实际应用中，一个国家级风电机组在线振动监测诊断平台，必然是跨越多个省份、地区、风机台数在数千、数万台以上，因此，其安装在风电机组上的在线振动监测数据采集系统，必然品牌各异，以某大型发电央企为例，风机台数超过一万台，在线振动监测数据采集系统涉及品牌(同一品牌下不同型号尚未考虑)超30个，各家的数据采集通道，名称各异、有多有少、命名结构各异，有纯中文、纯英文、中英文及字符混编等情形，甚至，缺失必要的描述，导致无法区分是哪一台设备的数据。即使在数年之前已经制定了数据标准规约，但是现实中，多数在线振动监测数据采集系统无法提供满足要求的标准数据。也即初始风电机组数据中存在存储路径命名不规范、文件名命名不规范的非规范数据，导致后续对数据进行分析、计算的算法无法处理等问题，使得汇聚的大量数据无法消化，成为无效数据，所以为了避免此问题，需从中筛选出规范数据，也即在获取待处理的目标风电机组数据的过程中，可以对目标风电机组进行监视，得到初始风电机组数据，读取初始风电机组数据的绝对路径名和/或文件名；将绝对路径名和/或文件名满足预设对照表的初始风电机组数据作为目标风电机组数据。换言之，本申请中开辟非标准数据与标准数据的对接接口，引入人工配置参照表，可以采用一场一策的方式，使非标准数据转换为可供算法识别与现实设备可一一对应的标准数据。
具体应用场景中，路径名对照表可以按如下格式构建：标准路径结构：CMSServer->场级简称全拼音首字母(大写)->日期(年月日)->FJ+机组号->原始数据文件，其中CMSServer为服务器盘符下一级目录，例：E:\CMSServer\XXXFDC\20190603\FJ001\文件.txt。相应的，非规范路径名可以为：类型1：机组场站夹名不非法字符，E:\CMSServer\汉字\20210310\FJ001\文件.txt；类型2：机组文件夹名不规范，E:\CMSServer\XXXFDC\20210310\FJA001\文件.txt；类型3：机组文件夹名不规范，E:\CMSServer\XXXFDC\20210310\#001\文件.txt等。此时，路径名对应的对照表可以如表1所示等，本申请在此不再赘述。需要说明的是，具体应用场景中，在得到标准的路径名之后，还可以读取风场与机组编码并记录等，以便在需要时应用。
表1路径名对应的对照表
Figure BDA0003702871170000071
Figure BDA0003702871170000081
具体应用场景中，文件名对照表可以按照如下格式构建：标准数据文件名结构：风场全称_机组号(长度为5位)_部件名称_位置_方向_采频_振动类型_转速RPM_时间(年月日时分秒)，例如：XX宁夏XX风电场_FJ001_发电机_自由端_水平_256_速度_0RPM_20210403083138.txt。相应的，非规范数据文件名情况可以如下：XX宁东XX一二期_A006_定子右侧_右_水平_256_v_0RPM_20200910185934。此时，文件名对应的对照表可以如表2所示等，本申请在此不再赘述。需要说明的是，具体应用场景中，在得到标准的文件名之后，还可以提取风场、机组号、通道、采频、振动类型、转速、时间信息并记录等，以便在需要时应用。
表2文件名对照表
Figure BDA0003702871170000082
实际应用中，还存在获取的目标风电机组数据存在时间滞后性的问题，为了便于用户了解该类数据，在获取待处理的目标风电机组数据之后，还可以确定目标风电机组数据的生成时间戳；确定目标风电机组数据的展示时间戳；基于生成时间戳及展示时间戳确定目标风电机组数据的展示滞后时间；显示展示滞后时间，比如在人机界面上与预设颜色显示展示滞后时间等。需要说明的是，展示时间戳也即展示目标风电机组数据时的设备时间戳，其可以为目标风电机组数据上传到设备的时间等，本申请在此不做具体限定。
具体应用场景中，以目标风电机组数据为风场目录下的文件为例，则相应的滞后展示过程可以为：读取指定路径名，与读取已录入的路径名对照表进行对照，再读取指定路径名下风场与机组，对该风场级目录下的文件数量进行累计，并在人机界面上展示累计值，读取风场级目录下所有文件的最新上传时间，并在人机界面上展示最新时间，对比该场站数据最新上传时间Tc与当前系统时间Ts之差，单位为天，定义为场站级滞后天数Tcl，以小于3天、3至10天、大于10天三个范围进行划分，并分别以绿色、黄色、红色进行标识，在人机界面上展示滞后天数级标识色等。
具体应用场景中，以目标风电机组数据为机组数据为例，则相应的滞后展示过程可以为：统计各机组数据时间戳最新时间tfn，对比各机组最新时间戳tnf与本场站最新上传时间的时间Tc之差，为各机组级滞后天数tfnl，若0≤tfnl≤3，单位/天，则定义为上传时间正常机组，标记绿色；若3<tfnl≤10，单位/天，则定义为上传时间滞后机组，标记黄色；其它10<tfnl，单位/天，则定义为上传时间严重滞后机组，标记红色，最后，各机组展示本机组最新时间、标记色，统计滞后最严重n台机组，并在场站级展示等。
步骤S202：获取对目标风电机组数据进行处理的第一算法及第二算法。
步骤S203：确定第一算法处理风电机组数据的第一性能信息。
步骤S204：确定第二算法处理风电机组数据的第二性能信息。
步骤S205：将第一算法及第二算法各自的算法效果参数均初始化为第一预设值。
步骤S206：若第一性能信息表征未报警，第二性能信息表征报警，则将第二性能信息的算法效果参数的值加1；若第一性能信息表征报警，第二性能信息表征未报警，则将第一性能信息的算法效果参数的值加1。
实际应用中，本申请中的第一性能信息及第二性能信息均可以包括是否报警信息；相应的，在基于第一性能信息及第二性能信息确定第一算法及第二算法各自的算法效果参数及算法效率参数的过程中，可以将第一算法及第二算法各自的算法效果参数均初始化为第一预设值；若第一性能信息表征未报警，第二性能信息表征报警，则将第二性能信息的算法效果参数的值加1；若第一性能信息表征报警，第二性能信息表征未报警，则将第一性能信息的算法效果参数的值加1。需要说的是，具体应用场景中，若第一性能信息表征未报警，第二性能信息表征报警，则可以将第二性能信息的算法效果参数的值加1，还可以将第一性能信息的算法效果参数的值减1；若第一性能信息表征报警，第二性能信息表征未报警，则将第一性能信息的算法效果参数的值加1，还可以将第二性能信息的算法效果参数的值减1等，本申请在此不做具体限定。
步骤S207：将第一算法及第二算法各自的算法效率参数均初始化为第二预设值。
步骤S208：若第一性能信息的计算耗时信息小于第二性能信息的计算耗时信息，则将第一性能信息的算法效率参数的值加1；若第一性能信息的计算耗时信息大于第二性能信息的计算耗时信息，则将第二性能信息的算法效率参数的值加1。
实际应用中，本申请中的第一性能信息及第二性能信息均可以包括计算耗时信息；相应的，在基于第一性能信息及第二性能信息确定第一算法及第二算法各自的算法效率参数的过程中，可以将第一算法及第二算法各自的算法效率参数均初始化为第二预设值；若第一性能信息的计算耗时信息小于第二性能信息的计算耗时信息，则将第一性能信息的算法效率参数的值加1；若第一性能信息的计算耗时信息大于第二性能信息的计算耗时信息，则将第二性能信息的算法效率参数的值加1。需要说明的是，具体应用场景中，若第一性能信息的计算耗时信息小于第二性能信息的计算耗时信息，则将第一性能信息的算法效率参数的值加1，还可以将第二性能信息的算法效率参数的值减1；若第一性能信息的计算耗时信息大于第二性能信息的计算耗时信息，则将第二性能信息的算法效率参数的值加1，还可以将第一性能信息的算法效率参数的值减1等，本申请在此不做具体限定。
步骤S209：基于预设权重值、算法效果参数及算法效率参数，确定第一算法对应的第一计算值，确定第二算法对应的第二计算值。
步骤S210：若第一计算值大于第二计算值，则将第一算法作为目标算法；若第二计算值大于第一计算值，则将第二算法作为目标算法，以基于目标算法对目标风电机组数据进行处理。
实际应用中，在基于算法效果参数及算法效率参数，在第一算法及第二算法中确定对风电机组数据进行处理的目标算法的过程中，可以基于预设权重值、算法效果参数及算法效率参数，确定第一算法对应的第一计算值，确定第二算法对应的第二计算值；若第一计算值大于第二计算值，则将第一算法作为目标算法；若第二计算值大于第一计算值，则将第二算法作为目标算法。
具体的，可以按照z＝ax+by的形式来基于预设权重值、算法效果参数及算法效率参数，确定第一算法对应的第一计算值，确定第二算法对应的第二计算值，其中，z表示相应的计算值，x表示算法效果参数，a表述预设权重值中算法效果参数对应的权重值，y表示算法效率参数，b表示预设权重值中算法效率参数对应的权重值等；此外，在基于第一计算值及第二计算值确定目标算法的过程中，可以在第一计算值大于第二计算值，且差值大于预设阈值的情况下，将第一算法作为目标算法；在第二计算值大于第一计算值，且差值大于预设阈值的情况下，将第二算法作为目标算法等，本申请在此不做具体限定。
请参阅图3，图3为具体应用场景中算法选择的流程图。
本申请实施例提供的一种风电机组数据处理方法中，在选取对目标风电机组数据进行处理的目标算法的过程中，可以执行以下步骤：
确定是否未完成算法选择，若已完成算法选择，则读取数据库表0X记录01，通道；调用条带化算法X中相应通道的算法，并开始计时；得出结果值(报警信息)、计算耗时，插入表0X记录01，完成本过程；若未完成算法选择，则进入竞争模式，竞争模式中针对同一条数据，同时启用两种算法计算：首先，读取数据库表01中记录01，通道；分别调用条带化算法壹/贰中相应通道的算法，并开始计时；算法壹得出结果值(报警信息)、计算耗时，插入表01记录01；算法贰的结果，得出结果值(报警信息)、计算耗时，插入表02记录01，并复制表01记录01，通道作为表头；
对比不同算法同一条记录的计算效果(报警信息)、计算耗时，如果算法壹未报警，算法贰未报警，则跳过；如果算法壹报警，算法贰未报警，则算法壹效果参数加1，算法贰效果参数减1；如果算法壹未报警，算法贰报警，则算法壹效果参数减1，算法贰效果参数加1；
此外，如果算法壹/贰均报警，则进一步对比计算耗时，如果算法壹计算耗时等于算法贰，则跳过；如果算法壹计算耗时小于算法贰，则算法壹效率参数加1，算法贰效率参数减1；如果算法壹计算耗时大于算法贰，则算法壹效率参数减1，算法贰效率参数加1；
判断已进行竞争计算数据条数是否满足要求，比如判断是否超过X条，如果不满足，则跳过，继续积累；如果满足数据条数要求，则进一步进行选择，具体的，如果算法壹(效率参数*权值+效果参数*权值)大于算法贰，且差值超过阈值，则选择算法壹；如果算法壹(效率参数*权值+效果参数*权值)小于算法贰，且差值超过阈值，则选择算法贰；否则，则跳过，重复本流程，直至完成算法选择。
请参阅图4，图4为本申请实施例提供的一种风电机组数据处理系统的结构示意图。
本申请实施例提供的一种风电机组数据处理系统，可以包括：
第一获取模块101，用于获取待处理的目标风电机组数据；
第二获取模块102，用于获取对目标风电机组数据进行处理的第一算法及第二算法；
第一确定模块103，用于确定第一算法处理风电机组数据的第一性能信息；
第二确定模块104，用于确定第二算法处理风电机组数据的第二性能信息；
第三确定模块105，用于基于第一性能信息及第二性能信息确定第一算法及第二算法各自的算法效果参数及算法效率参数；
第四确定模块106，用于基于算法效果参数及算法效率参数，在第一算法及第二算法中确定对风电机组数据进行处理的目标算法，以基于目标算法对目标风电机组数据进行处理。
本申请实施例提供的一种风电机组数据处理系统，第一性能信息及第二性能信息均包括是否报警信息；
第三确定模块可以包括：
第一初始化单元，用于将第一算法及第二算法各自的算法效果参数均初始化为第一预设值；
第一确定单元，用于若第一性能信息表征未报警，第二性能信息表征报警，则将第二性能信息的算法效果参数的值加1；若第一性能信息表征报警，第二性能信息表征未报警，则将第一性能信息的算法效果参数的值加1；
第二确定单元，用于基于第一性能信息及第二性能信息确定第一算法及第二算法各自的算法效率参数。
本申请实施例提供的一种风电机组数据处理系统，第一性能信息及第二性能信息均包括计算耗时信息；
第二确定单元可以用于：将第一算法及第二算法各自的算法效率参数均初始化为第二预设值；若第一性能信息的计算耗时信息小于第二性能信息的计算耗时信息，则将第一性能信息的算法效率参数的值加1；若第一性能信息的计算耗时信息大于第二性能信息的计算耗时信息，则将第二性能信息的算法效率参数的值加1。
本申请实施例提供的一种风电机组数据处理系统，第四确定模块可以包括：
第三确定单元，用于基于预设权重值、算法效果参数及算法效率参数，确定第一算法对应的第一计算值，确定第二算法对应的第二计算值；
第四确定单元，用于若第一计算值大于第二计算值，则将第一算法作为目标算法；若第二计算值大于第一计算值，则将第二算法作为目标算法。
本申请实施例提供的一种风电机组数据处理系统，第一获取模块可以包括：
第一监视单元，用于对目标风电机组进行监视，得到初始风电机组数据；
第一读取单元，用于读取初始风电机组数据的绝对路径名和/或文件名；
第五确定单元，用于将绝对路径名和/或文件名满足预设对照表的初始风电机组数据作为目标风电机组数据。
本申请实施例提供的一种风电机组数据处理系统，还可以包括：
第五确定模块，用于第一获取模块获取待处理的目标风电机组数据之后，确定目标风电机组数据的生成时间戳；
第六确定模块，用于确定目标风电机组数据的展示时间戳；
第七确定模块，用于基于生成时间戳及展示时间戳确定目标风电机组数据的展示滞后时间；
第一显示模块，用于显示展示滞后时间。
本申请实施例提供的一种风电机组数据处理系统，第一显示模块可以包括：
第一显示单元，用于在人机界面上与预设颜色显示展示滞后时间。
本申请还提供了一种风电机组数据处理设备及计算机可读存储介质，其均具有本申请实施例提供的一种风电机组数据处理方法具有的对应效果。请参阅图5，图5为本申请实施例提供的一种风电机组数据处理设备的结构示意图。
本申请实施例提供的一种风电机组数据处理设备，包括存储器201和处理器202，存储器201中存储有计算机程序，处理器202执行计算机程序时实现如上任一实施例所描述风电机组数据处理方法的步骤。
请参阅图6，本申请实施例提供的另一种风电机组数据处理设备中还可以包括：与处理器202连接的输入端口203，用于传输外界输入的命令至处理器202；与处理器202连接的显示单元204，用于显示处理器202的处理结果至外界；与处理器202连接的通信模块205，用于实现风电机组数据处理设备与外界的通信。显示单元204可以为显示面板、激光扫描使显示器等；通信模块205所采用的通信方式包括但不局限于移动高清链接技术(HML)、通用串行总线(USB)、高清多媒体接口(HDMI)、无线连接：无线保真技术(WiFi)、蓝牙通信技术、低功耗蓝牙通信技术、基于IEEE802.11s的通信技术。
本申请实施例提供的一种计算机可读存储介质，计算机可读存储介质中存储有计算机程序，计算机程序被处理器执行时实现如上任一实施例所描述风电机组数据处理方法的步骤。
本申请所涉及的计算机可读存储介质包括随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质。
本申请实施例提供的风电机组数据处理系统、设备及计算机可读存储介质中相关部分的说明请参见本申请实施例提供的风电机组数据处理方法中对应部分的详细说明，在此不再赘述。另外，本申请实施例提供的上述技术方案中与现有技术中对应技术方案实现原理一致的部分并未详细说明，以免过多赘述。
还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，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、物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、物品或者设备中还存在另外的相同要素。
对所公开的实施例的上述说明，使本领域技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (10)

1.一种风电机组数据处理方法，其特征在于，包括：
获取待处理的目标风电机组数据；
获取对所述目标风电机组数据进行处理的第一算法及第二算法；
确定所述第一算法处理所述风电机组数据的第一性能信息；
确定所述第二算法处理所述风电机组数据的第二性能信息；
基于所述第一性能信息及所述第二性能信息确定所述第一算法及所述第二算法各自的算法效果参数及算法效率参数；
基于所述算法效果参数及所述算法效率参数，在所述第一算法及所述第二算法中确定对所述风电机组数据进行处理的目标算法，以基于所述目标算法对所述目标风电机组数据进行处理。
2.根据权利要求1所述的方法，其特征在于，所述第一性能信息及所述第二性能信息均包括是否报警信息；
所述基于所述第一性能信息及所述第二性能信息确定所述第一算法及所述第二算法各自的算法效果参数及算法效率参数，包括：
将所述第一算法及所述第二算法各自的所述算法效果参数均初始化为第一预设值；
若所述第一性能信息表征未报警，所述第二性能信息表征报警，则将所述第二性能信息的所述算法效果参数的值加1；
若所述第一性能信息表征报警，所述第二性能信息表征未报警，则将所述第一性能信息的所述算法效果参数的值加1；
基于所述第一性能信息及所述第二性能信息确定所述第一算法及所述第二算法各自的所述算法效率参数。
3.根据权利要求2所述的方法，其特征在于，所述第一性能信息及所述第二性能信息均包括计算耗时信息；
所述基于所述第一性能信息及所述第二性能信息确定所述第一算法及所述第二算法各自的所述算法效率参数，包括：
将所述第一算法及所述第二算法各自的所述算法效率参数均初始化为第二预设值；
若所述第一性能信息的所述计算耗时信息小于所述第二性能信息的所述计算耗时信息，则将所述第一性能信息的所述算法效率参数的值加1；
若所述第一性能信息的所述计算耗时信息大于所述第二性能信息的所述计算耗时信息，则将所述第二性能信息的所述算法效率参数的值加1。
4.根据权利要求3所述的方法，其特征在于，所述基于所述算法效果参数及所述算法效率参数，在所述第一算法及所述第二算法中确定对所述风电机组数据进行处理的目标算法，包括：
基于预设权重值、所述算法效果参数及所述算法效率参数，确定所述第一算法对应的第一计算值，确定所述第二算法对应的第二计算值；
若所述第一计算值大于所述第二计算值，则将所述第一算法作为所述目标算法；
若所述第二计算值大于所述第一计算值，则将所述第二算法作为所述目标算法。
5.根据权利要求1至4任一项所述的方法，其特征在于，所述获取待处理的目标风电机组数据，包括：
对目标风电机组进行监视，得到初始风电机组数据；
读取所述初始风电机组数据的绝对路径名和/或文件名；
将所述绝对路径名和/或所述文件名满足预设对照表的所述初始风电机组数据作为所述目标风电机组数据。
6.根据权利要求5所述的方法，其特征在于，所述获取待处理的目标风电机组数据之后，还包括：
确定所述目标风电机组数据的生成时间戳；
确定所述目标风电机组数据的展示时间戳；
基于所述生成时间戳及所述展示时间戳确定所述目标风电机组数据的展示滞后时间；
显示所述展示滞后时间。
7.根据权利要求6所述的方法，其特征在于，所述显示所述展示滞后时间，包括：
在人机界面上与预设颜色显示所述展示滞后时间。
8.一种风电机组数据处理系统，其特征在于，包括：
第一获取模块，用于获取待处理的目标风电机组数据；
第二获取模块，用于获取对所述目标风电机组数据进行处理的第一算法及第二算法；
第一确定模块，用于确定所述第一算法处理所述风电机组数据的第一性能信息；
第二确定模块，用于确定所述第二算法处理所述风电机组数据的第二性能信息；
第三确定模块，用于基于所述第一性能信息及所述第二性能信息确定所述第一算法及所述第二算法各自的算法效果参数及算法效率参数；
第四确定模块，用于基于所述算法效果参数及所述算法效率参数，在所述第一算法及所述第二算法中确定对所述风电机组数据进行处理的目标算法，以基于所述目标算法对所述目标风电机组数据进行处理。
9.一种风电机组数据处理设备，其特征在于，包括：
存储器，用于存储计算机程序；
处理器，用于执行所述计算机程序时实现如权利要求1至7任一项所述风电机组数据处理方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述风电机组数据处理方法的步骤。
CN202210696691.8A 2022-06-20 2022-06-20 一种风电机组数据处理方法、系统、设备及计算机介质 Pending CN115049267A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210696691.8A CN115049267A (zh) 2022-06-20 2022-06-20 一种风电机组数据处理方法、系统、设备及计算机介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210696691.8A CN115049267A (zh) 2022-06-20 2022-06-20 一种风电机组数据处理方法、系统、设备及计算机介质

Publications (1)

Publication Number Publication Date
CN115049267A true CN115049267A (zh) 2022-09-13

Family

ID=83163137

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210696691.8A Pending CN115049267A (zh) 2022-06-20 2022-06-20 一种风电机组数据处理方法、系统、设备及计算机介质

Country Status (1)

Country Link
CN (1) CN115049267A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115560966A (zh) * 2022-09-30 2023-01-03 新黎明科技股份有限公司 增强稀疏滤波融合电机关键部件微弱故障诊断方法和系统

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115560966A (zh) * 2022-09-30 2023-01-03 新黎明科技股份有限公司 增强稀疏滤波融合电机关键部件微弱故障诊断方法和系统
CN115560966B (zh) * 2022-09-30 2023-09-15 新黎明科技股份有限公司 增强稀疏滤波融合电机关键部件微弱故障诊断方法和系统

Similar Documents

Publication Publication Date Title
JP7279266B2 (ja) 時系列データを保存および照会するための方法および装置、並びにそれらのサーバーおよび記憶媒体
CN111125089B (zh) 时序数据存储方法、装置、服务器及存储介质
CN112232495B (zh) 预测模型的训练方法、装置、介质和计算设备
US20110225288A1 (en) Method and system for efficient storage and retrieval of analytics data
CN111767407A (zh) 用可搜索的地理时间值对知识图条目进行编码以评估实体提及的传递地理时间接近度
CN107729473B (zh) 文章推荐方法及其装置
CN104427341A (zh) 一种图像处理方法、装置及终端
CN115049267A (zh) 一种风电机组数据处理方法、系统、设备及计算机介质
CN113465734B (zh) 一种结构振动的实时估计方法
CN110765552A (zh) 三维地质模型的属性信息展示方法及装置
CN110298178B (zh) 可信策略学习方法及装置、可信安全管理平台
CN112687079A (zh) 灾害预警方法、装置、设备及存储介质
JP2016024486A (ja) データ活用システム及びその制御方法
CN108287890B (zh) 数据管理方法及装置
JP6143462B2 (ja) 画像検索装置、画像検索方法、検索元画像提供装置、検索元画像提供方法、及びプログラム
US20130262512A1 (en) Data management apparatus and data management method
CN114595746A (zh) 配电网故障原因的分类方法、装置、设备及存储介质
JP5806364B1 (ja) バースト領域抽出装置、バースト領域抽出方法及びバースト領域抽出プログラム
JP6372684B2 (ja) 電力需要予測装置および電力需要予測方法
JP3462933B2 (ja) 気温予測方法および装置
CN111970675A (zh) 一种预警方法及装置、存储介质
CN111159244A (zh) 数据查询方法及装置
CN113343082B (zh) 可热字段预测模型生成方法、装置、存储介质及设备
CN114626340B (zh) 基于手机信令的行为特征提取方法及相关装置
CN113676840B (zh) 数据处理方法、装置、电子设备、存储介质和程序产品

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