【技术实现步骤摘要】
本专利技术属于风电机组叶片结冰预警领域，具体为一种基于scada数据的风电机组叶片实时结冰预警方法及系统。
技术介绍
1、叶片是风电机组能量转换的关键部件。在实际风电场中，由于风电机组为了更多的捕获风能而多分布在高海拔、高纬度等气候相对寒冷的地区，因而风电机组叶片易受降雪等低温天气的影响而出现结冰现象。叶片结冰会改变叶片的翼型从而降低风能捕获能力同时会增大叶片转动所需的能量，造成功率损耗。此外叶片结冰所产生的附冰层会改变叶片的模态参数，严重会诱发叶片的断裂。
2、目前常见的叶片结冰监测预警方法包括但不限于以下几种：
3、温度传感器监测：利用叶片表面安装的温度传感器监测叶片温度变化，当温度下降到结冰点以下时发出预警信号。
4、摄像头监测：通过安装在风机塔顶或叶片上的摄像头监测叶片表面的结冰情况，利用图像处理技术进行结冰检测。
5、振动监测：通过安装在叶片上的振动传感器监测叶片的振动特征，结合振动信号分析来判断叶片是否结冰。
6、风力发电机组运行数据分析：通过分析风力发电机组的运行数据，如风速、转速、功率等，来间接判断叶片是否结冰。
7、然而上述方法存在的缺点是：1)温度传感器监测可能会受到周围环境温度和日照等因素的影响，导致监测结果不够准确。2)像头监测需要对大量的图像数据进行处理和分析，对计算资源要求较高，且在恶劣天气条件下可能受到影响。3)振动监测方法需要对叶片的振动特征有深入的了解，且在叶片正常运行时和结冰时的振动特征可能不够明显，难以准确判断；4)风力
8、因此，当前的风电机组叶片结冰在准确性、实时性和适用性等方面还存在一定的局限性，需要更加精准和可靠的监测与预警方法来提高风力发电设备的安全性和可靠性。
技术实现思路
1、有鉴于此，本专利技术提供了一种基于scada数据的风电机组叶片实时结冰预警方法及系统，本方法结合力实时数据处理、精确数据清洗、模型训练和实时推理服务，能够提供高效、准确的风电机组叶片结冰预警服务，有望在风电行业中发挥重要作用。
2、为实现上述目的，具体技术方案如下：
3、第一方面提供了一种基于scada数据的风电机组叶片实时结冰预警方法，包括：确定在scada系统中风电机组数据采集点，并在scada系统中配置数据采集任务，获取风电机组采集点数据；以及对风电机组采集点数据进行超限数据清洗、死值数据清洗，以及基于lof算法的风电机组正常发电状态风电机组采集点数据判别，获得精确风电机组采集点数据；以及将精确风电机组采集点数据输入到多层感知器模型中进行训练，拟合风电机不同工况下的正常发电状态；以及在训练好的多层感知器模型中部署onnxruntime；以及将风电机组数据传入使用apacheflink构建实时数据流中，形成flink的实时数据流，将flink的实时数据流传输至部署有onnxruntime的多层感知器模型中，推理服务进行实时推理，对风电机组叶片结冰状态的实时监测和预警。
4、本方面首先通过scada系统确定数据采集点并配置数据采集任务，以获取风电机组采集点数据。随后对这些数据进行超限和死值清洗，并利用lof算法判别正常发电状态，从而获得精确的风电机组采集点数据。接着将这些数据输入多层感知器模型进行训练，以拟合不同工况下的正常发电状态，并在训练好的模型中部署onnxruntime。最后利用apacheflink构建实时数据流，将其传输至部署有onnxruntime的多层感知器模型中，进行实时推理，实现对风电机组叶片结冰状态的实时监测和预警。本方面通过scada系统的数据采集和清洗，以及基于lof算法的数据判别，能够有效提取精确的风电机组数据。同时，多层感知器模型的训练和onnxruntime的部署保证了高效的模型推理服务。结合apache flink构建的实时数据流，该方法能够实现对风电机组叶片结冰状态的准确监测和实时预警，提高了风电机组的安全性和可靠性。这种综合利用数据处理、机器学习和实时推理的方法，为风电行业提供了一种高效、准确的结冰预警解决方案。
5、第二方面提供了一种基于scada数据的风电机组叶片实时结冰预警系统，包括：数据获取模块，配置为利用scada系统获取风电机组采集点数据；数据预处理模块，配置为数据进行超限数据清洗、死值数据清洗，以及正常发电状态风电机组采集点数据判别；结冰预测模块：配置为利用onnxruntime多层感知器模型实时监测和预警风电机组叶片结冰情况；显示报警模块：配置为显示器和报警器
6、与现有技术相比，本专利技术的有益效果至少在于：
7、1)该方法利用scada系统实时采集风电机组数据，并结合apache flink构建实时数据流，实现对风电机组叶片结冰状态的实时监测和预警。这种实时性有助于及时发现异常情况并采取相应措施，提高了风电机组的安全性和可靠性。
8、2)通过对风电机组采集点数据进行超限数据清洗、死值数据清洗以及基于lof算法的正常发电状态判别，该方法能够获得精确的风电机组采集点数据。这有助于减少误报和漏报，提高了预警的准确性。
9、3)整个预警方法利用自动化的数据采集、清洗和模型推理流程，减少了人工干预的需要，提高了效率并降低了人为误差。
10、4)该方法利用多层感知器模型对风电机组数据进行训练，以拟合不同工况下的正常发电状态。并通过部署onnxruntime，实现了高效的模型推理服务。这种机器学习模型的应用有助于提高预警的准确性和实时性。
11、综上所述，该方法综合利用了scada系统、数据清洗技术、机器学习模型训练和实时推理服务，形成了一套完整的实时监测和预警体系，为风电行业提供了一种高效、准确的结冰预警解决方案。
本文档来自技高网...【技术保护点】
1.一种基于Scada数据的风电机组叶片实时结冰预警方法，其特征在于，包括：
2.根据权利要求1所述的一种基于Scada数据的风电机组叶片实时结冰预警方法，其特征在于，所述风电机组采集点数据包括：风电机组桨叶角、风电机有功功率、风速和舱外温度的数据。
3.根据权利要求2所述的一种基于Scada数据的风电机组叶片实时结冰预警方法，其特征在于：
4.根据权利要求2所述的一种基于Scada数据的风电机组叶片实时结冰预警方法，其特征在于：
5.根据权利要求1所述的一种基于Scada数据的风电机组叶片实时结冰预警方法，其特征在于：基于LOF算法的风电机组正常发电状态风电机组采集点数据判别方式如下：
6.根据权利要求1所述的一种基于Scada数据的风电机组叶片实时结冰预警方法，其特征在于：所述多层感知器模型中部署ONNXRuntime的方式为：
7.根据权利要求1所述的一种基于Scada数据的风电机组叶片实时结冰预警方法，其特征在于：所述ONNXRuntime多层感知器模型风电机组叶片结冰状态的实时监测和预警方式为：p>
8.一种基于Scada数据的风电机组叶片实时结冰预警系统，其特征在于，包括：
...【技术特征摘要】
1.一种基于scada数据的风电机组叶片实时结冰预警方法，其特征在于，包括：
2.根据权利要求1所述的一种基于scada数据的风电机组叶片实时结冰预警方法，其特征在于，所述风电机组采集点数据包括：风电机组桨叶角、风电机有功功率、风速和舱外温度的数据。
3.根据权利要求2所述的一种基于scada数据的风电机组叶片实时结冰预警方法，其特征在于：
4.根据权利要求2所述的一种基于scada数据的风电机组叶片实时结冰预警方法，其特征在于：
5.根据权利要求1所述的一种基于scada数据的风电机组...
【专利技术属性】
技术研发人员：吴智泉，魏毅，陈克锐，王振刚，梁松，吴春，赵世麒，王松，李桂胜，管志敏，杨智勇，雷金园，吴文韬，
申请(专利权)人：云南电投绿能科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。