CN117951422A - 一种海上风电能源数据实时采集方法及系统 - Google Patents
一种海上风电能源数据实时采集方法及系统 Download PDFInfo
- Publication number
- CN117951422A CN117951422A CN202410351494.1A CN202410351494A CN117951422A CN 117951422 A CN117951422 A CN 117951422A CN 202410351494 A CN202410351494 A CN 202410351494A CN 117951422 A CN117951422 A CN 117951422A
- Authority
- CN
- China
- Prior art keywords
- sequence
- speed data
- sub
- wind speed
- extension
- 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 207
- 230000008859 change Effects 0.000 claims abstract description 84
- 230000008569 process Effects 0.000 claims description 126
- 238000005070 sampling Methods 0.000 claims description 33
- 238000004364 calculation method Methods 0.000 claims description 32
- 230000010287 polarization Effects 0.000 claims description 24
- 238000010586 diagram Methods 0.000 claims description 16
- 238000001514 detection method Methods 0.000 claims description 13
- 230000002159 abnormal effect Effects 0.000 claims description 12
- 230000006870 function Effects 0.000 claims description 11
- 230000005856 abnormality Effects 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 6
- 238000010606 normalization Methods 0.000 claims description 6
- 230000002441 reversible effect Effects 0.000 claims description 6
- 238000012935 Averaging Methods 0.000 claims description 3
- 230000001105 regulatory effect Effects 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 abstract description 18
- 230000000694 effects Effects 0.000 abstract description 12
- 238000012545 processing Methods 0.000 abstract description 6
- 230000001360 synchronised effect Effects 0.000 description 10
- 238000010248 power generation Methods 0.000 description 6
- 230000002035 prolonged effect Effects 0.000 description 6
- 230000005540 biological transmission Effects 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000005314 correlation function Methods 0.000 description 2
- 238000012217 deletion Methods 0.000 description 2
- 230000037430 deletion Effects 0.000 description 2
- 230000025518 detection of mechanical stimulus involved in sensory perception of wind Effects 0.000 description 2
- 239000006185 dispersion Substances 0.000 description 2
- 230000000737 periodic effect Effects 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000013450 outlier detection Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- 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
- Wind Motors (AREA)
Abstract
本发明涉及海上风电能源数据的分析处理技术领域,具体涉及一种海上风电能源数据实时采集方法及系统。本发明首先在风速数据序列的端点附近获取端点子段序列,然后结合风速数据与风机转速数据的时间延迟情况分析风机转速数据与风速数据的变化相关性,进一步结合风速数据的波动变化情况,分析端点子段序列的延拓需求程度进行延拓;进一步对延拓后的延拓子序列进行分析并按需延拓,得到根据数据的变化信息自适应延拓后的风速数据延拓序列,从而能够对邻近端点处的数据进行准确的异常分析,提高风电能源数据的实时采集效果。
Description
技术领域
本发明涉及海上风电数据的分析处理技术领域,具体涉及一种海上风电能源数据实时采集方法及系统。
背景技术
为进一步优化海上风力发电的效率或保障风电场的安全可靠性,通常会对海上风电能源数据如风速及风机转速等进行采集监测,风速的监测分析可用于效率优化,而风机转速可用于评估风机运转状态,从而保证风力发电设备的安全可靠性,同时侧面为风速监测分析作参考。由于风速数据在采集过程中易受到传输噪声干扰等情况,而噪声的存在不便于对风电场内风速的变化分析,进而影响后续的发电效率优化,故通常需要将噪声进行异常检测,从而提高风速的采集监测效果。
异常检测需要基于数据的局部波动变化信息来判断,但在采集开始或采集结束时的部分邻近端点的风速数据由于局部样本的局限性导致难以准确分析其变化趋势及规律,故通常会在端点处对采集数据段进行适当延拓。但延拓过长可能导致过拟合,并增加计算量及数据处理难度;延拓过短又会由于数据量不足导致无法充分分析数据的波动变化趋势及规律,最终影响异常检测的准确性;故选择合适的延拓长度至关重要,不合适的延拓长度可能无法适应端点处数据的异常分析,进而影响邻近端点处风速数据的采集效果。
发明内容
为了解决不合适的延拓长度导致风速数据异常检测的准确性较低的技术问题,本发明的目的在于提供一种海上风电能源数据实时采集方法及系统,所采用的技术方案具体如下:
获取风电能源数据中的风速数据序列、风机转速数据序列及所述风速数据序列中的端点子段序列,所述端点子段序列包括首端风速数据子序列和尾端风速数据子序列;
根据风速数据与风机转速数据的时间延迟情况获取每个所述端点子段序列在所述风机转速数据序列中的参考子段序列;在每个所述端点子段序列与对应所述参考子段序列间,根据相同序号的风速数据与风机转速数据在对应所属子段序列中分布的差异,获取每个风速数据与对应风机转速数据间的变化关联性;
根据每个所述端点子段序列中每个风速数据的波动情况及与风机转速数据间的所述变化关联性,获取每个所述端点子段序列的延拓需求程度,根据所述延拓需求程度对所述端点子段序列进行延拓;获取延拓后的每个端点子段序列中的延拓子序列的延拓需求程度,根据最新得到的延拓需求程度对最新延拓后的端点子段序列进行延拓;不断迭代直至延拓后的端点子段序列中的延拓子序列的延拓需求程度满足预设条件时停止延拓,得到最终延拓后的风速数据延拓序列;
对风速数据延拓序列中的风速数据进行异常检测。
进一步地,所述端点子段序列的获取方法包括:
以所述风速数据序列中的首个风速数据为起点,沿时序方向获取预设第一数量个风速数据构建首端风速数据子序列;
以所述风速数据序列中的末尾风速数据为起点,沿时序反方向获取预设第二数量个风速数据构建尾端风速数据子序列;
所述首端风速数据子序列与所述尾端风速数据子序列的时序方向相同。
进一步地,所述参考子段序列的获取方法包括:
根据所述风速数据序列及所述风机转速数据序列中特征数据对应采样时间间隔,获取风速数据与风机转速数据的延迟间隔;
将所述首端风速数据子序列的首个风速数据的采样时刻加上所述延迟间隔,得到对应参考子段序列的首个风机转速数据对应采样时刻,从参考子段序列的首个风机转速数据对应采样时刻开始,沿时序方向获取与所述首端风速数据子序列的相同序列长度的风机转速数据序列作为所述首端风速数据子序列的参考子段序列;
将所述尾端风速数据子序列的末尾风速数据的采样时刻加上所述延迟间隔,得到对应参考子段的末尾风机转速数据对应采样时刻,从参考子段序列的末尾风机转速数据对应采样时刻开始,沿时序反方向获取与所述尾端风速数据子序列的相同序列长度的风机转速数据序列作为所述尾端风速数据子序列的参考子段序列。
进一步地,所述延迟间隔的获取方法包括:
在所述风速数据序列及风机转速数据序列间,任选一对起止时刻相同且极大值点或极小值点数量相同的风速序列子段及风机转速序列子段,并分别将所述风速序列子段及风机转速序列子段中的极大值点或极小值点进行顺序排序;
在所述风速序列子段及风机转速序列子段间,计算相同序号的极大值点或极小值点间的采样时刻间隔的均值,将均值取整得到风速数据与风机转速数据的延迟间隔。
进一步地,所述变化关联性的计算公式包括:
;其中,/>为端点子段序列中第/>个风速数据与对应参考子段序列中第/>个风机转速数据间的变化关联性;/>为端点子段序列中第/>个风速数据的幅值在端点子段序列中的百分位数;/>为参考子段序列中第/>个风机转速数据的幅值在参考子段序列中的百分位数;/>为端点子段序列或参考子段序列的序列长度;/>为以自然常数/>为底数的指数函数。
进一步地,所述风速数据延拓序列的获取方法包括:
所述风速数据延拓序列包含两个延拓子序列,所述延拓子序列包括首端延拓子序列和尾端延拓子序列,其中将首端风速数据子序列向外延拓得到的延拓子序列为首端延拓子序列,将尾端风速数据子序列向外延拓得到的延拓子序列为尾端延拓子序列;将所述首端延拓子序列与所述尾端延拓子序列分别对应拼接在风速数据序列的首尾两端,得到风速数据延拓序列;
对于任意一个所述延拓子序列,所述延拓子序列的获取过程包括初始延拓过程及多次迭代延拓过程:
对于初始延拓过程,将所述端点子段序列的所述延拓需求程度乘以预设第一延拓长度后加上预设调节正参数,得到所述端点子段序列的初始延拓长度,将所述端点子段序列向外延拓所述初始延拓长度,获取初始延拓过程得到的初始延拓后的端点子段序列;
对于任意一次迭代延拓过程,根据上一次延拓过程得到的延拓后的端点子段序列中的延拓子序列的延拓需求程度,判断是否将上一次延拓后的端点子段序列进行延拓,若上次迭代过程所对应的延拓子序列的延拓需求程度大于或者等于预设阈值,则将上一次迭代过程得到的延拓后的端点子段序列向外延拓预设第二延拓长度,否则停止迭代;
将初始延拓后的端点子段序列作为第一次迭代延拓过程的上一次延拓过程得到的延拓后的端点子段序列,对端点子段序列进行延拓;
对于任意一个端点子段序列,将最后一次迭代后所得到的延拓后的端点子段序列中的延拓子序列作为对应端点子段序列的延拓子序列。
进一步地,对于初始延拓过程所对应的延拓需求程度的获取方法包括:
在所述端点子段序列中,根据风速数据相对平均水平的偏离情况获取风速数据的两极化趋势系数;根据初始延拓过程所对应的延拓需求程度的计算公式获取对应的延拓需求程度;初始延拓过程所对应的延拓需求程度的计算公式为:
;其中,/>为初始延拓过程所对应的延拓需求程度;/>为初始延拓过程中端点子段序列的序列长度;/>为初始延拓过程中端点子段序列中第/>个风速数据的幅值;/>为初始延拓过程中端点子段序列中所有风速数据的幅值均值;/>为初始延拓过程中端点子段序列中第/>个风速数据与参考子段序列中第/>个风机转速数据间的变化关联性;/>为初始延拓过程中端点子段序列中风速数据的两极化趋势系数;/>为标准归一化函数;/>为取绝对值符号;
对于任意一次迭代延拓过程所对应的延拓需求程度的获取方法包括:
在风速数据序列的端点子段序列的每次迭代延拓过程中,将风机转速数据同步延拓对应相同长度,得到每次迭代延拓后得到的端点子段序列中的延拓子序列的参考延拓子序列,所述参考延拓子序列为与风速数据同步延拓的风机转速序列中的延拓子序列;
在上一次延拓过程得到的延拓后的端点子段序列中的延拓子序列中,根据风速数据相对平均水平的偏离情况获取风速数据的两极化趋势系数;在上一次延拓过程得到的延拓后的端点子段序列中的延拓子序列与对应参考延拓子序列间,获取每个风速数据与对应风机转速数据间的变化关联性;根据每次迭代延拓过程所对应的延拓需求程度的计算公式获取对应的延拓需求程度;每次迭代延拓过程所对应的延拓需求程度的计算公式为:
;其中,/>为每次迭代延拓过程所对应的延拓需求程度;/>为每次迭代延拓过程的上一次迭代延拓所获取的端点子段序列中延拓子序列的序列长度;/>为每次迭代延拓过程的上一次迭代延拓所获取的端点子段序列中延拓子序列中的第/>个风速数据的幅值;/>为每次迭代延拓过程的上一次迭代延拓所获取的端点子段序列中延拓子序列内所有风速数据的幅值均值;/>为每次迭代延拓过程的上一次迭代延拓所获取的端点子段序列中延拓子序列中第/>个风速数据与对应参考延拓子序列中第/>个风机转速数据间的变化关联性;/>为每次迭代延拓过程的上一次迭代延拓所获取的端点子段序列中的延拓子序列中风速数据的两极化趋势系数;/>为标准归一化函数;/>为取绝对值符号。
进一步地,对于初始延拓过程所对应的两极化趋势系数的计算公式包括:
;其中,/>为预设第一对比正参数;/>为初始延拓过程中端点子段序列中风速数据的幅值大于所有风速数据的幅值均值的风速数据数量;为初始延拓过程中端点子段序列中风速数据的幅值小于所有风速数据的幅值均值的风速数据数量;/>为取绝对值符号;
对于每次迭代延拓过程所对应的两极化趋势系数的计算公式包括:
;其中,/>为预设第二对比正参数;/>为每次迭代延拓过程的上一次迭代延拓所获取的端点子段序列中的延拓子序列内风速数据的幅值大于所有风速数据的幅值均值的风速数据数量;/>为每次迭代延拓过程的上一次迭代延拓所获取的端点子段序列中的延拓子序列内风速数据的幅值小于所有风速数据的幅值均值的风速数据数量;/>为取绝对值符号。
进一步地,所述对风速数据延拓序列中的风速数据进行异常检测的异常检测方法包括:
在所述风速数据延拓序列中,以风速数据序列中的每个风速数据为中心构建预设邻域,在每个风速数据的预设邻域内的所有数据采用箱线图进行分析,当箱线图中存在异常数据时,则箱线图对应预设邻域的中心的风速数据存在异常。
本发明还提出一种海上风电能源数据实时采集系统,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现所述一种海上风电能源数据实时采集方法的步骤。
本发明具有如下有益效果:
本发明首先获取风电能源数据中的风速数据序列、风机转速数据序列及风速数据序列中的所有端点子段序列,以便通过分析端点子段序列内风速数据的变化情况确定其延拓需求;根据风速数据与风机转速数据的时间延迟情况获取每个端点子段序列在风机转速数据序列中的参考子段序列,通过分析时间延迟情况保证风速数据与风机转速数据的时序变化同步性,然后将风机转速数据作为参考,以准确分析风速数据的变化情况;在每个端点子段序列与对应参考子段序列间,根据相同序号的风速数据与风机转速数据在对应所属子段序列中分布的差异,获取每个风速数据与对应风机转速数据间的变化关联性,分布情况越相似,则二者的变化趋势表现越相似的,数据间的变化关联性越高,则风速数据的波动情况越可信,进而结合每个端点子段序列中风速数据的波动情况,准确获取每个端点子段序列的延拓需求程度;根据延拓需求程度对端点子段序列进行延拓,然后获取延拓后的每个端点子段序列的延拓需求程度,根据最新得到的延拓需求程度对最新延拓后的端点子段序列进行延拓;不断迭代直至每次延拓后端点子段序列的再延拓需求程度满足预设条件时停止延拓,得到延拓后的风速数据延拓序列;对风速数据延拓序列中的风速数据进行异常检测。本发明根据结合风速数据与风机转速数据的时间延迟情况分析二者的变化相关性,进一步结合风速数据的波动变化情况,对风速数据自适应延拓,从而能够对邻近端点的风速数据进行准确的异常分析,提高风电能源数据的实时采集效果。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案和优点,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的介绍,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它附图。
图1为本发明一个实施例所提供的一种海上风电能源数据实时采集方法的流程图;
图2为本发明一个实施例所提供的风速数据及风机转速数据的采集传感器布设图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例,对依据本发明提出的一种海上风电能源数据实时采集方法及系统,其具体实施方式、结构、特征及其功效,详细说明如下。在下述说明中,不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外,一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
下面结合附图具体的说明本发明所提供的一种海上风电能源数据实时采集方法及系统的具体方案。
请参阅图1,其示出了本发明一个实施例提供的一种海上风电能源数据实时采集方法的流程图,该方法包括:
本发明实施例首先在风速数据序列的端点附近获取端点子段序列,然后分析风机转速数据与风速数据的变化相关性,结合风速数据的波动变化情况,分析端点子段序列的延拓需求,进一步对延拓后的延拓子序列进行分析并按需延拓,得到根据数据的变化信息自适应延拓后的风速数据延拓序列,从而能够对邻近端点处的数据进行准确的异常分析,提高风电能源数据的实时采集效果。
步骤S1,获取风电能源数据中的风速数据序列、风机转速数据序列及风速数据序列中的端点子段序列,端点子段序列包括首端风速数据子序列和尾端风速数据子序列。
在本发明的一个实施例中,首先在海上风电厂中设置风速监测仪实时采集风速数据,并在发电风机的风机轴上安装转速传感器采集风机转速数据;其中每次采集的采集时长设置为30分钟,两种传感器的采样频率一致,均设置为每秒一次;然后将采集起止时刻所获得的风速数据及风机转速数据分别构建序列,得到采样期间的风速数据序列及风机转速序列;风速数据序列及风机转速数据序列的采集起止时刻需要相同,例如统一在上午十点至十点半采集风速数据及风机转速数据,以保证数据的同步可分析性。
需要说明的是,海上风电厂内的风机可能存在多台,本发明实施例仅从中任选一台进行采集分析;其中本发明实施例所针对的风电内的场景为:风速监测仪的安装位置相对风机较靠风电厂的外围,请参阅图2,其示出了本发明一个实施例所提供的风速数据及风机转速数据的采集传感器布设图,即当海风吹过,风速监测仪首先测定当前风速,同时海风作用于风机使得风机做功发电;在本发明的其他实施例中,实施者也可根据具体情况选取多台风机同步采集分析;实施者也可设置其他采样时长以及其他采样频率,也可将两种传感器设置为不同的采样频率,但需要保持采样数据的同步性,以便作对应分析。
由于在采集开始或采集结束时的部分邻近端点的风速数据由于局部样本风速数据的数量局限性导致难以准确判断其异常性,本发明实施例进一步获取风速数据序列中邻近端点处的端点子段序列,端点子段序列包括首端风速数据子序列和尾端风速数据子序列,通过分析其子段序列内风速数据的变化情况确定其延拓需求。
需要说明的是,存在采样期间因传感器故障或传输问题等随机因素导致风速数据序列或风机转速数据序列存在数值缺失及冗余等情况,实施者需针对数据缺失及冗余情况进行相应的降噪及插值等预处理,以保证风速数据序列及风机转速数据序列的完整性;其中数据的降噪及插值等预处理已是本领域技术人员熟知的现有技术,在此不再赘述。
优选地,在本发明的一个实施例中,端点子段序列的获取方法包括:以风速数据序列中的首个风速数据为起点,沿时序方向获取预设第一数量个风速数据构建首端风速数据子序列;以风速数据序列中的末尾风速数据为起点,沿时序反方向获取预设第二数量个风速数据构建尾端风速数据子序列;首端风速数据子序列与尾端风速数据子序列的时序方向相同。其中预设第一数量及预设第二数量均取100,即将风速数据序列中的首100个数据构建首端风速数据子序列,尾100个数据构建尾端风速数据子序列,实施者可根据具体情况设置其他取值。
需要说明的是,预设第一数量可以不等于预设第二数量,但在后续分析过程中,首端风速数据子序列或尾端风速数据子序列分别与其对应的参考子段序列的序列长度需要保持一致,以保证方案的可实施性。
步骤S2,根据风速数据与风机转速数据的时间延迟情况获取每个端点子段序列在风机转速数据序列中的参考子段序列;在每个端点子段序列与对应参考子段序列间,根据相同序号的风速数据与风机转速数据在对应所属子段序列中分布的差异,获取每个风速数据与对应风机转速数据间的变化关联性。
对于邻近端点处的风速数据而言,若端点子段序列内的风速数据变化越剧烈,则越需要更多的延拓数据以充分反映邻近端点处的风速数据的波动变化规律及趋势,延拓需求程度也就越大;反之,若端点处的数据变化缓慢或平稳,延拓需求程度也会越小。但考虑到风速数据中可能存在噪声,导致风速数据的波动变化分析准确性低,进而影响延拓效果;又考虑到风机正是由于风力带动风机叶片转动从而发电,则风机转速的变化通常侧面反映了风速的变化,但由于传感器安装位置及风机叶片的面积因素导致风力对叶片的作用需要一定的时间才能传递表现到风机转速的变化,即风速数据与风机转速数据间存在一定的时间延迟,且风速数据与风机转速数据同时受噪声干扰的可能性极低,故可将风机转速数据作为参考,以准确分析风速数据的变化情况。
基于此,本发明实施例首先根据风速数据与风机转速数据的时间延迟情况获取每个端点子段序列在风机转速数据序列中的参考子段序列,进而结合端点子段序列与对应参考子段序列间风速与风机转速的变化关联性准确评估风速数据的变化情况。
优选地,在本发明的一个实施例中,考虑到风速监测仪及风机转速传感器的安装位置使得风力会延迟作用在风机上,故当风速剧烈变化时,风机转速也随后发生相似的剧烈变化趋势,表现为风速数据序列与风机转速序列中均在相似的特征数据表现,通过分析特征数据对应采样时刻间的时间间隔可以评估风速与风机转速间的延迟情况;进一步可获取风速数据的端点子段序列的参考子段序列,通过尽量消除时间延迟效应使得两序列中相同序列元素序号的风机转速数据是风速数据的实时响应,保证风速数据与风机转速数据的时序变化同步性,以便于对风速数据的变化分析做参考;参考子段序列的获取方法包括:
根据风速数据序列及风机转速数据序列中特征数据对应采样时间间隔,获取风速数据与风机转速数据的延迟间隔;
将首端风速数据子序列的首个风速数据的采样时刻加上延迟间隔,得到对应参考子段序列的首个风机转速数据对应采样时刻,从参考子段序列的首个风机转速数据对应采样时刻开始,沿时序方向获取与首端风速数据子序列的相同序列长度的风机转速数据序列作为首端风速数据子序列的参考子段序列;
将尾端风速数据子序列的末尾风速数据的采样时刻加上延迟间隔,得到对应参考子段的末尾风机转速数据对应采样时刻,从参考子段序列的末尾风机转速数据对应采样时刻开始,沿时序反方向获取与尾端风速数据子序列的相同序列长度的风机转速数据序列作为尾端风速数据子序列的参考子段序列。
在本发明的一个优选实施例中,延迟间隔的获取方法包括:
在风速数据序列及风机转速数据序列间,任选一对起止时刻相同且极大值点或极小值点数量相同的风速序列子段及风机转速序列子段,并分别将风速序列子段及风机转速序列子段中的极大值点或极小值点进行顺序排序;
在风速序列子段及风机转速序列子段间,计算相同序号的极大值点或极小值点间的采样时刻间隔的均值,将均值取整得到风速数据与风机转速数据的延迟间隔。
通过选取相同时长且具有同步变化趋势的风速序列子段及风机转速子段来分析延迟间隔更为准确,其中相同时长且具有同步变化趋势的一对风速序列子段及风机转速子段可能存在多段,例如在上午10:10-10:15,该时间段内对应的风速序列子段中存在极大值数量为50,风机转速序列子段中的极大值数量也为50;上午10:17-10:19,该时间段内对应的风速序列子段中存在极大值数量为18,风机转速序列子段中的极大值数量也为18;则从中任选一对起止时刻相同且极大值点或极小值点数量相同的风速序列子段及风机转速序列子段进行分析,评估风速与风机转速之间的延迟情况。
需要说明的是,极大值点与极小值点均能反映数据的波动情况,本发明实施例考虑到若相同序号的极值点为一个极大值与一个极小值,二者反映的数据波动趋势存在较大差异,则会影响延迟间隔的准确性,故本发明实施例选取极大值点进行分析;又由于相同序号的极值点间的采样时刻间隔的均值可能为非整数,而风速数据序列与风机转速序列中数据的采样间隔为整数,则需要进一步做取整处理,在本发明实施例中向下取整。
延迟时间间隔的计算公式为:
;
其中,为风速数据与风机转速数据的延迟间隔;/>为风速序列子段或风机转速序列子段中极大值点的总数量;/>为风速序列子段的代号、/>为风机转速序列子段的代号;/>为风速序列子段/>中极大值点对应的采样时刻;/>为风机转速序列子段/>中极大值点对应的采样时刻;/>为向下取整函数。
在本发明的另一个实施例中,实施者也可通过交叉相关函数来获取风速数据序列与风机转速序列间的时间差,将时间差取整处理作为延迟间隔;其中交叉相关函数为本领域技术人员熟知的现有技术,在此不再赘述。
消除时间延迟效应并获取端点子段序列的参考子段序列后,便可分析每个风速数据与对应风机转速数据间的变化关联性。考虑到在每个端点子段序列与对应参考子段序列间,相同序号的风速数据与风机转速数据间的幅值可能不同,但相同序号的风速数据在对应端点子段序列及风机转速数据在对应参考子段序列中的变化趋势表现应当是相似的,幅值在对应所属子段序列中的分布情况也应当是相似的;故本发明实施例在每个端点子段序列与对应参考子段序列间,根据相同序号的风速数据与风机转速数据在对应所属子段序列中分布的差异,获取每个风速数据与对应风机转速数据间的变化关联性。
优选地,在本发明的一个实施例中,考虑到百分位数能够反映数据的分布水平,通过对比风速数据的幅值在端点子段序列中所有幅值的百分位数,及风机转速数据的幅值在参考子段序列中所有幅值的百分位数,可以评估相同序号下即风速数据与同步时序响应的风机转速数据间的幅值水平的差异,差异越小,说明二者的变化越同步,风速数据受噪声影响的可能性越小,对于风速数据的变化情况分析越准确,进而对端点子段序列的延拓需求分析越准确。变化关联性的计算公式包括:
;其中,/>为端点子段序列中第/>个风速数据与对应参考子段序列中第/>个风机转速数据间的变化关联性;/>为端点子段序列中第/>个风速数据的幅值在端点子段序列中的百分位数;/>为参考子段序列中第/>个风机转速数据的幅值在参考子段序列中的百分位数;/>为端点子段序列或参考子段序列的序列长度;/>为以自然常数/>为底数的指数函数。
变化关联性的计算公式中,将相同序号的风速数据与风机转速数据间的百分位数的差异与平均水平作对比,越大,越偏离平均水平,说明风速数据与风机转速数据的同步变化性越低,通过将其负相关映射到指数函数中调整逻辑关系并实现归一化,差异越小,说明变化越同步,则变化相关性越高。
步骤S3,根据每个端点子段序列中每个风速数据的波动情况及与风机转速数据间的变化关联性,获取每个端点子段序列的延拓需求程度,根据延拓需求程度对端点子段序列进行延拓;获取延拓后的每个端点子段序列中的延拓子序列的延拓需求程度,根据最新得到的延拓需求程度对最新延拓后的端点子段序列进行延拓;不断迭代直至延拓后的端点子段序列中的延拓子序列的延拓需求程度满足预设条件时停止延拓,得到最终延拓后的风速数据延拓序列。
根据步骤S2中获取了每个端点子段序列与对应参考子段序列间,每个风速数据与对应风机转速数据间的变化关联性后,便可根据每个端点子段序列中每个风速数据的波动情况及与风机转速数据间的变化关联性,获取每个端点子段序列的延拓需求程度,并根据延拓需求程度对端点子段序列进行延拓;又考虑到延拓数据中同样可能存在噪声等异常数据或由于数据的平滑连续性不佳等原因,无法保证延拓数据对于准确分析邻近端点子序列的风速数据变化的效果;故进一步获取延拓后的每个端点子段序列中的延拓子序列的延拓需求程度,根据最新得到的延拓需求程度对最新延拓后的端点子段序列进行延拓;不断迭代直至延拓后的端点子段序列中的延拓子序列的延拓需求程度满足预设条件时停止延拓,得到最终延拓后的风速数据延拓序列。
优选地,在本发明的一个实施例中,风速数据延拓序列的获取方法包括:
风速数据延拓序列包含两个延拓子序列,延拓子序列包括首端延拓子序列和尾端延拓子序列,其中将首端风速数据子序列向外延拓得到的延拓子序列为首端延拓子序列,将尾端风速数据子序列向外延拓得到的延拓子序列为尾端延拓子序列;将首端延拓子序列与尾端延拓子序列分别对应拼接在风速数据序列的首尾两端,得到风速数据延拓序列;
对于任意一个延拓子序列,延拓子序列的获取过程包括初始延拓过程及多次迭代延拓过程:
对于初始延拓过程,将端点子段序列的延拓需求程度乘以预设第一延拓长度后加上预设调节正参数,得到端点子段序列的初始延拓长度,将端点子段序列向外延拓初始延拓长度,获取初始延拓过程得到的初始延拓后的端点子段序列;
对于任意一次迭代延拓过程,根据上一次延拓过程得到的延拓后的端点子段序列中的延拓子序列的延拓需求程度,判断是否将上一次延拓后的端点子段序列进行延拓,若上次迭代过程所对应的延拓子序列的延拓需求程度大于或者等于预设阈值,则将上一次迭代过程得到的延拓后的端点子段序列向外延拓预设第二延拓长度,否则停止迭代;
将初始延拓后的端点子段序列作为第一次迭代延拓过程的上一次延拓过程得到的延拓后的端点子段序列,对端点子段序列进行延拓;
对于任意一个端点子段序列,将最后一次迭代后所得到的延拓后的端点子段序列中的延拓子序列作为对应端点子段序列的延拓子序列。
在本发明实施例中,首先根据端点子段序列的延拓需求程度确定初始延拓长度,对端点子段序列进行初始延拓,进一步分析初始延拓后每个端点子段序列对应的延拓子序列的数据变化情况以确定延拓后的每个端点子段序列中的延拓子序列的延拓需求程度,以进行再延拓;通过不断迭代分析并延拓,直至满足预设条件时停止延拓;然后将最终延拓后得到的首端延拓子序列与尾端延拓子序列分别拼接在风速数据序列的首尾两端,得到最终的风速数据延拓序列;其中,预设第一延拓长度为100,预设调节正参数为0.5,预设阈值为0.6,预设第二延拓长度为30,实施者可根据具体实施情况自行设置参数取值。
需要说明的是,在本发明的一个实施例中,数据延拓过程中可以通过在风速数据序列的采集开始前后,同步采集一部分非采集时间段内的数据作为备用的延拓数据;在本发明的另一个实施例中,实施者也可以通过将采集的风速数据序列进行重复或平移等一些变换操作,以增加数据的多样性得到备用的延拓数据;在本发明的其他实施例中,实施者也可通过分析风速数据的周期性特征,根据数据的周期性特征拟合出延拓子序列的数据,或通过差值拟合得到延拓数据;以上均为本领域技术人员熟知的现有技术,在此不在赘述。
初始延拓长度的计算公式为:
;
其中,为初始延拓长度;/>为预设第一延拓长度;/>为延拓需求程度;/>为预设调节正参数;/>为向下取整函数。在本发明实施例中,预设第一延拓长度为100,预设调节正参数为0.5,用于向下取整时向前进位,实施者可根据具体实施情况自行调整。
由于首端延拓子序列及尾端延拓子序列的延拓过程相似,在此仅举例简述首端延拓子序列的延拓过程,例如,风速数据序列为{A1、A2、A3…A100…An},则首端风速数据子序列为{A1、A2、A3…A100},若获取首端风速数据子序列的初始延拓长度为65,则初始延拓后所得到的首端风速数据子序列为{B1、B2、B3…B65、A1、A2、A3…A100},其中初始延拓后所得的首端风速数据子序列中的首端延拓子序列为{B1、B2、B3…B65};然后将初始延拓过程所得到的首端风速数据子序列中作为第一次迭代延拓过程的上一次延拓过程得到的延拓后的首端风速数据子序列,分析延拓后的端点子段序列中的首端延拓子序列的延拓需求程度,若延拓需求程度大于或等于预设阈值0.6时,则需要进行第二次延拓,将其延拓预设第二延拓长度即30,得到新的首端风速数据子序列{C1、C2、C3…C30、B1、B2、B3…B65、A1、A2、A3…A100},其中新的首端风速数据子序列中的首端延拓子序列为{C1、C2、C3…C30、B1、B2、B3…B65},是基于上一次迭代过程获得的首端延拓子序列{B1、B2、B3…B65}的进一步延拓;进一步判断第二次延拓所得到的首端风速数据子序列中的首端延拓子序列{C1、C2、C3…C30、B1、B2、B3…B65}的延拓需求程度,若延拓需求程度仍大于或等于预设阈值0.6,则进行第三次延拓,得到新的首端风速数据子序列{D1、D2、D3…D30、C1、C2、C3…C30、B1、B2、B3…B65、A1、A2、A3…A100},延拓长度仍为30,首端延拓子序列变为{D1、D2、D3…D30、C1、C2、C3…C30、B1、B2、B3…B65};进一步判断新的首端延拓子序列{D1、D2、D3…D30、C1、C2、C3…C30、B1、B2、B3…B65}的延拓需求程度,当再延拓需求程度小于预设阈值0.6时,停止延拓;通过不断迭代延拓,将最后一次迭代后所得到的延拓后的首端风速数据子序列中的首端延拓子序列作为最终获取的首端延拓子序列,并最终获取的首端延拓子序列的尾端风速数据与首端风速数据子序列的首个风速数据拼接在一起;在本例中,最终获取的首端延拓子序列即为{D1、D2、D3…D30、C1、C2、C3…C30、B1、B2、B3…B65},则将最终获取的首端延拓子序列拼接在风速数据序列的首端,得到{D1、D2、D3…D30、C1、C2、C3…C30、B1、B2、B3…B65、A1、A2、A3…A100…An},通过同样的延拓方式对风速数据序列的尾端进行分析延拓并拼接,得到最终的风速数据延拓序列。
需要说明的是,首端延拓子序列及尾端延拓子序列的延拓过程相似,都是首先进行初始延拓然后不断分析每次延拓后得到的新的尾端风速数据子序列的延拓需求进行迭代延拓,但延拓方向不同;例如,尾端风速数据子序列为{An-99、An-98、An-97…An},若获取其初始延拓长度为65,则初始延拓后所得到的首端风速数据子序列为{An-99、An-98、An-97…An、B1、B2、B3…B65},其中初始延拓后所得的尾端风速数据子序列中的尾端延拓子序列为{B1、B2、B3…B65};其详细延拓步骤与首端延拓子序列的延拓步骤相似,不再赘述。
优选地,在本发明的一个实施例中,考虑到风速数据相对平均水平的差异以及两极化趋势,可以反映序列内风速数据的波动变化情况;又考虑风速与风机转速间的变化相关性反映了风速数据波动变化的可信度;
基于此,对于初始延拓过程所对应的延拓需求程度的获取方法包括:
在端点子段序列中,根据风速数据相对平均水平的偏离情况获取风速数据的两极化趋势系数;根据初始延拓过程所对应的延拓需求程度的计算公式获取对应的延拓需求程度;
初始延拓过程所对应的延拓需求程度的计算公式为:
;
其中,为初始延拓过程所对应的延拓需求程度;/>为初始延拓过程中端点子段序列的序列长度;/>为初始延拓过程中端点子段序列中第/>个风速数据的幅值;/>为初始延拓过程中端点子段序列中所有风速数据的幅值均值;/>为初始延拓过程中端点子段序列中第/>个风速数据与参考子段序列中第/>个风机转速数据间的变化关联性;/>为初始延拓过程中端点子段序列中风速数据的两极化趋势系数;/>为标准归一化函数;/>为取绝对值符号。
对于任意一次迭代延拓过程所对应的延拓需求程度的获取方法包括:
在风速数据序列的端点子段序列的每次迭代延拓过程中,将风机转速数据同步延拓对应相同长度,得到每次迭代延拓后得到的端点子段序列中的延拓子序列的参考延拓子序列,参考延拓子序列为与风速数据同步延拓的风机转速序列中的延拓子序列;
在上一次延拓过程得到的延拓后的端点子段序列中的延拓子序列中,根据风速数据相对平均水平的偏离情况获取风速数据的两极化趋势系数;在上一次延拓过程得到的延拓后的端点子段序列中的延拓子序列与对应参考延拓子序列间,获取每个风速数据与对应风机转速数据间的变化关联性;根据每次迭代延拓过程所对应的延拓需求程度的计算公式获取对应的延拓需求程度;
每次迭代延拓过程所对应的延拓需求程度的计算公式为:
;其中,/>为每次迭代延拓过程所对应的延拓需求程度;/>为每次迭代延拓过程的上一次迭代延拓所获取的端点子段序列中延拓子序列的序列长度;/>为每次迭代延拓过程的上一次迭代延拓所获取的端点子段序列中延拓子序列中的第/>个风速数据的幅值;/>为每次迭代延拓过程的上一次迭代延拓所获取的端点子段序列中延拓子序列内所有风速数据的幅值均值;/>为每次迭代延拓过程的上一次迭代延拓所获取的端点子段序列中延拓子序列中第/>个风速数据与对应参考延拓子序列中第/>个风机转速数据间的变化关联性;/>为每次迭代延拓过程的上一次迭代延拓所获取的端点子段序列中的延拓子序列中风速数据的两极化趋势系数;/>为标准归一化函数;/>为取绝对值符号。
对于初始延拓过程或每次迭代延拓过程中对应的延拓需求程度的计算公式中,变化关联性在所有变化关联性中的水平即或/>,比值越大,则对于风速数据的波动变化趋势分析的准确性越高;风速数据相对平均水平的偏离情况即/>或,差异越大,波动越大,对应的延拓需求越大;两极化趋势系数也侧面反映了风速数据的离散程度越大,对应的波动程度越大,延拓需求也越大。
需要说明的是,对于初始延拓过程或每次迭代延拓过程中对应的延拓需求程度的计算过程中,涉及风速数据与风机转速数据间的变化相关性的计算,在初始延拓过程中,是基于端点子段序列与对应的参考子段序列间相同序号的风速数据与风机转速数据间的信息计算获得;但在迭代延拓过程中,需要基于上一次延拓后所得到的新的端点子段序列中的延拓子序列与对应的参考延拓子序列间相同序号的风速数据与风机转速数据间的信息计算获得;其中,在风速数据序列的端点子段序列的每次迭代延拓过程中,将风机转速数据同步延拓对应相同长度,得到每次迭代延拓后得到的端点子段序列中的延拓子序列的参考延拓子序列,每个参考延拓子序列为与风速数据同步延拓的风机转速序列中的延拓子序列;例如初始延拓后所得到的首端风速数据子序列为{B1、B2、B3…B65、A1、A2、A3…A100},其中首端延拓子序列为{B1、B2、B3…B65},则将风机转速序列同步延拓,得到其对应参考延拓子序列{b1、b2、b3…b65};当新的首端风速数据子序列{C1、C2、C3…C30、B1、B2、B3…B65、A1、A2、A3…A100},其中新的首端延拓子序列为{C1、C2、C3…C30、B1、B2、B3…B65},则其对应的新的参考延拓子序列{c1、c2、c3…c30、b1、b2、b3…b65};尾端风速数据子序列延拓后延拓子序列的参考延拓子序列获取方法同理,在此不赘述;其中风机转速数据的延拓过程中的备用的延拓数据与风速数据延拓过程中的备用延拓数据获取方法相同,在此不赘述。
在本发明的一个优选实施例中,考虑到风速数据相对平均水平的偏离情况可以反映风速数据的两极化趋势,当高于平均水平与低于平均水平的风速数据的数量差异越大,则说明风速数据的分布越不均衡,离散程度越大;基于此,构建两极化趋势系数的计算公式包括:
对于初始延拓过程所对应的两极化趋势系数的计算公式包括:
;其中,/>为预设第一对比正参数;/>为初始延拓过程中端点子段序列中风速数据的幅值大于所有风速数据的幅值均值的风速数据数量;为初始延拓过程中端点子段序列中风速数据的幅值小于所有风速数据的幅值均值的风速数据数量;/>为取绝对值符号;
对于每次迭代延拓过程所对应的两极化趋势系数的计算公式包括:
;其中,/>为预设第二对比正参数;/>为每次迭代延拓过程的上一次迭代延拓所获取的端点子段序列中的延拓子序列内风速数据的幅值大于所有风速数据的幅值均值的风速数据数量;/>为每次迭代延拓过程的上一次迭代延拓所获取的端点子段序列中的延拓子序列内风速数据的幅值小于所有风速数据的幅值均值的风速数据数量;/>为取绝对值符号。
其中,预设第一对比正参数与预设第二对比正参数均取1,实施者可自行设置。
对于初始延拓过程或每次迭代延拓过程中对应的两极化趋势系数的计算公式中,比值越大或越小都说明风速数据的分布不均衡,通过与预设对比正参数1作对照,当比值与1的差值绝对值越大,风速数据的两极化趋势系数越大。
步骤S4,对风速数据延拓序列中的风速数据进行异常检测。
在对风速数据进行延拓后,便对最终延拓后的风速数据延拓序列中的风速数据进行异常检测。
优选地,在本发明的一个实施例中,对风速数据延拓序列中的风速数据进行异常检测的异常检测方法包括:
在风速数据延拓序列中,以风速数据序列中的每个风速数据为中心构建预设邻域,在每个风速数据的预设邻域内的所有数据采用箱线图进行分析,当箱线图中存在异常数据时,则箱线图对应预设邻域的中心的风速数据存在异常。其中,对于风速数据序列中的非端点子段序列内的风速数据,则以该风速数据为中心,向风速数据序列的两端获取预设数量即200个数据构建邻域;对于风速数据序列中的端点子段序列内的风速数据,则以每个风速数据为中心,以对应延拓子序列的长度为半径构建邻域,其中存在首尾两端延拓数据的长度不相等的可能性,则首端风速数据子序列的风速数据以首端延拓子序列的长度为半径,尾端风速数据子序列内的风速数据以尾端延拓子序列的长度为半径;将邻域内的所有数据采用箱线图进行分析,获取箱线图的异常上下限,若箱线图中存在高于异常上限或低于异常下限的数据时,则该箱线图对应邻域的中心风速数据存在异常。需要说明的是,箱线图异常上下限的获取及应用已是本领域技术人员熟知的现有技术,在此不赘述。
在本发明的另一个实施例中,也可以通过离群点检测算法如LOF算法检测出异常数据,其中LOF算法为本领域技术人员熟知的现有技术,在此不再赘述。
至此,准确对实时采集的海上风电能源数据中的风速数据进行异常检测。
综上所述,本发明首先获取风电能源数据中的风速数据序列、风机转速数据序列及风速数据序列中的所有端点子段序列;根据风速数据与风机转速数据的时间延迟情况获取每个端点子段序列在风机转速数据序列中的参考子段序列;在每个端点子段序列与对应参考子段序列间,根据相同序号的风速数据与风机转速数据在对应所属子段序列中分布的差异,获取每个风速数据与对应风机转速数据间的变化关联性,进而结合每个端点子段序列中每个风速数据的波动情况,获取每个端点子段序列的延拓需求程度;根据延拓需求程度对端点子段序列进行延拓,然后获取延拓后的每个端点子段序列的延拓需求程度,根据最新得到的延拓需求程度对最新延拓后的端点子段序列进行延拓;不断迭代直至每次延拓后端点子段序列的再延拓需求程度满足预设条件时停止延拓,得到延拓后的风速数据延拓序列;对最终延拓后的风速数据延拓序列中的风速数据进行异常检测。本发明根据结合风速数据与风机转速数据的时间延迟情况分析二者的变化相关性,进一步结合风速数据的波动变化情况,对风速数据自适应延拓,从而能够对邻近端点的风速数据进行准确的异常分析,提高风电能源数据的实时采集效果。
本发明还提出一种海上风电能源数据实时采集系统,包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序,处理器执行计算机程序时实现上述一种海上风电能源数据实时采集方法的步骤。
一种用于海上风电能源数据的数据延拓方法实施例:
为进一步优化海上风力发电的效率或保障风电场的安全可靠性,通常会对海上风电能源数据如风速及风机转速等进行采集监测,风速的监测分析可用于效率优化。由于风速数据在采集过程中易受到传输噪声干扰等情况,进而影响后续的发电效率优化,故通常需要将噪声进行异常检测。异常检测需要基于数据的局部波动变化信息来判断,但在采集开始或采集结束时的部分邻近端点的风速数据由于局部样本的局限性导致难以准确分析其变化趋势及规律,故通常会在端点处对采集数据段进行适当延拓。但延拓过长可能导致过拟合,并增加计算量及数据处理难度;延拓过短又会由于数据量不足导致无法充分分析数据的波动变化趋势及规律。
步骤S1,获取风电能源数据中的风速数据序列、风机转速数据序列及风速数据序列中的端点子段序列,端点子段序列包括首端风速数据子序列和尾端风速数据子序列。
步骤S2,根据风速数据与风机转速数据的时间延迟情况获取每个端点子段序列在风机转速数据序列中的参考子段序列;在每个端点子段序列与对应参考子段序列间,根据相同序号的风速数据与风机转速数据在对应所属子段序列中分布的差异,获取每个风速数据与对应风机转速数据间的变化关联性。
步骤S3,根据每个端点子段序列中每个风速数据的波动情况及与风机转速数据间的变化关联性,获取每个端点子段序列的延拓需求程度,根据延拓需求程度对端点子段序列进行延拓;获取延拓后的每个端点子段序列中的延拓子序列的延拓需求程度,根据最新得到的延拓需求程度对最新延拓后的端点子段序列进行延拓;不断迭代直至延拓后的端点子段序列中的延拓子序列的延拓需求程度满足预设条件时停止延拓,得到最终延拓后的风速数据延拓序列。
其中,步骤S1-S3在上述一种海上风电能源数据实时采集方法实施例中已给出了详细说明,不再赘述。
本发明首先获取风电能源数据中的风速数据序列、风机转速数据序列及风速数据序列中的所有端点子段序列,以便通过分析端点子段序列内风速数据的变化情况确定其延拓需求;根据风速数据与风机转速数据的时间延迟情况获取每个端点子段序列在风机转速数据序列中的参考子段序列,通过分析时间延迟情况保证风速数据与风机转速数据的时序变化同步性,然后将风机转速数据作为参考,以准确分析风速数据的变化情况;在每个端点子段序列与对应参考子段序列间,根据相同序号的风速数据与风机转速数据在对应所属子段序列中分布的差异,获取每个风速数据与对应风机转速数据间的变化关联性,分布情况越相似,则二者的变化趋势表现越相似的,数据间的变化关联性越高,则风速数据的波动情况越可信,进而结合每个端点子段序列中风速数据的波动情况,准确获取每个端点子段序列的延拓需求程度;根据延拓需求程度对端点子段序列进行延拓,然后获取延拓后的每个端点子段序列的延拓需求程度,根据最新得到的延拓需求程度对最新延拓后的端点子段序列进行延拓;不断迭代直至每次延拓后端点子段序列的再延拓需求程度满足预设条件时停止延拓,得到延拓后的风速数据延拓序列。本发明根据结合风速数据与风机转速数据的时间延迟情况分析二者的变化相关性,进一步结合风速数据的波动变化情况,对风速数据自适应延拓。
需要说明的是:上述本发明实施例先后顺序仅仅为了描述,不代表实施例的优劣。在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。
Claims (10)
1.一种海上风电能源数据实时采集方法,其特征在于,所述方法包括:
获取风电能源数据中的风速数据序列、风机转速数据序列及所述风速数据序列中的端点子段序列,所述端点子段序列包括首端风速数据子序列和尾端风速数据子序列;
根据风速数据与风机转速数据的时间延迟情况获取每个所述端点子段序列在所述风机转速数据序列中的参考子段序列;在每个所述端点子段序列与对应所述参考子段序列间,根据相同序号的风速数据与风机转速数据在对应所属子段序列中分布的差异,获取每个风速数据与对应风机转速数据间的变化关联性;
根据每个所述端点子段序列中每个风速数据的波动情况及与风机转速数据间的所述变化关联性,获取每个所述端点子段序列的延拓需求程度,根据所述延拓需求程度对所述端点子段序列进行延拓;获取延拓后的每个端点子段序列中的延拓子序列的延拓需求程度,根据最新得到的延拓需求程度对最新延拓后的端点子段序列进行延拓;不断迭代直至延拓后的端点子段序列中的延拓子序列的延拓需求程度满足预设条件时停止延拓,得到最终延拓后的风速数据延拓序列;
对风速数据延拓序列中的风速数据进行异常检测。
2.根据权利要求1所述的一种海上风电能源数据实时采集方法,其特征在于,所述端点子段序列的获取方法包括:
以所述风速数据序列中的首个风速数据为起点,沿时序方向获取预设第一数量个风速数据构建首端风速数据子序列;
以所述风速数据序列中的末尾风速数据为起点,沿时序反方向获取预设第二数量个风速数据构建尾端风速数据子序列;
所述首端风速数据子序列与所述尾端风速数据子序列的时序方向相同。
3.根据权利要求1所述的一种海上风电能源数据实时采集方法,其特征在于,所述参考子段序列的获取方法包括:
根据所述风速数据序列及所述风机转速数据序列中特征数据对应采样时间间隔,获取风速数据与风机转速数据的延迟间隔;
将所述首端风速数据子序列的首个风速数据的采样时刻加上所述延迟间隔,得到对应参考子段序列的首个风机转速数据对应采样时刻,从参考子段序列的首个风机转速数据对应采样时刻开始,沿时序方向获取与所述首端风速数据子序列的相同序列长度的风机转速数据序列作为所述首端风速数据子序列的参考子段序列;
将所述尾端风速数据子序列的末尾风速数据的采样时刻加上所述延迟间隔,得到对应参考子段的末尾风机转速数据对应采样时刻,从参考子段序列的末尾风机转速数据对应采样时刻开始,沿时序反方向获取与所述尾端风速数据子序列的相同序列长度的风机转速数据序列作为所述尾端风速数据子序列的参考子段序列。
4.根据权利要求3所述的一种海上风电能源数据实时采集方法,其特征在于,所述延迟间隔的获取方法包括:
在所述风速数据序列及风机转速数据序列间,任选一对起止时刻相同且极大值点或极小值点数量相同的风速序列子段及风机转速序列子段,并分别将所述风速序列子段及风机转速序列子段中的极大值点或极小值点进行顺序排序;
在所述风速序列子段及风机转速序列子段间,计算相同序号的极大值点或极小值点间的采样时刻间隔的均值,将均值取整得到风速数据与风机转速数据的延迟间隔。
5.根据权利要求1所述的一种海上风电能源数据实时采集方法,其特征在于,所述变化关联性的计算公式包括:
;其中,/>为端点子段序列中第/>个风速数据与对应参考子段序列中第/>个风机转速数据间的变化关联性;/>为端点子段序列中第/>个风速数据的幅值在端点子段序列中的百分位数;/>为参考子段序列中第/>个风机转速数据的幅值在参考子段序列中的百分位数;/>为端点子段序列或参考子段序列的序列长度;/>为以自然常数/>为底数的指数函数。
6.根据权利要求1所述的一种海上风电能源数据实时采集方法,其特征在于,所述风速数据延拓序列的获取方法包括:
所述风速数据延拓序列包含两个延拓子序列,所述延拓子序列包括首端延拓子序列和尾端延拓子序列,其中将首端风速数据子序列向外延拓得到的延拓子序列为首端延拓子序列,将尾端风速数据子序列向外延拓得到的延拓子序列为尾端延拓子序列;将所述首端延拓子序列与所述尾端延拓子序列分别对应拼接在风速数据序列的首尾两端,得到风速数据延拓序列;
对于任意一个所述延拓子序列,所述延拓子序列的获取过程包括初始延拓过程及多次迭代延拓过程:
对于初始延拓过程,将所述端点子段序列的所述延拓需求程度乘以预设第一延拓长度后加上预设调节正参数,得到所述端点子段序列的初始延拓长度,将所述端点子段序列向外延拓所述初始延拓长度,获取初始延拓过程得到的初始延拓后的端点子段序列;
对于任意一次迭代延拓过程,根据上一次延拓过程得到的延拓后的端点子段序列中的延拓子序列的延拓需求程度,判断是否将上一次延拓后的端点子段序列进行延拓,若上次迭代过程所对应的延拓子序列的延拓需求程度大于或者等于预设阈值,则将上一次迭代过程得到的延拓后的端点子段序列向外延拓预设第二延拓长度,否则停止迭代;
将初始延拓后的端点子段序列作为第一次迭代延拓过程的上一次延拓过程得到的延拓后的端点子段序列,对端点子段序列进行延拓;
对于任意一个端点子段序列,将最后一次迭代后所得到的延拓后的端点子段序列中的延拓子序列作为对应端点子段序列的延拓子序列。
7.根据权利要求6所述的一种海上风电能源数据实时采集方法,其特征在于,对于初始延拓过程所对应的延拓需求程度的获取方法包括:
在所述端点子段序列中,根据风速数据相对平均水平的偏离情况获取风速数据的两极化趋势系数;根据初始延拓过程所对应的延拓需求程度的计算公式获取对应的延拓需求程度;初始延拓过程所对应的延拓需求程度的计算公式为:
;其中,/>为初始延拓过程所对应的延拓需求程度;/>为初始延拓过程中端点子段序列的序列长度;/>为初始延拓过程中端点子段序列中第/>个风速数据的幅值;/>为初始延拓过程中端点子段序列中所有风速数据的幅值均值;/>为初始延拓过程中端点子段序列中第/>个风速数据与参考子段序列中第/>个风机转速数据间的变化关联性;/>为初始延拓过程中端点子段序列中风速数据的两极化趋势系数;/>为标准归一化函数;/>为取绝对值符号;
对于任意一次迭代延拓过程所对应的延拓需求程度的获取方法包括:
在风速数据序列的端点子段序列的每次迭代延拓过程中,将风机转速数据同步延拓对应相同长度,得到每次迭代延拓后得到的端点子段序列中的延拓子序列的参考延拓子序列,所述参考延拓子序列为与风速数据同步延拓的风机转速序列中的延拓子序列;
在上一次延拓过程得到的延拓后的端点子段序列中的延拓子序列中,根据风速数据相对平均水平的偏离情况获取风速数据的两极化趋势系数;在上一次延拓过程得到的延拓后的端点子段序列中的延拓子序列与对应参考延拓子序列间,获取每个风速数据与对应风机转速数据间的变化关联性;根据每次迭代延拓过程所对应的延拓需求程度的计算公式获取对应的延拓需求程度;每次迭代延拓过程所对应的延拓需求程度的计算公式为:
;其中,/>为每次迭代延拓过程所对应的延拓需求程度;/>为每次迭代延拓过程的上一次迭代延拓所获取的端点子段序列中延拓子序列的序列长度;/>为每次迭代延拓过程的上一次迭代延拓所获取的端点子段序列中延拓子序列中的第/>个风速数据的幅值;/>为每次迭代延拓过程的上一次迭代延拓所获取的端点子段序列中延拓子序列内所有风速数据的幅值均值;/>为每次迭代延拓过程的上一次迭代延拓所获取的端点子段序列中延拓子序列中第/>个风速数据与对应参考延拓子序列中第/>个风机转速数据间的变化关联性;/>为每次迭代延拓过程的上一次迭代延拓所获取的端点子段序列中的延拓子序列中风速数据的两极化趋势系数;/>为标准归一化函数;/>为取绝对值符号。
8.根据权利要求7所述的一种海上风电能源数据实时采集方法,其特征在于,对于初始延拓过程所对应的两极化趋势系数的计算公式包括:
;其中,/>为预设第一对比正参数;/>为初始延拓过程中端点子段序列中风速数据的幅值大于所有风速数据的幅值均值的风速数据数量;/>为初始延拓过程中端点子段序列中风速数据的幅值小于所有风速数据的幅值均值的风速数据数量;/>为取绝对值符号;
对于每次迭代延拓过程所对应的两极化趋势系数的计算公式包括:
;其中,/>为预设第二对比正参数;/>为每次迭代延拓过程的上一次迭代延拓所获取的端点子段序列中的延拓子序列内风速数据的幅值大于所有风速数据的幅值均值的风速数据数量;/>为每次迭代延拓过程的上一次迭代延拓所获取的端点子段序列中的延拓子序列内风速数据的幅值小于所有风速数据的幅值均值的风速数据数量;/>为取绝对值符号。
9.根据权利要求1所述的一种海上风电能源数据实时采集方法,其特征在于,所述对风速数据延拓序列中的风速数据进行异常检测的异常检测方法包括:
在所述风速数据延拓序列中,以风速数据序列中的每个风速数据为中心构建预设邻域,在每个风速数据的预设邻域内的所有数据采用箱线图进行分析,当箱线图中存在异常数据时,则箱线图对应预设邻域的中心的风速数据存在异常。
10.一种海上风电能源数据实时采集系统,其特征在于,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如权利要求1-9任意一项所述一种海上风电能源数据实时采集方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410351494.1A CN117951422B (zh) | 2024-03-26 | 2024-03-26 | 一种海上风电能源数据实时采集方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410351494.1A CN117951422B (zh) | 2024-03-26 | 2024-03-26 | 一种海上风电能源数据实时采集方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117951422A true CN117951422A (zh) | 2024-04-30 |
CN117951422B CN117951422B (zh) | 2024-06-07 |
Family
ID=90794623
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410351494.1A Active CN117951422B (zh) | 2024-03-26 | 2024-03-26 | 一种海上风电能源数据实时采集方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117951422B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1851689A (zh) * | 2006-05-19 | 2006-10-25 | 长安大学 | 基于相似波形的数字信号端点数据延拓方法 |
CN105929331A (zh) * | 2016-04-28 | 2016-09-07 | 上海电机学院 | 一种双馈风力发电机定转子故障分析诊断装置及方法 |
CN106709586A (zh) * | 2015-07-15 | 2017-05-24 | 华北电力大学(保定) | 一种风电场短期风速预测方法和系统 |
WO2022001379A1 (zh) * | 2020-07-02 | 2022-01-06 | 上海电气风电集团股份有限公司 | 数据处理方法、风力发电机组的性能评估方法及系统 |
CN115640871A (zh) * | 2022-09-08 | 2023-01-24 | 广东电网有限责任公司 | 一种风速预测方法、装置、电子设备及存储介质 |
CN115980837A (zh) * | 2021-10-15 | 2023-04-18 | 中国石油化工股份有限公司 | 角度域动态聚焦束逆时偏移方法、装置、电子设备及介质 |
CN116011592A (zh) * | 2023-02-21 | 2023-04-25 | 中国人民解放军战略支援部队信息工程大学 | 一种区域对流层湿延迟预报方法 |
CN116632820A (zh) * | 2023-05-18 | 2023-08-22 | 北京金风慧能技术有限公司 | 基于序列延拓vmd与风速波动特性的风电功率预测方法 |
CN117421871A (zh) * | 2023-10-07 | 2024-01-19 | 广东电网有限责任公司广州供电局 | 海上风电潜力评估方法、装置和计算机设备 |
-
2024
- 2024-03-26 CN CN202410351494.1A patent/CN117951422B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1851689A (zh) * | 2006-05-19 | 2006-10-25 | 长安大学 | 基于相似波形的数字信号端点数据延拓方法 |
CN106709586A (zh) * | 2015-07-15 | 2017-05-24 | 华北电力大学(保定) | 一种风电场短期风速预测方法和系统 |
CN105929331A (zh) * | 2016-04-28 | 2016-09-07 | 上海电机学院 | 一种双馈风力发电机定转子故障分析诊断装置及方法 |
WO2022001379A1 (zh) * | 2020-07-02 | 2022-01-06 | 上海电气风电集团股份有限公司 | 数据处理方法、风力发电机组的性能评估方法及系统 |
CN115980837A (zh) * | 2021-10-15 | 2023-04-18 | 中国石油化工股份有限公司 | 角度域动态聚焦束逆时偏移方法、装置、电子设备及介质 |
CN115640871A (zh) * | 2022-09-08 | 2023-01-24 | 广东电网有限责任公司 | 一种风速预测方法、装置、电子设备及存储介质 |
CN116011592A (zh) * | 2023-02-21 | 2023-04-25 | 中国人民解放军战略支援部队信息工程大学 | 一种区域对流层湿延迟预报方法 |
CN116632820A (zh) * | 2023-05-18 | 2023-08-22 | 北京金风慧能技术有限公司 | 基于序列延拓vmd与风速波动特性的风电功率预测方法 |
CN117421871A (zh) * | 2023-10-07 | 2024-01-19 | 广东电网有限责任公司广州供电局 | 海上风电潜力评估方法、装置和计算机设备 |
Non-Patent Citations (2)
Title |
---|
YANG H.等: "Global SunFarm data acquisition network, energy CRADLE, and time series analysis", 2013 IEEE ENERGYTECH, 24 October 2013 (2013-10-24) * |
何振鹏;朱志琪;谢海超;王雅文;李宗强;何锐;杜超平;李金兰;: "基于最小二乘法线性拟合抑制EMD端点效应", 系统仿真学报, no. 09, 8 September 2018 (2018-09-08) * |
Also Published As
Publication number | Publication date |
---|---|
CN117951422B (zh) | 2024-06-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP2806321A1 (en) | Plant state monitoring method, plant state monitoring computer program, and plant state monitoring apparatus | |
CN110378042B (zh) | 基于scada数据的风电机组齿轮箱油温异常检测方法及系统 | |
CN113239534B (zh) | 风力发电机组的故障、寿命预测方法和装置 | |
CN112032003B (zh) | 一种大型风电机组运行性能监测方法 | |
CN117411189B (zh) | 一种微电网协调控制器的监测数据增强方法 | |
CN117390573B (zh) | 基于时序预测的风电机组运行异常预警方法 | |
CN113537352B (zh) | 传感器异常值监测方法、装置、计算机设备及存储介质 | |
CN112131796B (zh) | 一种基于基因表达式编程的硬岩tbm滚刀磨损实时评估方法 | |
CN110874665B (zh) | 用于风力发电机组的控制装置和方法 | |
CN114757380A (zh) | 一种火电厂故障预警系统、方法、电子设备及存储介质 | |
CN116840606B (zh) | 基于非侵入式负荷的用电异常监测方法 | |
CN112070322A (zh) | 基于长短期记忆网络的高压电缆线路运行状态预测方法 | |
CN117951422B (zh) | 一种海上风电能源数据实时采集方法及系统 | |
CN110378624B (zh) | 基于趋势提取的火电机组一次调频指标计算方法及系统 | |
CN117805542B (zh) | 一种矿用隔爆本质安全型变频器运行监控系统 | |
CN114117887B (zh) | 风电机组的在线发电性能的实时评估方法、系统及介质 | |
CN115081331A (zh) | 一种基于状态参数重构误差的风电机组运行状态异常检测方法 | |
CN117668684A (zh) | 基于大数据分析的电网电能数据异常检测方法 | |
JP2005242803A (ja) | 機械の性能推定器、性能推定方法及び性能推定プログラム | |
US20180087489A1 (en) | Method for windmill farm monitoring | |
CN116595338B (zh) | 基于物联网工程信息采集处理系统 | |
CN117195136B (zh) | 一种电网新能源异常数据监测方法 | |
CN118091325B (zh) | 一种电缆智能检测方法及系统 | |
WO2021190764A1 (en) | Device, method and computer program for evaluating the operation of a power plant | |
CN117313014A (zh) | 一种窑炉运转能耗异常数据实时监测预警方法 |
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 |