风力发电机组算法模型的监控方法及其装置及计算机可读存储介质制造方法及图纸

本发明专利技术实施例提供一种风力发电机组算法模型的监控方法及其装置及计算机可读存储介质。该方法包括：步骤S1：从风力发电机组的振动状态监控系统中获取风力发电机组正常运行状态下的CMS振动数据；步骤S2：将CMS振动数据输入到风力发电机组的算法模型中，获得算法模型的第一状态；步骤S3：在CMS振动数据中加入失效仿真信号以获得失效仿真数据；步骤S4：将失效仿真数据输入到算法模型中，获得算法模型的第二状态；及步骤S5：基于第一状态和第二状态来确定是否需要对算法模型进行更新。本发明专利技术实施例能够自动监控风力发电机组算法模型的健康状态，大大减少人工参与度。大大减少人工参与度。大大减少人工参与度。

【技术实现步骤摘要】
风力发电机组算法模型的监控方法及其装置及计算机可读存储介质


[0001]本专利技术实施例涉及风力发电
，尤其涉及一种风力发电机组算法模型的监控方法及其装置及计算机可读存储介质。

技术介绍

[0002]随着煤炭、石油等能源的逐渐枯竭，人类越来越重视可再生能源的利用。风能作为一种清洁的可再生能源越来越受到世界各国的重视。伴随着风电技术的不断发展，风力发电机组在电力系统中的应用日益增加。风力发电机组是将风能转化为电能的大型设备，通常设置于风能资源丰富的地区。
[0003]在整个风电场中会分布多台风力发电机组，而每台风力发电机组在应用中会部署多个算法模型。算法模型的部署情况多，模型部署验证周期长，而且，模型验证需要较高的技术程度，因此，目前判断算法模型的好坏及算法模型何时需要更新等技术含量较高的工作一般都需要人工来完成，仅靠现成的运维人工是无法独立完成的，而具有技术能够完成该工作的算法工程师或算法科学家们又没有时间去涵盖整个风电场中的所有风力发电机组的状态。

技术实现思路

[0004]本专利技术实施例的目的在于提供一种风力发电机组算法模型的监控方法及其装置及计算机可读存储介质，能够自动监控风力发电机组算法模型的健康状态，大大减少人工参与度，并且，能够提高模型诊断的准确性和提前量。
[0005]本专利技术实施例的一个方面提供一种风力发电机组算法模型的监控方法。所述方法包括：步骤S1：从风力发电机组的振动状态监控系统中获取所述风力发电机组正常运行状态下的CMS振动数据；步骤S2：将所述CMS振动数据输入到所述风力发电机组的算法模型中，获得所述算法模型的第一状态；步骤S3：在所述CMS振动数据中加入失效仿真信号以获得失效仿真数据；步骤S4：将所述失效仿真数据输入到所述算法模型中，获得所述算法模型的第二状态；及步骤S5：基于所述第一状态和所述第二状态来确定是否需要对所述算法模型进行更新。
[0006]本专利技术实施例的另一个方面还提供一种风力发电机组算法模型的监控装置。所述装置包括一个或多个处理器，用于实现如上所述的风力发电机组算法模型的监控方法。
[0007]本专利技术实施例的又一个方面还提供一种计算机可读存储介质。所述计算机可读存储介质上存储有程序，所述程序被处理器执行时，实现如上所述的风力发电机组算法模型的监控方法。
[0008]本专利技术实施例的风力发电机组算法模型的监控方法及其装置及计算机可读存储介质能够自动监控风力发电机组算法模型的健康状态，大大减少人工参与度。并且，由于是否更新的判断过程可以由系统自动完成，可以减少人为判断的主观性，提高人工判断的时
效性，从而能够提高模型诊断的准确性和提前量。
附图说明
[0009]图1为一种风力发电机组的示意图；
[0010]图2为本专利技术一个实施例的风力发电机组算法模型的监控方法的流程图；
[0011]图3为本专利技术一个实施例的风力发电机组算法模型的监控装置的示意性框图。
具体实施方式
[0012]这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施例并不代表与本专利技术相一致的所有实施例。相反，它们仅是与如所附权利要求书中所详述的、本专利技术的一些方面相一致的装置的例子。
[0013]在本专利技术实施例使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本专利技术。除非另作定义，本专利技术实施例使用的技术术语或者科学术语应当为本专利技术所属领域内具有一般技能的人士所理解的通常意义。本专利技术说明书以及权利要求书中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性，而只是用来区分不同的组成部分。同样，“一个”或者“一”等类似词语也不表示数量限制，而是表示存在至少一个。“多个”或者“若干”表示两个及两个以上。除非另行指出，“前部”、“后部”、“下部”和/或“上部”等类似词语只是为了便于说明，而并非限于一个位置或者一种空间定向。“包括”或者“包含”等类似词语意指出现在“包括”或者“包含”前面的元件或者物件涵盖出现在“包括”或者“包含”后面列举的元件或者物件及其等同，并不排除其他元件或者物件。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接，而且可以包括电性的连接，不管是直接的还是间接的。在本专利技术说明书和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
[0014]图1揭示了一种风力发电机组100的立体示意图。如图1所示，风力发电机组100包括多个叶片101、机舱102、轮毂103及塔架104。塔架104从基础(未图示)向上延伸，机舱102安装在塔架104的顶端，轮毂103安装在机舱102的一端，多个叶片101安装在轮毂103上。
[0015]在风力发电
通常存在两种数据源，一种是来自风力发电机组100的SCADA(Supervisory Control And Data Acquisition，监视控制及数据采集)系统的SCADS数据，另一种是来自风力发电机组100的振动状态监控系统(Condition Monitoring System，称为CMS系统)的CMS振动数据。其中，对于SCADA数据来说，由于SCADA数据是一种多变量的数据源，其仿真会涉及到风资源知识、载荷仿真知识、风场信息等多种知识，因此，在仿真上具有较高的难度。而对于CMS振动数据，由于CMS振动数据是一种振动的时域信号，基于转子动力学或者旋转机械信号处理知识，可以认为CMS振动数据其实就是多个正弦(sin(t))或余弦(cos(t))函数的叠加，因此，相对于SCADA数据来说，CMS振动数据所具有的一大优势是拥有可以随时叠加仿真的属性。本专利技术实施例正是基于CMS振动数据来进行考虑的。以下将结合附图对本专利技术实施例进行详细的描述。
[0016]本专利技术实施例提供了一种应用于图1所示的风力发电机组100的算法模型的监控
方法。图1揭示了本专利技术一个实施例的风力发电机组算法模型的监控方法的流程图。如图1所示，本专利技术一个实施例的风力发电机组算法模型的监控方法可以包括步骤S1至步骤S5。
[0017]在步骤S1中，从风力发电机组的振动状态监控系统(即CMS系统)中获取风力发电机组正常运行状态下的CMS振动数据X。
[0018]在步骤S2中，将CMS振动数据X输入到风力发电机组的算法模型f()中，获得算法模型的第一状态H1。
[0019]其中，f()是风力发电机组中所使用的常见算法模型。风力发电机组的算法模型f()例如可以包括但不局限于CMS传统统计模型，如均值、方差、傅里叶变化等；传统机器学习模型，如神经网络、随机森林等；先进的深度学习模型，如LSTM(Long
‑
Short Term Memory，长短期记忆)神本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种风力发电机组算法模型的监控方法，其特征在于：其包括：步骤S1：从风力发电机组的振动状态监控系统中获取所述风力发电机组正常运行状态下的CMS振动数据；步骤S2：将所述CMS振动数据输入到所述风力发电机组的算法模型中，获得所述算法模型的第一状态；步骤S3：在所述CMS振动数据中加入失效仿真信号以获得失效仿真数据；步骤S4：将所述失效仿真数据输入到所述算法模型中，获得所述算法模型的第二状态；及步骤S5：基于所述第一状态和所述第二状态来确定是否需要对所述算法模型进行更新。2.如权利要求1所述的方法，其特征在于：所述在所述CMS振动数据中加入失效仿真信号以获得失效仿真数据包括：建立所述CMS振动数据的失效信号仿真方程，所述失效信号仿真方程中具有多个可调参数；及将所述CMS振动数据输入到所述失效信号仿真方程中得到所述失效仿真数据。3.如权利要求2所述的方法，其特征在于：所述基于所述第一状态和所述第二状态来确定是否对所述算法模型进行更新包括：步骤S51：基于所述第一状态和所述第二状态来生成所述算法模型的最终状态；及步骤S52：基于所述最终状态来确定是否需要对所述算法模型进行更新。4.如权利要求3所述的方法，其特征在于：所述将所述CMS振动数据输入到所述风力发电机组的算法模型中，获得所述算法模型的第一状态包括：将所述CMS振动数据输入到所述风力发电机组的算法模型中得到所述算法模型的第一输出；及基于所述算法模型的第一输出与所述算法模型的控制阈值来获得所述算法模型的所述第一状态。5.如权利要求4所述的方法，其特征在于：所述将所述失效仿真数据输入到所述算法模型中，获得所述算法模型的第二状态包括：将所述失效仿真数据输入到所述算法模型中得到所述算法模型的第二输出；及基于所述算法模型的第二输出与所述算法模型的所述控制阈值来获得所述算法模型的所述第二状态。6.如权利要求5所述的方法，其特征在于：在所述算法模型的第一输出大于所述算法模型的所述控制阈...

【专利技术属性】
技术研发人员：成骁彬，姚远兵，
申请(专利权)人：上海电气风电集团股份有限公司，
类型：发明
国别省市：