CN116085212A - 一种新能源风电机组的运行状态实时监测方法及系统 - Google Patents
一种新能源风电机组的运行状态实时监测方法及系统 Download PDFInfo
- Publication number
- CN116085212A CN116085212A CN202211707588.5A CN202211707588A CN116085212A CN 116085212 A CN116085212 A CN 116085212A CN 202211707588 A CN202211707588 A CN 202211707588A CN 116085212 A CN116085212 A CN 116085212A
- Authority
- CN
- China
- Prior art keywords
- wind turbine
- state monitoring
- turbine generator
- information
- state
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 194
- 238000000034 method Methods 0.000 title claims abstract description 45
- 230000002159 abnormal effect Effects 0.000 claims description 38
- 230000015654 memory Effects 0.000 claims description 23
- 238000001514 detection method Methods 0.000 claims description 22
- 238000010977 unit operation Methods 0.000 claims description 22
- 230000007613 environmental effect Effects 0.000 claims description 3
- 238000013480 data collection Methods 0.000 claims description 2
- 230000000694 effects Effects 0.000 abstract description 9
- 238000012423 maintenance Methods 0.000 abstract description 7
- 238000010248 power generation Methods 0.000 abstract description 4
- 230000005856 abnormality Effects 0.000 description 13
- 238000004590 computer program Methods 0.000 description 9
- 238000010276 construction Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000011218 segmentation Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F03—MACHINES OR ENGINES FOR LIQUIDS; WIND, SPRING, OR WEIGHT MOTORS; PRODUCING MECHANICAL POWER OR A REACTIVE PROPULSIVE THRUST, NOT OTHERWISE PROVIDED FOR
- F03D—WIND MOTORS
- F03D17/00—Monitoring or testing of wind motors, e.g. diagnostics
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
- F05B—INDEXING SCHEME RELATING TO WIND, SPRING, WEIGHT, INERTIA OR LIKE MOTORS, TO MACHINES OR ENGINES FOR LIQUIDS COVERED BY SUBCLASSES F03B, F03D AND F03G
- F05B2260/00—Function
- F05B2260/83—Testing, e.g. methods, components or tools therefor
-
- 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)
- Life Sciences & Earth Sciences (AREA)
- Sustainable Development (AREA)
- Sustainable Energy (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Wind Motors (AREA)
Abstract
本公开提供了一种一种新能源风电机组的运行状态实时监测方法及系统,涉及新能源发电技术领域,该方法包括:采集获得风电机组的机组设备信息;获得所述风电机组的历史故障信息,根据所述历史故障信息和所述机组设备信息确定状态监测点;获得第一状态监测数据;根据所述状态监测点,获得温度数据采集结果;根据所述温度数据采集结果对所述风电机组的运行状态进行监测,获得第二状态监测数据;根据所述第一状态监测数据和所述第二状态监测数据,生成所述风电机组的状态监测结果。解决了现有技术中存在的由于采集的机组监测数据单一,进而导致对设备的运行状态监测准确性不足、对后续的机组检修维护的辅助效果不佳的技术问题。
Description
技术领域
本公开涉及新能源发电技术领域,具体涉及一种新能源风电机组的运行状态实时监测方法及系统。
背景技术
风能是利用自然力量转换能量的方法,为社会建设与人们的生活提供了有力的能源保障。风力发电机的应用不仅可以解决目前中国电能应用不足的情况,而且可以更好地保护环境。风是自然界中常见的自然现象,尤其是在风资源丰富的山区。机组建设不仅可以为国家创造更大的经济价值,而且可以确保当地的电力供应。然而,随着国内风力发电行业的飞速发展,风力发电机的故障已成为不可忽视的问题。通过实时监视风力发电机的运行状态,可以及时发现机组运行中的隐患。通过提取机组故障信息并进行处理和分析,可以诊断机组故障的原因并制定有效的处理措施。这对于提高风机运行的可靠性,促进风电行业的健康发展具有重要的现实意义。
目前,现有技术中存在由于采集的机组监测数据单一,进而导致对设备的运行状态监测准确性不足、对后续的机组检修维护的辅助效果不佳的技术问题。
发明内容
本公开提供了一种新能源风电机组的运行状态实时监测方法及系统,用以解决现有技术中存在的由于采集的机组监测数据单一,进而导致对设备的运行状态监测准确性不足、对后续的机组检修维护的辅助效果不佳的技术问题。
根据本公开的第一方面,提供了一种新能源风电机组的运行状态实时监测方法,包括:采集获得风电机组的机组设备信息;获得所述风电机组的历史故障信息,根据所述历史故障信息和所述机组设备信息确定状态监测点;采集所述状态监测点的机组运行参数,根据所述机组运行参数对所述风电机组的运行状态进行监测,获得第一状态监测数据;根据所述状态监测点,进行温度数据采集,获得温度数据采集结果;根据所述温度数据采集结果对所述风电机组的运行状态进行监测,获得第二状态监测数据;根据所述第一状态监测数据和所述第二状态监测数据,生成所述风电机组的状态监测结果。
根据本公开的第二方面,提供了一种新能源风电机组的运行状态实时监测系统,包括:机组设备信息采集模块,所述机组设备信息采集模块用于采集获得风电机组的机组设备信息;状态监测点确定模块,所述状态监测点确定模块用于获得所述风电机组的历史故障信息,根据所述历史故障信息和所述机组设备信息确定状态监测点;第一状态监测模块,所述第一状态监测模块用于采集所述状态监测点的机组运行参数,根据所述机组运行参数对所述风电机组的运行状态进行监测,获得第一状态监测数据;温度数据采集模块,所述温度数据采集模块用于根据所述状态监测点,进行温度数据采集,获得温度数据采集结果;第二状态监测模块,所述第二状态监测模块用于根据所述温度数据采集结果对所述风电机组的运行状态进行监测,获得第二状态监测数据;状态监测结果生成模块,所述状态监测结果生成模块用于根据所述第一状态监测数据和所述第二状态监测数据,生成所述风电机组的状态监测结果。
根据本公开的第三方面,提供了一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行第一方面所述的方法。
根据本公开采用的一种新能源风电机组的运行状态实时监测方法,采集获得风电机组的机组设备信息;获得所述风电机组的历史故障信息,根据所述历史故障信息和所述机组设备信息确定状态监测点;采集所述状态监测点的机组运行参数,根据所述机组运行参数对所述风电机组的运行状态进行监测,获得第一状态监测数据;根据所述状态监测点,进行温度数据采集,获得温度数据采集结果;根据所述温度数据采集结果对所述风电机组的运行状态进行监测,获得第二状态监测数据;根据所述第一状态监测数据和所述第二状态监测数据,生成所述风电机组的状态监测结果。本公开通过对风电机组的运行参数和运行温度进行监测,获取异常数据,根据异常数据生成状态监测结果,达到提升风电机组的运行状态监测准确性,为后续的机组检修维护提供辅助作用的技术效果。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
为了更清楚地说明本公开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示例性的,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为本公开实施例提供的一种新能源风电机组的运行状态实时监测方法的流程示意图;
图2为本公开实施例提供的一种新能源风电机组的运行状态实时监测系统的结构示意图;
图3为本公开实施例提供的一种电子设备的结构示意图。
附图标记说明:机组设备信息采集模块11,状态监测点确定模块12,第一状态监测模块13,温度数据采集模块14,第二状态监测模块15,状态监测结果生成模块16,电子设备800,处理器801,存储器802,总线803。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
为了解决现有技术中存在由于采集的机组监测数据单一,进而导致对设备的运行状态监测准确性不足、对后续的机组检修维护的辅助效果不佳的技术问题,本公开的发明人经过创造性的劳动,得到了本公开的一种新能源风电机组的运行状态实时监测方法及系统。
实施例一
图1为本申请实施例提供的一种新能源风电机组的运行状态实时监测方法图,如图1所示,所述方法包括:
步骤S100:采集获得风电机组的机组设备信息;
具体而言,风电机组是指需要进行运行状态监测的用于进行风力发电的机组设备,机组设备信息是指组成风电机组的所有设备,包括轴心、低速轴、齿轮箱、高速轴及其机械闸、发电机等设备。
步骤S200:获得所述风电机组的历史故障信息,根据所述历史故障信息和所述机组设备信息确定状态监测点;
其中,所述获得所述风电机组的历史故障信息,根据所述历史故障信息和所述机组设备信息确定状态监测点,本申请实施例步骤S200包括:
步骤S210:对所述机组设备信息进行特征提取,获得机组结构信息;
步骤S220:采集获得所述风电机组的历史故障信息;
步骤S230:根据所述历史故障信息和所述机组结构信息,计算不同机组结构位置的历史故障发生概率;
步骤S240:根据所述历史故障发生概率进行状态监测点的规划,根据规划结果获得所述状态监测点。
其中,所述根据所述故障发生概率进行状态监测点的规划,根据规划结果获得所述状态监测点,本申请实施例步骤S240包括:
步骤S241:判断所述历史故障发生概率是否大于预设故障概率;
步骤S242:如果所述历史故障发生概率大于所述预设故障概率,将所述历史故障发生概率对应的结构位置设为所述状态监测点。
具体而言,历史故障信息是指在过去的一段时间内风电机组发生的故障信息,包括故障发生位置、故障发生次数等信息,根据历史故障信息和机组设备信息确定状态监测点,简单来说,就是确定历史故障发生频率比较高的设备位置,将历史故障发生频率比较高的设备位置作为状态监测点,重点对状态监测点进行实时监测。
具体地,机组设备信息是指组成风电机组的所有设备,对机组设备信息进行分析,提取出机组结构信息,机组结构信息是指风电机组设备的位置,进一步地,采集风电机组的历史故障信息,比如采集过去一年内风电机组发生的故障信息,包括故障发生位置、故障发生次数等,基于此,计算不同机组结构位置的历史故障发生概率,可以用每一个结构位置发生的概率次数除以风电机组发生的故障次数总数计算得到历史故障发生概率,根据历史故障发生概率,将历史故障发生概率高于预期概率的结构位置作为状态监测点,重点对状态监测点进行数据监测,以实现风电机组的状态监测。
具体地,计算不同机组结构位置的历史故障发生概率,判断历史故障发生概率是否大于预设故障概率,预设故障概率可以根据实际情况自行设定,用于判断历史故障发生概率是否过大,如果历史故障发生概率大于预设故障概率,就认为该位置容易发生故障,需要重点监测,就将大于预设故障概率的历史故障发生概率对应的结构位置设为状态监测点,为后续的监测提供基础数据。
步骤S300:采集所述状态监测点的机组运行参数,根据所述机组运行参数对所述风电机组的运行状态进行监测,获得第一状态监测数据;
其中,所述据所述机组运行参数对所述风电机组的运行状态进行监测,获得第一状态监测数据,本申请实施例步骤S300包括:
步骤S310:对所述风电机组进行机组参数分析,获得标准运行参数范围;
步骤S320:对比所述机组运行参数和所述标准运行参数范围,获得运行参数差值;
步骤S330:根据所述运行参数差值获得所述第一状态监测数据。
具体而言,状态监测点是进行数据监测的位置,采集状态监测点的机组运行参数,机组运行参数是指风电机组在运行过程中产生的数据,包括振动频率、电压、电流等参数,机组运行时有对应的标准运行参数,就是风电机组正常运行时的参数,通过实时监测机组运行参数,比较机组运行参数与标准运行参数的差异,生成第一状态监测数据,第一状态监测数据用于表示机组运行参数是否正常。
具体地,对风电机组进行机组参数分析,就是分析风电机组正常的、安全的运行情况下,机组运行参数处的数值范围,将这个数值范围作为标准运行参数范围,就是说如果机组运行参数处于标准运行参数范围内,就认为机组运行状态正常,如果机组运行参数在标准运行参数范围外,就说明机组运行参数出现异常,此时就需要对比机组运行参数和标准运行参数范围,计算运行参数差值,简单来说,就是用机组运行参数减去标准运行参数范围就可以获得运行参数差值,通过运行参数差值就可以看出机组运行参数偏大或者偏小的数值,从而生成第一状态监测数据。
步骤S400:根据所述状态监测点,进行温度数据采集,获得温度数据采集结果;
其中,本申请实施例步骤S400还包括:
步骤S410:采集所述风电机组的运行环境信息,所述运行环境信息包括环境温度信息;
步骤S420:根据所述环境温度信息对所述风电机组进行温度影响分析,获得温度影响数据;
步骤S430:根据所述温度影响数据对所述温度数据采集结果进行修正。
具体而言,在状态监测点,进行温度数据的采集,可以通过不同类型的温度传感器进行温度的采集,在这里,不对温度传感器的类型做限制,通过温度传感器采集状态监测点的温度数据,获得温度数据采集结果,状态监测点不止一个,温度采集数据也会有多组数据。
具体地,温度数据采集结果是风电机组运行时的不同位置的温度,外部环境对风电机组的设备温度也会产生影响,外部环境温度过高,可能导致设备温度偏高,外部环境温度过低,可能导致设备温度偏低,因此,需要采集风电机组的运行环境信息,就是风电机组的外部环境,运行环境信息包括环境温度信息,就是风电机组的外部环境温度,进一步地,分析环境温度信息对风电机组的温度造成的影响值,就是环境温度信息使得风电机组的运行温度增高或降低的温度值,即为温度影响数据,通过温度影响数据对温度数据采集结果进行补偿,修正温度数据采集结果,使得温度数据采集结果更加准确。
步骤S500:根据所述温度数据采集结果对所述风电机组的运行状态进行监测,获得第二状态监测数据;
其中,所述根据所述温度数据采集结果对所述风电机组的运行状态进行监测,获得第二状态监测数据,本申请实施例步骤S500包括:
步骤S510:通过孤立森林法构建温度异常检测模型;
步骤S520:将所述温度数据采集结果输入所述温度异常检测模型,输出异常检测结果;
步骤S530:对所述异常检测结果进行分析,获得所述第二状态监测数据。
具体而言,温度数据采集结果是在状态监测点采集到的风电机组的温度数据,对温度数据采集结果进行异常检测,检测温度数据采集结果中是否有异常的温度数据,根据异常温度数据确定风电机组的异常温度位置,从而获得第二状态监测数据,第二状态监测数据表示出现温度异常的风电机组位置。
具体地,需要检测出温度数据采集结果中的异常温度数据,通过孤立森林法构建温度异常检测模型,用于进行异常温度数据的检测,温度异常检测模型就是基于孤立森林法,递归地随机分割温度数据采集结果,直至将温度数据采集结果中的温度数据分割至孤立状态或者达到预期要求为止。在此随机进行分割的过程中,由于未出现异常数据形成密集的数据群,因此,将未出现异常的数据分割至孤立需要多次分割,而出现异常的数据远离密集的数据群,将出现异常的数据分割至孤立只需要较少次数的分割,因此在孤立森林中的树不需要太大的分割路径长度,所以可以用更小的值作为分割路径长度,从根节点经过的分割次数即为分割路径长度,可以根据实际情况,设定一个分割路径长度,达到分割路径长度后停止分割,获取分割结果,提取异常数据,孤立的且分割路径较短的数据即为异常数据,由此温度异常检测模型构建完成,将温度数据采集结果输入温度异常检测模型,就可以输出异常检测结果,异常检测结果包括温度异常的数据,对异常检测结果进行分析,确定温度异常数据对应的状态监测点的位置,从而获得第二状态监测数据。
步骤S600:根据所述第一状态监测数据和所述第二状态监测数据,生成所述风电机组的状态监测结果。
具体而言,第一状态监测数据是通过对风电机组的机组运行参数进行监测获得的,第二状态监测数据是通过对风电机组的运行温度进行监测获得的,结合第一状态监测数据和第二状态监测数据,对第一状态监测数据和第二状态监测数据进行汇总,从而生成风电机组的状态监测结果,风电机组的状态监测结果包括异常机组运行参数和异常运行温度及其对应的位置,通过状态监测结果为后续的机组检修维护提供辅助作用。
其中,本申请实施例步骤S700包括:
步骤S710:根据所述状态监测结果设置多层级预警等级;
步骤S720:通过所述多层级预警等级进行异常预警,并获取异常预警区间;
步骤S730:根据所述异常预警区间进行所述风电机组的检修维护。
具体而言,根据监测结果设置多层级预警等级,简单来说,根据监测结果中异常数据的数量、数值等设定不同等级的预警等级,预警等级越高,说明状态监测结果的异常程度越严重,就是风电机组的运行状态存在的问题较为严重,根据多层级预警等级进行异常预警,异常预警区间就是指状态监测结果中的异常数据对应的风电机组位置,根据异常预警区间提醒工作人员对风电机组的对应位置进行检修维护,保证风电机组的安全运行。
基于上述分析可知,本公开提供了一种新能源风电机组的运行状态实时监测方法,在本实施例中,通过对风电机组的运行参数和运行温度进行监测,获取异常数据,根据异常数据生成状态监测结果,达到提升风电机组的运行状态监测准确性,为后续的机组检修维护提供辅助作用的技术效果。
实施例二
基于与前述实施例中一种新能源风电机组的运行状态实时监测方法同样的发明构思,如图2所示,本申请还提供了一种新能源风电机组的运行状态实时监测系统,所述系统包括:
机组设备信息采集模块11,所述机组设备信息采集模块11用于采集获得风电机组的机组设备信息;
状态监测点确定模块12,所述状态监测点确定模块12用于获得所述风电机组的历史故障信息,根据所述历史故障信息和所述机组设备信息确定状态监测点;
第一状态监测模块13,所述第一状态监测模块13用于采集所述状态监测点的机组运行参数,根据所述机组运行参数对所述风电机组的运行状态进行监测,获得第一状态监测数据;
温度数据采集模块14,所述温度数据采集模块14用于根据所述状态监测点,进行温度数据采集,获得温度数据采集结果;
第二状态监测模块15,所述第二状态监测模块15用于根据所述温度数据采集结果对所述风电机组的运行状态进行监测,获得第二状态监测数据;
状态监测结果生成模块16,所述状态监测结果生成模块16用于根据所述第一状态监测数据和所述第二状态监测数据,生成所述风电机组的状态监测结果。
进一步而言,所述系统还包括:
机组结构信息获取模块,所述机组结构信息获取模块用于对所述机组设备信息进行特征提取,获得机组结构信息;
历史故障信息采集模块,所述历史故障信息采集模块用于采集获得所述风电机组的历史故障信息;
史故障发生概率计算模块,所述史故障发生概率计算模块用于根据所述历史故障信息和所述机组结构信息,计算不同机组结构位置的历史故障发生概率;
状态监测点规划模块,所述状态监测点规划模块用于根据所述历史故障发生概率进行状态监测点的规划,根据规划结果获得所述状态监测点。
进一步而言,所述系统还包括:
历史故障发生概率判断模块,所述历史故障发生概率判断模块用于判断所述历史故障发生概率是否大于预设故障概率;
状态监测点设置模块,所述状态监测点设置模块用于如果所述历史故障发生概率大于所述预设故障概率,将所述历史故障发生概率对应的结构位置设为所述状态监测点。
进一步而言,所述系统还包括:
机组参数分析模块,所述机组参数分析模块用于对所述风电机组进行机组参数分析,获得标准运行参数范围;
运行参数差值获取模块,所述运行参数差值获取模块用于对比所述机组运行参数和所述标准运行参数范围,获得运行参数差值;
第一状态监测数据获得模块,所述第一状态监测数据获得模块用于根据所述运行参数差值获得所述第一状态监测数据。
进一步而言,所述系统还包括:
运行环境信息获取模块,所述运行环境信息获取模块用于采集所述风电机组的运行环境信息,所述运行环境信息包括环境温度信息;
温度影响分析模块,所述温度影响分析模块用于根据所述环境温度信息对所述风电机组进行温度影响分析,获得温度影响数据;
温度数据采集结果修正模块,所述温度数据采集结果修正模块用于根据所述温度影响数据对所述温度数据采集结果进行修正。
进一步而言,所述系统还包括:
温度异常检测模型构建模块,所述温度异常检测模型构建模块用于通过孤立森林法构建温度异常检测模型;
异常检测结果获取模块,所述异常检测结果获取模块用于将所述温度数据采集结果输入所述温度异常检测模型,输出异常检测结果;
第二状态监测数据获得模块,所述第二状态监测数据获得模块用于对所述异常检测结果进行分析,获得所述第二状态监测数据。
进一步而言,所述系统还包括:
多层级预警等级设置模块,所述多层级预警等级设置模块用于根据所述状态监测结果设置多层级预警等级;
异常预警模块,所述异常预警模块用于通过所述多层级预警等级进行异常预警,并获取异常预警区间;
检修维护模块,所述检修维护模块用于根据所述异常预警区间进行所述风电机组的检修维护。
前述实施例一中的一种新能源风电机组的运行状态实时监测方法具体实例同样适用于本实施例的一种新能源风电机组的运行状态实时监测系统,通过前述对一种新能源风电机组的运行状态实时监测方法的详细描述,本领域技术人员可以清楚的知道本实施例中一种新能源风电机组的运行状态实时监测系统,所以为了说明书的简洁,在此不再详述。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
实施例三
图3是根据本公开第三实施例的示意图,如图3所示,本公开中的电子设备800可以包括:处理器801和存储器802。
存储器802,用于存储程序;存储器802,可以包括易失性存储器(英文:volatilememory),例如随机存取存储器(英文:random-access memory,缩写:RAM),如静态随机存取存储器(英文:static random-access memory,缩写:SRAM),双倍数据率同步动态随机存取存储器(英文:Double Data Rate Synchronous Dynamic Random AccessMemory,缩写:DDR SDRAM)等;存储器也可以包括非易失性存储器(英文:non-volatilememory),例如快闪存储器(英文:flash memory)。存储器802用于存储计算机程序(如实现上述方法的应用程序、功能模块等)、计算机指令等,上述的计算机程序、计算机指令等可以分区存储在一个或多个存储器802中。并且上述的计算机程序、计算机指令、数据等可以被处理器801调用。
上述的计算机程序、计算机指令等可以分区存储在一个或多个存储器802中。并且上述的计算机程序、计算机指据等可以被处理器801调用。
处理器801,用于执行存储器802存储的计算机程序,以实现上述实施例涉及的方法中的各个步骤。
具体可以参见前面方法实施例中的相关描述。
处理器801和存储器802可以是独立结构,也可以是集成在一起的集成结构。当处理器801和存储器802是独立结构时,存储器802、处理器801可以通过总线803耦合连接。
本实施例的电子设备可以执行上述方法中的技术方案,其具体实现过程和技术原理相同,此处不再赘述。
根据本公开的实施例,本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
根据本公开的实施例,本公开还提供了一种计算机程序产品,计算机程序产品包括:计算机程序,计算机程序存储在可读存储介质中,电子设备的至少一个处理器可以从可读存储介质读取计算机程序,至少一个处理器执行计算机程序使得电子设备执行上述任一实施例提供的方案。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发公开中记载的各步骤可以并行地执行,也可以顺序地执行也可以不同的次序执行,
只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本公开保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (9)
1.一种新能源风电机组的运行状态实时监测方法,其特征在于,所述方法包括:
采集获得风电机组的机组设备信息;
获得所述风电机组的历史故障信息,根据所述历史故障信息和所述机组设备信息确定状态监测点;
采集所述状态监测点的机组运行参数,根据所述机组运行参数对所述风电机组的运行状态进行监测,获得第一状态监测数据;
根据所述状态监测点,进行温度数据采集,获得温度数据采集结果;
根据所述温度数据采集结果对所述风电机组的运行状态进行监测,获得第二状态监测数据;
根据所述第一状态监测数据和所述第二状态监测数据,生成所述风电机组的状态监测结果。
2.如权利要求1所述的方法,其特征在于,所述获得所述风电机组的历史故障信息,根据所述历史故障信息和所述机组设备信息确定状态监测点,包括:
对所述机组设备信息进行特征提取,获得机组结构信息;
采集获得所述风电机组的历史故障信息;
根据所述历史故障信息和所述机组结构信息,计算不同机组结构位置的历史故障发生概率;
根据所述历史故障发生概率进行状态监测点的规划,根据规划结果获得所述状态监测点。
3.如权利要求2所述的方法,其特征在于,所述根据所述故障发生概率进行状态监测点的规划,根据规划结果获得所述状态监测点,包括:
判断所述历史故障发生概率是否大于预设故障概率;
如果所述历史故障发生概率大于所述预设故障概率,将所述历史故障发生概率对应的结构位置设为所述状态监测点。
4.如权利要求1所述的方法,其特征在于,所述根据所述机组运行参数对所述风电机组的运行状态进行监测,获得第一状态监测数据,包括:
对所述风电机组进行机组参数分析,获得标准运行参数范围;
对比所述机组运行参数和所述标准运行参数范围,获得运行参数差值;
根据所述运行参数差值获得所述第一状态监测数据。
5.如权利要求1所述的方法,其特征在于,所述方法还包括:
采集所述风电机组的运行环境信息,所述运行环境信息包括环境温度信息;
根据所述环境温度信息对所述风电机组进行温度影响分析,获得温度影响数据;
根据所述温度影响数据对所述温度数据采集结果进行修正。
6.如权利要求1所述的方法,其特征在于,所述根据所述温度数据采集结果对所述风电机组的运行状态进行监测,获得第二状态监测数据,包括:
通过孤立森林法构建温度异常检测模型;
将所述温度数据采集结果输入所述温度异常检测模型,输出异常检测结果;
对所述异常检测结果进行分析,获得所述第二状态监测数据。
7.如权利要求1所述的方法,其特征在于,所述方法还包括:
根据所述状态监测结果设置多层级预警等级;
通过所述多层级预警等级进行异常预警,并获取异常预警区间;
根据所述异常预警区间进行所述风电机组的检修维护。
8.一种新能源风电机组的运行状态实时监测系统,其特征在于,所述系统包括:
机组设备信息采集模块,所述机组设备信息采集模块用于采集获得风电机组的机组设备信息;
状态监测点确定模块,所述状态监测点确定模块用于获得所述风电机组的历史故障信息,根据所述历史故障信息和所述机组设备信息确定状态监测点;
第一状态监测模块,所述第一状态监测模块用于采集所述状态监测点的机组运行参数,根据所述机组运行参数对所述风电机组的运行状态进行监测,获得第一状态监测数据;
温度数据采集模块,所述温度数据采集模块用于根据所述状态监测点,进行温度数据采集,获得温度数据采集结果;
第二状态监测模块,所述第二状态监测模块用于根据所述温度数据采集结果对所述风电机组的运行状态进行监测,获得第二状态监测数据;
状态监测结果生成模块,所述状态监测结果生成模块用于根据所述第一状态监测数据和所述第二状态监测数据,生成所述风电机组的状态监测结果。
9.一种电子设备,其特征在于,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211707588.5A CN116085212B (zh) | 2022-12-29 | 2022-12-29 | 一种新能源风电机组的运行状态实时监测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211707588.5A CN116085212B (zh) | 2022-12-29 | 2022-12-29 | 一种新能源风电机组的运行状态实时监测方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116085212A true CN116085212A (zh) | 2023-05-09 |
CN116085212B CN116085212B (zh) | 2023-10-24 |
Family
ID=86205599
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211707588.5A Active CN116085212B (zh) | 2022-12-29 | 2022-12-29 | 一种新能源风电机组的运行状态实时监测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116085212B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116641855A (zh) * | 2023-07-20 | 2023-08-25 | 国网山东省电力公司微山县供电公司 | 一种风力发电机组运行监测方法、系统、设备及存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103835882A (zh) * | 2014-03-18 | 2014-06-04 | 上海电机学院 | 大型风力发电机组状态监测与故障诊断系统 |
US20200387785A1 (en) * | 2019-06-05 | 2020-12-10 | Wuhan University | Power equipment fault detecting and positioning method of artificial intelligence inference fusion |
CN112527610A (zh) * | 2019-09-17 | 2021-03-19 | 北京国双科技有限公司 | 设备运作状态的监测方法及装置 |
CN113153655A (zh) * | 2021-05-14 | 2021-07-23 | 大唐(赤峰)新能源有限公司 | 风电机组运行状态监测方法及装置 |
CN115016339A (zh) * | 2022-05-20 | 2022-09-06 | 山东浪潮科学研究院有限公司 | 一种室外电力设备的监测方法、设备及介质 |
CN115313625A (zh) * | 2022-07-06 | 2022-11-08 | 深圳供电局有限公司 | 变电站监测方法和系统 |
-
2022
- 2022-12-29 CN CN202211707588.5A patent/CN116085212B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103835882A (zh) * | 2014-03-18 | 2014-06-04 | 上海电机学院 | 大型风力发电机组状态监测与故障诊断系统 |
US20200387785A1 (en) * | 2019-06-05 | 2020-12-10 | Wuhan University | Power equipment fault detecting and positioning method of artificial intelligence inference fusion |
CN112527610A (zh) * | 2019-09-17 | 2021-03-19 | 北京国双科技有限公司 | 设备运作状态的监测方法及装置 |
CN113153655A (zh) * | 2021-05-14 | 2021-07-23 | 大唐(赤峰)新能源有限公司 | 风电机组运行状态监测方法及装置 |
CN115016339A (zh) * | 2022-05-20 | 2022-09-06 | 山东浪潮科学研究院有限公司 | 一种室外电力设备的监测方法、设备及介质 |
CN115313625A (zh) * | 2022-07-06 | 2022-11-08 | 深圳供电局有限公司 | 变电站监测方法和系统 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116641855A (zh) * | 2023-07-20 | 2023-08-25 | 国网山东省电力公司微山县供电公司 | 一种风力发电机组运行监测方法、系统、设备及存储介质 |
CN116641855B (zh) * | 2023-07-20 | 2023-10-13 | 国网山东省电力公司微山县供电公司 | 一种风力发电机组运行监测方法、系统、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN116085212B (zh) | 2023-10-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111539553B (zh) | 基于svr算法和偏峰度的风电机组发电机故障预警方法 | |
CN108072524B (zh) | 一种风电机组齿轮箱轴承故障预警方法 | |
CN110991666A (zh) | 故障检测方法、模型的训练方法、装置、设备及存储介质 | |
CN106815771B (zh) | 一种风电场载荷的长期评估方法 | |
Gonzalez et al. | On the use of high-frequency SCADA data for improved wind turbine performance monitoring | |
CN107797063A (zh) | 基于scada的风电机组运行状态评估及故障诊断方法 | |
CN116085212B (zh) | 一种新能源风电机组的运行状态实时监测方法及系统 | |
Hu et al. | A probability evaluation method of early deterioration condition for the critical components of wind turbine generator systems | |
CN110469461B (zh) | 一种风机齿带的断裂预估方法、其装置及可读存储介质 | |
CN111382494A (zh) | 用于检测工业机器的感知数据中的异常的系统及方法 | |
CN116089890B (zh) | 一种智慧风电场的故障预警检测方法及系统 | |
WO2021066867A1 (en) | System and method for fusing multiple analytics of a wind turbine for improved efficiency | |
CN103675355A (zh) | 风速仪监测方法和系统 | |
CN116105885B (zh) | 一种核电用电气设备状态监测方法及系统 | |
CN115453356B (zh) | 一种动力设备运行状态监测分析方法、系统、终端及介质 | |
Kharlamova et al. | A digital twin of battery energy storage systems providing frequency regulation | |
CN114165392A (zh) | 一种风电机组功率异常诊断方法、装置及存储介质 | |
CN103675357A (zh) | 风速仪故障预警的方法和系统 | |
Botsaris et al. | Systemic assessment and analysis of factors affect the reliability of a wind turbine | |
CN115842408A (zh) | 基于scada的风电场运行状态检测系统及方法 | |
CN116720983A (zh) | 一种基于大数据分析的供电设备异常检测方法及系统 | |
Sun et al. | Wind turbine anomaly detection using normal behavior models based on SCADA data | |
CN112666458B (zh) | 发电设备状态评估方法以及评估装置 | |
CN115345370A (zh) | 一种基于Vine Copula模型的风电机组运行联动性分析方法 | |
Qiao et al. | Research on SCADA data preprocessing method of Wind Turbine |
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 |