CN117236938B - 一种基于数据可视化的电力设备运维管理系统 - Google Patents
一种基于数据可视化的电力设备运维管理系统 Download PDFInfo
- Publication number
- CN117236938B CN117236938B CN202311506982.7A CN202311506982A CN117236938B CN 117236938 B CN117236938 B CN 117236938B CN 202311506982 A CN202311506982 A CN 202311506982A CN 117236938 B CN117236938 B CN 117236938B
- Authority
- CN
- China
- Prior art keywords
- power generation
- index
- wind driven
- driven generator
- wind
- 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
- 238000012423 maintenance Methods 0.000 title claims abstract description 74
- 238000013079 data visualisation Methods 0.000 title claims abstract description 8
- 238000010248 power generation Methods 0.000 claims abstract description 290
- 230000002159 abnormal effect Effects 0.000 claims abstract description 58
- 239000007788 liquid Substances 0.000 claims abstract description 5
- 238000012544 monitoring process Methods 0.000 claims description 128
- 238000011156 evaluation Methods 0.000 claims description 29
- 238000005286 illumination Methods 0.000 claims description 25
- 230000005856 abnormality Effects 0.000 claims description 23
- 238000000034 method Methods 0.000 claims description 17
- 238000004062 sedimentation Methods 0.000 claims description 14
- 238000012937 correction Methods 0.000 claims description 13
- 238000006243 chemical reaction Methods 0.000 claims description 5
- 239000002689 soil Substances 0.000 claims 1
- 239000003921 oil Substances 0.000 description 47
- 239000003570 air Substances 0.000 description 14
- 230000006978 adaptation Effects 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 239000012080 ambient air Substances 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000000341 volatile oil Substances 0.000 description 1
Landscapes
- Wind Motors (AREA)
Abstract
本发明涉及电力设备运维管理技术领域，具体公开一种基于数据可视化的电力设备运维管理系统，该系统包括气象信息采集模块、风力发电机信息采集模块、风力发电机维保分析模块、光伏发电板信息采集模块、光伏发电板维保分析模块、预警终端和云数据库；本发明通过气象层面和结构层面进行风力发电机的转速异常趋向分析，提高了风力发电机转速异常判断的准确性，同时结合光伏发电板的温度匹配许可承载的空气含油量和表面油液膜面积以及风力发电机所处高度变化进行风光发电设备的发电安全分析，提高了风光发电设备的发电安全分析的合理性，从而确保了周围环境的安全，同时提高了风光发电设备维护的及时性。
Description
技术领域
本发明涉及电力设备运维管理技术领域，具体而言，涉及一种基于数据可视化的电力设备运维管理系统。
背景技术
油田的土地广阔，人员稀少，由此常作为风光发电场所，风光发电设备可以将可再生能源转化为可靠的经济来源以促进地区发展，对风光发电设备进行运维管理不仅可以提高风光发电设备的性能，还可以增加其发电效率和发电安全性，因此，对风光发电设备进行运维管理的重要性不言而喻。
现有的区域风光发电设备的运维管理主要侧重风光发电设备的发电性能和发电安全两个层面，很显然，这种运维管理方式还存在以下几个方面的问题：1、在发电性能层面，当前的发电性能主要根据外界的光照、风速等条件，未考虑油田这类特殊场所的发电干扰，还停留在常规的发电性能层面分析，使得发电性能分析结果存在较大的差异性，从而无法保障异常发电风光设备的维护及时性。
2、在发电安全层面，当前主要倾向于风力发电机本体以及光伏发电机本体结构层面的安全，如形变、温度等，较为局限，其具体体现在：1）油田具有地质复杂和结构不稳定的特点，即风力发电机容易发生沉降，当前未根据油田实际场景进行沉降情况分析，难以保证风力发电机发电安全分析的可靠性，同时也未根据气象，进行承载情况分析，无法提高风力发电机维护需求判定结果的真实性和精准性。
2）油田具有油量易挥发的特点，容易粘附在光伏板上和融入空气中，当前未结合光伏板的实际场景进行粘附情况、空气含油量以及稳定情况进行综合性分析。
发明内容
鉴于此，为解决上述背景技术中所提出的问题，现提出一种基于数据可视化的电力设备运维管理系统。
本发明的目的可以通过以下技术方案实现：本发明提供一种基于数据可视化的电力设备运维管理系统，包括：气象信息采集模块，用于采集目标区域油田在各监测日的光照强度、光照时长和各高度层的风速。
风力发电机信息采集模块，用于采集目标区域油田内布设的各风力发电机在各监测日的所处高度、实际转速和各扇叶的轮廓图像。
风力发电机维保分析模块，用于计算各风力发电机对应的转速异常趋向指数和发电安全指数，进而分析各风力发电机的维护紧急指数。
光伏发电板信息采集模块，用于提取目标区域油田内布设的各光伏发电板的面积和在各监测日的实际发电量，并采集各光伏发电板在各监测日的表面污垢面积、表面温度、表面油液膜面积和空气含油量。
光伏发电板维保分析模块，用于计算各光伏发电板对应的发电性能指数和发电安全指数，进而分析各光伏发电板的维护紧急指数。
预警终端，用于当目标区域油田内布设的某风力发电机或者某光伏发电机的维护紧急指数大于其设定参照值时，提取该风力发电机或者该光伏发电机的位置，并进行显示和预警。
云数据库，用于存储各风力发电机的安置位置、标准扇叶轮廓图像、适宜承载风速和各高度层的风速对应参照转速，存储各光伏发电板的安置位置、各光照强度对应各光照时长下的单日基准发电量以及各表面温度条件下对应的安全空气含油量和安全表面油液膜面积。
具体地，所述计算各风力发电机对应的转速异常趋向指数，具体计算过程为：A1、根据目标区域油田内布设的各风力发电机在各监测日的所处高度，从各高度层的风速中定位出各风力发电机在各监测日对应所处高度层的风速，记为，其中/>表示风力发电机编号，/>，/>表示监测日编号，/>。
A2、从云数据库中提取各风力发电机的适宜承载风速，记为。
A3、计算各风力发电机在各监测日对应气象层面的转速异常趋向指数，，其中，/>表示设定参照的风力发电机的风速偏差。
A4、根据各风力发电机在各监测日对应所处高度层的风速，从云数据库中定位出各风力发电机在各监测日所处高度层的风速对应的参照转速，并记为。
A5、将各风力发电机在各监测日的实际转速记为。
A6、计算各风力发电机在各监测日对应结构层面的转速异常趋向指数，，其中，/>表示设定参照的风力发电机的转速偏差，/>表示自然常数。
A7、计算各风力发电机在各监测日的转速异常趋向指数，，其中，/>和/>分别表示设定的气象层面和结构层面对应的转速异常趋向指数占比权重。
A8、计算各风力发电机对应的转速异常趋向指数。
具体地，所述计算各风力发电机对应的转速异常趋向指数，具体计算过程为：B1、从各风力发电机在各监测日的转速异常趋向指数中提取最大转速异常趋向指数，记为。
B2、若某风力发电机在某监测日的转速异常趋向指数大于设定参照的转速异常趋向指数，则将该监测日记为异常监测日，由此统计各风力发电机的异常监测日数目，记为。
B3、计算各风力发电机对应的转速异常趋向指数，。
其中，和/>分别表示设定参照的转速异常趋向指数和异常监测日数目，/>和/>分别表示设定的转速异常趋向指数和异常监测日数目对应转速异常趋向评估占比权重，/>表示设定的转速异常趋向评估修正因子。
具体地，所述计算各风力发电机对应的发电安全指数，具体计算过程为：C1、从各风力发电机在各监测日对应的所处高度中分别提取最高高度和最低高度，分别记为和，同时提取最高高度和最低高度对应的监测日，进而获取最高高度和最低高度之间的监测间隔天数，记为/>。
C2、计算各风力发电机的沉降速率，/>。
C3、将各风力发动机在各监测日的各扇叶的轮廓图像与云数据库中存储的各风力发电机的标准扇叶轮廓图像进行重叠对比，得到各风力发动机在各监测日的各扇叶轮廓与其标准扇叶轮廓的重叠面积，作为各风力发动机在各监测日的各扇叶的轮廓重叠面积，记为，其中/>表示扇叶编号，/>。
C4、计算各风力发动机在各监测日的扇叶形变度，/>，其中，/>表示第/>个风力发电机标准扇叶轮廓总面积，/>表示设定参照的风力发电机扇叶重叠面积比。
C5、从各风力发动机在各监测日的扇叶形变度中提取最大形变度，并记为。
C6、计算各风力发电机对应的发电安全指数，，其中，和/>分别表示设定参照的沉降速率、形变度和沉降值，/>和/>分别表示设定的沉降速率、形变度和沉降值对应发电安全评估占比权重，/>表示设定的风力发电机发电安全评估修正因子。
具体地，所述分析各风力发电机的维护紧急指数的计算公式为：，其中，/>表示第/>个风力发电机的维护紧急指数，/>和/>分别表示设定参照的转速异常趋向指数和发电安全指数，/>和/>分别表示设定的转速异常趋向指数和发电安全指数对应维护紧急评估占比权重。
具体地，所述计算各光伏发电板对应的发电性能指数，具体计算过程为：D1、将各光伏发电板的面积和在各监测日的表面污垢面积分别记为和/>，其中/>表示光伏发电板编号，/>。
D2、设定各光伏发电板在各监测日的发电转化效率干扰因子，，其中，/>表示设定参照的污垢面积占比。
D3、将各光伏发电板在各监测日的实际发电量记为。
D4、根据各监测日的光照强度和光照时长，从云数据库中定位出各光伏发电板在各监测日所处光照强度对应光照时长下的单日基准发电量，记为。
D5、计算各光伏发电板在各监测日的发电性能指数，，其中，/>表示设定参照的单日发电量偏差。
D6、计算各光伏发电板对应的发电性能指数。
具体地，所述计算各光伏发电板对应的发电性能指数，具体计算过程为：E1、从各光伏发电板在各监测日的发电性能指数中提取最小发电性能指数，记为。
E2、将各光伏发电板在各监测日的发电性能指数进行均值计算，得到各光伏发电板的平均发电性能指数，记为。
E3、计算各光伏发电板对应的发电性能指数，；
其中，和/>分别表示设定参照的最小发电性能指数和发电性能指数，/>和分别表示设定的最小发电性能指数和发电性能指数对应发电性能评估占比权重，/>表示设定的发电性能评估修正因子。
具体地，所述各光伏发电板对应的发电安全指数，具体计算过程为：F1、根据各光伏发电板在各监测日的表面温度，从云数据库中定位出各光伏发电板的表面温度条件下对应的安全空气含油量和安全表面油液膜面积，并分别记为和/>。
F2、将各光伏发电板在各监测日的空气含油量和表面油液膜面积分别记为和。
F3、计算各光伏发电板在各监测日的发电安全指数，。
其中，和/>分别表示设定的空气含油量和表面油液膜面积对应发电安全评估占比权重，/>表示设定的光伏发电板发电安全评估修正因子。
F4、计算各光伏发电板对应的发电安全指数。
具体地，所述各光伏发电板的维护紧急指数的计算公式为：，其中，/>表示第/>个光伏发电板的维护紧急指数，/>和/>分别表示设定的光伏发电板的发电性能和发电安全对应维护紧急评估占比权重。
相较于现有技术，本发明的实施例至少具有如下优点或有益效果：（1）本发明通过气象层面和结构层面进行风力发电机的转速异常趋向分析，实现了风力发电机的转速异常趋向的多维度分析，从而提高了风力发电机转速异常判断的准确性，为后续风力发电机的维护紧急指数分析提供了可靠的数据支撑基础。
（2）本发明通过风力发电机所处高度变化进行风力发电机的沉降速率分析，直观地展示了风力发电机的沉降状态，从而提高了风力发电机发电安全分析的可靠性，最大程度上降低了风力发电机的发电安全隐患。
（3）本发明通过根据各光伏发电板在各监测日的发电转化效率干扰因子进行光伏发电板发电性能分析，提高了光伏发电板发电性能分析的可信度，进而提高了光伏发电板发电效率，同时提高了后续电量供应的适配度，降低了发电性能分析结果的差异性。
（4）本发明通过结合光伏发电板的温度匹配许可承载的空气含油量和表面油液膜面积再进行光伏发电板发电安全分析，提高了光伏发电板的发电安全分析的合理性，从而确保了工作人员的生命安全和周围环境的安全。
（5）本发明通过当目标区域油田内布设的各风力发电机和各光伏发电板的维护紧急指数分别大于其设定参照的维护紧急指数时进行维护预警，提高了油田发电管理人员对维护紧急情况觉察的及时性和实时性，同时提高了光伏发电设备维护的及时性。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述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，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为本发明系统模块结构连接示意图。
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所示，本发明提供了一种基于数据可视化的电力设备运维管理系统，包括：气象信息采集模块、风力发电机信息采集模块、风力发电机维保分析模块、光伏发电板信息采集模块、光伏发电板维保分析模块、预警终端和云数据库。
所述气象信息采集模块和风力发电机信息采集模块均和风力发电机维保分析模块相连，气象信息采集模块和光伏发电板信息采集模块均和光伏发电板维保分析模块相连，风力发电机维保分析模块和光伏发电板维保分析模块均和预警终端相连，风力发电机维保分析模块和光伏发电板维保分析模块均和云数据库相连。
所述气象信息采集模块，用于采集目标区域油田在各监测日的光照强度、光照时长和各高度层的风速。
需要说明的是，所述气象信息均从气象平台采集得到。
所述风力发电机信息采集模块，用于采集目标区域油田内布设的各风力发电机在各监测日的所处高度、实际转速和各扇叶的轮廓图像。
需要说明的是，所述各风力发电机在各监测日的所处高度通过风力发电机支撑杆上垂直方向上安置的位移传感器监测得到，实际转速通过风力发电机对应转轴上安置的微型转速传感器监测得到，各扇叶的轮廓图像通过安置的摄像头监测得到。
所述风力发电机维保分析模块，用于计算各风力发电机对应的转速异常趋向指数和发电安全指数，进而分析各风力发电机的维护紧急指数。
在本发明具体实施例中，所述计算各风力发电机对应的转速异常趋向指数，具体计算过程为：A1、根据目标区域油田内布设的各风力发电机在各监测日的所处高度，从各高度层的风速中定位出各风力发电机在各监测日对应所处高度层的风速，记为，其中/>表示风力发电机编号，/>，/>表示监测日编号，/>。
A2、从云数据库中提取各风力发电机的适宜承载风速，记为。
A3、计算各风力发电机在各监测日对应气象层面的转速异常趋向指数，，其中，/>表示设定参照的风力发电机的风速偏差。
A4、根据各风力发电机在各监测日对应所处高度层的风速，从云数据库中定位出各风力发电机在各监测日所处高度层的风速对应的参照转速，并记为。
A5、将各风力发电机在各监测日的实际转速记为。
A6、计算各风力发电机在各监测日对应结构层面的转速异常趋向指数，，其中，/>表示设定参照的风力发电机的转速偏差，/>表示自然常数。
A7、计算各风力发电机在各监测日的转速异常趋向指数，，其中，/>和/>分别表示设定的气象层面和结构层面对应的转速异常趋向指数占比权重。
A8、计算各风力发电机对应的转速异常趋向指数。
在本发明具体实施例中，所述计算各风力发电机对应的转速异常趋向指数，具体计算过程为：B1、从各风力发电机在各监测日的转速异常趋向指数中提取最大转速异常趋向指数，记为。
B2、若某风力发电机在某监测日的转速异常趋向指数大于设定参照的转速异常趋向指数，则将该监测日记为异常监测日，由此统计各风力发电机的异常监测日数目，记为。
B3、计算各风力发电机对应的转速异常趋向指数，。
其中，和/>分别表示设定参照的转速异常趋向指数和异常监测日数目，/>和/>分别表示设定的转速异常趋向指数和异常监测日数目对应转速异常趋向评估占比权重，/>表示设定的转速异常趋向评估修正因子。
本发明实施例通过气象层面和结构层面进行风力发电机的转速异常趋向分析，实现了风力发电机的转速异常趋向的多维度分析，从而提高了风力发电机转速异常判断的准确性，为后续风力发电机的维护紧急指数分析提供了可靠的数据支撑基础。
在本发明具体实施例中，所述计算各风力发电机对应的发电安全指数，具体计算过程为：C1、从各风力发电机在各监测日对应的所处高度中分别提取最高高度和最低高度，分别记为和/>，同时提取最高高度和最低高度对应的监测日，进而获取最高高度和最低高度之间的监测间隔天数，记为/>。
C2、计算各风力发电机的沉降速率，/>。
C3、将各风力发动机在各监测日的各扇叶的轮廓图像与云数据库中存储的各风力发电机的标准扇叶轮廓图像进行重叠对比，得到各风力发动机在各监测日的各扇叶轮廓与其标准扇叶轮廓的重叠面积，作为各风力发动机在各监测日的各扇叶的轮廓重叠面积，记为，其中/>表示扇叶编号，/>。
C4、计算各风力发动机在各监测日的扇叶形变度，/>，其中，/>表示第/>个风力发电机标准扇叶轮廓总面积，/>表示设定参照的风力发电机扇叶重叠面积比。
C5、从各风力发动机在各监测日的扇叶形变度中提取最大形变度，并记为。
C6、计算各风力发电机对应的发电安全指数，，其中，/>和/>分别表示设定参照的沉降速率、形变度和沉降值，/>和/>分别表示设定的沉降速率、形变度和沉降值对应发电安全评估占比权重，/>表示设定的风力发电机发电安全评估修正因子。
本发明实施例通过风力发电机所处高度变化进行风力发电机的沉降速率分析，直观地展示了风力发电机的沉降状态，从而提高了风力发电机发电安全分析的可靠性，最大程度上降低了风力发电机的发电安全隐患。
在本发明具体实施例中，所述分析各风力发电机的维护紧急指数的计算公式为：，其中，/>表示第/>个风力发电机的维护紧急指数，/>和/>分别表示设定参照的转速异常趋向指数和发电安全指数，/>和/>分别表示设定的转速异常趋向指数和发电安全指数对应维护紧急评估占比权重。
所述光伏发电板信息采集模块，用于提取目标区域油田内布设的各光伏发电板的面积和在各监测日的实际发电量，并采集各光伏发电板在各监测日的表面污垢面积、表面温度、表面油液膜面积和周边空气含油量。
需要说明的是，所述各光伏发电板的面积和在各监测日的实际发电量从油田发电管理平台提取得到，表面污垢面积和表面油液膜面积通过光伏面板上方安置的摄像头采集得到，表面温度通过光伏面板内安置的各温度传感器监测得到，空气含油量通过光伏面板周围安置的气相色谱仪监测得到。
所述光伏发电板维保分析模块，用于计算各光伏发电板对应的发电性能指数和发电安全指数，进而分析各光伏发电板的维护紧急指数。
在本发明具体实施例中，所述计算各光伏发电板对应的发电性能指数，具体计算过程为：D1、将各光伏发电板的面积和在各监测日的表面污垢面积分别记为和/>，其中表示光伏发电板编号，/>。
D2、设定各光伏发电板在各监测日的发电转化效率干扰因子，，其中，/>表示设定参照的污垢面积占比。
D3、将各光伏发电板在各监测日的实际发电量记为。
D4、根据各监测日的光照强度和光照时长，从云数据库中定位出各光伏发电板在各监测日所处光照强度对应光照时长下的单日基准发电量，记为。
D5、计算各光伏发电板在各监测日的发电性能指数，，其中，/>表示设定参照的单日发电量偏差。
D6、计算各光伏发电板对应的发电性能指数。
在本发明具体实施例中，所述计算各光伏发电板对应的发电性能指数，具体计算过程为：E1、从各光伏发电板在各监测日的发电性能指数中提取最小发电性能指数，记为。
E2、将各光伏发电板在各监测日的发电性能指数进行均值计算，得到各光伏发电板的平均发电性能指数，记为。
E3、计算各光伏发电板对应的发电性能指数，；
其中，和/>分别表示设定参照的最小发电性能指数和发电性能指数，/>和分别表示设定的最小发电性能指数和发电性能指数对应发电性能评估占比权重，/>表示设定的发电性能评估修正因子。
本发明实施例通过根据各光伏发电板在各监测日的发电转化效率干扰因子进行光伏发电板发电性能分析，提高了光伏发电板发电性能分析的可信度，进而提高了光伏发电板发电效率，同时提高了后续电量供应的适配度，降低了发电性能分析结果的差异性。
在本发明具体实施例中，所述各光伏发电板对应的发电安全指数，具体计算过程为：F1、根据各光伏发电板在各监测日的表面温度，从云数据库中定位出各光伏发电板的表面温度条件下对应的安全空气含油量和安全表面油液膜面积，并分别记为和/>。
F2、将各光伏发电板在各监测日的空气含油量和表面油液膜面积分别记为和。
F3、计算各光伏发电板在各监测日的发电安全指数，。
其中，和/>分别表示设定的空气含油量和表面油液膜面积对应发电安全评估占比权重，/>表示设定的光伏发电板发电安全评估修正因子。
F4、计算各光伏发电板对应的发电安全指数。
需要说明的是，所述计算目标区域油田内布设的各光伏发电板对应的发电安全指数，具体计算过程为：G1、若某光伏发电板在某监测日的发电安全指数大于或者等于设定参照的发电安全指数，则判定该监测日为安全监测日，反之则判定该监测日为预警日，由此统计各光伏发电板的安全监测日数目，并记为。
G2、统计各光伏发电板的预警日数目，确认连续预警日数目，从各光伏发电板的各预警日中定位出连续预警日出现的最长预警日天数，记为。
G3、计算各光伏发电板对应的发电安全指数，，其中，/>和/>分别表示设定参照的安全监测日数目和最长预警日天数，/>和/>分别表示设定的安全监测日数目和最长预警日天数对应的发电安全评估占比权重，/>表示设定的光伏发电板的发电安全评估修正因子。
本发明实施例通过结合光伏发电板的温度匹配许可承载的周边空气含油量和表面油液膜面积再进行光伏发电板发电安全分析，提高了光伏发电板的发电安全分析的合理性，从而确保了工作人员的生命安全和周围环境的安全。
在本发明具体实施例中，所述各光伏发电板的维护紧急指数的计算公式为：，其中，/>表示第/>个光伏发电板的维护紧急指数，/>和/>分别表示设定的光伏发电板的发电性能和发电安全对应维护紧急评估占比权重。
所述预警终端，用于当目标区域油田内布设的某风力发电机或者某光伏发电机的维护紧急指数大于其设定参照值时，提取该风力发电机或者该光伏发电机的位置，并进行显示和预警。
本发明实施例通过当目标区域油田内布设的各风力发电机和各光伏发电板的维护紧急指数分别大于其设定参照的维护紧急指数时进行维护预警，提高了油田发电管理人员对维护紧急情况觉察的及时性和实时性，同时提高了光伏发电设备维护的及时性。
所述云数据库，用于存储各风力发电机的安置位置、标准扇叶轮廓图像、适宜承载风速和各高度层的风速对应参照转速，存储各光伏发电板的安置位置、各光照强度对应各光照时长下的单日基准发电量以及各表面温度条件下对应的安全空气含油量和安全表面油液膜面积。
以上内容仅仅是对本发明的构思所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明的构思或者超越本发明所定义的范围，均应属于本发明的保护范围。
Claims (1)
1.一种基于数据可视化的电力设备运维管理系统，其特征在于，包括：
气象信息采集模块，用于采集目标区域油田在各监测日的光照强度、光照时长和各高度层的风速；
风力发电机信息采集模块，用于采集目标区域油田内布设的各风力发电机在各监测日的所处高度、实际转速和各扇叶的轮廓图像；
风力发电机维保分析模块，用于计算各风力发电机对应的转速异常趋向指数和发电安全指数，进而分析各风力发电机的维护紧急指数；
光伏发电板信息采集模块，用于提取目标区域油田内布设的各光伏发电板的面积和在各监测日的实际发电量，并采集各光伏发电板在各监测日的表面污垢面积、表面温度、表面油液膜面积和空气含油量；
光伏发电板维保分析模块，用于计算各光伏发电板对应的发电性能指数和发电安全指数，进而分析各光伏发电板的维护紧急指数；
预警终端，用于当目标区域油田内布设的某风力发电机或者某光伏发电机的维护紧急指数大于其设定参照值时，提取该风力发电机或者该光伏发电机的位置，并进行显示和预警；
云数据库，用于存储各风力发电机的安置位置、标准扇叶轮廓图像、适宜承载风速和各高度层的风速对应参照转速，存储各光伏发电板的安置位置、各光照强度对应各光照时长下的单日基准发电量以及各表面温度条件下对应的安全空气含油量和安全表面油液膜面积；
所述计算各风力发电机对应的转速异常趋向指数，具体计算过程为：
A1、根据目标区域油田内布设的各风力发电机在各监测日的所处高度，从各高度层的风速中定位出各风力发电机在各监测日对应所处高度层的风速，记为，其中/>表示风力发电机编号，/>，/>表示监测日编号，/>；
A2、从云数据库中提取各风力发电机的适宜承载风速，记为；
A3、计算各风力发电机在各监测日对应气象层面的转速异常趋向指数，，其中，/>表示设定参照的风力发电机的风速偏差；
A4、根据各风力发电机在各监测日对应所处高度层的风速，从云数据库中定位出各风力发电机在各监测日所处高度层的风速对应的参照转速，并记为；
A5、将各风力发电机在各监测日的实际转速记为；
A6、计算各风力发电机在各监测日对应结构层面的转速异常趋向指数，，其中，/>表示设定参照的风力发电机的转速偏差，/>表示自然常数；
A7、计算各风力发电机在各监测日的转速异常趋向指数，，其中，/>和/>分别表示设定的气象层面和结构层面对应的转速异常趋向指数占比权重；
A8、计算各风力发电机对应的转速异常趋向指数；
所述计算各风力发电机对应的转速异常趋向指数，具体计算过程为：
B1、从各风力发电机在各监测日的转速异常趋向指数中提取最大转速异常趋向指数，记为；
B2、若某风力发电机在某监测日的转速异常趋向指数大于设定参照的转速异常趋向指数，则将该监测日记为异常监测日，由此统计各风力发电机的异常监测日数目，记为；
B3、计算各风力发电机对应的转速异常趋向指数，；
其中，和/>分别表示设定参照的转速异常趋向指数和异常监测日数目，/>和/>分别表示设定的转速异常趋向指数和异常监测日数目对应转速异常趋向评估占比权重，/>表示设定的转速异常趋向评估修正因子；
所述计算各风力发电机对应的发电安全指数，具体计算过程为：
C1、从各风力发电机在各监测日对应的所处高度中分别提取最高高度和最低高度，分别记为和/>，同时提取最高高度和最低高度对应的监测日，进而获取最高高度和最低高度之间的监测间隔天数，记为/>；
C2、计算各风力发电机的沉降速率，/>；
C3、将各风力发动机在各监测日的各扇叶的轮廓图像与云数据库中存储的各风力发电机的标准扇叶轮廓图像进行重叠对比，得到各风力发动机在各监测日的各扇叶轮廓与其标准扇叶轮廓的重叠面积，作为各风力发动机在各监测日的各扇叶的轮廓重叠面积，记为，其中/>表示扇叶编号，/>；
C4、计算各风力发动机在各监测日的扇叶形变度，/>，其中，/>表示第/>个风力发电机标准扇叶轮廓总面积，/>表示设定参照的风力发电机扇叶重叠面积比；
C5、从各风力发动机在各监测日的扇叶形变度中提取最大形变度，并记为；
C6、计算各风力发电机对应的发电安全指数，，其中，/>和分别表示设定参照的沉降速率、形变度和沉降值，/>和/>分别表示设定的沉降速率、形变度和沉降值对应发电安全评估占比权重，/>表示设定的风力发电机发电安全评估修正因子；
所述分析各风力发电机的维护紧急指数的计算公式为：，其中，/>表示第/>个风力发电机的维护紧急指数，/>和分别表示设定参照的转速异常趋向指数和发电安全指数，/>和/>分别表示设定的转速异常趋向指数和发电安全指数对应维护紧急评估占比权重；
所述计算各光伏发电板对应的发电性能指数，具体计算过程为：
D1、将各光伏发电板的面积和在各监测日的表面污垢面积分别记为和/>，其中/>表示光伏发电板编号，/>；
D2、设定各光伏发电板在各监测日的发电转化效率干扰因子，，其中，/>表示设定参照的污垢面积占比；
D3、将各光伏发电板在各监测日的实际发电量记为；
D4、根据各监测日的光照强度和光照时长，从云数据库中定位出各光伏发电板在各监测日所处光照强度对应光照时长下的单日基准发电量，记为；
D5、计算各光伏发电板在各监测日的发电性能指数，，其中，/>表示设定参照的单日发电量偏差；
D6、计算各光伏发电板对应的发电性能指数；
所述计算各光伏发电板对应的发电性能指数，具体计算过程为：
E1、从各光伏发电板在各监测日的发电性能指数中提取最小发电性能指数，记为；
E2、将各光伏发电板在各监测日的发电性能指数进行均值计算，得到各光伏发电板的平均发电性能指数，记为；
E3、计算各光伏发电板对应的发电性能指数，；
其中，和/>分别表示设定参照的最小发电性能指数和发电性能指数，/>和/>分别表示设定的最小发电性能指数和发电性能指数对应发电性能评估占比权重，/>表示设定的发电性能评估修正因子；
所述各光伏发电板对应的发电安全指数，具体计算过程为：
F1、根据各光伏发电板在各监测日的表面温度，从云数据库中定位出各光伏发电板的表面温度条件下对应的安全空气含油量和安全表面油液膜面积，并分别记为和/>；
F2、将各光伏发电板在各监测日的空气含油量和表面油液膜面积分别记为和/>；
F3、计算各光伏发电板在各监测日的发电安全指数，；
其中，和/>分别表示设定的空气含油量和表面油液膜面积对应发电安全评估占比权重，/>表示设定的光伏发电板发电安全评估修正因子；
F4、计算各光伏发电板对应的发电安全指数；
所述各光伏发电板的维护紧急指数的计算公式为：，其中，/>表示第/>个光伏发电板的维护紧急指数，/>和/>分别表示设定的光伏发电板的发电性能和发电安全对应维护紧急评估占比权重。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311506982.7A CN117236938B (zh) | 2023-11-14 | 2023-11-14 | 一种基于数据可视化的电力设备运维管理系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311506982.7A CN117236938B (zh) | 2023-11-14 | 2023-11-14 | 一种基于数据可视化的电力设备运维管理系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117236938A CN117236938A (zh) | 2023-12-15 |
| CN117236938B true CN117236938B (zh) | 2024-02-20 |
Family
ID=89084561
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311506982.7A Active CN117236938B (zh) | 2023-11-14 | 2023-11-14 | 一种基于数据可视化的电力设备运维管理系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117236938B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117710364B (zh) * | 2024-02-02 | 2024-04-19 | 山东宇驰新材料科技有限公司 | 一种基于机器视觉的抗磨液压油除杂全流程分析管理系统 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20200003490A (ko) * | 2018-07-02 | 2020-01-10 | 주식회사 어니언소프트웨어 | 신재생 발전설비 모니터링 시스템 |
| CN111986461A (zh) * | 2020-08-19 | 2020-11-24 | 武汉瑞莱保能源技术有限公司 | 一种施工安全监管系统 |
| CN113007038A (zh) * | 2021-03-11 | 2021-06-22 | 中国华电科工集团有限公司 | 发电设备间的发电性能比较方法、装置及电子设备 |
| CN113378459A (zh) * | 2021-06-02 | 2021-09-10 | 兰州交通大学 | 基于卫星和物联网信息的光伏电站超短期功率预测方法 |
| KR20230045379A (ko) * | 2021-09-28 | 2023-04-04 | (주)솔라앤시스 | 환경센서를 이용한 태양광 발전설비의 이상진단 시스템 및 방법 |
| CN116292146A (zh) * | 2023-04-13 | 2023-06-23 | 苏州科坦精密科技有限公司 | 一种使用倾角传感器的塔筒安全诊断系统及方法 |
| KR102583920B1 (ko) * | 2022-09-22 | 2023-10-05 | 신성이앤에스주식회사 | 태양광 발전 성능 모니터링 시스템 및 그 발전 성능 평가 방법 |
| CN116960935A (zh) * | 2023-06-14 | 2023-10-27 | 唐山冀东石油机械有限责任公司 | 一种基于区域油田风光发电利用管理系统 |
-
2023
- 2023-11-14 CN CN202311506982.7A patent/CN117236938B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20200003490A (ko) * | 2018-07-02 | 2020-01-10 | 주식회사 어니언소프트웨어 | 신재생 발전설비 모니터링 시스템 |
| CN111986461A (zh) * | 2020-08-19 | 2020-11-24 | 武汉瑞莱保能源技术有限公司 | 一种施工安全监管系统 |
| CN113007038A (zh) * | 2021-03-11 | 2021-06-22 | 中国华电科工集团有限公司 | 发电设备间的发电性能比较方法、装置及电子设备 |
| CN113378459A (zh) * | 2021-06-02 | 2021-09-10 | 兰州交通大学 | 基于卫星和物联网信息的光伏电站超短期功率预测方法 |
| KR20230045379A (ko) * | 2021-09-28 | 2023-04-04 | (주)솔라앤시스 | 환경센서를 이용한 태양광 발전설비의 이상진단 시스템 및 방법 |
| KR102583920B1 (ko) * | 2022-09-22 | 2023-10-05 | 신성이앤에스주식회사 | 태양광 발전 성능 모니터링 시스템 및 그 발전 성능 평가 방법 |
| CN116292146A (zh) * | 2023-04-13 | 2023-06-23 | 苏州科坦精密科技有限公司 | 一种使用倾角传感器的塔筒安全诊断系统及方法 |
| CN116960935A (zh) * | 2023-06-14 | 2023-10-27 | 唐山冀东石油机械有限责任公司 | 一种基于区域油田风光发电利用管理系统 |
Non-Patent Citations (2)
| Title |
|---|
| 光伏组件表面积灰对其发电性能的影响;张风;白建波;郝玉哲;张臻;姜猛;;电网与清洁能源(10);全文 * |
| 影响分布式光伏电站运行的因素及对策;肖翔;刘旭;贺子尧;;农村电工;20191206(第12期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117236938A (zh) | 2023-12-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN117236938B (zh) | 一种基于数据可视化的电力设备运维管理系统 | |
| CN113836762B (zh) | 一种风力机及风电场数字镜像模拟展示系统 | |
| DK202370533A1 (en) | Method of visually inspecting a wind turbine generator (WTG) and parts thereof | |
| CN106762452B (zh) | 基于数据驱动的风机主控系统故障诊断和在线监测方法 | |
| US9557246B2 (en) | Method and system for determining power plant machine reliability | |
| CN105894391A (zh) | 基于scada运行数据提取的风电机组转矩控制性能评估方法 | |
| Elliott et al. | Observations of wind turbine wakes and surface roughness effects on wind flow variability | |
| US20190242364A1 (en) | Determining loads on a wind turbine | |
| CN116960935A (zh) | 一种基于区域油田风光发电利用管理系统 | |
| CN115059587B (zh) | 一种基于5g通信的物联网实时监测预警系统 | |
| CN114157026B (zh) | 一种海上风电运维的调度方法 | |
| CN113761692B (zh) | 一种基于迁移成分分析的多风电机组运行状态辨识方法 | |
| El-Bshah et al. | Resource assessment of wind energy potential of Mokha in Yemen with Weibull speed | |
| CN114607571A (zh) | 一种运用润滑系统监测的海上风电齿轮箱故障识别方法及系统 | |
| CN115111115A (zh) | 用于操作发电资产的系统和方法 | |
| CN116800201B (zh) | 一种太阳能发电运行监测方法、设备及存储介质 | |
| Kelley et al. | The evaluation of a turbulent loads characterization system | |
| Gkarakis | Performance analysis of an operating windfarm of 21MW in Greece for a period of three years | |
| George et al. | Rotationally sampled wind characteristics and correlations with MOD-OA wind turbine response | |
| CN118132526A (zh) | 一种基于大数据的风电场数据采集系统 | |
| Lou et al. | Stochastic analysis of wind stream and turbine power | |
| Simon et al. | Wake effects in a Fayette 95-IIS wind turbine array | |
| Denysyuk | Methodology to Support Optimization of Wind Power Production | |
| Howard | Wind turbine performance and wake development for various atmospheric, operational and siting conditions | |
| Miller et al. | Development and verification of MOD-2 and MOD-0A simulation models.[Program listings of MOD2SIM and MOD0ASIM] |
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 |