CN118070560A - 一种风机塔筒状态预警模型构建方法、预警方法及系统 - Google Patents
一种风机塔筒状态预警模型构建方法、预警方法及系统 Download PDFInfo
- Publication number
- CN118070560A CN118070560A CN202410459225.7A CN202410459225A CN118070560A CN 118070560 A CN118070560 A CN 118070560A CN 202410459225 A CN202410459225 A CN 202410459225A CN 118070560 A CN118070560 A CN 118070560A
- Authority
- CN
- China
- Prior art keywords
- tower
- early warning
- historical
- vector
- data
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 56
- 238000010276 construction Methods 0.000 title claims description 9
- 239000013598 vector Substances 0.000 claims abstract description 124
- 238000012544 monitoring process Methods 0.000 claims abstract description 87
- 239000011159 matrix material Substances 0.000 claims abstract description 36
- 238000009434 installation Methods 0.000 claims description 7
- 238000005259 measurement Methods 0.000 claims description 6
- 235000017166 Bambusa arundinacea Nutrition 0.000 claims 4
- 235000017491 Bambusa tulda Nutrition 0.000 claims 4
- 241001330002 Bambuseae Species 0.000 claims 4
- 235000015334 Phyllostachys viridis Nutrition 0.000 claims 4
- 239000011425 bamboo Substances 0.000 claims 4
- 238000004590 computer program Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 9
- 230000033001 locomotion Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000010248 power generation Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 108010001267 Protein Subunits Proteins 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Algebra (AREA)
- Computing Systems (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- Control Of Positive-Displacement Air Blowers (AREA)
Abstract
本发明公开了一种风机塔筒状态预警模型构建方法、预警方法及系统,包括:基于风机塔筒在不同时刻运行的情况下获取到的历史塔筒倾斜数据、历史风速数据和历史风向数据构建相似矩阵;采用所述相似矩阵和预设的初始权值向量构建初始预警模型,根据获取的输入监测向量得到输出监测向量;基于所述输入监测向量和所述输出监测向量之间的残差平方和求导,得到目标权值向量;根据所述相似矩阵和所述目标权值向量,对所述初始预警模型进行重建得到风机塔筒状态预警模型。通过基于实际监测数据的快速准确评估风机塔筒倒塔的风险状态,可以提高预测的准确性和有效性,进而有效避免仅凭单一因素判断或预测导致误报警的问题。
Description
技术领域
本申请涉及一种监测技术领域,尤其涉及一种风机塔筒状态预警模型构建方法、预警方法及系统。
背景技术
风力发电装置的设计是通过与环境相互作用来运行并产生电能。然而,每年仍会发生数百起风机倒塌事故,这主要是由于工程中的不当行为、人为或机械错误以及部件和材料的缺陷等因素所致。通常,极端事件如台风和风暴引起的意外载荷是风机失效的最常见原因,但致命事件多发生在设计使用寿命的早期或后期阶段。
总体来看,目前设计和建造的风力发电装置是稳定可靠的,然而由于制造、施工、运营和维护等综合因素,风机在非极端情况下倒塔的情况仍然存在。目前对风机状态的监测主要是通过在塔筒和机舱适当位置安装运动姿态传感器,监测塔筒的倾角、震动等参数,一旦超过危险值就会触发报警。然而,风机倒塔是一个综合多因素的复杂过程,难以仅凭单一因素判断或预测。
发明内容
本申请的目的在于提供一种风机塔筒状态预警模型构建方法、预警方法及系统,以至少解决相关技术中如何有效避免仅凭单一因素来判断或预测风机倒塔,以防止预测结果不准确而导致误报警的问题。
本申请第一方面提供一种风机塔筒状态预警模型构建方法,所述构建方法包括:
基于风机塔筒在不同时刻运行的情况下获取到的历史塔筒倾斜数据、历史风速数据和历史风向数据构建相似矩阵,其中,所述相似矩阵的每一列表征所述风机塔筒的一个正常工作状态;
采用所述相似矩阵和预设的初始权值向量构建初始预警模型,根据获取的输入监测向量得到输出监测向量;
基于所述输入监测向量和所述输出监测向量之间的残差平方和求导,得到目标权值向量;
根据所述相似矩阵和所述目标权值向量,对所述初始预警模型进行重建得到风机塔筒状态预警模型。
在一个实施例中,所述历史塔筒倾斜数据通过位于塔筒顶端和塔筒中部的至少三个测点采集得到,多个所述测点的安装方向仰角一致。
在一个实施例中,所述基于风机塔筒在不同时刻运行的情况下获取到的历史塔筒倾斜数据、历史风速数据和历史风向数据构建相似矩阵,包括:
获取风机塔筒的历史塔筒倾斜数据、历史风速数据和历史风向数据;
根据所述历史塔筒倾斜数据、所述历史风速数据和所述历史风向数据,构建历史监测向量;
所述风机塔筒在不同时刻运行的情况下,对采集的多个所述历史监测向量构建所述相似矩阵。
在一个实施例中,所述历史塔筒倾斜数据包括历史塔筒倾斜角度和历史塔筒倾斜方向,所述构建历史监测向量之前,所述方法还包括:
分别对所述历史塔筒倾斜角度和所述历史塔筒倾斜方向进行加权平均处理,得到历史塔筒倾斜角度均值和历史塔筒倾斜方向均值。
在一个实施例中,所述基于所述输入监测向量和所述输出监测向量之间的残差平方和求导,得到目标权值向量,包括:
根据所述输入监测向量和所述输出监测向量,确定残差平方和;
求解关于所述残差平方和对应的偏导;
将所述偏导确定为预设阈值,得到所述目标权值向量。
本申请第二方面提供一种风机塔筒状态预警方法,所述方法应用于风机塔筒状态预警装置,所述装置包括位于塔筒顶端和塔筒中部的至少三个测点,多个所述测点的安装方向仰角一致,所述方法包括:
获取所述测点采集的当前塔筒倾斜数据、当前风速数据和当前风向数据;
根据所述当前塔筒倾斜数据、所述当前风速数据和所述当前风向数据,构建当前监测向量;
采用上述所述的风机塔筒状态预警模型构建方法构建得到的风机塔筒状态预警模型,根据所述当前监测向量确定预测监测向量;
根据所述当前监测向量和所述预测监测向量的差值,在所述差值达到预设临界值的情况下,对所述风机塔筒状态进行预警。
在一个实施例中,所述对所述风机塔筒状态进行预警之前,所述方法还包括:
获取预设时间点个数形成的差值序列;
对所述差值序列求解对应的平均值和标准差;
在所述平均值和所述标准差均大于预设预警值的情况下,对所述风机塔筒状态进行预警。
本申请第三方面提供一种风机塔筒状态预警系统,所述系统应用于风机塔筒状态预警装置,所述装置包括位于塔筒顶端和塔筒中部的至少三个测点,多个所述测点的安装方向仰角一致,所述系统包括:
数据获取模块,用于获取所述测点采集的当前塔筒倾斜数据、当前风速数据和当前风向数据;
构建当前监测向量模块,用于根据所述当前塔筒倾斜数据、所述当前风速数据和所述当前风向数据,构建当前监测向量;
确定预测监测向量模块,用于采用上述所述的风机塔筒状态预警模型构建方法构建得到的风机塔筒状态预警模型,根据所述当前监测向量确定预测监测向量;
预警模块,用于根据所述当前监测向量和所述预测监测向量的差值,在所述差值达到预设临界值的情况下,对所述风机塔筒状态进行预警。
本申请第四方面提供一种风机塔筒状态预警装置,包括:
位于塔筒顶端和塔筒中部的至少三个测点,多个所述测点的安装方向仰角一致;
存储器和一个或多个处理器,所述存储器中存储有可执行代码,所述一个或多个处理器执行所述可执行代码时,用于实现上述任一项所述的风机塔筒状态预警方法。
本申请第五方面提供一种计算机可读存储介质,其上存储有程序,该程序被处理器执行时,实现上述任一项所述的风机塔筒状态预警方法。
本申请实施例提供的一种风机塔筒状态预警模型构建方法、预警方法及系统至少具有以下技术效果。
通过基于风机塔筒在不同时刻运行的情况下获取到的历史塔筒倾斜数据、历史风速数据和历史风向数据构建相似矩阵;采用所述相似矩阵和预设的初始权值向量构建初始预警模型,根据获取的输入监测向量得到输出监测向量;基于所述输入监测向量和所述输出监测向量之间的残差平方和求导,得到目标权值向量;根据所述相似矩阵和所述目标权值向量,对所述初始预警模型进行重建得到风机塔筒状态预警模型。根据风机塔筒状态预警模型对当前监测向量进行预测,对得到的结果进行预警。通过基于实际监测数据的快速准确评估风机塔筒倒塔的风险状态,可以提高预测的准确性和有效性,进而有效避免仅凭单一因素判断或预测导致误报警的问题。
本申请的一个或多个实施例的细节在以下附图和描述中提出,以使本申请的其他特征、目的和优点更加简明易懂。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1为本申请实施例提供的一种风机塔筒状态预警模型构建方法的流程示意图;
图2为本申请实施例提供的步骤S101的流程示意图;
图3为本申请实施例提供的在步骤S202之前的流程示意图;
图4为本申请实施例提供的步骤S103的流程示意图;
图5为本申请实施例提供的一种风机塔筒状态预警方法的流程示意图;
图6为本申请实施例提供的对风机塔筒状态进行预警之前的流程示意图;
图7为本申请实施例提供的一种风机塔筒状态预警系统的框图;
图8为本申请实施例提供的电子设备的内部结构示意图。
具体实施方式
以下对至少一个示例性实施例的描述实际上仅仅是说明性的,决不作为对本申请及其应用或使用的任何限制。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
显而易见地,下面描述中的附图仅仅是本申请的一些示例或实施例,对于本领域的普通技术人员而言,在不付出创造性劳动的前提下,还可以根据这些附图将本申请应用于其他类似情景。此外,还可以理解的是,虽然这种开发过程中所作出的努力可能是复杂并且冗长的,然而对于与本申请公开的内容相关的本领域的普通技术人员而言,在本申请揭露的技术内容的基础上进行的一些设计,制造或者生产等变更只是常规的技术手段,不应当理解为本申请公开的内容不充分。
在本申请中提及“实施例”意味着,结合实施例描述的特定持征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域普通技术人员显式地和隐式地理解的是,本申请所描述的实施例在不冲突的情况下,可以与其它实施例相结合。
除非另作定义,本申请所涉及的技术术语或者科学术语应当为本申请所属技术领域内具有一般技能的人士所理解的通常意义。本申请所涉及的”一”、“一个”、“一种”、“该”等类似词语并不表示数量限制,可表示单数或复数。本申请所涉及的术语“包括”、“包含”、“具有”以及它们任何变形,意图在于覆盖不排他的包含;例如包含了一系列步骤或模块(单元)的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元,而是可以还包括没有列出的步骤或单元,或可以还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。本申请所涉及的“连接”、“相连”、“耦接”等类似的词语并非限定于物理的或者机械的连接,而是可以包括电气的连接,不管是直接的还是间接的。本申请所涉及的“多个”是指两个或两个以上。“和/或”描述关联对象的关联关系,表示可以存在三种关系,例如,“A和/或B”可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。本申请所涉及的术语“第一”、“第二”、“第三”等仅仅是区别类似的对象,不代表针对对象的特定排序。
本申请实施例提供了一种风机塔筒状态预警模型构建方法、预警方法及系统。
第一方面,本申请实施例提供了一种风机塔筒状态预警模型构建方法,图1为本申请实施例提供的一种风机塔筒状态预警模型构建方法的流程示意图,如图1所示,该方法包括以下步骤:
步骤S101、基于风机塔筒在不同时刻运行的情况下获取到的历史塔筒倾斜数据、历史风速数据和历史风向数据构建相似矩阵,其中,相似矩阵的每一列表征风机塔筒的一个正常工作状态。
在一个实施例中,历史塔筒倾斜数据通过位于塔筒顶端和塔筒中部的至少三个测点采集得到,多个测点的安装方向仰角一致。
具体地,本申请中测点安装的传感器优选为三维运动姿态传感器,通过采集风机塔筒在不同时刻运行的历史数据,包括塔筒倾斜数据、风速和风向数据,并利用这些数据构建相似矩阵。在相似矩阵中,每一列代表风机塔筒的一个正常工作状态。通过对历史数据进行分析和比对,可以将当前状态与相似矩阵中的正常工作状态进行匹配,从而评估风机塔筒倒塔的风险状态。历史塔筒倾斜数据是通过至少三个测点位于塔筒顶端和中部采集得到的。具体地,在塔筒顶端设置至少两个测点以及塔筒中部至少一个测点,此测点设置的目的是为了保证数据的准确性和可靠性,同时避免了测点安装的传感器方向不一致导致测量结果的差异。例如,多个传感器安装方向的仰角一致,确保了测量参数的一致性,比如传感器A和B在x方向的运动角速度具有相同的意义。
图2为本申请实施例提供的步骤S101的流程示意图,如图2所示,在图1所示流程的基础上,步骤S101包括以下步骤:
步骤S201、获取风机塔筒的历史塔筒倾斜数据、历史风速数据和历史风向数据。
在一个实施例中,历史塔筒倾斜数据包括历史塔筒倾斜角度和历史塔筒倾斜方向。
具体地,历史塔筒倾斜数据是通过测点测得,风速和风向数据是通过现场的气象站监测得到,用于补充历史监测数据,从而全面了解风机塔筒在不同时刻的运行状态。通过分析历史塔筒倾斜数据、风速数据和风向数据,结合相似矩阵的构建,可以实现对风机塔筒倒塔的风险状态进行评估。同时,通过多个测点采集数据和使用三维运动姿态传感器,可以保证数据的准确性和可靠性,为风机塔筒的安全运行提供有效的技术支持。
图3为本申请实施例提供的在步骤S202之前的流程示意图,如图3所示,在图2所示流程的基础上,在步骤S202之前还包括以下步骤:
步骤S301、分别对历史塔筒倾斜角度和历史塔筒倾斜方向进行加权平均处理,得到历史塔筒倾斜角度均值和历史塔筒倾斜方向均值。
由于塔筒倾斜角度、塔筒倾斜方向的数据是通过至少三个测点采集得到,因此需要对其做出基于加权平均法进行数据融合,作为模型的输入。
继续参照图2,在步骤S301之后执行步骤S202,具体如下。
步骤S202、根据历史塔筒倾斜数据、历史风速数据和历史风向数据,构建历史监测向量。
其中,X(t)为各时刻的监测向量,t为时刻,从1开始,x1为塔筒倾斜角度,x2为塔筒倾斜方向,x3为风速数据,x4为风向数据。
步骤S203、风机塔筒在不同时刻运行的情况下,对采集的多个历史监测向量构建相似矩阵。
其中,S为4*m维的相似矩阵,t=1,2,3,…,m。
具体地,相似矩阵S是由历史监测向量构成的,每一列代表了一个时刻的监测向量,而每一行则代表了一个监测向量的不同特征。具体来说,监测向量的维度为4,即每个监测向量有4个特征xi,xi为x1,x2,x3,x4,而历史监测向量的数量为m个,则相似矩阵S的维度为4×m。该相似矩阵可以用来描述监测向量在不同时刻的变化情况,从而可以进行相似性分析。
继续参照图1,在步骤S101之后执行步骤S102,具体如下。
步骤S102、采用相似矩阵和预设的初始权值向量构建初始预警模型,根据获取的输入监测向量得到输出监测向量。
具体地,模型的输入是某一时刻的输入监测向量Xobs,输出是对该输入监测向量Xobs进行预测的输出监测向量Xest。举例来说,初始预警模型为:
其中,W为预设的初始权值向量,可采用w1,w2,…,wm的m维权值向量表示。
步骤S103、基于输入监测向量和输出监测向量之间的残差平方和求导,得到目标权值向量。
图4为本申请实施例提供的步骤S103的流程示意图,如图4所示,在图1所示流程的基础上,步骤S103包括以下步骤:
步骤S401、根据输入监测向量和输出监测向量,确定残差平方和。
步骤S402、求解关于残差平方和对应的偏导。
步骤S403、将偏导确定为预设阈值,得到目标权值向量。
步骤S401至步骤S403中,输入观测向量和输出预测向量之间的残差ε定义为Xobs-Xest,目标是选择权值向量,使得残差平方和最小化。
残差平方和为:
通过对残差平方和求偏导并令其为预设阈值,这里的预设阈值优选为0,可以得到目标权值向量W的表达式。
其中,k=1,2,3,…,m
如果只对相关变量集或观测向量中的某一变量xn进行预测,只需要取相似矩阵S的第n行与目标权值向量W相乘即可得到预测值。
继续参照图1,在步骤S103之后执行步骤S104,具体如下。
步骤S104、根据相似矩阵和目标权值向量,重建初始预警模型得到风机塔筒状态预警模型。
其中,将和/>中矩阵点乘运算改为欧氏距离运算,可以得到更精确的预测结果。/>
最终的风机塔筒状态预警模型为:
这个模型将有助于预测和监测风机塔筒的状态,为风力发电系统提供更有效的预警和管理。
第二方面,本申请实施例提供了一种风机塔筒状态预警方法,图5为本申请实施例提供的一种风机塔筒状态预警方法的流程示意图,如图5所示,方法应用于风机塔筒状态预警装置,装置包括位于塔筒顶端和塔筒中部的至少三个测点,多个测点的安装方向仰角一致,该方法包括以下步骤:
步骤S501、获取测点采集的当前塔筒倾斜数据、当前风速数据和当前风向数据。
步骤S502、根据当前塔筒倾斜数据、当前风速数据和当前风向数据,构建当前监测向量。
步骤S503、采用上述的风机塔筒状态预警模型构建方法构建得到的风机塔筒状态预警模型,根据当前监测向量确定预测监测向量。
步骤S504、根据当前监测向量和预测监测向量的差值,在差值达到预设临界值的情况下,对风机塔筒状态进行预警。
步骤S501至步骤S504中,通过多个测点的数据采集,可以更全面地了解塔筒的倾斜情况,结合风速和风向数据,可以更准确地评估风机塔筒的状态。构建当前监测向量,并通过风机塔筒状态预警模型获取预测监测向量,并根据其差值进行预警,能够实现对风机塔筒状态的及时监测和预警,有助于避免潜在的安全隐患。通过预设临界值的设置,可以有效地控制预警的触发,避免对正常运行状态的误报,提高预警系统的可靠性和准确性,这里的预设临界值通过一定数量的试验和模拟,以确保系统在实际运行中的有效性。
图6为本申请实施例提供的对风机塔筒状态进行预警之前的流程示意图,如图6所示,在图5所示流程的基础上,对风机塔筒状态进行预警之前还包括以下步骤:
步骤S601、获取预设时间点个数形成的差值序列。
步骤S602、对差值序列求解对应的平均值和标准差。
步骤S603、在平均值和标准差均大于预设预警值的情况下,对风机塔筒状态进行预警。
为了提高风机塔筒倒塔的风险状态的准确性,步骤S601至步骤S603中引入滑动窗口差值分析,避免短期差值突变导致的误报警。以预设时间点个数的时间点形成的差值ε序列进行评估,分别计算其平均值和标准差σε,平均值/>反映了差值的整体趋势,而标准差σε则表示差值的离散程度或波动性,只有当平均值/>和标准差σε均大于预设预警值时,才会进行塔筒状态报警,优选地,预设时间点个数优选为10个。通过使用滑动窗口,可以平滑差值序列的变化,更准确地判断风机塔筒的风险状态,并在必要时进行预警,从而提高监测的准确性和可靠性。
综上所述,本申请实施例提供的一种风机塔筒状态预警模型构建方法、预警方法,通过基于风机塔筒在不同时刻运行的情况下获取到的历史塔筒倾斜数据、历史风速数据和历史风向数据构建相似矩阵;采用相似矩阵和预设的初始权值向量构建初始预警模型,根据获取的输入监测向量得到输出监测向量;基于输入监测向量和输出监测向量之间的残差平方和求导,得到目标权值向量;根据相似矩阵和目标权值向量,对初始预警模型进行重建得到风机塔筒状态预警模型。根据风机塔筒状态预警模型对当前监测向量进行预测,对得到的结果进行预警。通过基于实际监测数据的快速准确评估风机塔筒倒塔的风险状态,可以提高预测的准确性和有效性,进而有效避免仅凭单一因素判断或预测导致误报警的问题。
需要说明的是,在上述流程中或者附图的流程图中示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
第三方面,本申请实施例提供了一种风机塔筒状态预警系统,该系统用于实现上述实施例及优选实施方式,已经进行过说明的不再赘述。如以下所使用的,术语“模块”、“单元”、“子单元”等可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现,但是硬件,或者软件和硬件的组合的实现也是可能并被构想的。
图7为本申请实施例提供的一种风机塔筒状态预警系统的框图,如图7所示,所述系统应用于风机塔筒状态预警装置,所述装置包括位于塔筒顶端和塔筒中部的至少三个测点,多个所述测点的安装方向仰角一致,该系统包括:
数据获取模块701,用于获取所述测点采集的当前塔筒倾斜数据、当前风速数据和当前风向数据。
构建当前监测向量模块702,用于根据所述当前塔筒倾斜数据、所述当前风速数据和所述当前风向数据,构建当前监测向量。
确定预测监测向量模块703,用于采用上述所述的风机塔筒状态预警模型构建方法构建得到的风机塔筒状态预警模型,根据所述当前监测向量确定预测监测向量。
预警模块704,用于根据所述当前监测向量和所述预测监测向量的差值,在所述差值达到预设临界值的情况下,对所述风机塔筒状态进行预警。
需要说明的是,上述各个模块可以是功能模块也可以是程序模块,既可以通过软件来实现,也可以通过硬件来实现。对于通过硬件来实现的模块而言,上述各个模块可以位于同一处理器中;或者上述各个模块还可以按照任意组合的形式分别位于不同的处理器中。
第四方面,本申请实施例提供了一种风机塔筒状态预警装置,包括存储器和一个或多个处理器,所述存储器中存储有可执行代码,所述一个或多个处理器执行所述可执行代码时,用于实现上述任一项方法实施例中的步骤。
可选地,上述风机塔筒状态预警装置还可以包括传输设备以及输入输出设备,其中,该传输设备和上述处理器连接,该输入输出设备和上述处理器连接。
需要说明的是,本实施例中的具体示例可以参考上述实施例及可选实施方式中所描述的示例,本实施例在此不再赘述。
第五方面,结合上述实施例中的风机塔筒状态预警方法,本申请实施例可提供一种存储介质来实现。该存储介质上存储有计算机程序;该计算机程序被处理器执行时实现上述实施例中的任意风机塔筒状态预警方法。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是终端。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现风机塔筒状态预警方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
在一个实施例中,图8为本申请实施例提供的电子设备的内部结构示意图,如图8所示,提供了一种电子设备,该电子设备可以是服务器,其内部结构图可以如图8所示。该电子设备包括通过内部总线连接的处理器、网络接口、内存储器和非易失性存储器,其中,该非易失性存储器存储有操作系统、计算机程序和数据库。处理器用于提供计算和控制能力,网络接口用于与外部的终端通过网络连接通信,内存储器用于为操作系统和计算机程序的运行提供环境,计算机程序被处理器执行时以实现风机塔筒状态预警方法,数据库用于存储数据。
本领域技术人员可以理解,图8中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的电子设备的限定,具体的电子设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,该计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
本领域的技术人员应该明白,以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述仅为本申请的优选实施例而已,并不用于限制本申请,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (10)
1.一种风机塔筒状态预警模型构建方法,其特征在于,所述构建方法包括:
基于风机塔筒在不同时刻运行的情况下获取到的历史塔筒倾斜数据、历史风速数据和历史风向数据构建相似矩阵,其中,所述相似矩阵的每一列表征所述风机塔筒的一个正常工作状态;
采用所述相似矩阵和预设的初始权值向量构建初始预警模型,根据获取的输入监测向量得到输出监测向量;
基于所述输入监测向量和所述输出监测向量之间的残差平方和求导,得到目标权值向量;
根据所述相似矩阵和所述目标权值向量,对所述初始预警模型进行重建得到风机塔筒状态预警模型。
2.根据权利要求1所述的风机塔筒状态预警模型构建方法,其特征在于,所述历史塔筒倾斜数据通过位于塔筒顶端和塔筒中部的至少三个测点采集得到,多个所述测点的安装方向仰角一致。
3.根据权利要求1所述的风机塔筒状态预警模型构建方法,其特征在于,所述基于风机塔筒在不同时刻运行的情况下获取到的历史塔筒倾斜数据、历史风速数据和历史风向数据构建相似矩阵,包括:
获取风机塔筒的历史塔筒倾斜数据、历史风速数据和历史风向数据;
根据所述历史塔筒倾斜数据、所述历史风速数据和所述历史风向数据,构建历史监测向量;
所述风机塔筒在不同时刻运行的情况下,对采集的多个所述历史监测向量构建所述相似矩阵。
4.根据权利要求3所述的风机塔筒状态预警模型构建方法,其特征在于,所述历史塔筒倾斜数据包括历史塔筒倾斜角度和历史塔筒倾斜方向,所述构建历史监测向量之前,所述方法还包括:
分别对所述历史塔筒倾斜角度和所述历史塔筒倾斜方向进行加权平均处理,得到历史塔筒倾斜角度均值和历史塔筒倾斜方向均值。
5.根据权利要求1所述的风机塔筒状态预警模型构建方法,其特征在于,所述基于所述输入监测向量和所述输出监测向量之间的残差平方和求导,得到目标权值向量,包括:
根据所述输入监测向量和所述输出监测向量,确定残差平方和;
求解关于所述残差平方和对应的偏导;
将所述偏导确定为预设阈值,得到所述目标权值向量。
6.一种风机塔筒状态预警方法,其特征在于,所述方法应用于风机塔筒状态预警装置,所述装置包括位于塔筒顶端和塔筒中部的至少三个测点,多个所述测点的安装方向仰角一致,所述方法包括:
获取所述测点采集的当前塔筒倾斜数据、当前风速数据和当前风向数据;
根据所述当前塔筒倾斜数据、所述当前风速数据和所述当前风向数据,构建当前监测向量;
采用权利要求1-5任一项所述的风机塔筒状态预警模型构建方法构建得到的风机塔筒状态预警模型,根据所述当前监测向量确定预测监测向量;
根据所述当前监测向量和所述预测监测向量的差值,在所述差值达到预设临界值的情况下,对所述风机塔筒状态进行预警。
7.根据权利要求6所述的风机塔筒状态预警方法,其特征在于,所述对所述风机塔筒状态进行预警之前,所述方法还包括:
获取预设时间点个数形成的差值序列;
对所述差值序列求解对应的平均值和标准差;
在所述平均值和所述标准差均大于预设预警值的情况下,对所述风机塔筒状态进行预警。
8.一种风机塔筒状态预警系统,其特征在于,所述系统应用于风机塔筒状态预警装置,所述装置包括位于塔筒顶端和塔筒中部的至少三个测点,多个所述测点的安装方向仰角一致,所述系统包括:
数据获取模块,用于获取所述测点采集的当前塔筒倾斜数据、当前风速数据和当前风向数据;
构建当前监测向量模块,用于根据所述当前塔筒倾斜数据、所述当前风速数据和所述当前风向数据,构建当前监测向量;
确定预测监测向量模块,用于采用权利要求1-5任一项所述的风机塔筒状态预警模型构建方法构建得到的风机塔筒状态预警模型,根据所述当前监测向量确定预测监测向量;
预警模块,用于根据所述当前监测向量和所述预测监测向量的差值,在所述差值达到预设临界值的情况下,对所述风机塔筒状态进行预警。
9.一种风机塔筒状态预警装置,其特征在于,包括:
位于塔筒顶端和塔筒中部的至少三个测点,多个所述测点的安装方向仰角一致;
存储器和一个或多个处理器,所述存储器中存储有可执行代码,所述一个或多个处理器执行所述可执行代码时,用于实现权利要求6-7中任一项所述的风机塔筒状态预警方法。
10.一种计算机可读存储介质,其特征在于,其上存储有程序,该程序被处理器执行时,实现权利要求6-7中任一项所述的风机塔筒状态预警方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410459225.7A CN118070560A (zh) | 2024-04-17 | 2024-04-17 | 一种风机塔筒状态预警模型构建方法、预警方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410459225.7A CN118070560A (zh) | 2024-04-17 | 2024-04-17 | 一种风机塔筒状态预警模型构建方法、预警方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN118070560A true CN118070560A (zh) | 2024-05-24 |
Family
ID=91106161
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410459225.7A Pending CN118070560A (zh) | 2024-04-17 | 2024-04-17 | 一种风机塔筒状态预警模型构建方法、预警方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN118070560A (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108460207A (zh) * | 2018-02-28 | 2018-08-28 | 上海华电电力发展有限公司 | 一种基于运行数据模型的发电机组的故障预警方法 |
CN109818349A (zh) * | 2019-03-13 | 2019-05-28 | 东北大学 | 一种基于多维状态矩阵滑动匹配的电网鲁棒状态预测方法 |
CN110659179A (zh) * | 2019-08-30 | 2020-01-07 | 中国人民财产保险股份有限公司 | 一种评估系统运行状况的方法、装置及电子设备 |
CN112257943A (zh) * | 2020-10-29 | 2021-01-22 | 上海电力大学 | 一种基于mset和偏离度的电厂引风机故障预警方法 |
CN112348226A (zh) * | 2020-09-27 | 2021-02-09 | 广西斯达市场信息咨询有限公司 | 预测数据生成方法、系统、计算机设备及存储介质 |
CN113255973A (zh) * | 2021-05-10 | 2021-08-13 | 曙光信息产业(北京)有限公司 | 电力负荷预测方法、装置、计算机设备和存储介质 |
CN116716927A (zh) * | 2023-05-23 | 2023-09-08 | 深圳供电局有限公司 | 塔基监测方法、装置、计算机设备、存储介质和产品 |
-
2024
- 2024-04-17 CN CN202410459225.7A patent/CN118070560A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108460207A (zh) * | 2018-02-28 | 2018-08-28 | 上海华电电力发展有限公司 | 一种基于运行数据模型的发电机组的故障预警方法 |
CN109818349A (zh) * | 2019-03-13 | 2019-05-28 | 东北大学 | 一种基于多维状态矩阵滑动匹配的电网鲁棒状态预测方法 |
CN110659179A (zh) * | 2019-08-30 | 2020-01-07 | 中国人民财产保险股份有限公司 | 一种评估系统运行状况的方法、装置及电子设备 |
CN112348226A (zh) * | 2020-09-27 | 2021-02-09 | 广西斯达市场信息咨询有限公司 | 预测数据生成方法、系统、计算机设备及存储介质 |
CN112257943A (zh) * | 2020-10-29 | 2021-01-22 | 上海电力大学 | 一种基于mset和偏离度的电厂引风机故障预警方法 |
CN113255973A (zh) * | 2021-05-10 | 2021-08-13 | 曙光信息产业(北京)有限公司 | 电力负荷预测方法、装置、计算机设备和存储介质 |
CN116716927A (zh) * | 2023-05-23 | 2023-09-08 | 深圳供电局有限公司 | 塔基监测方法、装置、计算机设备、存储介质和产品 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3903112B1 (en) | System and method for evaluating models for predictive failure of renewable energy assets | |
US20140222379A1 (en) | Method and apparatus for monitoring an operational state of a system on the basis of telemetry data | |
US10884404B2 (en) | Method of predicting plant data and apparatus using the same | |
WO2019049406A1 (ja) | 故障確率評価システム | |
CN109738014B (zh) | 城市综合管廊设备故障的智能诊断方法及系统 | |
CN112528365B (zh) | 一种地下基础设施结构健康演化趋势预测方法 | |
You et al. | Two-zone proportional hazard model for equipment remaining useful life prediction | |
US20230017065A1 (en) | Computing an explainable event horizon estimate | |
CN113391622A (zh) | 利用多元多步预测技术的航天器姿态系统异常检测方法 | |
Wang et al. | A Bayesian framework for estimating fragility curves based on seismic damage data and numerical simulations by adaptive neural networks | |
WO2021240062A1 (en) | Method, system, and computer program product for a real-time estimation of risk in an excavation | |
KR102404341B1 (ko) | 터널의 3차원 형상 관리 방법 및 시스템과 이를 위한 컴퓨터 프로그램 | |
US20170073064A1 (en) | Rotor system structural fault estimation | |
CN112884199A (zh) | 水电站设备故障预测方法、装置、计算机设备和存储介质 | |
CN114495468A (zh) | 机器人故障状态监测预警方法、电子设备、存储介质 | |
CN117824756B (zh) | 一种建筑结构监测方法、设备及存储介质 | |
KR101910892B1 (ko) | IoT 기반의 모바일 스마트 태양광 발전 관리 시스템 | |
CN116428124A (zh) | 一种基于同型号设备数量较多的故障诊断方法 | |
CN118070560A (zh) | 一种风机塔筒状态预警模型构建方法、预警方法及系统 | |
CN117514649A (zh) | 一种风电机组健康状态监测方法及装置 | |
CN112883478A (zh) | 钢结构位移预测方法、装置、终端设备和系统 | |
CN115766383B (zh) | 一种基于算法融合技术的设备状态评估预警方法和系统 | |
Ni et al. | Reliability analysis of bridges under different loads using polynomial chaos and subset simulation | |
CN116822001A (zh) | 力学监测平台构建方法、系统、介质及设备 | |
JP7085249B1 (ja) | 傾斜角測定方法、傾斜検知方法、及び監視システム |
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 |