【技术实现步骤摘要】
本专利技术涉及风力发电设备监测，具体为基于物联网的风力发电机状态远程监测系统。
技术介绍
1、在风力发电产业迅速发展的当下，风力发电机的运行维护面临诸多挑战。一方面，由于其分布广泛且多处于偏远、恶劣环境，人工巡检难度大、成本高且效率低下。另一方面，传统监测手段难以实时、全面获取设备运行状态信息，在故障发生时无法及时响应，导致停机时间延长，发电量损失严重，维修费用增加；并且，在设备未出现异常数据时，无法对设备的状态进行了解，容易造成更大的损失。
2、为了解决上述缺陷，现提供技术方案。
技术实现思路
1、本专利技术的目的在于解决风力发电机分布广泛且地处偏远恶劣环境下人工巡检难、成本高、效率低，传统监测手段在设备无异常数据时无法提前了解状态易造成更大损失的问题，而提出基于物联网的风力发电机状态远程监测系统。
2、本专利技术的目的可以通过以下技术方案实现：
3、基于物联网的风力发电机状态远程监测系统，包括：
4、感知模块，用于利用多种传感器采集风力发电机运行时的各类物理参数，用于掌握设备运行状况，为后续的分析和处理提供数据基础；
5、传输模块，用于将感知模块采集到的数据通过网络通信方式进行传输，确保数据能够及时从风力发电机端传送到远程处理模块；
6、远程处理模块，用于对传输来的数据进行存储、分析、计算操作，通过大数据分析和智能算法挖掘数据价值，建立设备运行模型，对比正常与异常数据，实现故障诊断、预测功能，为运维决策提供
7、用户终端模块，用于为用户提供一个交互界面，实时展示风力发电机的运行状态、处理结果和预警信息，方便运维人员随时随地掌握设备情况，同时支持用户进行远程控制操作和接收系统反馈。
8、进一步的，所述远程处理模块的运行过程如下：
9、当数据从传输模块到达远程处理模块后，首先进行数据完整性和准确性校验，检查数据帧是否完整，是否存在数据丢失或乱码的情况，通过循环冗余校验算法，对每一批次的数据进行验证，当发现数据有误，向传输模块发送请求重传的指令，确保接收到准确、完整的数据；
10、根据数据的类型以及来源进行分类存储，采用分布式数据库架构，将实时数据快速写入对应的数据库表中，同时，建立数据索引，用于后续查询和调用数据；
11、对已存储的历史数据进行深度挖掘分析，运用统计分析方法，计算各类参数的均值、方差、极值统计指标，分析设备在不同时间段、不同工况下的参数变化范围和规律；
12、结合实时采集的数据进行动态建模，利用支持向量机或神经网络算法的机器学习算法，建立风力发电机的运行状态模型，并将实时的振动、温度、压力、转速参数数据作为输入变量，通过模型计算预测设备应有的运行状态输出值，将预测值与实际采集值进行对比分析，得到数据偏差情况；
13、当发现数据异常时，进行故障特征提取，采用信号处理技术，包括通过快速傅里叶变换对振动信号进行频谱分析，提取出异常频率成分；对温度数据的突变点、变化斜率特征进行提取，通过建立故障特征库，将提取到的特征与已知的故障类型进行匹配分析；
14、基于时间序列分析和机器学习预测模型，对设备未来的运行状态进行预测，根据当前的设备运行参数趋势以及历史故障发生前的参数变化规律，预测发生故障的概率以及故障的类型和严重程度，包括通过分析轴承温度的上升趋势以及振动频率的变化情况，预测轴承在未来几天内出现故障概率，并提前发出预警信息；
15、在未发现数据异常时，收集所有未出现异常同型号风力发电机的监测数据，进行参数变化趋势异常分析。
16、进一步的，所述远程处理模块进行参数变化趋势异常分析的具体过程如下：
17、从不同地理位置、不同运行环境下的同型号风力发电机收集监测数据，对收集到的数据进行清洗和预处理，去除噪声、异常值干扰因素，保证数据的质量；
18、再对所有的运行参数数据进行标准化处理，根据风力发电机的设计规范和运行标准，确定统一的数据格式、单位和测量基准；
19、运用移动平均法或指数平滑法的数据平滑技术，对每个风力发电机的运行参数时间序列数据进行处理，提取参数的变化趋势曲线，其中对于振动参数，通过计算振动幅度的移动平均值来展示振动趋势的变化；对于温度参数，利用指数平滑法处理温度随时间的变化趋势；
20、采用动态时间规整算法或相似性度量方法，对不同风力发电机的参数趋势进行比对，时间规整算法用于计算两条时间序列曲线之间的相似度；通过计算不同风机同一参数趋势曲线之间的距离或相似度指标，判断是否存在异常；
21、根据历史数据和专家经验，设定参数变化趋势的正常范围阈值，初始阈值通过对正常运行状态下的同型号风机参数趋势统计分析得到，同时，采用自适应学习算法，根据新收集到的数据不断调整阈值，使阈值准确地反映设备的实际运行状况，当某台风机的参数趋势与其他同型号风机的趋势差异超过阈值时，则判定为异常；
22、在未判定异常时，通过综合评估参数对风力发电机参数综合偏离值进行分析；
23、当确定异常后，立即启动预警机制，预警信息包括异常风机的标识、异常参数的类型以及趋势异常的具体情况描述，通过多种通信方式将预警信息发送给运维人员，用于及时采取措施进行检查和维修，避免故障的发生或扩大。
24、进一步的，所述远程处理模块通过综合评估参数对风力发电机参数综合偏离值进行分析的具体操作步骤如下：
25、在未判定异常时，确定需要综合评估参数，这些参数包括从感知模块采集到的振动、温度、压力、转速物理参数，对于每个综合评估参数，根据风力发电机的设计规范、制造商提供的技术资料以及历史运行数据的统计分析，确定标准参考值；
26、根据参数的重要性程度为每个综合评估参数设定权重值，对于每个综合评估参数，计算与标准参数的偏离值，具体的用实际测量值减去标准参考值，并取绝对值，即，通过公式：以得到综合偏离值zbz，式中zbz即为计算得到的综合偏离值；n为参与计算的综合参数数量，为第i个综合评估参数的权重值；分别为第i个综合评估参数的实际测量值和标准参考值；
27、将计算得到的综合偏离值与预设的综合偏离阈值进行比对；当综合偏离值小于或等于综合偏离阈值，则判断设备当前运行状态达标；当综合偏离值大于综合偏离阈值，则判断设备运行状态存在异常，并进一步分析和处理。
28、进一步的，所述感知模块的运行过程如下：
29、根据风力发电机的结构特点和监测需求，确定需要采集的物理参数类型；获取传感器的测量范围、精度、响应时间性能指标，判断是否达到检测标准，确保其满足风力发电机运行状态监测的要求；
30、在风力发电机的部位进行传感器的布置，包括在叶片根部、齿轮箱、发电机轴承部位安装振动传感器，以全面监测机械部件的振动情况；在发电机绕组、轴承座发热部位安装温度传感器，实时监测温度变化；
31、对传感器的安装方式和固定方法本文档来自技高网...
【技术保护点】
1.基于物联网的风力发电机状态远程监测系统，其特征在于，包括：
2.根据权利要求1所述的基于物联网的风力发电机状态远程监测系统，其特征在于，所述远程处理模块的运行过程如下：
3.根据权利要求2所述的基于物联网的风力发电机状态远程监测系统，其特征在于，所述远程处理模块进行参数变化趋势异常分析的具体过程如下：
4.根据权利要求3所述的基于物联网的风力发电机状态远程监测系统，其特征在于，所述远程处理模块通过综合评估参数对风力发电机参数综合偏离值进行分析的具体操作步骤如下：
5.根据权利要求1所述的基于物联网的风力发电机状态远程监测系统，其特征在于，所述感知模块的运行过程如下：
6.根据权利要求1所述的基于物联网的风力发电机状态远程监测系统，其特征在于，所述传输模块的运行过程如下：
7.根据权利要求6所述的基于物联网的风力发电机状态远程监测系统，其特征在于，所述传输模块的运行过程还包括：
8.根据权利要求1所述的基于物联网的风力发电机状态远程监测系统，其特征在于，所述用户终端模块的运行过程如下：
【技术特征摘要】
1.基于物联网的风力发电机状态远程监测系统，其特征在于，包括：
2.根据权利要求1所述的基于物联网的风力发电机状态远程监测系统，其特征在于，所述远程处理模块的运行过程如下：
3.根据权利要求2所述的基于物联网的风力发电机状态远程监测系统，其特征在于，所述远程处理模块进行参数变化趋势异常分析的具体过程如下：
4.根据权利要求3所述的基于物联网的风力发电机状态远程监测系统，其特征在于，所述远程处理模块通过综合评估参数对风力发电机参数综合偏离值进行分析的具体...
【专利技术属性】
技术研发人员：党哲辉，赵岩，戴立伟，刘钰，张军，
申请(专利权)人：大唐凉山新能源有限公司，
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。