CN116412087A - 风力发电机组的异常检测方法及相关装置 - Google Patents

Abstract

本申请公开了一种风力发电机组的异常检测方法及相关装置，方法包括：获取历史时间段内风电场中各风力发电机组的运行数据；对运行数据进行处理，得到多个运行数据集，每个运行数据集包括连续时间段内的各风力发电机组的运行数据，在连续时间段内各风力发电机组处于偏航状态；从多个运行数据集中，筛选出各风力发电机组处于对风偏航状态的目标运行数据集；从目标运行数据集中查找出偏离于预设数据范围的异常数据；将异常数据对应的风力发电机组确定为偏航振动异常的风力发电机组。本申请解决了偏航振动异常难以发现的问题。

Description

风力发电机组的异常检测方法及相关装置

技术领域

本申请属于风力发电技术领域，尤其涉及一种风力发电机组的异常检测方法、装置、设备、计算机可读存储介质及计算机程序产品。

背景技术

作为长周期运行的重型装备，风力发电机组长期在复杂的环境中工作。而风力发电机组的振动情况是反映其机组稳定性的重要指标，在风力发电机组允许范围内的振动是正常的，但如果振动加剧，将导致部件损坏，甚至出现重大事故。目前为了防止异常振动，通常会设置保护值，在机组振动过大，以至于超过保护值时，启动保护停机，以免机组受到过大冲击。

但在机组偏航过程中，由于传感器控制保护算法的设置，会对振动进行滤波处理，由此使得偏航过程中部分振动冲击被滤除，因此偏航过程中的异常振动难以被发现。

发明内容

本申请实施例提供一种风力发电机组的异常检测方法及相关装置，能够解决现有技术难以发现偏航振动异常的问题。

一方面，本申请实施例提供一种风力发电机组的异常检测方法，方法包括：

获取历史时间段内风电场中各风力发电机组的运行数据；

对运行数据进行处理，得到多个运行数据集，每个运行数据集包括连续时间段内的各风力发电机组的运行数据，在连续时间段内各风力发电机组处于偏航状态；

从多个运行数据集中，筛选出各风力发电机组处于对风偏航状态的目标运行数据集；

从目标运行数据集中查找出偏离于预设数据范围的异常数据；

将异常数据对应的风力发电机组确定为偏航振动异常的风力发电机组。

可选地，运行数据包括偏航标志位、解缆标志位和偏航余压；从多个运行数据集中，筛选出各风力发电机组处于对风偏航状态的目标运行数据集，包括：

获取每个运行数据集中，各风力发电机组的偏航标志位、解缆标志位和偏航余压；

根据各风力发电机组的偏航标志位，确定每个连续时间段内各风力发电机组的连续偏航时长；

选择连续偏航时长符合第一预设条件、解缆标志位符合第二预设条件以及偏航余压符合第三预设条件的运行数据集作为目标运行数据集，第一预设条件为运行数据集所对应的连续时间段内，各风力发电机组的连续偏航时长大于或等于预设时长，第二预设条件为运行数据集中各解缆标志位表征各风力发电机组均处于非解缆状态，第三预设条件为运行数据集中各偏航余压小于预设余压阈值。

可选地，获取历史时间段内风电场中各风力发电机组的运行数据，包括：

获取历史时间段内各风力发电机组的SCADA数据；

剔除机组运行状态为维护状态的SCADA数据，得到运行数据。

可选地，运行数据包括振动加速度；从目标运行数据集中查找出偏离于预设数据范围的异常数据，包括：

计算目标运行数据集中，各风力发电机组在连续时间段内的振动加速度所对应的统计值，统计值包括最大值、最小值和均值中的至少一项；

从振动加速度所对应的统计值中，查找出数值大小不在预设数据范围的异常统计值，异常统计值所属的运行数据为异常数据。

可选地，从振动加速度所对应的统计值中，查找出数值大小不在预设数据范围的异常统计值，包括：

在以时间为第一坐标轴，振动加速度大小为第二坐标轴的坐标系中，以各连续时间段内风力发电机组的振动加速度所对应的统计值作为输入数据，形成散点图；

捕捉散点图中不在预设数据范围的离散点，离散点对应的统计值为异常统计值。

可选地，将所述异常数据对应的所述风力发电机组确定为偏航振动异常的风力发电机组之后，方法还包括：

获取偏航振动异常的风电发电机组的机组标识；

向运维终端反馈包括异常数据和机组标识的预警信息。

另一方面，本申请实施例提供了一种风力发电机组的异常检测装置，装置包括：

获取模块，用于获取历史时间段内风电场中各风力发电机组的运行数据；

处理模块，用于对运行数据进行处理，得到多个运行数据集，每个运行数据集包括连续时间段内的各风力发电机组的运行数据，在连续时间段内各风力发电机组处于偏航状态；

筛选模块，用于从多个运行数据集中，筛选出各风力发电机组处于对风偏航状态的目标运行数据集；

查找模块，用于从目标运行数据集中查找出偏离于预设数据范围的异常数据；

确定模块，用于将异常数据对应的风力发电机组确定为偏航振动异常的风力发电机组。

再一方面，本申请实施例提供了一种风力发电机组的异常检测设备，设备包括：

处理器以及存储有计算机程序指令的存储器；

处理器执行计算机程序指令时实现如上述方面的风力发电机组的异常检测方法。

再一方面，本申请实施例提供了一种计算机存储介质，计算机可读存储介质上存储有计算机程序指令，计算机程序指令被处理器执行时实现如上述方面的风力发电机组的异常检测方法。

再一方面，本申请实施例提供了一种计算机程序产品，计算机程序产品上存储有计算机程序指令，计算机程序指令被处理器执行时实上述方面的风力发电机组的异常检测方法。

本申请实施例的风力发电机组的异常检测方法及相关装置，能够获取历史时间段内，风电场中各风力发电机组的运行数据；对运行数据进行处理，得到多个运行数据集，进而从多个运行数据集中，筛选出目标运行数据集；从目标运行数据集中查找出偏离于预设数据范围的异常数据；将异常数据对应的风力发电机组作为偏航振动异常的风力发电机组。而因为通过筛选和处理，最终得到的是在每个连续时间段内，各风力发电机组处于对风偏航状态时的运行数据，由此能够分析获得相同时间条件下对风偏航过程中数据异常的风力发电机组。因此基于历史数据尽早发现了偏航异常振动，从而解决了现有技术偏航振动异常难以发现的问题。

附图说明

为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图作简单的介绍，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，还可以根据这些附图获得其他的附图。

图1是本申请一个实施例提供的风力发电机组的异常检测方法的流程示意图；

图2是本申请一个实施例提供的风力发电机组的异常检测方法中S103的细化流程示意图；

图3是本申请一个实施例提供的风力发电机组的异常检测方法中S104的细化流程示意图；

图4是本申请一个实施例提供的风力发电机组的异常检测方法中形成的散点图的可选示意图。

图5是本申请一个实施例提供的风力发电机组的异常检测方法中绘制的偏航位置时序图。

图6是本申请一个实施例提供的风力发电机组的异常检测方法中绘制的机舱加速度时序图。

图7是本申请另一个实施例提供的风力发电机组的异常检测装置的结构示意图；

图8是本申请又一个实施例提供的风力发电机组的异常检测设备的结构示意图。

具体实施方式

下面将详细描述本申请的各个方面的特征和示例性实施例，为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及具体实施例，对本申请进行进一步详细描述。应理解，此处所描述的具体实施例仅意在解释本申请，而不是限定本申请。对于本领域技术人员来说，本申请可以在不需要这些具体细节中的一些细节的情况下实施。下面对实施例的描述仅仅是为了通过示出本申请的示例来提供对本申请更好的理解。

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……”限定的要素，并不排除在包括要素的过程、方法、物品或者设备中还存在另外的相同要素。

风力发电机组的偏航系统是一种根据测得的风向，控制机舱旋转对风的系统，一般分为主动偏航系统和被动偏航系统。偏航系统的设置能够保证风力发电机组的机舱跟随风向的变化不断改变方向，始终处于迎风状态。

偏航系统还可以与控制系统相互配合，使风力叶轮始终处于迎风状态，提高发电效率；此外，偏航系统还能提供锁紧力矩，保障风力发电机组安全运行，因此偏航系统是风力发电机组必不可少的系统之一。

在风力发电领域，风力发电机组的振动情况是反映机组稳定性的重要指标。具体来说，在机组正常运行过程中，风力发电机组中发电机、塔架等部件都会产生振动，而在允许范围内的振动是正常的。但如果风力发电机组振动加剧，可能会导致部件损坏，甚至是重大事故，因此相关技术中，通常会为风力发电机组设定对应的保护值，在风力发电机组振动过大，即超过保护值时启动保护停机，以免风力发电机组受到过大的冲击。

而在风力发电机组振动检测过程中，存在一个特殊场景，即风力发电机组在偏航过程中进行的异常振动检测。而实际上，在对风偏航过程中，当检测到风力发电机组偏航振动过程中加速度超过保护值时，不仅会导致风力发电机组的机组故障率升高，还会缩短偏航制动部件的使用寿命。

此外，由于风力发电机组为了防止因传感器异常导致的保护停机，还会设置控制保护算法，该控制保护算法会对振动进行滤波处理，由此导致偏航过程中的部分振动冲击会被滤除，难以发现。

因此针对偏航过程中的异常振动问题，现有技术的方案对风力发电机组的保护时机较晚，发现异常时，已经造成了机组发电量损失，还影响了风力发电机组的偏航部件寿命且故障率上升，因此影响了风力发电机组的正常运行。

为了解决上述技术问题，本申请实施例提出一种风力发电机组的异常检测方法、装置、设备、计算机可读存储介质及计算机程序产品。下面首先对本申请实施例所提供的风力发电机组的异常检测方法进行介绍。

图1示出了本申请一个实施例提供的风力发电机组的异常检测方法的流程示意图。如图1所示，该方法包括：

S101，获取历史时间段内风电场中各风力发电机组的运行数据。

S102，对运行数据进行处理，得到多个运行数据集，每个运行数据集包括连续时间段内的各风力发电机组的运行数据，在连续时间段内各风力发电机组处于偏航状态。

S103，从多个运行数据集中，筛选出各风力发电机组处于对风偏航状态的目标运行数据集。

S104，从目标运行数据集中查找出偏离于预设数据范围的异常数据。

S105，将异常数据对应的风力发电机组确定为偏航振动异常的风力发电机组。

本申请实施例能够获取历史时间段内，风电场中各风力发电机组的运行数据；对运行数据进行处理，得到多个运行数据集，进而从多个运行数据集中，筛选出目标运行数据集；从目标运行数据集中查找出偏离于预设数据范围的异常数据；将异常数据对应的风力发电机组作为偏航振动异常的风力发电机组。而因为通过筛选和处理，最终得到的是在每个连续时间段内，各风力发电机组处于对风偏航状态时的运行数据，由此能够分析获得相同时间条件下对风偏航过程中数据异常的风力发电机组。因此基于历史数据尽早发现了偏航异常振动，从而解决现有技术偏航振动异常难以发现的问题。

在本申请的实施例中，是基于风力发电机组的历史时间段内的运行数据进行偏航振动异常检测。需要说明的是，风力发电机组的运行数据记录有风力发电机组所有时段内不同风况、不同运行状态下的数据，该运行数据可以从SCADA(Supervisory Control AndData Acquisition)系统中获取，也可以从风力发电机组和/或传感器中直接获取。

该历史时间段可以是之前所有时间段，也可以是距离提取时间若干时长的，例如距离提取时间1年内的运行数据。

为了得到偏航过程中的异常数据，需要从历史时间段内的所有运行数据中查找到符合偏航过程的运行数据，而目前风力发电机组的偏航过程是通过机组控制逻辑自动完成的，且受风况和风力发电机组运行工况的影响，风力发电机组的参数设置、偏航次数以及每次偏航的时间也不尽相同。如此，为了实现风力发电机组偏航振动异常检测，如何从海量的运行数据中筛查得到风力发电机组偏航过程中的异常数据也是本申请实施例考虑解决的技术问题之一。

由此在一些实施例中，首先可以从所有数据中筛查得到风力发电机组处于非维护状态的(即处于待机、发电等状态)的运行数据。以从SCADA系统中获取运行数据为例，在一些可选示例中，上述S101的过程可以包括：获取历史时间段内各风力发电机组的SCADA数据；剔除机组运行状态为维护状态的SCADA数据，得到运行数据。由此实现了运行数据的一次筛选，方便后续快速获得对风偏航的异常数据筛查。

需要说明的是，风电场SCADA系统，即数据采集与监视控制系统，是以计算机为基础的DCS(Distributed Control System，分散控制系统)与电力自动化监控系统，可以存储风力发电机组各传感器所记录的数据以及机组各类运行信息。

在本申请实施例中，SCADA系统中可以存储有全场所有风力发电机组的SCADA数据，该SCADA数据可以包括风力发电机组的机组编号、运行状态字、偏航标志位等等。为了得到各风力发电机组非维护状态的运行数据，可以筛除运行状态字为维护状态的SCADA数据。

在另一些示例中，还可以在剔除了运行状态字为维护状态的SCADA数据之后，通过设置关键词，从SCADA数据中获取关键词所对应的数据，作为关键运行信息，后续使用关键运行信息进行处理诊断，减少数据处理量。该SCADA数据至少包括提取时间(或数据生成时间)、风力发电机组的机组编号、运行状态字、偏航标志位、解缆标志位、振动加速度以及偏航余压。

在一些实施例中，在得到非维护状态的运行数据，还可以将非维护状态的运行数据按照提取时间顺序进行排列并去重，然后将连续时间段内的数据分为一组。可以通过偏航标志位，去除每组数据中非偏航状态的数据，保留处于偏航状态的数据，由此能够得到连续时间段内，各风力发电机组处于偏航状态的多个运行数据集，以还原各风力发电机组的运行过程。

可以理解的是，受各种因素影响，风力发电机组并非每次偏航动作都是进行对风偏航，因此为了基于历史时间段内的运行数据，找到偏航过程中的异常振动数据，还需要筛除一些非对风偏航的运行数据，找到对风偏航的目标运行数据集。

在一些实施例中，可以利用运行数据中的偏航标志位、解缆标志位和偏航余压，从多个运行数据集中，筛选出各风力发电机组处于对风偏航状态的目标运行数据集，以还原各风力发电机组的对风偏航运行过程。

示例性的，请参看图2，上述筛选出各风力发电机组对风偏航状态的目标运行数据集的过程可以包括：

S201，获取每个运行数据集中，各风力发电机组的偏航标志位、解缆标志位和偏航余压。

S202，根据各风力发电机组的偏航标志位，确定每个连续时间段内各风力发电机组的连续偏航时长。

S203，选择连续偏航时长符合第一预设条件、解缆标志位符合第二预设条件的运行数据集以及偏航余压符合第三预设条件作为目标运行数据集，第一预设条件为运行数据集所对应的连续时间段内，各风力发电机组的连续偏航时长大于或等于预设时长，第二预设条件为运行数据集中各解缆标志位表征各风力发电机组均处于非解缆状态，第三预设条件为运行数据集中各偏航余压小于预设余压阈值。

可以同时对每个运行数据集中的数据进行筛选处理，得到对风偏航状态的目标运行数据集，也可以按照预设顺序逐个选择运行数据集进行筛选判断，在对所有运行数据集筛选判断完毕后，符合要求的即是对风偏航状态的目标运行数据。

以下以对M组运行数据集逐个筛选判断，以得到目标运行数据集的过程进行举例说明。可以按照提取时间的排列顺序，依次从M组运行数据集中选择测试运行数据集。每选择到测试运行数据集时，提取该测试运行数据集中各风力发电机组的偏航标志位、解缆标志位和偏航余压。

其中，可以依据提取得到的偏航标志位，确定该测试运行数据集所对应的连续时间段内，各风力发电机组的偏航动作保持的连续偏航时长。然后可以判断该测试运行数据集是否符合第一预设条件、第二预设条件和第三预设条件。

需要说明的是，第一预设条件、第二预设条件和第三预设条件的判断可以同时进行，也可以先后进行，最终符合条件的目标数据集是均符合三个预设条件的运行数据集。以下通过第二预设条件先进行判断筛选，再利用第一预设条件进行筛选，最后使用第三预设条件作继续示例说明。

可以判断从测试运行数据集中提取的解缆标志位，是否均表征风力发电机组处于非解缆状态，即该测试运行数据集中的运行数据产生时，各风力发电机组是否均处于非解缆状态。

如果该运行数据集中各解缆标志位并未均处于非解缆状态，则继续选择下一个运行数据集作为测试运行数据集。反之，则可以使用第一预设条件，对测试运行数据集进行下一步的筛选判断。

在使用第一预设条件判断时，可以查看测试运行数据集对应的连续时间段内，风力发电机组的连续偏航时长是否大于或者等于预设时长，例如预设时长可以为20秒。在测试运行数据集的连续偏航时长大于或等于预设时长时，可以认为该测试运行数据符合第一预设条件。

可以依据偏航余压是否符合第三预设条件，确定符合第一预设条件的该测试运行数据集是否为目标运行数据集。其中，第三预设条件中设置的预设余压阈值可以根据实际情况进行设置，例如可以为40bar。

在偏航余压符合第三预设条件，即该测试运行数据集为目标运行数据集，之后可以继续选择下一个运行数据集作为测试运行数据集，直至选择完M组测试运行数据集时，输出所有目标运行数据集，该所有的目标运行数据集即是符合对风偏航状态的目标运行数据集。

而当测试运行数据集不符合第一预设条件或第三预设条件，则可以继续选择下一个运行数据集作为测试运行数据集。

在上述方案中，通过从风力发电机组的运行数据中查找非维护状态的运行数据，进而形成偏航状态的运行数据集，设置第一预设条件和第二预设条件、第三预设条件，结合偏航标志位、解缆标志位和偏航余压，在风电场复杂风况和工况的情景下，从海量数据中查找筛选得到各风力发电机组对风偏航状态的目标数据集，还原了各风力发电机组对风偏航的过程，为风力发电机组的异常检测提供了技术基础。

在一些实施例中，请参看图3，在S104中，从目标运行数据集中查找出偏离于预设数据范围的异常数据，可以包括：

S301，计算目标运行数据集中，各风力发电机组在连续时间段内的振动加速度所对应的统计值，统计值包括最大值、最小值和均值中的至少一项。

S302，从振动加速度所对应的统计值中，查找出数值大小不在预设数据范围的异常统计值，异常统计值所属的运行数据为异常数据。

在上述实施例中，在得到了对风偏航状态的目标运行数据集的基础上，利用了运行数据中的振动加速度参数进行偏航异常振动诊断，从而解决了偏航振动异常难以发现的问题。具体来说，是求取振动加速度相关的统计值进行异常诊断，该统计值除包括最大值、最小值和均值以外，还可以包括中间值等其它统计参考量，由此可以输出每组目标运行数据集对应的振动加速度均值、最大值、最小值。

可以设置并依据振动阈值，求取振动加速度的浮动范围，得到振动加速度对应的预设数据范围。当各风力发电机组的振动加速度对应的统计值，不在该统计值对应的预设数据范围内，则认为不在预设数据范围内的统计值为异常统计值，该异常统计值所属的运行数据为异常数据，该异常数据对应的风力发电机组为偏航振动异常的风力发电机组。

为了更加方便地查找异常数据，使偏航振动的异常风力发电机组结果更为清晰。可以形成可视化界面进行各风力发电机组在时间变化过程中的统计值结果展示。

可以是在以时间为第一坐标轴，振动加速度大小为第二坐标轴的坐标系中，以各连续时间段内风力发电机组的振动加速度所对应的统计值作为输入数据，形成散点图。然后捕捉散点图中不在预设数据范围的离散点，离散点对应的统计值为异常统计值。

需要说明的是，上述可视化展示过程可以通过Tableau等软件实现。其中，该Tableau是桌面系统的一种商业智能工具软件。示例性的，请参看图4，其示出了依据XXXX年1月至9月对风偏航过程中振动加速度的最大值所构建的散点图。其中图4中，振动加速度对应的预设数据范围在[-0.13，+0.13]，标识出的位置①和位置②中的数据点对应的数据即是不在预设范围内的异常数据。该异常数据对应的风力发电机组即是最终获取的偏航振动异常的风力发电机组。

还可以进一步获取偏航振动异常的风电发电机组的机组标识，进而向运维终端反馈包括异常数据和机组标识的预警信息。

仍以图4中的位置①和位置②中的异常数据点为例，这些数据异常点对应风力发电机组均为29#风力发电机组，“29#”即是机组标识，29#风力发电机组即为偏航振动异常的风力发电机组。通过向运维终端发送预警信息，能够及时告知运维人员进行异常检查维护，及早发现机组异常。

在上述实施例中，针对历史时间段内的整场数百万条运行数据，进行了提取和数据降维，并将各风力发电机组对风偏航过程中的统计值进行展示，可以快速评估风力发电机组的运行情况，发现异常数据和对应的异常风力发电机组。

进一步地，请参看图5和图6，还可以选取图4中29#风力发电机组发生对风偏航过程中xy方向超限故障文件，绘制偏航位置和机舱加速度的时序图，也可以进一步确认29#风力发电机组在对风偏航过程中确实存在加速度超限的情况，由此帮助进一步明确诊断偏航振动异常的原因。

在上述方案中，通过从可视化界面找到异常数据，并进一步分析，发现了异常原因，可以及时反馈给运维人员进行修改。极大降低了运维人员分析工作量，同时避免了因为对风偏航振动异常问题带来的载荷超限和系统安全风险。保证了运行的安全性和可靠性。

请参看图7，图7示出了本申请风力发电机组的异常检测装置的结构示意图。在图7中，该装置包括：

获取模块710，用于获取历史时间段内风电场中各风力发电机组的运行数据；

处理模块720，用于对运行数据进行处理，得到多个运行数据集，每个运行数据集包括连续时间段内的各风力发电机组的运行数据，在连续时间段内各风力发电机组处于偏航状态；

筛选模块730，用于从多个运行数据集中，筛选出各风力发电机组处于对风偏航状态的目标运行数据集；

查找模块740，用于从目标运行数据集中查找出偏离于预设数据范围的异常数据；

确定模块750，用于将异常数据对应的风力发电机组确定为偏航振动异常的风力发电机组。

在一可选实施例中，运行数据包括偏航标志位、解缆标志位和偏航余压；筛选模块包括：

第一获取单元，用于获取每个运行数据集中，各风力发电机组的偏航标志位、解缆标志位和偏航余压；

确定单元，用于根据各风力发电机组的偏航标志位，确定每个连续时间段内各风力发电机组的连续偏航时长；

选择单元，用于选择连续偏航时长符合第一预设条件、解缆标志位符合第二预设条件以及偏航余压符合第三预设条件的运行数据集作为目标运行数据集，第一预设条件为运行数据集所对应的连续时间段内，各风力发电机组的连续偏航时长大于或等于预设时长，第二预设条件为运行数据集中各解缆标志位表征各风力发电机组均处于非解缆状态，第三预设条件为运行数据集中各偏航余压小于预设余压阈值。

在另一可选实施例中，获取模块包括：

第二获取单元，用于获取历史时间段内各风力发电机组的SCADA数据；

剔除单元，用于剔除机组运行状态为维护状态的SCADA数据，得到运行数据。

在又一可选实施例中，运行数据包括振动加速度和偏航余压；查找模块可以包括：

计算单元，用于计算目标运行数据集中，各风力发电机组在连续时间段内的振动加速度所对应的统计值，统计值包括最大值、最小值和均值中的至少一项；

查找单元，用于从振动加速度所对应的统计值中，查找出数值大小不在预设数据范围的异常统计值，异常统计值所属的运行数据为异常数据。

在再一可选实施例中，查找单元可以包括：

第一设置子单元，在以时间为第一坐标轴，振动加速度大小为第二坐标轴的坐标系中，以各连续时间段内风力发电机组的振动加速度所对应的统计值作为输入数据，形成散点图；

捕捉子单元，用于捕捉散点图中不在预设数据范围的离散点，离散点对应的统计值为异常统计值。

在再一可选实施例中，该装置还可以包括：

标识获取模块，用于获取偏航振动异常的风电发电机组的机组标识；

发送模块，用于向运维终端反馈包括异常数据和机组标识的预警信息。

图8示出了本申请实施例提供的风力发电机组的异常检测设备的硬件结构示意图。

该风力发电机组的异常检测设备可以包括处理器801以及存储有计算机程序指令的存储器802。

具体地，上述处理器801可以包括中央处理器(CPU)，或者特定集成电路(Application Specific Integrated Circuit，ASIC)，或者可以被配置成实施本申请实施例的一个或多个集成电路。

存储器802可以包括用于数据或指令的大容量存储器。举例来说而非限制，存储器802可包括硬盘驱动器(Hard Disk Drive，HDD)、软盘驱动器、闪存、光盘、磁光盘、磁带或通用串行总线(Universal Serial Bus，USB)驱动器或者两个或更多个以上这些的组合。在合适的情况下，存储器802可包括可移除或不可移除(或固定)的介质。在合适的情况下，存储器802可在综合网关容灾设备的内部或外部。在特定实施例中，存储器802是非易失性固态存储器。

在特定实施例中，存储器可包括只读存储器(ROM)，随机存取存储器(RAM)，磁盘存储介质设备，光存储介质设备，闪存设备，电气、光学或其他物理/有形的存储器存储设备。因此，通常，存储器包括一个或多个编码有包括计算机可执行指令的软件的有形(非暂态)计算机可读存储介质(例如，存储器设备)，并且当该软件被执行(例如，由一个或多个处理器)时，其可操作来执行参考上述公开的风力发电机组的异常检测方法所描述的操作。

处理器801通过读取并执行存储器802中存储的计算机程序指令，以实现上述实施例中的任意一种风力发电机组的异常检测方法。

在一个示例中，该风力发电机组的异常检测设备还可包括通信接口803和总线810。其中，如图8所示，处理器801、存储器802、通信接口803通过总线810连接并完成相互间的通信。

通信接口803，主要用于实现本申请实施例中各模块、装置、单元和/或设备之间的通信。

总线810包括硬件、软件或两者，将风力发电机组的异常检测设备的部件彼此耦接在一起。举例来说而非限制，总线可包括加速图形端口(AGP)或其他图形总线、增强工业标准架构(EISA)总线、前端总线(FSB)、超传输(HT)互连、工业标准架构(ISA)总线、无限带宽互连、低引脚数(LPC)总线、存储器总线、微信道架构(MCA)总线、外围组件互连(PCI)总线、PCI-Express(PCI-X)总线、串行高级技术附件(SATA)总线、视频电子标准协会局部(VLB)总线或其他合适的总线或者两个或更多个以上这些的组合。在合适的情况下，总线810可包括一个或多个总线。尽管本申请实施例描述和示出了特定的总线，但本申请考虑任何合适的总线或互连。

该风力发电机组的异常检测设备可以执行本申请实施例中的风力发电机组的异常检测方法，从而实现结合图1至图7描述的风力发电机组的异常检测方法和装置。

另外，结合上述实施例中的风力发电机组的异常检测方法，本申请实施例可提供一种计算机存储介质来实现。该计算机存储介质上存储有计算机程序指令；该计算机程序指令被处理器执行时实现上述实施例中的任意一种风力发电机组的异常检测方法。

另外，本申请实施例还提供了一种计算机程序产品，包括计算机程序，计算机程序被处理器执行时可实现前述方法实施例的步骤及相应内容。

需要明确的是，本申请并不局限于上文所描述并在图中示出的特定配置和处理。为了简明起见，这里省略了对已知方法的详细描述。在上述实施例中，描述和示出了若干具体的步骤作为示例。但是，本申请的方法过程并不限于所描述和示出的具体步骤，本领域的技术人员可以在领会本申请的精神后，作出各种改变、修改和添加，或者改变步骤之间的顺序。

还需要说明的是，本申请中提及的示例性实施例，基于一系列的步骤或者装置描述一些方法或系统。但是，本申请不局限于上述步骤的顺序，也就是说，可以按照实施例中提及的顺序执行步骤，也可以不同于实施例中的顺序，或者若干步骤同时执行。

以上，仅为本申请的具体实施方式，所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的系统、模块和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。应理解，本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本申请的保护范围之内。

Claims (10)

1.一种风力发电机组的异常检测方法，其特征在于，包括：

获取历史时间段内风电场中各风力发电机组的运行数据；

对所述运行数据进行处理，得到多个运行数据集，每个所述运行数据集包括连续时间段内的各所述风力发电机组的所述运行数据，在所述连续时间段内各所述风力发电机组处于偏航状态；

从多个所述运行数据集中，筛选出各所述风力发电机组处于对风偏航状态的目标运行数据集；

从所述目标运行数据集中查找出偏离于预设数据范围的异常数据；

将所述异常数据对应的所述风力发电机组确定为偏航振动异常的风力发电机组。

2.根据权利要求1所述的方法，其特征在于，所述运行数据包括偏航标志位、解缆标志位和偏航余压；所述从多个所述运行数据集中，筛选出各所述风力发电机组处于对风偏航状态的目标运行数据集，包括：

获取每个所述运行数据集中，各所述风力发电机组的偏航标志位、解缆标志位和偏航余压；

根据各所述风力发电机组的偏航标志位，确定每个所述连续时间段内各所述风力发电机组的连续偏航时长；

选择连续偏航时长符合第一预设条件、解缆标志位符合第二预设条件以及偏航余压符合第三预设条件的所述运行数据集作为所述目标运行数据集，所述第一预设条件为运行数据集所对应的连续时间段内，各风力发电机组的连续偏航时长大于或等于预设时长，所述第二预设条件为运行数据集中各解缆标志位表征各风力发电机组均处于非解缆状态，所述第三预设条件为运行数据集中各偏航余压小于预设余压阈值。

3.根据权利要求1所述的方法，其特征在于，所述获取历史时间段内风电场中各风力发电机组的运行数据，包括：

获取历史时间段内各风力发电机组的SCADA数据；

剔除机组运行状态为维护状态的所述SCADA数据，得到所述运行数据。

4.根据权利要求1所述的方法，其特征在于，所述运行数据包括振动加速度；所述从目标运行数据集中查找出偏离于预设数据范围的异常数据，包括：

计算所述目标运行数据集中，各所述风力发电机组在所述连续时间段内的振动加速度所对应的统计值，所述统计值包括最大值、最小值和均值中的至少一项；

从所述振动加速度所对应的统计值中，查找出数值大小不在预设数据范围的异常统计值，所述异常统计值所属的运行数据为异常数据。

5.根据权利要求4所述的方法，其特征在于，所述从所述振动加速度所对应的统计值中，查找出数值大小不在预设数据范围的异常统计值，包括：

在以时间为第一坐标轴，振动加速度大小为第二坐标轴的坐标系中，以各连续时间段内风力发电机组的振动加速度所对应的统计值作为输入数据，形成散点图；

捕捉所述散点图中不在预设数据范围的离散点，所述离散点对应的统计值为异常统计值。

6.根据权利要求1～5任一项所述的方法，其特征在于，所述将所述异常数据对应的所述风力发电机组确定为偏航振动异常的风力发电机组之后，所述方法还包括：

获取偏航振动异常的所述风电发电机组的机组标识；

向运维终端反馈包括所述异常数据和所述机组标识的预警信息。

7.一种风力发电机组的异常检测装置，其特征在于，所述装置包括：

获取模块，用于获取历史时间段内风电场中各风力发电机组的运行数据；

处理模块，用于对所述运行数据进行处理，得到多个运行数据集，每个所述运行数据集包括连续时间段内的各所述风力发电机组的所述运行数据，在所述连续时间段内各所述风力发电机组处于偏航状态；

筛选模块，用于从多个所述运行数据集中，筛选出各所述风力发电机组处于对风偏航状态的目标运行数据集；

查找模块，用于从所述目标运行数据集中查找出偏离于预设数据范围的异常数据；

确定模块，用于将所述异常数据对应的所述风力发电机组确定为偏航振动异常的风力发电机组。

8.一种风力发电机组的异常检测设备，其特征在于，所述设备包括：处理器以及存储有计算机程序指令的存储器；

所述处理器执行所述计算机程序指令时实现如权利要求1-6任意一项所述的风力发电机组的异常检测方法。

9.一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上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现如权利要求1～6任意一项所述的风力发电机组的异常检测方法。

10.一种计算机程序产品，其特征在于，所述计算机程序产品上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现如权利要求1～6任意一项所述的风力发电机组的异常检测方法。

Images