一种风力发电机组状态监控系统数据压缩方法技术方案

本发明专利技术提出一种基于数据建模的风力发电机组状态监控系统的数据压缩方法，通过在风力发电机组本地对监测数据进行数学建模的方式进行强特征提取、以高压缩比方式进行数据压缩及还原。包括以下步骤：风电状态监控数据采集、风电机组运行工况识别、风电状态监控数据筛选、监控数据信息本地整理、风电状态存储模式选择、智能建模结构辨识匹配、智能模型结构参数估计、监控数据本地一次处理、上位监控终端二次处理。解决海量数据在线传输及长期连续监控存储问题。

【技术实现步骤摘要】
【专利摘要】本专利技术提出一种基于数据建模的风力发电机组状态监控系统的数据压缩方法，通过在风力发电机组本地对监测数据进行数学建模的方式进行强特征提取、以高压缩比方式进行数据压缩及还原。包括以下步骤：风电状态监控数据采集、风电机组运行工况识别、风电状态监控数据筛选、监控数据信息本地整理、风电状态存储模式选择、智能建模结构辨识匹配、智能模型结构参数估计、监控数据本地一次处理、上位监控终端二次处理。解决海量数据在线传输及长期连续监控存储问题。【专利说明】
本专利技术属于风力发电
，尤其涉及数据建模风力发电机组状态监控系统数据压缩
。
技术介绍
在现有的风力发电状态监控方法中，风力发电机组状态监控系统需要监控风电场内所有机组状态信息，监控量巨大，而由于短期内风电场监控数据时域特性及频域特征均难以发生明显变化，因此若要通过状态连续监测反映风力发电机组状态变化需要对大量长期的监控数据进行存储，对存储器存储容量要求极高，存储查询效率低下，特别是当需要对长期风电设备状态变化情况进行分析时，需要对海量数据进行集中分析，极大的占用了监控设备数据分析资源，状态监控效果较差。
技术实现思路
，通过在风力发电机组本地对监测数据进行数学建模的方式进行强特征提取、以高压缩比方式进行数据压缩及还原，其特征在于:包括以下步骤，SI风电状态监控数据采集、S2风电机组运行工况识别、S3风电状态监控数据筛选、S4监控数据信息本地整理、S5风电状态存储模式选择、S6智能建模结构辨识匹配、S7智能模型结构参数估计、S8监控数据本地一次处理、S9上位监控终端二次处理。步骤SI风电状态监控数据采集中，风力发电机组状态监控数据采集系统对传感器监控数据进行采集及滤波操作，滤除监控物理信号中的噪声，并将物理监控信号转化为具有物理意义的数字信号。监控状态信息包括但不仅限于风力发电机组及其组件振动、转速、温度、压力、应力、扭矩、油品油质、视频、音频、风速、安防、电网信息等信息。步骤S2风电机组运行工况识别中，风电机组运行工况识别主要是指通过对监控数据进行分析，结合风力发电机组在不同运行工况下的典型运行参数，智能识别风力发电机组运行状态。步骤S3风电状态监控数据筛选中，风电状态监控数据筛选主要是指对监控信息的有效性进行判别，筛除明显的错误数据，并对其进行插值处理。步骤S4监控数据信息本地整理中，监控数据信息本地整理主要是依据步骤S3风电状态监控数据筛选的有效数据，对其按照固定的格式要求，将机组运行状态信息及监控信息打包成固定长度的数据模块。步骤S5风电状态存储模式选择中，风电状态存储模式选择主要依据本地及外部的故障报警信息、监控数据查询信息、定时非压缩监控数据发送信息等进行数据存储模式选择。当步骤S5风电状态存储模式选择中，风电状态存储模式选择结果为压缩模式则直接进入步骤S6智能建模结构辨识匹配；否则直接跳转至步骤S8监控数据本地一次处理。步骤S6智能建模结构辨识匹配中，智能建模结构辨识匹配是依据步骤S2风电机组运行工况识别中风电机组运行工况识别结果，智能匹配的对不同工况下监控数据按照数据类型进行数据模型匹配。步骤S7智能模型结构参数估计中，智能模型结构参数估计是依据匹配的模型结构，基于步骤S4监控数据信息本地整理中监控数据信息本地整理按照固定格式打包后的数据，按照设定参数识别方法，并基于计算智能估计辨识模型参数。步骤S8监控数据本地一次处理中，监控数据本地一次处理主要是指通过风电机组本地信息处理单元进行数据处理，当步骤S5风电状态存储模式选择结果为非压缩模式时，则直接将非压缩数据上传至上位监控终端；当步骤S5风电状态存储模式选择结果为压缩模式时，则将步骤S2风电机组运行工况识别中风电机组运行工况识别结果、数据建模匹配模型信息、建模模型参数信息打包后发给上位监控终端。步骤S9上位监控终端二次处理中，当步骤S5风电状态存储模式选择的风电状态存储模式选择结果为非压缩模式时，则直接将非压缩数据存储至上位监控系统指定存储区域；当步骤S5风电状态存储模式选择的风电状态存储模式选择结果为压缩模式时，上位监控终端二次处理主要对多个连续由步骤S8监控数据本地一次处理中监控数据本地一次处理数据进行智能融合分类处理，使在较长时间段内同一运行工况下、模型结构相同的模型参数融合为一套模型参数，实现海量数据二次压缩。步骤S9上位监控终端二次处理中对多个连续由步骤S8监控数据本地一次处理中监控数据本地一次处理数据进行智能融合分类处理方法，其数学变换统一方法可以采用直接加权平均法实现，即直接对模型结构相同的模型参数进行加权平均。本专利技术所述基于数据建模风力发电机组状态监控系统数据压缩方法不仅适用于风力发电机组状态监控数据压缩，也适用于各种不同场合基于海量连续监控数据的的数据压缩存储及还原方法。【专利附图】【附图说明】 图1为步骤示意图。【具体实施方式】本专利技术提出的，可基于PLC平台或嵌入式开发平台，通过将数据采集模块、数据处理模块、逻辑分析模块和监控信息本地存储模块集成实现。步骤SI风电状态监控数据采集中，监控状态信息采集可以通过PLC或者嵌入式数据采集板卡实现。步骤S2风电机组运行工况识别中，风电机组运行工况识别方法可以依据平均风速信息或风力发电机转子转速信息进行工况识别。步骤S3风电状态监控数据筛选中，风电状态监控数据筛选主要是考虑消除数据采集或传输过程中由于受到噪声影响可能产生的误报数据，提高数据建模的准确性。步骤S4监控数据信息本地整理中，依据步骤S3风电状态监控数据筛选所筛选的有效数据对其按照固定的格式要求，将机组运行状态信息及监控信息打包成固定长度的数据模块。其中固定的格式要求是指将监控信息转化为可便于状态分析的参考变量信息，主要包括滤波处理、一次变量转化为二次或高次变量等。例如:将速度信息转化为平均速度信息、将振动速度转化为振动烈度信息或通过滤波器获取信号特定频域段数据等。步骤S4监控数据信息本地整理中，依据步骤S3风电状态监控数据筛选所筛选的有效数据对其按照固定的格式要求，将机组运行状态信息及监控信息打包成固定长度的数据模块。其中，打包成固定长度的数据模块主要考虑上位监控系统二次压缩处理时，建模参数计算的方便性。特别是当数据模型为线性模型或统计模型时，上位监控系统二次压缩处理时只需对相同工况下相同模型参数求平均值即可。步骤S5风电状态存储模式选择中，风电状态存储模式主要考虑正常情况下直接对数据进行打包，当发生故障或存在查询需求时，则将详细状态监控信息上传，为上位监控终端提供详细的状态分析数据。步骤S6智能建模结构辨识匹配中，匹配模型包括但不仅限于:统计类模型、线性及非新型关系映射类模型等。其中，统计模型通常是指描述监控变量的分布特性，可以采用包括但不仅限于数据统计、多项式拟合等方法对监控变量的分布特性进行建模。步骤S6智能建模结构辨识匹配中，匹配模型包括但不仅限于:统计类模型、线性及非新型关系映射类模型等。其中，线性及非新型关系映射类模型通常是指描述两个或多个变量之间的映射关系，可以通过包括但不仅限于传递函数、神经网络等线性非线性建模方法实现。步骤S7智能模型结构参数估计中，智能模型结构参数估计方法可以采用包括但不仅限于数据统计法、多项式拟本文档来自技高网...

【技术保护点】

【技术特征摘要】

【专利技术属性】
技术研发人员：刘展，贾利民，易頔，庞宇，雷涛，童亦斌，
申请(专利权)人：青海能高新能源有限公司，北京能高自动化技术股份有限公司，
类型：发明
国别省市：