CN116753114A - 一种基于大数据的风电场数据管控方法及系统 - Google Patents
一种基于大数据的风电场数据管控方法及系统 Download PDFInfo
- Publication number
- CN116753114A CN116753114A CN202310940600.5A CN202310940600A CN116753114A CN 116753114 A CN116753114 A CN 116753114A CN 202310940600 A CN202310940600 A CN 202310940600A CN 116753114 A CN116753114 A CN 116753114A
- Authority
- CN
- China
- Prior art keywords
- maintenance
- fan
- fault
- time
- equipment
- 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
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000013523 data management Methods 0.000 title claims abstract description 21
- 238000012423 maintenance Methods 0.000 claims abstract description 272
- 230000005856 abnormality Effects 0.000 claims abstract description 29
- 238000001514 detection method Methods 0.000 claims abstract description 17
- 238000013439 planning Methods 0.000 claims abstract description 17
- 238000002360 preparation method Methods 0.000 claims abstract description 15
- 238000004458 analytical method Methods 0.000 claims abstract description 14
- 238000007726 management method Methods 0.000 claims abstract description 11
- 230000000875 corresponding effect Effects 0.000 claims description 56
- 238000003672 processing method Methods 0.000 claims description 26
- 238000010248 power generation Methods 0.000 claims description 25
- 230000007613 environmental effect Effects 0.000 claims description 15
- 230000001276 controlling effect Effects 0.000 claims description 14
- 238000001816 cooling Methods 0.000 claims description 11
- 230000017525 heat dissipation Effects 0.000 claims description 7
- 230000008859 change Effects 0.000 claims description 6
- 210000001061 forehead Anatomy 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 5
- 230000002159 abnormal effect Effects 0.000 claims description 3
- 230000002596 correlated effect Effects 0.000 claims description 3
- 238000013016 damping Methods 0.000 claims description 3
- 239000000463 material Substances 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 abstract description 13
- 230000009471 action Effects 0.000 description 5
- 230000006866 deterioration Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000008439 repair process Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
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
- F03D7/00—Controlling wind motors
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)
- Control Of Positive-Displacement Air Blowers (AREA)
Abstract
本发明公开了一种基于大数据的风电场数据管控方法及系统，属于设备控制技术领域。系统包括数据采集模块、异常检测模块、协调管理模块和设备控制模块；数据采集模块用于采集风机的环境信息、设备信息和历史信息；异常检测模块用于判断风机是否发生故障，对发生故障的风机进行异常分析；协调管理模块根据异常检测模块的分析结果制定维修计划，维修人员根据维修计划开展维修工作，故障风机根据维修计划进行维修准备；设备控制模块用于控制风机运行状态，落实维修计划的要求。本发明通过历史大数据对风机故障进行检测制定维修计划，根据人员实际的维修情况与风机实时反馈的设备信息动态调整维修计划，提高维修效率减少维修过程中浪费的时间。
Description
技术领域
本发明涉及设备控制技术领域，具体为一种基于大数据的风电场数据管控方法及系统。
背景技术
风力发电是一种可再生能源，风机作为核心设备，其正常运行对于发电效率和可靠性至关重要。然而，由于长期运行和环境因素的影响，风机可能会出现各种故障，导致停机时间延长和维修成本增加。因此，及时检测故障并制定有效的维修计划对于提高风机的可靠性和经济性至关重要。
目前，风机故障的检测和维修计划制定主要依赖于人工经验判断和定期巡检，这种方法存在一些问题。例如：1、人工判断容易受到主观因素或经验不足等问题的影响，导致判断不够准确。2、在风机出现故障时不能及时发现，并择优处理最迫切或最重要的故障风机。3、在维修过程中，往往需要维修人员到达故障风机所在位置后才能得知风机的故障情况，且关停设备等待叶轮停止旋转或发电机冷却至可维修的温度需要浪费大量时间，降低了维修效率。这些问题已然成为迫切需要得到解决的。
发明内容
本发明的目的在于提供一种基于大数据的风电场数据管控方法及系统，以解决上述背景技术中提出的问题。
为了解决上述技术问题，本发明提供如下技术方案：一种基于大数据的风电场数据管控系统，该系统包括数据采集模块、异常检测模块、协调管理模块和设备控制模块。
所述数据采集模块用于采集风机的环境信息、设备信息和历史信息；所述异常检测模块用于判断风机是否发生故障，对发生故障的风机进行异常分析；所述协调管理模块根据异常检测模块的分析结果制定维修计划，维修人员根据维修计划开展维修工作，故障风机根据维修计划进行维修准备；所述设备控制模块用于控制风机运行状态，落实维修计划的要求。
所述数据采集模块包括环境信息采集单元、设备信息采集单元和历史信息采集单元。
所述环境信息采集单元用于采集风电场内每台风机与其他风机的距离信息，距离信息是指维修人员从一台风机移动到另一台风机的移动距离。
因为风机一经安装使用，位置就不会发生变化，所以风机之间的距离信息是固定不变的，距离信息保存在系统中。
所述设备采集单元用于采集风电场内每台风机的转速、风速、温度和发电功率。
转速是指风机叶轮的旋转速度，通常以每分钟转动的圈数表示，风机的转速直接影响到风能转化为机械能的效率和发电机产生电能的效率。温度是指风机运行过程中的温度和环境温度，风机工作时由于摩擦、电流通过或电机损耗会产生一定的热量，通常以摄氏度为单位表示。风速是指风电场气流的速度，通常以米每秒为单位表示，较高的风速能够提供更大的风能转化为机械能的能力，从而增加风机的输出功率。发电功率是指风机在一定时间内所产生的电能的总量，发电功率通常以千瓦时为单位表示。
所述历史信息采集单元用于采集系统中保存的历史记录，包括每台风机的历史风速、历史转速和历史维修记录。历史维修记录包括设备信息、紧急程度、处理方法、维修时长和维修人员移动速度。
所述异常检测模块包括异常判断单元和异常分析单元。
所述异常判断单元用于对风电场内每台风机进行故障判断，包括区间判断和关系判断。区间判断是指判断风机当前的转速、温度和发电功率是否处于正常区间，不处于正常区间则判断风机出现故障，处于正常区间则继续进行关系判断。关系判断是指判断风速与转速的关系，以及风速与发电功率的关系是否正常，都正常则判断风机无故障，否则，判断风机出现故障。
所述异常分析单元用于分析故障风机的紧急程度、处理方法和维修时长。分别获取故障风机当前设备信息，在故障风机对应的历史维修记录中进行检索，判断是否存在与当前设备信息相同的维修记录；存在则以历史维修记录中的紧急程度、处理方法和维修时长来设定对应故障风机的维修信息；不存在则将当前设备信息发送至维修终端，由人工设定紧急程度、处理方法和维修时长作为对应故障风机的维修信息，处理方法包括停机处理和运行处理。最后，维修人员设定开始维修的时间。
紧急程度是指故障处理的优先级，紧急程度高的故障对风机的正常运行产生影响较大，需要尽快采取紧急措施解决。紧急程度低的故障对风机正常运行产生的影响较小，需要在合理的时间内进行处理避免恶化。
停机处理是指维修前需要停机冷却后再进行维修，运行处理是指维修前不需要停机，在风机运行过程中就可以进行维修。维修时长是指故障处理的预计时长。
所述协调管理模块包括协调规划单元和动态调节单元。
所述协调规划单元用于对所有故障风机协调规划维修流程；按照紧急程度从大到小顺序依次排列，该顺序作为维修人员开展维修工作的顺序。
所述动态调节单元用于制定维修计划；获取开始维修的时间、所有故障风机的维修时长和部分故障风机的设备信息，代入公式计算所有故障风机的维修时间和部分故障风机的停机时间，并根据实际的维修情况与部分故障风机实时反馈的设备信息动态调整维修计划。
所述设备控制模块根据维修计划中的时间节点，实时调整风机运行状态，当时间到达停机时间时，控制对应风机进行停机；当时间到达维修时间时，控制对应风机进行维修准备。
一种基于大数据的风电场数据管控方法，该方法包括以下步骤：
S1、实时采集风电场的环境信息和所有风机的设备信息；
S2、通过设备信息检测出故障的风机，分析故障情况；
S3、按照故障情况制定维修计划，维修计划动态调整；
S4、故障风机执行维修计划，调整运行参数。
在S1中，环境信息是指风电场内每台风机与其他风机的距离信息，距离信息是指维修人员从一台风机移动到另一台风机的移动距离；设备信息是指风电场内的每台风机的设备标识符、转速、风速、温度和发电功率。
在S2中，具体步骤如下：
S201、获取每台风机当前的转速、温度和发电功率，分别判断是否处于正常转速区间、正常温度区间和正常发电功率区间内，结果都为是，将对应风机标记为正常，进入S202步骤；否则，将对应风机标记为故障，进入S206步骤。
S202、分别提取被标记为正常风机的历史信息，获取历史信息中的历史风速和历史转速，对这些数据进行预处理，去除异常值和极值。
S203、将同一时间的历史风速和历史转速进行关联，分别对每台风机的关联数据进行数据拟合，得到风速与转速的关系公式，每台被标记为正常的风机对应一个关系公式。获取被标记为正常风机当前的风速，代入关系公式中，计算得到每台风机的理论转速：
式中，Vl为理论转速，a为转速影响系数，Vw为风速，b为叶轮周长影响系数，r为叶轮半径。
S204、再将每台被标记为正常风机当前的风速代入发电功率计算公式中，计算得到每台风机的理论发电功率，公式如下：
Pl＝0.5×C×πr2×density×Vw 3
式中，Pl为理论发电功率，C为风能利用系数，density为空气密度。
S205、分别计算每台被标记为正常风机当前的转速与对应理论转速的差值得到转速差，当前发电功率与对应理论发电功率的差值得到发电功率差；判断转速差和发电功率差是否都不大于误差阈值，结果为是则判定风机正常；结果为否则判定风机故障，将对应风机标记为故障，判断公式如下：
式中，VS为风机当前的转速，V阈为转速误差阈值，PS为风机当前的发电功率，P阈为发电功率误差阈值。
S206、首先，分别获取被标记为故障风机的历史维修记录。其次，在历史维修记录中进行检索，判断是否存在与当前设备信息相同的维修记录，存在则以历史维修记录中的紧急程度、处理方法和维修时长来设定对应故障风机的维修信息；不存在则将当前设备信息发送至维修终端，由人工设定紧急程度、处理方法和维修时长；紧急程度是指故障处理的优先级，处理方法包括停机处理和运行处理，维修时长是指故障处理的预计时长。最后，维修人员设定开始维修的时间。
紧急程度是指故障处理的优先级，具体取值范围为1-100，取值的高低代表故障对风机正常运行的影响程度。紧急程度取值高的故障对风机的正常运行产生影响较大，甚至可能使设备严重损坏，这种故障需要尽快采取紧急措施解决。紧急程度取值低的故障对风机正常运行产生的影响较小，或者尚未达到设备损坏的程度，但并不是没有问题，这种故障需要在合理的时间内进行处理，以避免进一步恶化。
停机处理是指维修前需要停机冷却后再进行维修，运行处理是指维修前不需要停机，在风机运行过程中就可以进行维修。
在S3中，具体步骤如下：
S301、将被标记为故障风机的设备标识符按照紧急程度从大到小顺序依次放入维修流程集合中，并取消标记，集合中元素排列的顺序作为维修顺序。
S302、获取历史维修记录中维修人员的移动速度，通过环境信息得到维修流程集合中所有相邻的两个设备标识符对应风机之间的距离，代入公式计算维修人员在每两个相邻的风机之间的移动时长，公式如下：
式中，TW为移动时长，ts为上下风机的时长，S为风机之间的距离，vy为移动速度。
历史维修记录中保存的维修人员移动速度是根据上一次维修结束到下一次维修开始的时间间隔减去上下风机的时长，与两次维修的风机之间的距离进行计算得到的，不同风机之间的移动速度不同，在计算移动时长时，需要核对两个风机信息是否正确，再选择对应的移动速度代入公式。
S303、计算维修流程集合中所有设备标识符的等待时长；设备标识符等待时长的计算需要将排列在其前面所有设备标识符的维修时长和相邻设备标识符之间的移动时长进行求和，每个设备标识符对应一个等待时长。
S304、对维修流程集合中处理方法为停机处理的设备标识符进行标记，获取被标记的设备标识符对应风机当前的设备信息，代入公式计算得到停机时长，每个被标记的设备标识符对应一个停机时长，停机时长是指风机从接收停机指令到叶轮停止旋转发电机冷却至可维修状态所消耗的时间，计算公式如下：
式中，Tn为风机的停机时长，单位为秒；j为风机的转动惯量，单位为千克·米2；VS为风机当前的转速，单位为转/分钟；ZN为风机的阻尼矩阵，单位为牛·米/弧度；m是风机的质量，单位为千克；c是风机材料的比热容，单位为焦耳/千克·摄氏度；wd为风机当前的温度，w额为额定的温度，G是风机的散热功率，单位为瓦特；α是环境温度影响系数。
环境影响系数可以根据实际情况进行估计。如果环境温度较低、散热条件良好，则可以将α设为1，表示环境对冷却速度没有影响。如果环境温度较高、散热条件较差，则可以将α设为大于1的值，表示环境对冷却速度有一定的减慢作用。需要注意的是，环境影响系数是一个经验参数，具体取值需要根据实际情况进行调整和估计。
S305、判断所有被标记的设备标识符的等待时长是否都不小于停机时长，结果为是则进入S307步骤，结果为否，则进入S306步骤。
S306、将等待时长小于停机时长所对应设备标识符的停机时长替换为等待时长，并进入S305继续判断。
S307、获取开始维修的时间T0,分别将维修流程集合中每个设备标识符的等待时长加上T0，得到每个设备标识符的维修时间。
S308、分别将被标记的设备标识符的维修时间减去停机时长，得到对应设备标识符的停机时间。
S309、停机时长根据实际设备信息变化而变化，停机时间则根据实际维修时长变化而变化；当设备信息、维修时长和移动时长发生改变时，重复S302-S308步骤，动态调整维修计划中的时间信息。
在S4中，当时间到达停机时间时，控制对应风机自动停机；当时间到达维修时间时，控制对应风机进行维修准备。
维修准备是指风机对接下来开展的维修行为做的准备工作，关闭报警装置、生成故障信息报表或启动人性化设备。
与现有技术相比，本发明所达到的有益效果是：
1、本发明通过对历史大数据进行分析和预测，可以更准确地检测风机故障，提前制定维修计划并实时调整。与传统的人工依靠经验判断相比，该方法具有更高的准确性和可靠性。
2、本发明通过计算风机叶轮停止旋转到温度降至可维修时所消耗的时间，可以在维修之前提前进行停机操作，避免维修人员在等待温度降低的过程中浪费大量的时间。
3、本发明根据故障的紧急程度为维修人员规划维修流程，可以根据不同的紧急程度决定维修的先后顺序，提高维修效率。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1是本发明一种基于大数据的风电场数据管控系统的结构示意图；
图2是本发明一种基于大数据的风电场数据管控方法的流程示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。
请参阅图1，本发明提供一种基于大数据的风电场数据管控系统，该系统包括数据采集模块、异常检测模块、协调管理模块和设备控制模块。
数据采集模块用于采集风机的环境信息、设备信息和历史信息；异常检测模块用于判断风机是否发生故障，对发生故障的风机进行异常分析；协调管理模块根据异常检测模块的分析结果制定维修计划，维修人员根据维修计划开展维修工作，故障风机根据维修计划进行维修准备；设备控制模块用于控制风机运行状态，落实维修计划的要求。
数据采集模块包括环境信息采集单元、设备信息采集单元和历史信息采集单元。
环境信息采集单元用于采集风电场内每台风机与其他风机的距离信息，距离信息是指维修人员从一台风机移动到另一台风机的移动距离。
因为风机一经安装使用，位置就不会发生变化，所以风机之间的距离信息是固定不变的，距离信息保存在系统中。
设备采集单元用于采集风电场内每台风机的转速、风速、温度和发电功率。
转速是指风机叶轮的旋转速度，通常以每分钟转动的圈数表示，风机的转速直接影响到风能转化为机械能的效率和发电机产生电能的效率。温度是指风机运行过程中的温度和环境温度，风机工作时由于摩擦、电流通过或电机损耗会产生一定的热量，通常以摄氏度为单位表示。风速是指风电场气流的速度，通常以米每秒为单位表示，较高的风速能够提供更大的风能转化为机械能的能力，从而增加风机的输出功率。发电功率是指风机在一定时间内所产生的电能的总量，发电功率通常以千瓦时为单位表示。
历史信息采集单元用于采集系统中保存的历史记录，包括每台风机的历史风速、历史转速和历史维修记录。历史维修记录包括设备信息、紧急程度、处理方法、维修时长和维修人员移动速度。
异常检测模块包括异常判断单元和异常分析单元。
异常判断单元用于对风电场内每台风机进行故障判断，包括区间判断和关系判断。区间判断是指判断风机当前的转速、温度和发电功率是否处于正常区间，不处于正常区间则判断风机出现故障，处于正常区间则继续进行关系判断。关系判断是指判断风速与转速的关系，以及风速与发电功率的关系是否正常，都正常则判断风机无故障，否则，判断风机出现故障。
异常分析单元用于分析故障风机的紧急程度、处理方法和维修时长。分别获取故障风机当前设备信息，在故障风机对应的历史维修记录中进行检索，判断是否存在与当前设备信息相同的维修记录；存在则以历史维修记录中的紧急程度、处理方法和维修时长来设定对应故障风机的维修信息；不存在则将当前设备信息发送至维修终端，由人工设定紧急程度、处理方法和维修时长作为对应故障风机的维修信息，处理方法包括停机处理和运行处理。最后，维修人员设定开始维修的时间。
紧急程度是指故障处理的优先级，紧急程度高的故障对风机的正常运行产生影响较大，需要尽快采取紧急措施解决。紧急程度低的故障对风机正常运行产生的影响较小，需要在合理的时间内进行处理避免恶化。
停机处理是指维修前需要停机冷却后再进行维修，运行处理是指维修前不需要停机，在风机运行过程中就可以进行维修。维修时长是指故障处理的预计时长。
协调管理模块包括协调规划单元和动态调节单元。
协调规划单元用于对所有故障风机协调规划维修流程；按照紧急程度从大到小顺序依次排列，该顺序作为维修人员开展维修工作的顺序。
动态调节单元用于制定维修计划；获取开始维修的时间、所有故障风机的维修时长和部分故障风机的设备信息，代入公式计算所有故障风机的维修时间和部分故障风机的停机时间，并根据实际的维修情况与部分故障风机实时反馈的设备信息动态调整维修计划。
设备控制模块根据维修计划中的时间节点，实时调整风机运行状态，当时间到达停机时间时，控制对应风机进行停机；当时间到达维修时间时，控制对应风机进行维修准备。
请参阅图2，本发明提供一种基于大数据的风电场数据管控方法，该方法包括以下步骤：
S1、实时采集风电场的环境信息和所有风机的设备信息；
S2、通过设备信息检测出故障的风机，分析故障情况；
S3、按照故障情况制定维修计划，维修计划动态调整；
S4、故障风机执行维修计划，调整运行参数。
在S1中，环境信息是指风电场内每台风机与其他风机的距离信息，距离信息是指维修人员从一台风机移动到另一台风机的移动距离；设备信息是指风电场内的每台风机的设备标识符、转速、风速、温度和发电功率。
在S2中，具体步骤如下：
S201、获取每台风机当前的转速、温度和发电功率，分别判断是否处于正常转速区间、正常温度区间和正常发电功率区间内，结果都为是，将对应风机标记为正常，进入S202步骤；否则，将对应风机标记为故障，进入S206步骤。
S202、分别提取被标记为正常风机的历史信息，获取历史信息中的历史风速和历史转速，对这些数据进行预处理，去除异常值和极值。
S203、将同一时间的历史风速和历史转速进行关联，分别对每台风机的关联数据进行数据拟合，得到风速与转速的关系公式，每台被标记为正常的风机对应一个关系公式。获取被标记为正常风机当前的风速，代入关系公式中，计算得到每台风机的理论转速：
式中，Vl为理论转速，a为转速影响系数，Vw为风速，b为叶轮周长影响系数，r为叶轮半径。
S204、再将每台被标记为正常风机当前的风速代入发电功率计算公式中，计算得到每台风机的理论发电功率，公式如下：
Pl＝0.5×C×πr2×density×Vw 3
式中，Pl为理论发电功率，C为风能利用系数，density为空气密度。
S205、分别计算每台被标记为正常风机当前的转速与对应理论转速的差值得到转速差，当前发电功率与对应理论发电功率的差值得到发电功率差；判断转速差和发电功率差是否都不大于误差阈值，结果为是则判定风机正常；结果为否则判定风机故障，将对应风机标记为故障，判断公式如下：
式中，VS为风机当前的转速，V阈为转速误差阈值，PS为风机当前的发电功率，P阈为发电功率误差阈值。
S206、首先，分别获取被标记为故障风机的历史维修记录。其次，在历史维修记录中进行检索，判断是否存在与当前设备信息相同的维修记录，存在则以历史维修记录中的紧急程度、处理方法和维修时长来设定对应故障风机的维修信息；不存在则将当前设备信息发送至维修终端，由人工设定紧急程度、处理方法和维修时长；紧急程度是指故障处理的优先级，处理方法包括停机处理和运行处理，维修时长是指故障处理的预计时长。最后，维修人员设定开始维修的时间。
紧急程度是指故障处理的优先级，具体取值范围为1-100，取值的高低代表故障对风机正常运行的影响程度。紧急程度取值高的故障对风机的正常运行产生影响较大，甚至可能使设备严重损坏，这种故障需要尽快采取紧急措施解决。紧急程度取值低的故障对风机正常运行产生的影响较小，或者尚未达到设备损坏的程度，但并不是没有问题，这种故障需要在合理的时间内进行处理，以避免进一步恶化。
停机处理是指维修前需要停机冷却后再进行维修，运行处理是指维修前不需要停机，在风机运行过程中就可以进行维修。
在S3中，具体步骤如下：
S301、将被标记为故障风机的设备标识符按照紧急程度从大到小顺序依次放入维修流程集合中，并取消标记，集合中元素排列的顺序作为维修顺序。
S302、获取历史维修记录中维修人员的移动速度，通过环境信息得到维修流程集合中所有相邻的两个设备标识符对应风机之间的距离，代入公式计算维修人员在每两个相邻的风机之间的移动时长，公式如下：
式中，TW为移动时长，ts为上下风机的时长，S为风机之间的距离，vy为移动速度。
历史维修记录中保存的维修人员移动速度是根据上一次维修结束到下一次维修开始的时间间隔减去上下风机的时长，与两次维修的风机之间的距离进行计算得到的，不同风机之间的移动速度不同，在计算移动时长时，需要核对两个风机信息是否正确，再选择对应的移动速度代入公式。
S303、计算维修流程集合中所有设备标识符的等待时长；设备标识符等待时长的计算需要将排列在其前面所有设备标识符的维修时长和相邻设备标识符之间的移动时长进行求和，每个设备标识符对应一个等待时长。
S304、对维修流程集合中处理方法为停机处理的设备标识符进行标记，获取被标记的设备标识符对应风机当前的设备信息，代入公式计算得到停机时长，每个被标记的设备标识符对应一个停机时长，停机时长是指风机从接收停机指令到叶轮停止旋转发电机冷却至可维修状态所消耗的时间，计算公式如下：
式中，Tn为风机的停机时长，单位为秒；j为风机的转动惯量，单位为千克·米2；VS为风机当前的转速，单位为转/分钟；ZN为风机的阻尼矩阵，单位为牛·米/弧度；m是风机的质量，单位为千克；c是风机材料的比热容，单位为焦耳/千克·摄氏度；wd为风机当前的温度，w额为额定的温度，G是风机的散热功率，单位为瓦特；α是环境温度影响系数。
环境影响系数可以根据实际情况进行估计。如果环境温度较低、散热条件良好，则可以将α设为1，表示环境对冷却速度没有影响。如果环境温度较高、散热条件较差，则可以将α设为大于1的值，表示环境对冷却速度有一定的减慢作用。需要注意的是，环境影响系数是一个经验参数，具体取值需要根据实际情况进行调整和估计。
S305、判断所有被标记的设备标识符的等待时长是否都不小于停机时长，结果为是则进入S307步骤，结果为否，则进入S306步骤。
S306、将等待时长小于停机时长所对应设备标识符的停机时长替换为等待时长，并进入S305继续判断。
S307、获取开始维修的时间T0,分别将维修流程集合中每个设备标识符的等待时长加上T0，得到每个设备标识符的维修时间。
S308、分别将被标记的设备标识符的维修时间减去停机时长，得到对应设备标识符的停机时间。
S309、停机时长根据实际设备信息变化而变化，停机时间则根据实际维修时长变化而变化；当设备信息、维修时长和移动时长发生改变时，重复S302-S308步骤，动态调整维修计划中的时间信息。
在S4中，当时间到达停机时间时，控制对应风机自动停机；当时间到达维修时间时，控制对应风机进行维修准备。
维修准备是指风机对接下来开展的维修行为做的准备工作，关闭报警装置、生成故障信息报表或启动人性化设备。
实施例一：
假设风电场内有A1、A2、A3、A4和A5一共5台风电机发生故障，A1、A2和A3在历史维修记录中检索到相同设备信息，A4和A5在历史维修记录中未检索到相同设备信息；
则A1、A2和A3以历史维修记录中的紧急程度、处理方法和维修时长来设定对应故障风机的维修信息；A4和A5将设备信息发送至维修终端，由人工设定紧急程度、处理方法和维修时长；
假设A1、A2、A3、A4和A5的紧急程度、处理方法和维修时长如下：
A1：紧急程度32，运行处理，2400秒；
A2：紧急程度85，运行处理，1200秒；
A3：紧急程度72，停机处理，600秒；
A4：紧急程度91，停机处理，1800秒；
A5：紧急程度23，停机处理，3000秒；
则维修流程为：A4、A2、A3、A1、A5；
假设开始维修时间为14:00，A3、A4和A5的停机时长分别为300秒、600秒和180秒；则A4、A2、A3、A1和A5的维修时间或停机时间如下：
A4停机时间14:00，维修时间14:10；
A2维修时间14:40；
A3停机时间14:55，维修时间15:00；
A1维修时间15:10；
A5停机时间15:47，维修时间15:50；
当时间到达停机时间时，控制对应风机自动停机；当时间到达维修时间时，控制对应风机进行维修准备。
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。
最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于大数据的风电场数据管控系统，其特征在于：该系统包括数据采集模块、异常检测模块、协调管理模块和设备控制模块；
所述数据采集模块用于采集风机的环境信息、设备信息和历史信息；所述异常检测模块用于判断风机是否发生故障，对发生故障的风机进行异常分析；所述协调管理模块根据异常检测模块的分析结果制定维修计划，维修人员根据维修计划开展维修工作，故障风机根据维修计划进行维修准备；所述设备控制模块用于控制风机运行状态，落实维修计划的要求。
2.根据权利要求1所述的一种基于大数据的风电场数据管控系统，其特征在于：所述数据采集模块包括环境信息采集单元、设备信息采集单元和历史信息采集单元；
所述环境信息采集单元用于采集风电场内每台风机与其他风机的距离信息，距离信息是指维修人员从一台风机移动到另一台风机的移动距离；
所述设备采集单元用于采集风电场内每台风机的转速、风速、温度和发电功率；
所述历史信息采集单元用于采集系统中保存的历史记录，包括每台风机的历史风速、历史转速和历史维修记录；历史维修记录包括设备信息、紧急程度、处理方法、维修时长和维修人员移动速度。
3.根据权利要求1所述的一种基于大数据的风电场数据管控系统，其特征在于：所述异常检测模块包括异常判断单元和异常分析单元；
所述异常判断单元用于对风电场内每台风机进行故障判断，包括区间判断和关系判断；区间判断是指判断风机当前的转速、温度和发电功率是否处于正常区间，不处于正常区间则判断风机出现故障，处于正常区间则继续进行关系判断；关系判断是指判断风速与转速的关系，以及风速与发电功率的关系是否正常，都正常则判断风机无故障，否则，判断风机出现故障；
所述异常分析单元用于分析故障风机的紧急程度、处理方法和维修时长；分别获取故障风机当前设备信息，在故障风机对应的历史维修记录中进行检索，判断是否存在与当前设备信息相同的维修记录；存在则以历史维修记录中的紧急程度、处理方法和维修时长来设定对应故障风机的维修信息；不存在则将当前设备信息发送至维修终端，由人工设定紧急程度、处理方法和维修时长作为对应故障风机的维修信息，处理方法包括停机处理和运行处理；最后，维修人员设定开始维修的时间。
4.根据权利要求1所述的一种基于大数据的风电场数据管控系统，其特征在于：所述协调管理模块包括协调规划单元和动态调节单元；
所述协调规划单元用于对所有故障风机协调规划维修流程；按照紧急程度从大到小顺序依次排列，该顺序作为维修人员开展维修工作的顺序；
所述动态调节单元用于制定维修计划；获取开始维修的时间、所有故障风机的维修时长和部分故障风机的设备信息，代入公式计算所有故障风机的维修时间和部分故障风机的停机时间，并根据实际的维修情况与部分故障风机实时反馈的设备信息动态调整维修计划。
5.根据权利要求1所述的一种基于大数据的风电场数据管控系统，其特征在于：所述设备控制模块根据维修计划中的时间节点，实时调整风机运行状态，当时间到达停机时间时，控制对应风机进行停机；当时间到达维修时间时，控制对应风机进行维修准备。
6.一种基于大数据的风电场数据管控方法，其特征在于：该方法包括以下步骤：
S1、实时采集风电场的环境信息和所有风机的设备信息；
S2、通过设备信息检测出故障的风机，分析故障情况；
S3、按照故障情况制定维修计划，维修计划动态调整；
S4、故障风机执行维修计划，调整运行参数。
7.根据权利要求6所述的一种基于大数据的风电场数据管控方法，其特征在于：在S1中，环境信息是指风电场内每台风机与其他风机的距离信息，距离信息是指维修人员从一台风机移动到另一台风机的移动距离；设备信息是指风电场内的每台风机的设备标识符、转速、风速、温度和发电功率。
8.根据权利要求6所述的一种基于大数据的风电场数据管控方法，其特征在于：在S2中，具体步骤如下：
S201、获取每台风机当前的转速、温度和发电功率，分别判断是否处于正常转速区间、正常温度区间和正常发电功率区间内，结果都为是，将对应风机标记为正常，进入S202步骤；否则，将对应风机标记为故障，进入S206步骤；
S202、分别提取被标记为正常风机的历史信息，获取历史信息中的历史风速和历史转速，对这些数据进行预处理，去除异常值和极值；
S203、将同一时间的历史风速和历史转速进行关联，分别对每台风机的关联数据进行数据拟合，得到风速与转速的关系公式，每台被标记为正常的风机对应一个关系公式；获取被标记为正常风机当前的风速，代入关系公式中，计算得到每台风机的理论转速：
式中，Vl为理论转速，a为转速影响系数，Vw为风速，b为叶轮周长影响系数，r为叶轮半径；
S204、再将每台被标记为正常风机当前的风速代入发电功率计算公式中，计算得到每台风机的理论发电功率，公式如下：
Pl＝0.5×C×πr2×density×Vw 3
式中，Pl为理论发电功率，C为风能利用系数，density为空气密度；
S205、分别计算每台被标记为正常风机当前的转速与对应理论转速的差值得到转速差，当前发电功率与对应理论发电功率的差值得到发电功率差；判断转速差和发电功率差是否都不大于误差阈值，结果为是则判定风机正常；结果为否则判定风机故障，将对应风机标记为故障，判断公式如下：
式中，VS为风机当前的转速，V阈为转速误差阈值，PS为风机当前的发电功率，P阈为发电功率误差阈值；
S206、首先，分别获取被标记为故障风机的历史维修记录；其次，在历史维修记录中进行检索，判断是否存在与当前设备信息相同的维修记录，存在则以历史维修记录中的紧急程度、处理方法和维修时长来设定对应故障风机的维修信息；不存在则将当前设备信息发送至维修终端，由人工设定紧急程度、处理方法和维修时长；紧急程度是指故障处理的优先级，处理方法包括停机处理和运行处理，维修时长是指故障处理的预计时长；最后，维修人员设定开始维修的时间。
9.根据权利要求6所述的一种基于大数据的风电场数据管控方法，其特征在于：在S3中，具体步骤如下：
S301、将被标记为故障风机的设备标识符按照紧急程度从大到小顺序依次放入维修流程集合中，并取消标记，集合中元素排列的顺序作为维修顺序；
S302、获取历史维修记录中维修人员的移动速度，通过环境信息得到维修流程集合中所有相邻的两个设备标识符对应风机之间的距离，代入公式计算维修人员在每两个相邻的风机之间的移动时长，公式如下：
式中，TW为移动时长，ts为上下风机的时长，S为风机之间的距离，vy为移动速度；
S303、计算维修流程集合中所有设备标识符的等待时长；设备标识符等待时长的计算需要将排列在其前面所有设备标识符的维修时长和相邻设备标识符之间的移动时长进行求和，每个设备标识符对应一个等待时长；
S304、对维修流程集合中处理方法为停机处理的设备标识符进行标记，获取被标记的设备标识符对应风机当前的设备信息，代入公式计算得到停机时长，每个被标记的设备标识符对应一个停机时长，停机时长是指风机从接收停机指令到叶轮停止旋转发电机冷却至可维修状态所消耗的时间，计算公式如下：
式中，Tn为风机的停机时长，j为风机的转动惯量，VS为风机当前的转速，ZN为风机的阻尼矩阵，m是风机的质量，c是风机材料的比热容，wd为风机当前的温度，w额为额定的温度，G是风机的散热功率，α是环境温度影响系数；
S305、判断所有被标记的设备标识符的等待时长是否都不小于停机时长，结果为是则进入S307步骤，结果为否，则进入S306步骤；
S306、将等待时长小于停机时长所对应设备标识符的停机时长替换为等待时长，并进入S305继续判断；
S307、获取开始维修的时间T0,分别将维修流程集合中每个设备标识符的等待时长加上T0，得到每个设备标识符的维修时间；
S308、分别将被标记的设备标识符的维修时间减去停机时长，得到对应设备标识符的停机时间；
S309、停机时长根据实际设备信息变化而变化，停机时间则根据实际维修时长变化而变化；当设备信息、维修时长和移动时长发生改变时，重复S302-S308步骤，动态调整维修计划中的时间信息。
10.根据权利要求6所述的一种基于大数据的风电场数据管控方法，其特征在于：在S4中，当时间到达停机时间时，控制对应风机自动停机；当时间到达维修时间时，控制对应风机进行维修准备。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310940600.5A CN116753114B (zh) | 2023-07-28 | 2023-07-28 | 一种基于大数据的风电场数据管控方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310940600.5A CN116753114B (zh) | 2023-07-28 | 2023-07-28 | 一种基于大数据的风电场数据管控方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116753114A true CN116753114A (zh) | 2023-09-15 |
| CN116753114B CN116753114B (zh) | 2023-12-26 |
Family
ID=87951539
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310940600.5A Active CN116753114B (zh) | 2023-07-28 | 2023-07-28 | 一种基于大数据的风电场数据管控方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116753114B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117742346A (zh) * | 2023-12-28 | 2024-03-22 | 易站智联科技(广州)有限公司 | 一种船舶的实时航行状态分析与能源消耗控制方法 |
| CN118462509A (zh) * | 2024-07-15 | 2024-08-09 | 山东德瑞防腐材料有限公司 | 一种海上风机状态监测与故障分析系统及方法 |
| CN118568631A (zh) * | 2024-06-04 | 2024-08-30 | 陕西秦辉瑞源电器有限公司 | 一种基于人工智能的配电设备智能管控方法及系统 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101806282A (zh) * | 2010-03-08 | 2010-08-18 | 江苏省电力试验研究院有限公司 | 基于最佳风能利用的低额定风速风力发电控制系统 |
| US20160034856A1 (en) * | 2014-07-31 | 2016-02-04 | Doosan Heavy Industries & Construction Co., Ltd. | Wind power plant management system and method thereof |
| CN110110439A (zh) * | 2019-05-08 | 2019-08-09 | 固安华电天仁控制设备有限公司 | 一种基于三维模型的风电场scada系统 |
| 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 |
| CN110222851A (zh) * | 2019-05-30 | 2019-09-10 | 北京千尧新能源科技开发有限公司 | 一种海上风电场智慧运维管理系统及管理方法 |
| KR102387375B1 (ko) * | 2021-11-19 | 2022-04-18 | 주식회사 에이투엠 | 선제적 풍력발전 유지관리 시스템 |
| WO2023272980A1 (zh) * | 2021-06-30 | 2023-01-05 | 北京金风科创风电设备有限公司 | 风力发电机组的控制方法、装置、系统、设备及介质 |
-
2023
- 2023-07-28 CN CN202310940600.5A patent/CN116753114B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101806282A (zh) * | 2010-03-08 | 2010-08-18 | 江苏省电力试验研究院有限公司 | 基于最佳风能利用的低额定风速风力发电控制系统 |
| US20160034856A1 (en) * | 2014-07-31 | 2016-02-04 | Doosan Heavy Industries & Construction Co., Ltd. | Wind power plant management system and method thereof |
| CN110110439A (zh) * | 2019-05-08 | 2019-08-09 | 固安华电天仁控制设备有限公司 | 一种基于三维模型的风电场scada系统 |
| 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 |
| CN110222851A (zh) * | 2019-05-30 | 2019-09-10 | 北京千尧新能源科技开发有限公司 | 一种海上风电场智慧运维管理系统及管理方法 |
| WO2023272980A1 (zh) * | 2021-06-30 | 2023-01-05 | 北京金风科创风电设备有限公司 | 风力发电机组的控制方法、装置、系统、设备及介质 |
| KR102387375B1 (ko) * | 2021-11-19 | 2022-04-18 | 주식회사 에이투엠 | 선제적 풍력발전 유지관리 시스템 |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117742346A (zh) * | 2023-12-28 | 2024-03-22 | 易站智联科技(广州)有限公司 | 一种船舶的实时航行状态分析与能源消耗控制方法 |
| CN118568631A (zh) * | 2024-06-04 | 2024-08-30 | 陕西秦辉瑞源电器有限公司 | 一种基于人工智能的配电设备智能管控方法及系统 |
| CN118462509A (zh) * | 2024-07-15 | 2024-08-09 | 山东德瑞防腐材料有限公司 | 一种海上风机状态监测与故障分析系统及方法 |
| CN118462509B (zh) * | 2024-07-15 | 2024-09-24 | 山东德瑞防腐材料有限公司 | 一种海上风机状态监测与故障分析系统及方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116753114B (zh) | 2023-12-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116753114B (zh) | 一种基于大数据的风电场数据管控方法及系统 | |
| Leahy et al. | Diagnosing wind turbine faults using machine learning techniques applied to operational data | |
| EP3826102A1 (en) | Model based monitoring of battery system | |
| US20100280872A1 (en) | Methods and systems for monitoring and scheduling operations and maintenance activities | |
| US11428212B2 (en) | Wind turbine drivetrain wear detection using azimuth variation clustering | |
| de Andrade Vieira et al. | Failure risk indicators for a maintenance model based on observable life of industrial components with an application to wind turbines | |
| CN111622898B (zh) | 用于预测由于过度振动造成风力涡轮停机的系统和方法 | |
| CN113154897B (zh) | 一种火电厂空冷系统的远程运维系统 | |
| CN115238933B (zh) | 基于多点测量的风电机组惯量响应检测方法、装置和系统 | |
| CN112859724A (zh) | 一种水轮发电机组设备状态的远程监控系统 | |
| CN104821789A (zh) | 一种光伏发电系统可靠性的检测方法 | |
| CN116505871A (zh) | 一种光伏发电系统中跟踪器的异常检测方法、装置及系统 | |
| CN117249043A (zh) | 一种风能利用的智能风机控制系统及方法 | |
| US11476685B2 (en) | System and method for detecting battery faults in a pitch system of a wind turbine | |
| CN114778116A (zh) | 一种风力发电机组变桨轴承故障预警方法及系统 | |
| Li et al. | Optimal maintenance information system of Gezhouba hydro power plant | |
| KR102456262B1 (ko) | 진동기반 풍력터빈 하중 및 수명 예측방법 및 시스템 | |
| CN105527573B (zh) | 风电场风机发电机故障识别方法 | |
| CN114118553A (zh) | 一种永磁直驱风力发电机双列圆锥滚子轴承劣化识别方法 | |
| US12078148B2 (en) | System and method for detecting anomalies in wind turbine control signals | |
| Brandão et al. | Intelligent system for fault detection in wind turbines gearbox | |
| Szabo et al. | Condition Monitoring for Detecting the Malfunction of Industrial Machines | |
| CN112682266A (zh) | 优化低风速时段期间风力涡轮健康检查计划的系统和方法 | |
| CN118640136A (zh) | 一种用于风力发电机组的故障检测方法 | |
| EP3889697A1 (en) | Method for operating a wind turbine with controlled operation of sensors |
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 | ||
| CP03 | Change of name, title or address |
Address after: Building 4, Dongyuan, Jiangguang wisdom City, 15 Wenchang East Road, Yangzhou City, Jiangsu Province, 225000 Patentee after: Yangzhou Yuan Electronic Technology Co.,Ltd. Country or region after: China Address before: Building 4, Dongyuan, Jiangguang wisdom City, 15 Wenchang East Road, Yangzhou City, Jiangsu Province, 225000 Patentee before: YANGZHOU YU'AN ELECTRONIC TECHNOLOGY CO.,LTD. Country or region before: China |
|
| CP03 | Change of name, title or address |