一种基于微云的风电机组机舱加速度故障预测系统及其数据管理方法技术方案

一种基于微云的风电机组机舱加速度故障预测系统及其数据管理方法，涉及数据管理技术领域，本发明专利技术利用电机故障特征库对电机运行故障进行预测预判；电机故障特征库主要是由各电机故障监测模块上报电机故障数据而生成，并且故障特征库数据可以被各电机故障预测模块共享。电机故障预测系统主要基于微型主机实现，具有性价比高，安装部署简便，可扩展等优点，该系统的实现有助于降低企业因电机故障而发生停机停车事故的几率。

A wind turbine generator cabin acceleration fault prediction system based on micro cloud and its data management method

A micro cloud based prediction system for the engine room acceleration fault of the wind turbine and its data management method, which involves the technical field of data management. The invention uses the motor fault feature library to predict the motor operation fault, and the motor fault feature library is mainly generated by reporting motor fault data on the motor fault monitoring module. And the fault feature library data can be shared by each motor fault prediction module. The motor fault prediction system is mainly based on the implementation of the microcomputer. It has the advantages of high performance price ratio, easy installation and deployment, and can be extended. The realization of the system can help to reduce the probability of shutdown accidents caused by motor failure.

【技术实现步骤摘要】
一种基于微云的风电机组机舱加速度故障预测系统及其数据管理方法
本专利技术涉及一种数据管理
，特别是风力电机组机舱加速度故障预测系统的数据管理方法。
技术介绍
海上风力发电机需要经受海洋环境条件恶劣的考验，一方面，海上盐雾浓度高、湿度大、且时常可能伴有台风、海冰等灾害性天气，非常不利于机械与电气设备的长期运行；另一方面，风机伫立海中，受到海面与海底各种风、涌、浪、流的影响，与陆上大多数系统相比，海上风机运行环境复杂多变、受非定常载荷影响显著；最后，海上风机可及性差，出海与海上作业对交通工具及天气条件有严格要求，不仅耗费时间长、造成的停机损失大，而且海上船只或直升机等交通工具花费的成本也远远高于陆上。海洋环境不仅给海上风机的稳定可靠运行带来巨大挑战，也给风机的快速经济维护造成巨大困难。此外，全球大规模海上风电开发起始于2008-2010年，至今不到10年时间，而国内首个大型海上风电场于2010年方正式投运。运行年限短、运行数据与经验少，这些进一步为海上风电机组运维造成许多困难。海上风电场一般采用预防性维护与事后修复相结合的运维策略。预防性维护主要有2种情况：定期检修与状态检修。定期检修是依据事先制定的维护计划进行的风机预防性检查与维护，主要是对风机各部件进行状态检查与功能测试。定期维护保养可以让设备保持最佳的状态，并延长风机的使用寿命。为了提高风电场风资源的利用率，定期维护一般安排在风速较小的情况下实施。状态检修是指通过风机状态监测系统提取的相关状态信息，结合在线或离线健康诊断或故障分析系统的结果，而制定的维护策略。它是海上风机运维最理想的一种方式，需要以成熟的海上风机状态监测技术、健康诊断技术以及运维策略优化技术综合应用为基础，而这些技术目前还不成熟。微型主机基于工业ARM主板，该控制器具有体积小、成本低、扩展能力强等特点。其体积仅有一个卡片大小，将配置D/MicroSD卡为内存硬盘，1/2/4个USB接口和一个10/100以太网接口，可连接键盘、鼠标和网线，同时拥有视频模拟信号的电视输出接口和HDMI高清视频输出接口，具备有PC的基本功能，可以处理复杂的计算任务。微云平台主要基于2台或2台以上微型主机构建，并在其上部署主流的Hadoop技术框架，用户在Hadoop环境下进行海量数据的存储，并对这些海量数据进行处理、分析和开发。
技术实现思路
为了解决现有技术中存在的问题，本专利技术的目的是提供一种基于微云的风电机组机舱加速度故障预测系统。本专利技术之基于微云的风电机组机舱加速度故障预测系统包括机舱加速度故障在线监测模块和机舱加速度故障数据云存储与共享模块；所述机舱加速度故障在线监测模块包括机舱加速度传感器模块、微云故障数据存储模块、故障上报模块、GPRS发送模块、GPRS接收模块、故障下载模块、BP神经网络故障预测模块和故障预测显示模块；机舱加速度传感器模块的信号输出端与微云故障数据存储模块相连，微云故障数据存储模块通过故障上报模块与GPRS发送模块连接，GPRS接收模块与故障下载模块连接，微云故障数据存储模块还通过BP神经网络故障预测模块与故障预测显示模块相连；所述机舱加速度故障数据云存储与共享模块包括云端GPRS接收模块、故障数据清洗模块、故障数据存储及共享模块、故障数据抽取模块和云端GPRS发送模块；GPRS发送模块通过GPRS网络与云端GPRS接收模块信息连接，云端GPRS接收模块与故障数据清洗模块相连，故障数据清洗模块与故障数据存储及共享模块相连，故障数据存储及共享模块与故障数据抽取模块相连，故障数据抽取模块与云端GPRS发送模块相连；GPRS接收模块通过GPRS网络与云端GPRS发送模块信息相连。本专利技术利用电机故障特征库对电机运行故障进行预测预判；电机故障特征库主要是由各电机故障监测模块上报电机故障数据而生成，并且故障特征库数据可以被各电机故障预测模块共享。电机故障预测系统主要基于微型主机实现，具有性价比高，安装部署简便，可扩展等优点，该系统的实现有助于降低企业因电机故障而发生停机停车事故的几率。以上系统能实现风电机组机舱加速度状态的在线监测，同时，利用其他多路机舱加速度故障数据，对本地机舱加速度可能出现的故障进行预测预判，降低维护成本，为实现风电机组的智能运维提供重要依据。本专利技术另一目的是提出基于微云的风电机组机舱加速度故障的数据管理方法。步骤如下：1）风电机组的机舱加速度传感器完成机舱加速度的数据采集，并通过RS232协议传递给微云故障数据存储模块；2）微云故障数据存储模块接收所述机舱加速度的数据后，生成本地机舱加速度数据进行存储；3）故障上报模块定期从微云故障数据存储模块中抽取最新的机舱加速度故障数据，并进行缓存，然后通过RS485协议传递给GPRS发送模块；4）GPRS发送模块通过GPRS网络将数据传递至机舱加速度故障数据云存储与共享模块的云端GPRS接收模块；5）云端GPRS接收模块接收多路机舱加速度故障在线监测模块的GPRS发送模块发送的故障数据，并传递给故障数据清洗模块；6）故障数据清洗模块对各路机舱加速度故障数据进行清洗，并将清洗后的数据传递给故障数据存储及共享模块；7）故障数据存储及共享模块对各路机舱加速度故障数据进行云存储，并且故障数据能够被各路机舱加速度故障在线监测模块共享；8）故障数据抽取模块定期从故障数据存储及共享模块抽取其他机舱加速度故障在线监测模块的故障数据，并传递给云端GPRS发送模块；9）云端GPRS发送模块将其他机舱加速度传感器故障数据通过GPRS网络传递给机舱加速度故障在线监测模块的GPRS接收模块；10）机舱加速度故障在线监测模块的GPRS接收模块将数据传递给故障下载模块；11）故障下载模块将故障数据传递给微云故障数据存储模块；12）微云故障数据存储模块将对其他机舱加速度传感器故障数据进行本地存储，生成多路机舱加速度传感故障数据汇总存储；13）BP神经网络故障预测模块根据微云故障数据存储模块的故障数据对本地机舱加速度传感器故障的发生进行预测，然后将预测结果传递给故障预测显示模块；14）故障预测显示模块显示BP神经网络故障预测模块的预测结果。目前常用的故障预测技术主要基于服务器端统一数据存储进行的预测，而这种方式对于分布范围广泛的机舱加速度部件来讲，并不是一种及时高效的方法，因为服务器端的故障预测结果反馈到机舱加速度部件现场需要一定的时间；因此，只有将故障数据存储和故障预测部署在机舱加速度部件现场，才能实现更高效的故障预测效果。所以本专利技术方法提出了一种在机舱加速度部件现场部署微云的方式来实现现场故障数据的存储和预测分析。附图说明图1为本专利技术的机舱加速度故障在线监测模块结构示意图。图2为本专利技术的机舱加速度故障数据云存储与共享模块结构示意图。图3为本专利技术数据管理方法的流程图。具体实施方式下面根据附图对本专利技术作进一步的说明。基于微云的风电机组机舱加速度故障预测系统，包括机舱加速度故障在线监测模块和机舱加速度故障数据云存储与共享模块。机舱加速度故障在线监测模块包括机舱加速度传感器模块1、微云故障数据存储模块2、故障上报模块3、GPRS发送模块4、GPRS接收模块5、故障下载模块6、BP神经网络故障预测模块7、故障预测显示模块8。机舱加速度传感器模块1与微云本文档来自技高网...

【技术保护点】
一种基于微云的风电机组机舱加速度故障预测系统，其特征在于包括机舱加速度故障在线监测模块和机舱加速度故障数据云存储与共享模块；所述机舱加速度故障在线监测模块包括机舱加速度传感器模块、微云故障数据存储模块、故障上报模块、GPRS发送模块、GPRS接收模块、故障下载模块、BP神经网络故障预测模块和故障预测显示模块；机舱加速度传感器模块的信号输出端与微云故障数据存储模块相连，微云故障数据存储模块通过故障上报模块与GPRS发送模块连接，GPRS接收模块与故障下载模块连接，微云故障数据存储模块还通过BP神经网络故障预测模块与故障预测显示模块相连；所述机舱加速度故障数据云存储与共享模块包括云端GPRS接收模块、故障数据清洗模块、故障数据存储及共享模块、故障数据抽取模块和云端GPRS发送模块；GPRS发送模块通过GPRS网络与云端GPRS接收模块信息连接，云端GPRS接收模块与故障数据清洗模块相连，故障数据清洗模块与故障数据存储及共享模块相连，故障数据存储及共享模块与故障数据抽取模块相连，故障数据抽取模块与云端GPRS发送模块相连；GPRS接收模块通过GPRS网络与云端GPRS发送模块信息相连。

【技术特征摘要】
1.一种基于微云的风电机组机舱加速度故障预测系统，其特征在于包括机舱加速度故障在线监测模块和机舱加速度故障数据云存储与共享模块；所述机舱加速度故障在线监测模块包括机舱加速度传感器模块、微云故障数据存储模块、故障上报模块、GPRS发送模块、GPRS接收模块、故障下载模块、BP神经网络故障预测模块和故障预测显示模块；机舱加速度传感器模块的信号输出端与微云故障数据存储模块相连，微云故障数据存储模块通过故障上报模块与GPRS发送模块连接，GPRS接收模块与故障下载模块连接，微云故障数据存储模块还通过BP神经网络故障预测模块与故障预测显示模块相连；所述机舱加速度故障数据云存储与共享模块包括云端GPRS接收模块、故障数据清洗模块、故障数据存储及共享模块、故障数据抽取模块和云端GPRS发送模块；GPRS发送模块通过GPRS网络与云端GPRS接收模块信息连接，云端GPRS接收模块与故障数据清洗模块相连，故障数据清洗模块与故障数据存储及共享模块相连，故障数据存储及共享模块与故障数据抽取模块相连，故障数据抽取模块与云端GPRS发送模块相连；GPRS接收模块通过GPRS网络与云端GPRS发送模块信息相连。2.如权利要求1所述基于微云的风电机组机舱加速度故障预测系统的数据管理方法，其特征包括以下步骤：1）风电机组的机舱加速度传感器完成机舱加速度的数据采集，并通过RS232协议传递给微云故障数据存储模块；2）微云故障数据存储模块接收所述机舱加速度的数据后，生成本地机舱加速度数据进...

【专利技术属性】
技术研发人员：石林，徐守坤，吴弦凌，庄丽华，李宁，
申请(专利权)人：海安常州大学高新技术研发中心，常州大学，
类型：发明
国别省市：江苏,32