【技术实现步骤摘要】
本专利技术涉及运维监控，特别是一种基于边缘计算的发电站运维数据实时监控方法。
技术介绍
1、随着智能电网和物联网技术的迅速发展，发电站运维领域已经逐步实现自动化和智能化。传统的发电站运维依赖于中心化的数据处理和监控系统，这在数据传输和处理上存在延迟，影响了运维的实时性和效率。近年来，边缘计算的兴起提供了一种新的解决方案。边缘计算通过在数据源附近（如发电站内）处理数据，减少了数据传输时间，提高了处理速度和实时性。物联网技术的应用使得发电设备能够实时收集和传输运维数据，为边缘计算提供了丰富的数据源。同时，随着人工智能算法，特别是机器学习技术在数据分析领域的应用成熟，使得对发电设备的状态监控和预测更加准确和高效。
2、尽管边缘计算和物联网技术在发电站运维中的应用带来了显著进步，但现有技术仍存在一些不足之处。首先，现有的数据处理方法在初步数据过滤和异常检测方面往往不够精确，导致无效或错误的数据被传输和处理，影响了监控的准确性和效率。此外，传统的数据处理方法在处理大量数据时可能面临处理能力不足的问题，无法满足实时监控的需求。
技术实现思路
1、鉴于现有的发电站运维数据实时监控中存在的问题，提出了本专利技术。
2、因此，本专利技术所要解决的问题在于如何避免数据传输和处理过程中的无效或者错误，提高监控的准确性和效率，实现精确的发电站运维数据实时监控。
3、为解决上述技术问题，本专利技术提供如下技术方案：
4、第一方面，本专利技术实施例提供了一种基于
5、作为本专利技术所述基于边缘计算的发电站运维数据实时监控方法的一种优选方案，其中：所述关键运维数据通过设置于发电设备上的传感器实时收集；所述传感器为具有边缘计算能力的多功能智能传感器，且所述传感器包括风力发电监测传感器、光伏发电监测传感器和环境监测传感器；所述传感器的边缘计算是指在每个传感器中集成一个微型边缘计算单元，所述微型边缘计算单元对传感器收集的原始数据进行一次处理；所述第一运维数据为所述风力发电监测传感器采集的风速、风向、涡轮机震动、轮毂温度，以及发电量；所述第二运维数据为所述光伏发电监测传感器采集的光照强度、板温、电流和电压、遮挡或污染情况；所述第三运维数据为所述环境监测传感器采集的大气压力、湿度、温度，以及降雨量。
6、作为本专利技术所述基于边缘计算的发电站运维数据实时监控方法的一种优选方案，其中：所述数据过滤包括如下步骤：设定预设阈值，具体为根据第一运维数据设定第一预设阈值，根据第二运维数据设定第二预设阈值，根据第三运维数据设定第三预设阈值；当所述第一运维数据、第二运维数据和第三运维数据进入微型边缘计算单元时，立即与各自相对应的第一预设阈值、第二预设阈值和第三预设阈值进行比较；若在预设阈值范围内，则判定为有效数据，保留以供进一步分析；若超出预设阈值范围，则标记为无效并剔除；此外，需记录被剔除的关键运维数据的详细信息，以供后续分析数据异常的原因；所述详细信息包括时间戳、传感器id和异常值。
7、所述初步异常检测包括如下步骤：对每类传感器收集的关键运维数据计算滑动窗口标准差，公式如下：
8、；
9、其中，σ是标准差；是单个数据点的值； μ是所有数据点的平均值； n是数据点的数量。
10、根据标准差公式，判断第一运维数据、第二运维数据和第三运维数据的各个数据点状态，所述数据点状态包括正常、轻微异常、显著异常，以及极端异常。
11、若所述数据点在一倍标准差范围内，即，则判定为正常。若所述数据点超过一倍但不超过两倍标准差，也即且，则判定为轻微异常；此外，若连续数次落在一倍标准差边界上，即使未超过一倍标准差，则也判定为轻微异常。若所述数据点超过两倍但不超过三倍标准差，即或，则判定为显著异常；此外，若连续向同一方向偏离平均值超过一倍标准差，也即连续数次超过或低于，即使未达到两倍标准差，则也判定为显著异常。若所述数据点超过三倍标准差，即或，则判定为极端异常；此外，当第三运维数据的数据点出现远离长期平均值，特别是超出三倍标准差的范围时、第三运维数据的变化与已知的极端天气事件相一致、参数在预设时间内超出常规季节性变化的范围、与发电设备所在地的历史季节性趋势严重不符，或存在环境污染，即使第三运维数据的数据点仅超过三倍标准差，也需判定为重要且值得关注的极端异常。预设时间在本实施例中为每月、每季度或每半年。
12、作为本专利技术所述基于边缘计算的发电站运维数据实时监控方法的一种优选方案，其中：所述联合判断包括若第一运维数据或第二运维数据的数据点在数据过滤中被判定为有效数据，但在初步异常检测中显示为轻微异常、显著异常或极端异常，同时第三运维数据显示出与这些异常相关的环境变化，则重新计算异常数据点与第一预设阈值、第二预设阈值和第三预设阈值的关系；在重新计算中，若异常数据点的值小于相应预设阈值的最小值且与第三运维数据显示的环境变化有直接相关性，则重新判定这些数据点为有效且正常；若数据点的值大于或等于预设阈值或与第三运维数据显示的环境变化无直接相关性，则保持其异常状态。
13、所述直接相关性的判断包括分析第三运维数据，特别是在异常数据点出现的时间段内的环境参数变化，应用时间序列分析方法来计算环境参数变化与记录的异常数据点之间的相关性；设置相关性评估的阈值，若每个异常数据点与环境变化的相关系数超过相关性评估的阈值，则认定这些数据点与环境变化有直接相关性；若所述相关系数未超过相关性评估的阈值，则认定这些数据点与环境变化无直接相关性。
14、作为本专利技术所述基于边缘计算的发电站运维数据实时监控方法的一种优选方案，其中：所述二次处理包括如下步骤：在数据中心中设定数据同步频率，确保在关键数据变化或预定时间间隔后自动触发数据上传；对所有传输的数据应用256位aes加密，进行加密密钥的安全管理和定期更新；进行数据整合，在数据湖中归档和索引收到的数据，实施数据质量检查，确保数据的完整性和准确性；运用机器学习技术自动识别和纠正数据不一致性和错误；实现自动化数据清洗。
15、作为本专利技术所述基于边缘计算的发电站运维数据实时监控方法的一种优选方案，其中：所述预测模型的建立包括如下步骤：将设备和运维场景的规则集成到异常检测系统中，定期更新规则以适应新的运本文档来自技高网...
【技术保护点】
1.一种基于边缘计算的发电站运维数据实时监控方法，其特征在于：包括，
2.如权利要求1所述的基于边缘计算的发电站运维数据实时监控方法，其特征在于：所述关键运维数据通过设置于发电设备上的传感器实时收集；所述传感器为具有边缘计算能力的多功能智能传感器，且所述传感器包括风力发电监测传感器、光伏发电监测传感器和环境监测传感器；
3.如权利要求2所述的基于边缘计算的发电站运维数据实时监控方法，其特征在于：所述数据过滤包括如下步骤：
4.如权利要求3所述的基于边缘计算的发电站运维数据实时监控方法，其特征在于：所述联合判断包括，
5.如权利要求4所述的基于边缘计算的发电站运维数据实时监控方法，其特征在于：所述二次处理包括如下步骤：
6.如权利要求5所述的基于边缘计算的发电站运维数据实时监控方法，其特征在于：所述预测模型的建立包括如下步骤：
7.如权利要求6所述的基于边缘计算的发电站运维数据实时监控方法，其特征在于：所述预警和响应程序包括，
8.一种基于边缘计算的发电站运维数据实时监控系统，基于权利要求1~7任一
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于：所述处理器执行所述计算机程序时实现权利要求1~7任一所述的基于边缘计算的发电站运维数据实时监控方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于：所述计算机程序被处理器执行时实现权利要求1~7任一所述的基于边缘计算的发电站运维数据实时监控方法的步骤。
...【技术特征摘要】
1.一种基于边缘计算的发电站运维数据实时监控方法，其特征在于：包括，
2.如权利要求1所述的基于边缘计算的发电站运维数据实时监控方法，其特征在于：所述关键运维数据通过设置于发电设备上的传感器实时收集；所述传感器为具有边缘计算能力的多功能智能传感器，且所述传感器包括风力发电监测传感器、光伏发电监测传感器和环境监测传感器；
3.如权利要求2所述的基于边缘计算的发电站运维数据实时监控方法，其特征在于：所述数据过滤包括如下步骤：
4.如权利要求3所述的基于边缘计算的发电站运维数据实时监控方法，其特征在于：所述联合判断包括，
5.如权利要求4所述的基于边缘计算的发电站运维数据实时监控方法，其特征在于：所述二次处理包括如下步骤：
6.如权利要求5所述的基于边缘计算的...
【专利技术属性】
技术研发人员：李锋，姜绪良，姚正阳，殷杰，郭熙，杨阳，曹克楠，安少帅，严朦，杨德志，万勇敢，
申请(专利权)人：华能江苏综合能源服务有限公司，
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。