CN103218464A - 基于风电机组状态的风电机组数据存储方法和*** - Google Patents
基于风电机组状态的风电机组数据存储方法和*** Download PDFInfo
- Publication number
- CN103218464A CN103218464A CN2013100954354A CN201310095435A CN103218464A CN 103218464 A CN103218464 A CN 103218464A CN 2013100954354 A CN2013100954354 A CN 2013100954354A CN 201310095435 A CN201310095435 A CN 201310095435A CN 103218464 A CN103218464 A CN 103218464A
- Authority
- CN
- China
- Prior art keywords
- wind
- electricity generation
- powered electricity
- data
- generation unit
- 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
Images
Landscapes
- Wind Motors (AREA)
Abstract
本发明提供一种基于风电机组状态的风电机组数据存储方法和***，所述方法包括：步骤1、获取风电机组当前的实时运行数据，判断当前风电机组运行是否正常，如果是则跳转到步骤2；如果否则跳转到步骤3；步骤2、将每一预设监测点的实时状态数据分别与预存储的正常状态的运行数据进行比较，如果与所述正常状态的运行数据的差值超过预设阈值，则将该数据进行存储，步骤结束；步骤3、按照预设频率获取风电机组当前的实时运行数据，并将所有数据进行存储。本发明实施例根据风电机组的实时状态来对风电机组的实时运行数据和设备振动状态监测***的数据进行长期高精度的存储。
Description
技术领域
本发明涉及数据处理技术领域，特别涉及一种基于风电机组状态的风电机组数据存储方法和***。
背景技术
随着能源的日益枯竭以及污染的日益加剧，可再生能源和清洁能源越来越受到重视。风能发电或称风力发电是一种清洁的可再生能源，且风力机组的运行成本低，因此风电技术装备是风电产业的重要组成部分，也是风电产业发展的基础和保障。
风电虽然具有清洁、可再生、成本低等优点，但是同样具有对地理要求高、设备需要布置在野外等缺陷，因此如何对风电设备的数据进行收集并进行处理是自动化管理、数据监控的基础。由于风电机组的设备非常复杂，因此现有技术中如果想要实时记录风电机组的所有状态数据需要大量存储设备，造成风电机组的运行成本急剧增加。
发明内容
本发明要解决的技术问题是本发明提出一种更为可靠且更为经济的基于风电机组状态的风电机组数据存储方法和***。
为了解决上述技术问题，本发明的实施例提供一种基于风电机组状态的风电机组数据存储方法，包括：
步骤1、获取风电机组当前的实时运行数据，判断当前风电机组运行是否正常，如果是则跳转到步骤2；如果否则跳转到步骤3；
步骤2、将每一预设监测点的实时状态数据分别与预存储的正常状态的运行数据进行比较，如果与所述正常状态的运行数据的差值超过预设阈值，则将该数据进行存储，步骤结束；
步骤3、按照预设频率获取风电机组当前的实时运行数据，并将所有数据进行存储。
作为上述技术方案的优选，所述步骤1具体包括：
步骤11、根据风电机组历史运行数据生成风电机组的多个正常状态模型和异常状态模型；
步骤12、获取所述风电机组的实时运行数据，将所述风电机组的实时运行数据与所述正常状态模型和异常状态模型进行对比，以确定与所述实时运行数据相似度最高的模型以确定当前运行状态是否正常。
作为上述技术方案的优选，所述步骤11具体包括：
步骤111、获取所述风电机组每个预设监测点在多个相同特定时间点的历史状态参数，以及每一特定时间点的运行状态；
步骤112、针对每一预设监测点，生成所述特定时间点的状态参数形成的状态参数集合；
步骤113、将所有预设监测点的状态参数集合作为所述风电机组的正常状态模型和/或异常状态模型。
作为上述技术方案的优选，所述步骤2具体包括：
步骤21、获取所述风电机组的正常状态模型；根据正常状态模型确定每一预设监测点的安全基准线；
步骤22、将所述风电机组的实时运行数据与所述安全基准线进行对比，如果与所述安全基准线的差值超过预设阈值，则将该数据进行存储；如果与所述安全基准线的差值未超过预设阈值，则忽略该数据。
为了解决上述技术问题，本发明实施例还提出了一种基于风电机组状态的风电机组数据存储***，包括：
状态判断模块，用于获取风电机组当前的实时运行数据，判断当前风电机组运行是否正常；
正常状态处理模块，用于将每一预设监测点的实时状态数据分别与预存储的正常状态的运行数据进行比较，如果与所述正常状态的运行数据的差值超过预设阈值，则将该数据进行存储；
异常状态处理模块，用于按照预设频率获取风电机组当前的实时运行数据，并将所有数据进行存储。
作为上述技术方案的优选，所述状态判断模块具体包括：
模型生成单元，用于根据风电机组历史运行数据生成风电机组的多个正常状态模型和异常状态模型；
对比单元，用于获取所述风电机组的实时运行数据，将所述风电机组的实时运行数据与所述正常状态模型和异常状态模型进行对比，以确定与所述实时运行数据相似度最高的模型以确定当前运行状态是否正常。
作为上述技术方案的优选，所述模型生成单元具体包括：
数据获取子单元，用于获取所述风电机组每个预设监测点在多个相同特定时间点的历史状态参数，以及每一特定时间点的运行状态；
参数集合子单元，用于针对每一预设监测点，生成所述特定时间点的状态参数形成的状态参数集合；
生成子单元，用于将所有预设监测点的状态参数集合作为所述风电机组的正常状态模型和/或异常状态模型。
作为上述技术方案的优选，所述正常状态处理模块具体包括：
安全基准线生成单元，用于获取所述风电机组的正常状态模型；根据正常状态模型确定每一预设监测点的安全基准线；
数据处理单元，用于将所述风电机组的实时运行数据与所述安全基准线进行对比，如果与所述安全基准线的差值超过预设阈值，则将该数据进行存储；如果与所述安全基准线的差值未超过预设阈值，则忽略该数据。
本发明的上述技术方案的有益效果如下：
本发明实施例根据风电机组的实时状态来对风电机组的实时运行数据和设备振动状态监测***的数据进行长期高精度的存储。当风电机组的状态处于正常时，***采用例外方式对来自风电机组的数据进行存储（即对每一个测点定义一个偏差范围，当测点数据在偏差范围内时，则***不存储数据）。当风电机组状态处于异常时，***则关闭偏差设置，按照定义的扫描频率进行数据存储，保证数据精度。采用本发明实施例一方面可以节约大量数据存储空间，极大提高存储效率，同时也可以保证机组异常时的数据采集存储精度。
附图说明
图1为本发明实施例的基于故障数据的风电机组传动***故障识别方法的流程示意图；
图2为本发明实施例的基于故障数据的风电机组传动***故障识别***的结构示意图。
具体实施方式
为使本发明要解决的技术问题、技术方案和优点更加清楚，下面将结合附图及具体实施例进行详细描述。
本发明的实施例提供一种基于风电机组状态的风电机组数据存储方法，其流程如图1所示的，包括：
步骤1、获取风电机组当前的实时运行数据，判断当前风电机组运行是否正常，如果是则跳转到步骤2；如果否则跳转到步骤3；
步骤2、将每一预设监测点的实时状态数据分别与预存储的正常状态的运行数据进行比较，如果与所述正常状态的运行数据的差值超过预设阈值，则将该数据进行存储，步骤结束；
步骤3、按照预设频率获取风电机组当前的实时运行数据，并将所有数据进行存储。
上述方法中，是采用根据风电机组状态进行数据存储的方式来节省存储开销，提高***的效率，降低无用数据的存储以节省成本。在正常状态下无需对所有数据都进行存储，而只存储异常数据。而在故障状态下则需要采用一定频率获取实时运行数据，并将所述实时运行数据都进行存储，以便于进行后数据进行分析。
其中，如何判断风电机组的状态对于如何存储数据具有非常重要的作用。在本发明的一个实施例中，采用如下方法来确定风电机组的工作状态。即所述步骤1具体包括：
步骤11、根据风电机组历史运行数据生成风电机组的多个正常状态模型和异常状态模型；
步骤12、获取所述风电机组的实时运行数据，将所述风电机组的实时运行数据与所述正常状态模型和异常状态模型进行对比，以确定与所述实时运行数据相似度最高的模型以确定当前运行状态是否正常。
上述方法中，采用风电机组历史运行数据来生成多个正常状态模型和异常状态模型。这样只需将当前实时运行数据的状态与正常状态模型和异常状态模型进行相似度比较，相似度最高的一个状态即为当前的运行状态。当然，本领域技术人员可以理解，这种方法要求足够多的历史数据来生成具有统计意义的正常状态模型和异常状态模型。其中，生成正常状态模型和异常状态模型的方法可以如下所述的，即所述步骤11具体包括：
步骤111、获取所述风电机组每个预设监测点在多个相同特定时间点的历史状态参数，以及每一特定时间点的运行状态；
步骤112、针对每一预设监测点，生成所述特定时间点的状态参数形成的状态参数集合；
步骤113、将所有预设监测点的状态参数集合作为所述风电机组的正常状态模型和/或异常状态模型。
同时，在前述的方法中可以确定风电机组当前的状态。但是即使可以确定风电机组的当前状态是正常状态，也不能确保正常状态下的所有运行参数都是正常的。因此在本发明实施例中，需要将正常状态下的每一运行参数都与安全基准线进行对比，以将超出安全基准线的运行参数进行存储，以通过这些参数对未来可能出现的故障进行预估和预警。即所述步骤2具体包括：
步骤21、获取所述风电机组的正常状态模型；根据正常状态模型确定每一预设监测点的安全基准线；
步骤22、将所述风电机组的实时运行数据与所述安全基准线进行对比，如果与所述安全基准线的差值超过预设阈值，则将该数据进行存储；如果与所述安全基准线的差值未超过预设阈值，则忽略该数据。
同时，本发明实施例还提出了一种基于风电机组状态的风电机组数据存储***，其结构如图2所示的，包括：
状态判断模块，用于获取风电机组当前的实时运行数据，判断当前风电机组运行是否正常；
正常状态处理模块，用于将每一预设监测点的实时状态数据分别与预存储的正常状态的运行数据进行比较，如果与所述正常状态的运行数据的差值超过预设阈值，则将该数据进行存储；
异常状态处理模块，用于按照预设频率获取风电机组当前的实时运行数据，并将所有数据进行存储。
其中，所述状态判断模块具体包括：
模型生成单元，用于根据风电机组历史运行数据生成风电机组的多个正常状态模型和异常状态模型；
对比单元，用于获取所述风电机组的实时运行数据，将所述风电机组的实时运行数据与所述正常状态模型和异常状态模型进行对比，以确定与所述实时运行数据相似度最高的模型以确定当前运行状态是否正常。
其中，所述模型生成单元具体包括：
数据获取子单元，用于获取所述风电机组每个预设监测点在多个相同特定时间点的历史状态参数，以及每一特定时间点的运行状态；
参数集合子单元，用于针对每一预设监测点，生成所述特定时间点的状态参数形成的状态参数集合；
生成子单元，用于将所有预设监测点的状态参数集合作为所述风电机组的正常状态模型和/或异常状态模型。
其中，所述正常状态处理模块具体包括：
安全基准线生成单元，用于获取所述风电机组的正常状态模型；根据正常状态模型确定每一预设监测点的安全基准线；
数据处理单元，用于将所述风电机组的实时运行数据与所述安全基准线进行对比，如果与所述安全基准线的差值超过预设阈值，则将该数据进行存储；如果与所述安全基准线的差值未超过预设阈值，则忽略该数据。
本发明实施例根据风电机组的实时状态来对风电机组的实时运行数据和设备振动状态监测***的数据进行长期高精度的存储。当风电机组的状态处于正常时，***采用例外方式对来自风电机组的数据进行存储（即对每一个测点定义一个偏差范围，当测点数据在偏差范围内时，则***不存储数据）。当风电机组状态处于异常时，***则关闭偏差设置，按照定义的扫描频率进行数据存储，保证数据精度。采用本发明实施例一方面可以节约大量数据存储空间，极大提高存储效率，同时也可以保证机组异常时的数据采集存储精度。
以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明所述原理的前提下，还可以作出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。
Claims (8)
1.基于风电机组状态的风电机组数据存储方法，其特征在于，包括：
步骤1、获取风电机组当前的实时运行数据，判断当前风电机组运行是否正常，如果是则跳转到步骤2；如果否则跳转到步骤3；
步骤2、将每一预设监测点的实时状态数据分别与预存储的正常状态的运行数据进行比较，如果与所述正常状态的运行数据的差值超过预设阈值，则将该数据进行存储，步骤结束；
步骤3、按照预设频率获取风电机组当前的实时运行数据，并将所有数据进行存储。
2.根据权利要求1所述的基于风电机组状态的风电机组数据存储方法，其特征在于，所述步骤1具体包括：
步骤11、根据风电机组历史运行数据生成风电机组的多个正常状态模型和异常状态模型；
步骤12、获取所述风电机组的实时运行数据，将所述风电机组的实时运行数据与所述正常状态模型和异常状态模型进行对比，以确定与所述实时运行数据相似度最高的模型以确定当前运行状态是否正常。
3.根据权利要求2所述的基于风电机组状态的风电机组数据存储方法，其特征在于，所述步骤11具体包括：
步骤111、获取所述风电机组每个预设监测点在多个相同特定时间点的历史状态参数，以及每一特定时间点的运行状态；
步骤112、针对每一预设监测点，生成所述特定时间点的状态参数形成的状态参数集合；
步骤113、将所有预设监测点的状态参数集合作为所述风电机组的正常状态模型和/或异常状态模型。
4.根据权利要求2或3所述的基于风电机组状态的风电机组数据存储方法，其特征在于，所述步骤2具体包括：
步骤21、获取所述风电机组的正常状态模型；根据正常状态模型确定每一预设监测点的安全基准线；
步骤22、将所述风电机组的实时运行数据与所述安全基准线进行对比，如果与所述安全基准线的差值超过预设阈值，则将该数据进行存储；如果与所述安全基准线的差值未超过预设阈值，则忽略该数据。
5.一种基于风电机组状态的风电机组数据存储***，其特征在于，包括：
状态判断模块，用于获取风电机组当前的实时运行数据，判断当前风电机组运行是否正常；
正常状态处理模块，用于将每一预设监测点的实时状态数据分别与预存储的正常状态的运行数据进行比较，如果与所述正常状态的运行数据的差值超过预设阈值，则将该数据进行存储；
异常状态处理模块，用于按照预设频率获取风电机组当前的实时运行数据，并将所有数据进行存储。
6.根据权利要求5所述的基于风电机组状态的风电机组数据存储***，其特征在于，所述状态判断模块具体包括：
模型生成单元，用于根据风电机组历史运行数据生成风电机组的多个正常状态模型和异常状态模型；
对比单元，用于获取所述风电机组的实时运行数据，将所述风电机组的实时运行数据与所述正常状态模型和异常状态模型进行对比，以确定与所述实时运行数据相似度最高的模型以确定当前运行状态是否正常。
7.根据权利要求6所述的基于风电机组状态的风电机组数据存储***，其特征在于，所述模型生成单元具体包括：
数据获取子单元，用于获取所述风电机组每个预设监测点在多个相同特定时间点的历史状态参数，以及每一特定时间点的运行状态；
参数集合子单元，用于针对每一预设监测点，生成所述特定时间点的状态参数形成的状态参数集合；
生成子单元，用于将所有预设监测点的状态参数集合作为所述风电机组的正常状态模型和/或异常状态模型。
8.根据权利要求6或7所述的基于风电机组状态的风电机组数据存储***，其特征在于，所述正常状态处理模块具体包括：
安全基准线生成单元，用于获取所述风电机组的正常状态模型；根据正常状态模型确定每一预设监测点的安全基准线；
数据处理单元，用于将所述风电机组的实时运行数据与所述安全基准线进行对比，如果与所述安全基准线的差值超过预设阈值，则将该数据进行存储；如果与所述安全基准线的差值未超过预设阈值，则忽略该数据。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN2013100954354A CN103218464A (zh) | 2013-03-23 | 2013-03-23 | 基于风电机组状态的风电机组数据存储方法和*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN2013100954354A CN103218464A (zh) | 2013-03-23 | 2013-03-23 | 基于风电机组状态的风电机组数据存储方法和*** |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN103218464A true CN103218464A (zh) | 2013-07-24 |
Family
ID=48816250
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN2013100954354A Pending CN103218464A (zh) | 2013-03-23 | 2013-03-23 | 基于风电机组状态的风电机组数据存储方法和*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN103218464A (zh) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105548873A (zh) * | 2015-12-09 | 2016-05-04 | 中国西电电气股份有限公司 | 用于在线监测装置实现开关设备健康诊断的方法及*** |
| CN105651520A (zh) * | 2016-03-01 | 2016-06-08 | 西安航空动力股份有限公司 | 一种航空发动机外部附件振动故障的定位方法 |
| CN105795497A (zh) * | 2016-04-11 | 2016-07-27 | 浙江中烟工业有限责任公司 | 一种提高烘丝机故障分析的数据采集方法 |
| CN107463575A (zh) * | 2016-06-06 | 2017-12-12 | 上海电气风电集团有限公司 | 一种新型的智能风电历史数据处理方法与*** |
| CN109308169A (zh) * | 2018-08-24 | 2019-02-05 | 珠海格力电器股份有限公司 | 数据存储方法、装置及采用该方法的空调 |
| CN110309885A (zh) * | 2019-07-05 | 2019-10-08 | 黑龙江电力调度实业有限公司 | 基于大数据的机房状态判断方法 |
| CN112198818A (zh) * | 2019-07-08 | 2021-01-08 | 浙江宇视科技有限公司 | 步进式驱动结构的控制方法、装置、设备及存储介质 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1694449A (zh) * | 2005-05-30 | 2005-11-09 | 艾默生网络能源有限公司 | 数据采集方法及数据采集*** |
| US20090112523A1 (en) * | 1999-12-06 | 2009-04-30 | Townsend Christopher P | Data Collection and Storage Device |
| CN102270271A (zh) * | 2011-05-03 | 2011-12-07 | 北京中瑞泰科技有限公司 | 基于相似度曲线的设备故障早期预警及优化的方法和*** |
-
2013
- 2013-03-23 CN CN2013100954354A patent/CN103218464A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20090112523A1 (en) * | 1999-12-06 | 2009-04-30 | Townsend Christopher P | Data Collection and Storage Device |
| CN1694449A (zh) * | 2005-05-30 | 2005-11-09 | 艾默生网络能源有限公司 | 数据采集方法及数据采集*** |
| CN102270271A (zh) * | 2011-05-03 | 2011-12-07 | 北京中瑞泰科技有限公司 | 基于相似度曲线的设备故障早期预警及优化的方法和*** |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105548873A (zh) * | 2015-12-09 | 2016-05-04 | 中国西电电气股份有限公司 | 用于在线监测装置实现开关设备健康诊断的方法及*** |
| CN105651520A (zh) * | 2016-03-01 | 2016-06-08 | 西安航空动力股份有限公司 | 一种航空发动机外部附件振动故障的定位方法 |
| CN105795497A (zh) * | 2016-04-11 | 2016-07-27 | 浙江中烟工业有限责任公司 | 一种提高烘丝机故障分析的数据采集方法 |
| CN107463575A (zh) * | 2016-06-06 | 2017-12-12 | 上海电气风电集团有限公司 | 一种新型的智能风电历史数据处理方法与*** |
| CN109308169A (zh) * | 2018-08-24 | 2019-02-05 | 珠海格力电器股份有限公司 | 数据存储方法、装置及采用该方法的空调 |
| CN110309885A (zh) * | 2019-07-05 | 2019-10-08 | 黑龙江电力调度实业有限公司 | 基于大数据的机房状态判断方法 |
| CN112198818A (zh) * | 2019-07-08 | 2021-01-08 | 浙江宇视科技有限公司 | 步进式驱动结构的控制方法、装置、设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103218464A (zh) | 基于风电机组状态的风电机组数据存储方法和*** | |
| CN103217286A (zh) | 基于故障数据的风电机组传动***故障识别方法和*** | |
| CN103294891A (zh) | 一种基于历史故障数据的风电机组状态评估方法和*** | |
| CN102937071B (zh) | 一种风力发电机组启动控制的方法和装置 | |
| CN106779377B (zh) | 风电消纳过程评估方法 | |
| CN103472406A (zh) | 一种风电机组变桨***后备电源在线自动检测方法及装置 | |
| CN109086253A (zh) | 一种基于可靠性维度的风电机组损失电量计算方法 | |
| CN103471729A (zh) | 一种装置温度预警方法及其应用 | |
| CN109885019B (zh) | 一种风机状态自动判断方法 | |
| CN105182124A (zh) | 基于电量采集的耗能设备故障预警方法和装置 | |
| CN106246465B (zh) | 一种风电机组风速风向获取方法及风电机组*** | |
| CN204694342U (zh) | 一种风力发电机组异常振动的预警装置及*** | |
| EP3796016A1 (en) | System and method for detecting battery faults in a pitch system of a wind turbine | |
| CN112184049B (zh) | 一种抽水蓄能电站服务电网能力评估方法 | |
| CN103645060B (zh) | 基于状态监控***的风力发电机组突发故障识别诊断方法 | |
| CN104484732B (zh) | 一种计及机组发电量的风电场维修部件选取方法 | |
| US20070115020A1 (en) | Functionality test method | |
| CN114776268B (zh) | 一种采油***绿色低碳的智能群控方法及*** | |
| CN108825449B (zh) | 风力发电机组飞车预警方法和装置 | |
| CN107292479B (zh) | 一种风电场能量损失自适应计算方法 | |
| CN202189272U (zh) | 火力发电机组监控诊断*** | |
| CN113937774A (zh) | 一种电源涉网保护的校核方法和*** | |
| CN110608135B (zh) | 一种风电机组偏航控制方法、装置、设备及存储介质 | |
| CN204442018U (zh) | 基于无线通信模式的微电网逆变器监控装置 | |
| CN205039555U (zh) | 一种风储联合监控*** |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20130724 |
|
| RJ01 | Rejection of invention patent application after publication |