一种基于大数据的风电设备状态评估方法及系统技术方案

本发明专利技术涉及风电设备监测技术领域，具体公开了一种基于大数据的风电设备状态评估方法及系统，所述方法包括获取风电设备的设备模型，基于所述设备模型确定含有标签的监测节点；定时获取所述监测节点的输入信息和输出信息，基于所述输入信息和输出信息确定风电设备的状态曲线；实时获取天气信息，基于所述天气信息生成天气曲线，根据所述天气曲线和所述状态曲线生成含有风险类型的风险率；当所述风险率达到预设的风险阈值时，根据风险类型确定应急预案。本发明专利技术获取风电设备的自身参数和环境参数，然后对获取到的参数进行分析，实时生成风电设备的评估报告，当遇到特殊情况时，自动向工作人员提供维护指引，有效地提高了维护效率和安全性。率和安全性。率和安全性。

【技术实现步骤摘要】
一种基于大数据的风电设备状态评估方法及系统


[0001]本专利技术涉及风电设备监测
，具体是一种基于大数据的风电设备状态评估方法及系统。

技术介绍

[0002]风电设备是利用风能发电或者风力发电的设备。风电技术装备是风电产业的重要组成部分，也是风电产业发展的基础和保障；我国风力资源同样丰富：据估计，我国陆上实际可开发风能资源储量为2.53亿千瓦，近海风场的可开发风能资源是陆上3倍，即我国可开发风能资源约10亿千瓦。我国风电装机加速增长：2006年，中国新增风电装机1337MW，占全球新增装机的8.9%，同比增长165.83%；至2006年中国风电累计装机达到2604MW，占全球风电装机的3.5%，累计装机增长105.29%。
[0003]风电设备的工作环境一般是在野外，维护过程的人力成本较高；此外，在特殊天气下，维护过程非常困难，还伴随着一定的危险性，如果可以预先获取风电设备及其周围环境的状态，可以极大的提高维护效率，提高工作人员的安全性。

技术实现思路

[0004]本专利技术的目的在于提供一种基于大数据的风电设备状态评估方法及系统，以解决上述
技术介绍
中提出的问题。
[0005]为实现上述目的，本专利技术提供如下技术方案：一种基于大数据的风电设备状态评估方法，所述方法包括：获取风电设备的设备模型，基于所述设备模型确定含有标签的监测节点；其中，所述监测节点为风电设备运行过程中进行数据传输的电子设备；定时获取所述监测节点的输入信息和输出信息，基于所述输入信息和输出信息确定风电设备的状态曲线；实时获取天气信息，基于所述天气信息生成天气曲线，根据所述天气曲线和所述状态曲线生成含有风险类型的风险率；将所述风险率与预设的风险阈值进行比对，当所述风险率达到预设的风险阈值时，根据风险类型确定应急预案。
[0006]作为本专利技术进一步的方案：所述定时获取所述监测节点的输入信息和输出信息，基于所述输入信息和输出信息确定风电设备的状态曲线的步骤包括：基于预设的采集设备采集所述监测节点处的输入信息，将所述输入信息输入所述设备模型，得到预测信息；基于预设的采集设备采集所述监测节点处的输出信息，将同一监测节点处的所述输出信息与所述预测信息进行比对，计算得到偏移率；统计各监测节点在不同时间点计算得到的偏移率，得到以监测节点的标签为索引的偏移率数组，根据所述偏移率数组生成节点曲线；
将所述节点曲线输入预设的转换模型，得到该监测节点的状态指标，基于所述状态指标和监测节点的标签确定风电设备的状态曲线，并建立各节点曲线与所述状态曲线的连接关系。
[0007]作为本专利技术进一步的方案：所述实时获取天气信息，基于所述天气信息生成天气曲线，根据所述天气曲线和所述状态曲线生成含有风险类型的风险率的步骤包括：建立与天气预测服务器的连接通道，获取天气预测信息；基于预设的传感设备获取实时天气参数，基于所述天气参数修正所述天气预测信息；基于修正后的天气预测信息生成天气曲线；根据所述天气曲线和所述状态曲线生成含有风险类型的风险率。
[0008]作为本专利技术进一步的方案：所述根据所述天气曲线和所述状态曲线生成含有风险类型的风险率的步骤包括：读取状态曲线，根据状态曲线和节点曲线的连接关系获取节点曲线；根据所述天气曲线输入训练好的影响模型，得到影响因子曲线；基于所述影响因子曲线修正所述节点曲线；将修正后的节点曲线输入预设的转换模型，得到相应监测节点的修正状态指标，根据所述修正状态指标确定修正后的状态曲线；对修正后的状态曲线进行特征识别，根据特征识别结果确定风险率。
[0009]作为本专利技术进一步的方案：所述对修正后的状态曲线进行特征识别，根据特征识别结果确定风险率的步骤包括：将所述状态曲线转换为曲线图像；基于预设的区域半径对所述曲线图像进行区域切分，得到含有位置信息的子区域；计算各子区域中状态曲线的曲率，根据所述曲率和相应位置信息生成特征向量；将所述特征向量与参考特征向量进行比对，根据比对结果确定风险率；其中，所述参考特征向量为风电设备在预设的标准参数下的特征向量。
[0010]作为本专利技术进一步的方案：所述方法还包括：实时获取风电设备的环境图像，随机获取图像信息中预定比例的像素点，生成特征点集；其中，所述像素点的个数为图像信息的总像数点乘以预定比例；依次将所述特征点集中的像素点转换为特征值，得到特征数组，并基于所述特征数组生成代表值，所述代表值与所述图像信息为映射关系；当所述代表值达到预设的阈值时，读取所述图像信息时间项；根据所述时间项读取相应的应急预案。
[0011]作为本专利技术进一步的方案：不同采集设备彼此之间可相互通信，当其中一个采集设备出现异常时，异常采集设备会将异常信息传输至其他未发生异常的采集设备，其他未发生异常的采集设备继续正常工作，并根据所述异常信息定位所述异常采集设备；将异常采集设备的位置信息及异常信息上传至总控中心。
[0012]本专利技术技术方案还提供了一种基于大数据的风电设备状态评估系统，所述系统包括：
节点确定模块，用于获取风电设备的设备模型，基于所述设备模型确定含有标签的监测节点；其中，所述监测节点为风电设备运行过程中进行数据传输的电子设备；状态曲线生成模块，用于定时获取所述监测节点的输入信息和输出信息，基于所述输入信息和输出信息确定风电设备的状态曲线；风险率计算模块，用于实时获取天气信息，基于所述天气信息生成天气曲线，根据所述天气曲线和所述状态曲线生成含有风险类型的风险率；预案生成模块，用于将所述风险率与预设的风险阈值进行比对，当所述风险率达到预设的风险阈值时，根据风险类型确定应急预案。
[0013]作为本专利技术进一步的方案：所述状态曲线生成模块包括：预测信息获取单元，用于基于预设的采集设备采集所述监测节点处的输入信息，将所述输入信息输入所述设备模型，得到预测信息；偏移率计算单元，用于基于预设的采集设备采集所述监测节点处的输出信息，将同一监测节点处的所述输出信息与所述预测信息进行比对，计算得到偏移率；节点曲线生成单元，用于统计各监测节点在不同时间点计算得到的偏移率，得到以监测节点的标签为索引的偏移率数组，根据所述偏移率数组生成节点曲线；曲线连接单元，用于将所述节点曲线输入预设的转换模型，得到该监测节点的状态指标，基于所述状态指标和监测节点的标签确定风电设备的状态曲线，并建立各节点曲线与所述状态曲线的连接关系。
[0014]作为本专利技术进一步的方案：所述风险率计算模块包括：天气预测单元，用于建立与天气预测服务器的连接通道，获取天气预测信息；天气修正单元，用于基于预设的传感设备获取实时天气参数，基于所述天气参数修正所述天气预测信息；第一处理执行单元，用于基于修正后的天气预测信息生成天气曲线；第二处理执行单元，用于根据所述天气曲线和所述状态曲线生成含有风险类型的风险率。
[0015]与现有技术相比，本专利技术的有益效果是：本专利技术通过一些采集设备和传感设备获取风电设备的自身参数和风电设备的环境参数，对所述自身参数和环境参数进行分析，实时的生成风电设备的评估报告，当遇到特殊情况时，自动向工作本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于大数据的风电设备状态评估方法，其特征在于，所述方法包括：获取风电设备的设备模型，基于所述设备模型确定含有标签的监测节点；其中，所述监测节点为风电设备运行过程中进行数据传输的电子设备；定时获取所述监测节点的输入信息和输出信息，基于所述输入信息和输出信息确定风电设备的状态曲线；实时获取天气信息，基于所述天气信息生成天气曲线，根据所述天气曲线和所述状态曲线生成含有风险类型的风险率；将所述风险率与预设的风险阈值进行比对，当所述风险率达到预设的风险阈值时，根据风险类型确定应急预案。2.根据权利要求1所述的基于大数据的风电设备状态评估方法，其特征在于，所述定时获取所述监测节点的输入信息和输出信息，基于所述输入信息和输出信息确定风电设备的状态曲线的步骤包括：基于预设的采集设备采集所述监测节点处的输入信息，将所述输入信息输入所述设备模型，得到预测信息；基于预设的采集设备采集所述监测节点处的输出信息，将同一监测节点处的所述输出信息与所述预测信息进行比对，计算得到偏移率；统计各监测节点在不同时间点计算得到的偏移率，得到以监测节点的标签为索引的偏移率数组，根据所述偏移率数组生成节点曲线；将所述节点曲线输入预设的转换模型，得到该监测节点的状态指标，基于所述状态指标和监测节点的标签确定风电设备的状态曲线，并建立各节点曲线与所述状态曲线的连接关系。3.根据权利要求2所述的基于大数据的风电设备状态评估方法，其特征在于，所述实时获取天气信息，基于所述天气信息生成天气曲线，根据所述天气曲线和所述状态曲线生成含有风险类型的风险率的步骤包括：建立与天气预测服务器的连接通道，获取天气预测信息；基于预设的传感设备获取实时天气参数，基于所述天气参数修正所述天气预测信息；基于修正后的天气预测信息生成天气曲线；根据所述天气曲线和所述状态曲线生成含有风险类型的风险率。4.根据权利要求3所述的基于大数据的风电设备状态评估方法，其特征在于，所述根据所述天气曲线和所述状态曲线生成含有风险类型的风险率的步骤包括：读取状态曲线，根据状态曲线和节点曲线的连接关系获取节点曲线；根据所述天气曲线输入训练好的影响模型，得到影响因子曲线；基于所述影响因子曲线修正所述节点曲线；将修正后的节点曲线输入预设的转换模型，得到相应监测节点的修正状态指标，根据所述修正状态指标确定修正后的状态曲线；对修正后的状态曲线进行特征识别，根据特征识别结果确定风险率。5.根据权利要求4所述的基于大数据的风电设备状态评估方法，其特征在于，所述对修正后的状态曲线进行特征识别，根据特征识别结果确定风险率的步骤包括：将所述状态曲线转换为曲线图像；
基于预设的区域半径对所述曲线图像进行区域切分，得到含有位置信息的子区域；计算各子区域中状态曲线的曲率，根据所述曲率和相应位置信息生成特征向量；将所述特征向量与参考特征向量进行比对，根据比对结果确定风险率；其中，所述参考特征向量为风电...

【专利技术属性】
技术研发人员：孙小钎，邓雨，胡迪，
申请(专利权)人：北京千尧新能源科技开发有限公司，
类型：发明
国别省市：