一种基于大数据的机组在线监测方法技术

本发明专利技术公开了一种基于大数据的机组在线监测方法，在进行监测时，先将实时数据直接接入单点评估模型中，通过单点评估模型可快速检测出设备的运行状态或该数据是否为噪声，或单点评估模型判定设备运行且该实时数据为非噪声数据，则可将实时数据接入异常态数据模型中，由于异常态数据模型基于异常态历史数据建立，从而当实时数据与异常态数据模型与匹配成功时，系统可快速准确的发出设备异常的信号，以便工作人员对异常状态进行排查检修，提高了监测系统对故障的监测效率和准确度。监测系统对故障的监测效率和准确度。监测系统对故障的监测效率和准确度。

【技术实现步骤摘要】
一种基于大数据的机组在线监测方法


[0001]本专利技术涉及发电机组工业应用领域，具体涉及一种基于大数据的机组在线监测方法。

技术介绍

[0002]我国风力发电发展迅猛，但在初级阶段面临故障多发的挑战。风电产业期待从粗放经营向集约经营转变，不仅需要提高装机容量，更需实现高产高效。风机可靠性低，又因缺乏故障预警功能导致较小的故障未能发现、维修而发展成重大的安全和设备事故，不仅造成停机损失，而且维修费用昂贵。国外已经出现了某风机制造商因保修其故障多发的产品导致企业入不敷出而破产的报道。风电产业必须走出此类窘境。
[0003]健康状态监测系统以大数据分析技术为基础，为风电产业脱离上述窘境提供了技术条件。具体的，健康状态监测技术以设备运行的历史大数据作为建模基础，将采集到的的历史数据进行一系列的筛选、降噪并去除运行异常时的数据，将处理后的数据建模并优化后得到健康状态监测模型，再将实时数据接入健康状态监测模型以实现对设备的动态监测。健康状态监测系统可使用户及时发现故障，告警提示维修。现有技术中的健康状态监测模型基于单一的正常态历史数据建立，再将实时数据经过处理后接入健康状态监测模型中，为使实时数据与健康状态监测模型匹配，实时数据的预处理往往需要花费较长的时间，增大了系统检测室的计算量，降低了监测系统对干扰数据的灵敏度，同时，由于监测系统中仅设置有健康状态监测模型，监测时，经预处理后的实时数据还需与健康状态监测模型进行匹配，若匹配成功则判定设备正常，若匹配不成功，则系统直接采用排除法即刻判定设备异常，这种检测方法一方面不利于系统快速的对异常实时数据进行预警，另一方面采用排除法即判定设备异常，降低了健康状态监测模型的准确性。

技术实现思路

[0004]本专利技术的主要目的是解决由于监测系统内只集成有健康状态监测模型导致当实时数据与模型不匹配时，系统通过排除法即判定设备异常从而影响风力发电机组的健康状态监测系统灵敏度和精确度低的问题，并提供一种基于大数据的机组在线监测方法。
[0005]为了实现根据本专利技术的这些目的和其它优点，提供了一种基于大数据的机组在线监测方法，包括如下步骤：
[0006]步骤一、建立单测点评估模型、正常态数据模型和异常态数据模型；
[0007]其中，所述单测点评估模型基于典型测点的降噪历史数据集建立，且所述单测点评估模型内设置有与所述典型测点对应的待评估区间，所述待评估区间包含风力发电机组运行状态下所述典型测点的所有运行参数，所述单测点评估模型用于预测风力发电机组的运行状态；
[0008]所述正常态数据模型设置有风力发电机组正常运行时所有所述典型测点的正常范围；
[0009]所述异常态数据模型设置有风力发电机组异常运行时所有所述典型测点的异常范围；
[0010]步骤二、采集所述典型测点的实时数据，对所述实时数据进行降噪处理得到若干降噪实时数据集，所述典型测点与所述降噪实时数据集一一对应；
[0011]步骤三、将步骤二中所述降噪实时数据集接入所述单测点评估模型中进行在线故障检测；
[0012]步骤四、对步骤三中的所述降噪实时数据集选择性接入所述异常态数据模型中进行在线故障检测；
[0013]步骤五、将步骤四中待进行健康度评估的所述降噪实时数据集两两组合，得到若干实时灰关联度组合，对所述实时灰关联度组合进行无量纲化处理得到关联实时数据序列；
[0014]将所述关联实时数据序列接入所述正常态数据模型中，若所述关联实时数据序列位于所述正常态数据模型的正常范围之内，则判定为风力发电机组运行正常；若所述关联实时数据序列位于所述正常态数据模型的正常范围之外，则判定为风力发电机组运行异常；
[0015]步骤六、基于步骤五中的判定结果，将判定结果为风力发电机组运行异常对应降噪实时数据优化至所述异常态数据模型中。
[0016]优选的是，所述降噪历史数据集由若干监测测点的历史数据经降噪处理获得，所述历史数据涵盖风力发电机组运行1～3年内的运行参数。
[0017]优选的是，所述单测点评估模型的建模方法为：
[0018]对每个所述监测测点的所述降噪历史数据集进行趋势分析，结合风力发电机组使用情况记录表确定所述典型测点，并设定所述典型测点对应的所述待评估区间。
[0019]优选的是，步骤三中所述单测点评估模型的在线故障检测方法为：
[0020]在所述降噪实时数据集中抽取与所述典型测点对应的典型测点实测值，将所述典型测点实测值与所述待评估区间比较，若所述典型测点实测值位于所述待评估区间之外，则判定为风力发电机组不运行，评估结束，若所述典型测点实测值位于所述待评估区间之内，则判定为风力发电机组运行，将对应的所述降噪实时数据集发送至所述异常态数据模型。
[0021]优选的是，步骤四中所述异常态数据模型的在线故障检测方法为：
[0022]接收所述单测点评估模型上的所述降噪实时数据集，若所述降噪实时数据集位于所述异常态数据模型的异常范围之内，则判定为风力发电机组运行异常，评估结束，若所述降噪实时数据集位于所述异常态数据模型的异常范围之外，存储该降噪实时数据集，并将该降噪实时数据集发送至所述正常态数据模型进行健康度评估。
[0023]优选的是，对所述正常态历史数据集两两组合得到若干正常态灰关联度组合，采用关联度分析法计算所述正常态灰关联度组合的灰关联度值，依据灰关联度值排除冗余测点，对被保留的所述正常态灰关联度组合进行无量纲化处理得到关联正常态数据序列。
[0024]优选的是，所述正常态数据模型的建模方法为：
[0025]基于所述关联正常态数据序列建立所述正常态数据模型，将所有的所述关联正常态数据序列映射至正常状态空间中，基于所述正常状态空间的边界点构造若干第二外接平
面，将每个所述第二外接平面均分为若干平面模型，所述平面模型与所述正常态灰关联度组合一一对应，将所述关联正常态数据序列上的最大值和最小值拟合至所述平面模型中，得到所述正常态灰关联度组合对应的所述正常态数据模型的正常范围。
[0026]本专利技术至少包括以下有益效果：
[0027]1、本专利技术利用风力发电机组运行的历史数据作为系统建模的基础，对历史数据通过趋势分析进行降噪处理得到降噪历史数据集，通过对降噪历史数据集的趋势分析并结合风力发电机组使用情况记录表可以确定风电机组在运行状态时的典型测点和典型测点对应待评估区间，且该典型测点可体现设备的运行状态，从而监测系统接入实时数据后可通过待评估区间快速判断设备的运行状态，简化了风力发电机组运行状态的在线监测过程。
[0028]2、本专利技术在进行监测时，先将实时数据直接接入单点评估模型中，通过单点评估模型可快速检测出设备的运行状态或该数据是否为噪声，或单点评估模型判定设备运行且该实时数据为非噪声数据，则可将实时数据接入异常态数据模型中，由于异常态数据模型基于异常态历史数据建立，从而当实时数据与异常态数据模型与匹配成功时，系统可快速准确的发出设备异常的信号，以便工作人员对异常本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于大数据的机组在线监测方法，其特征在于，包括如下步骤：步骤一、建立单测点评估模型、正常态数据模型和异常态数据模型；其中，所述单测点评估模型基于典型测点的降噪历史数据集建立，且所述单测点评估模型内设置有与所述典型测点对应的待评估区间，所述待评估区间包含风力发电机组运行状态下所述典型测点的所有运行参数，所述单测点评估模型用于预测风力发电机组的运行状态；所述正常态数据模型设置有风力发电机组正常运行时所有所述典型测点的正常范围；所述异常态数据模型设置有风力发电机组异常运行时所有所述典型测点的异常范围；步骤二、采集所述典型测点的实时数据，对所述实时数据进行降噪处理得到若干降噪实时数据集，所述典型测点与所述降噪实时数据集一一对应；步骤三、将步骤二中所述降噪实时数据集接入所述单测点评估模型中进行在线故障检测；步骤四、对步骤三中的所述降噪实时数据集选择性接入所述异常态数据模型中进行在线故障检测；步骤五、将步骤四中待进行健康度评估的所述降噪实时数据集两两组合，得到若干实时灰关联度组合，对所述实时灰关联度组合进行无量纲化处理得到关联实时数据序列；将所述关联实时数据序列接入所述正常态数据模型中，若所述关联实时数据序列位于所述正常态数据模型的正常范围之内，则判定为风力发电机组运行正常；若所述关联实时数据序列位于所述正常态数据模型的正常范围之外，则判定为风力发电机组运行异常；步骤六、基于步骤五中的判定结果，将判定结果为风力发电机组运行异常对应降噪实时数据优化至所述异常态数据模型中。2.如权利要求1所述的基于大数据的机组在线监测方法，其特征在于，所述降噪历史数据集由若干监测测点的历史数据经降噪处理获得，所述历史数据涵盖风力发电机组运行1～3年内的运行参数。3.如权利要求1所述的基于大数据的机组在线监测方法，其特征在于，所述单测点评估模型的建模方法为：对每个所述监测测点的所述降噪历史数据集进行趋势分析，结合风力发电机组使用情况记录表...

【专利技术属性】
技术研发人员：赵韩，胡宁宁，
申请(专利权)人：苏州绿科智能机器人研究院有限公司，
类型：发明
国别省市：