本發(fā)明涉及風力發(fā)電設備監(jiān)測,具體為基于物聯(lián)網(wǎng)的風力發(fā)電機狀態(tài)遠程監(jiān)測系統(tǒng)。
背景技術:
1、在風力發(fā)電產業(yè)迅速發(fā)展的當下,風力發(fā)電機的運行維護面臨諸多挑戰(zhàn)。一方面,由于其分布廣泛且多處于偏遠、惡劣環(huán)境,人工巡檢難度大、成本高且效率低下。另一方面,傳統(tǒng)監(jiān)測手段難以實時、全面獲取設備運行狀態(tài)信息,在故障發(fā)生時無法及時響應,導致停機時間延長,發(fā)電量損失嚴重,維修費用增加;并且,在設備未出現(xiàn)異常數(shù)據(jù)時,無法對設備的狀態(tài)進行了解,容易造成更大的損失。
2、為了解決上述缺陷,現(xiàn)提供技術方案。
技術實現(xiàn)思路
1、本發(fā)明的目的在于解決風力發(fā)電機分布廣泛且地處偏遠惡劣環(huán)境下人工巡檢難、成本高、效率低,傳統(tǒng)監(jiān)測手段在設備無異常數(shù)據(jù)時無法提前了解狀態(tài)易造成更大損失的問題,而提出基于物聯(lián)網(wǎng)的風力發(fā)電機狀態(tài)遠程監(jiān)測系統(tǒng)。
2、本發(fā)明的目的可以通過以下技術方案實現(xiàn):
3、基于物聯(lián)網(wǎng)的風力發(fā)電機狀態(tài)遠程監(jiān)測系統(tǒng),包括:
4、感知模塊,用于利用多種傳感器采集風力發(fā)電機運行時的各類物理參數(shù),用于掌握設備運行狀況,為后續(xù)的分析和處理提供數(shù)據(jù)基礎;
5、傳輸模塊,用于將感知模塊采集到的數(shù)據(jù)通過網(wǎng)絡通信方式進行傳輸,確保數(shù)據(jù)能夠及時從風力發(fā)電機端傳送到遠程處理模塊;
6、遠程處理模塊,用于對傳輸來的數(shù)據(jù)進行存儲、分析、計算操作,通過大數(shù)據(jù)分析和智能算法挖掘數(shù)據(jù)價值,建立設備運行模型,對比正常與異常數(shù)據(jù),實現(xiàn)故障診斷、預測功能,為運維決策提供依據(jù);
7、用戶終端模塊,用于為用戶提供一個交互界面,實時展示風力發(fā)電機的運行狀態(tài)、處理結果和預警信息,方便運維人員隨時隨地掌握設備情況,同時支持用戶進行遠程控制操作和接收系統(tǒng)反饋。
8、進一步的,所述遠程處理模塊的運行過程如下:
9、當數(shù)據(jù)從傳輸模塊到達遠程處理模塊后,首先進行數(shù)據(jù)完整性和準確性校驗,檢查數(shù)據(jù)幀是否完整,是否存在數(shù)據(jù)丟失或亂碼的情況,通過循環(huán)冗余校驗算法,對每一批次的數(shù)據(jù)進行驗證,當發(fā)現(xiàn)數(shù)據(jù)有誤,向傳輸模塊發(fā)送請求重傳的指令,確保接收到準確、完整的數(shù)據(jù);
10、根據(jù)數(shù)據(jù)的類型以及來源進行分類存儲,采用分布式數(shù)據(jù)庫架構,將實時數(shù)據(jù)快速寫入對應的數(shù)據(jù)庫表中,同時,建立數(shù)據(jù)索引,用于后續(xù)查詢和調用數(shù)據(jù);
11、對已存儲的歷史數(shù)據(jù)進行深度挖掘分析,運用統(tǒng)計分析方法,計算各類參數(shù)的均值、方差、極值統(tǒng)計指標,分析設備在不同時間段、不同工況下的參數(shù)變化范圍和規(guī)律;
12、結合實時采集的數(shù)據(jù)進行動態(tài)建模,利用支持向量機或神經(jīng)網(wǎng)絡算法的機器學習算法,建立風力發(fā)電機的運行狀態(tài)模型,并將實時的振動、溫度、壓力、轉速參數(shù)數(shù)據(jù)作為輸入變量,通過模型計算預測設備應有的運行狀態(tài)輸出值,將預測值與實際采集值進行對比分析,得到數(shù)據(jù)偏差情況;
13、當發(fā)現(xiàn)數(shù)據(jù)異常時,進行故障特征提取,采用信號處理技術,包括通過快速傅里葉變換對振動信號進行頻譜分析,提取出異常頻率成分;對溫度數(shù)據(jù)的突變點、變化斜率特征進行提取,通過建立故障特征庫,將提取到的特征與已知的故障類型進行匹配分析;
14、基于時間序列分析和機器學習預測模型,對設備未來的運行狀態(tài)進行預測,根據(jù)當前的設備運行參數(shù)趨勢以及歷史故障發(fā)生前的參數(shù)變化規(guī)律,預測發(fā)生故障的概率以及故障的類型和嚴重程度,包括通過分析軸承溫度的上升趨勢以及振動頻率的變化情況,預測軸承在未來幾天內出現(xiàn)故障概率,并提前發(fā)出預警信息;
15、在未發(fā)現(xiàn)數(shù)據(jù)異常時,收集所有未出現(xiàn)異常同型號風力發(fā)電機的監(jiān)測數(shù)據(jù),進行參數(shù)變化趨勢異常分析。
16、進一步的,所述遠程處理模塊進行參數(shù)變化趨勢異常分析的具體過程如下:
17、從不同地理位置、不同運行環(huán)境下的同型號風力發(fā)電機收集監(jiān)測數(shù)據(jù),對收集到的數(shù)據(jù)進行清洗和預處理,去除噪聲、異常值干擾因素,保證數(shù)據(jù)的質量;
18、再對所有的運行參數(shù)數(shù)據(jù)進行標準化處理,根據(jù)風力發(fā)電機的設計規(guī)范和運行標準,確定統(tǒng)一的數(shù)據(jù)格式、單位和測量基準;
19、運用移動平均法或指數(shù)平滑法的數(shù)據(jù)平滑技術,對每個風力發(fā)電機的運行參數(shù)時間序列數(shù)據(jù)進行處理,提取參數(shù)的變化趨勢曲線,其中對于振動參數(shù),通過計算振動幅度的移動平均值來展示振動趨勢的變化;對于溫度參數(shù),利用指數(shù)平滑法處理溫度隨時間的變化趨勢;
20、采用動態(tài)時間規(guī)整算法或相似性度量方法,對不同風力發(fā)電機的參數(shù)趨勢進行比對,時間規(guī)整算法用于計算兩條時間序列曲線之間的相似度;通過計算不同風機同一參數(shù)趨勢曲線之間的距離或相似度指標,判斷是否存在異常;
21、根據(jù)歷史數(shù)據(jù)和專家經(jīng)驗,設定參數(shù)變化趨勢的正常范圍閾值,初始閾值通過對正常運行狀態(tài)下的同型號風機參數(shù)趨勢統(tǒng)計分析得到,同時,采用自適應學習算法,根據(jù)新收集到的數(shù)據(jù)不斷調整閾值,使閾值準確地反映設備的實際運行狀況,當某臺風機的參數(shù)趨勢與其他同型號風機的趨勢差異超過閾值時,則判定為異常;
22、在未判定異常時,通過綜合評估參數(shù)對風力發(fā)電機參數(shù)綜合偏離值進行分析;
23、當確定異常后,立即啟動預警機制,預警信息包括異常風機的標識、異常參數(shù)的類型以及趨勢異常的具體情況描述,通過多種通信方式將預警信息發(fā)送給運維人員,用于及時采取措施進行檢查和維修,避免故障的發(fā)生或擴大。
24、進一步的,所述遠程處理模塊通過綜合評估參數(shù)對風力發(fā)電機參數(shù)綜合偏離值進行分析的具體操作步驟如下:
25、在未判定異常時,確定需要綜合評估參數(shù),這些參數(shù)包括從感知模塊采集到的振動、溫度、壓力、轉速物理參數(shù),對于每個綜合評估參數(shù),根據(jù)風力發(fā)電機的設計規(guī)范、制造商提供的技術資料以及歷史運行數(shù)據(jù)的統(tǒng)計分析,確定標準參考值;
26、根據(jù)參數(shù)的重要性程度為每個綜合評估參數(shù)設定權重值,對于每個綜合評估參數(shù),計算與標準參數(shù)的偏離值,具體的用實際測量值減去標準參考值,并取絕對值,即,通過公式:以得到綜合偏離值zbz,式中zbz即為計算得到的綜合偏離值;n為參與計算的綜合參數(shù)數(shù)量,為第i個綜合評估參數(shù)的權重值;分別為第i個綜合評估參數(shù)的實際測量值和標準參考值;
27、將計算得到的綜合偏離值與預設的綜合偏離閾值進行比對;當綜合偏離值小于或等于綜合偏離閾值,則判斷設備當前運行狀態(tài)達標;當綜合偏離值大于綜合偏離閾值,則判斷設備運行狀態(tài)存在異常,并進一步分析和處理。
28、進一步的,所述感知模塊的運行過程如下:
29、根據(jù)風力發(fā)電機的結構特點和監(jiān)測需求,確定需要采集的物理參數(shù)類型;獲取傳感器的測量范圍、精度、響應時間性能指標,判斷是否達到檢測標準,確保其滿足風力發(fā)電機運行狀態(tài)監(jiān)測的要求;
30、在風力發(fā)電機的部位進行傳感器的布置,包括在葉片根部、齒輪箱、發(fā)電機軸承部位安裝振動傳感器,以全面監(jiān)測機械部件的振動情況;在發(fā)電機繞組、軸承座發(fā)熱部位安裝溫度傳感器,實時監(jiān)測溫度變化;
31、對傳感器的安裝方式和固定方法進行確定,確保傳感器在風力發(fā)電機運行過程中穩(wěn)定工作,不受外界環(huán)境因素的影響;
32、根據(jù)風力發(fā)電機的運行特點和監(jiān)測需求,確定數(shù)據(jù)采集頻率,分析數(shù)據(jù)存儲和傳輸?shù)膲毫?,在保證監(jiān)測精度的前提下,選擇相匹配的數(shù)據(jù)采集頻率;
33、對采集到的原始數(shù)據(jù)進行濾波處理,去除噪聲和干擾信號,通過采用數(shù)字濾波算法,根據(jù)不同參數(shù)的特點選擇合適的濾波方式;
34、對數(shù)據(jù)進行校準和歸一化處理,確保不同傳感器采集到的數(shù)據(jù)具有可比性;對異常數(shù)據(jù)進行識別和處理,通過設定閾值或采用統(tǒng)計方法,識別出偏離正常范圍的數(shù)據(jù),并采取相應的處理措施,包括標記為異常數(shù)據(jù)、進行數(shù)據(jù)插值。
35、進一步的,所述傳輸模塊的運行過程如下:
36、采集到的來自不同傳感器的原始數(shù)據(jù)具有各種格式,首先將這些數(shù)據(jù)按照預定的統(tǒng)一格式進行封裝,具體的,通過定義一種包含設備標識、傳感器類型、采集時間戳、數(shù)據(jù)值字段的結構體數(shù)據(jù)格式,對于模擬量傳感器數(shù)據(jù),進行模數(shù)轉換后按照標準數(shù)值范圍進行編碼,包括:將溫度傳感器采集的-50℃至150℃范圍的溫度值映射到0-65535的整數(shù)區(qū)間,使用以下公式進行編碼:;
37、將封裝后的數(shù)據(jù)按照一定的大小進行分組,每組數(shù)據(jù)添加循環(huán)冗余校驗碼;循環(huán)冗余校驗計算通過以下公式:其中crc為循環(huán)冗余校驗碼,用于檢測數(shù)據(jù)在傳輸過程中是否出現(xiàn)錯誤的校驗碼;remainder表示余數(shù);n是根據(jù)數(shù)據(jù)長度和協(xié)議要求確定的多項式階數(shù),是原始數(shù)據(jù)對應的多項式,是預先選定的生成多項式,用于在接收端檢測數(shù)據(jù)在傳輸過程中是否出現(xiàn)錯誤;
38、周期性地檢測可用網(wǎng)絡鏈路的信號強度、帶寬、延遲參數(shù),通過發(fā)送測試數(shù)據(jù)包并計算往返時間來評估網(wǎng)絡延遲,使用信號接收強度指示來衡量信號強度,綜合這些參數(shù),利用加權算法評估各鏈路的質量得分,式中,分別為信號強度、帶寬、延遲參數(shù),分別為信號強度、帶寬、延遲參數(shù)的預設權重系數(shù),選擇質量得分q最高的鏈路作為當前傳輸通道,如果當前鏈路質量下降到預設閾值,則自動切換到其他備用鏈路。
39、進一步的,所述傳輸模塊的運行過程還包括:
40、根據(jù)網(wǎng)絡鏈路的實時帶寬情況和數(shù)據(jù)的優(yōu)先級,動態(tài)調整數(shù)據(jù)傳輸速率;采用擁塞控制算法,包括基于窗口的tcp擁塞控制算法的變體;
41、當網(wǎng)絡帶寬達標標準時,逐漸增大傳輸窗口大小以提高傳輸速率;當檢測到網(wǎng)絡擁塞或丟包時,減小傳輸窗口大小,降低傳輸速率,傳輸窗口大小的調整公式如下:,式中為計算得到的傳輸窗口大小;為調整系數(shù),b為網(wǎng)絡反饋的可用寬帶信息;
42、在數(shù)據(jù)傳輸前,使用加密算法對數(shù)據(jù)進行加密處理,采用高級加密標準算法,將數(shù)據(jù)按照128位的塊進行加密,密鑰的生成通過結合設備唯一標識、時間戳信息,經(jīng)過哈希函數(shù)運算得到,確保密鑰的安全性和隨機性;
43、采用ssl/tls傳輸層協(xié)議,建立加密通道進行數(shù)據(jù)傳輸,在建立連接時,進行證書驗證、密鑰交換操作,確保數(shù)據(jù)在傳輸過程中不被竊取或篡改,通過握手過程協(xié)商加密算法、密鑰長度參數(shù),實現(xiàn)端到端的安全通信;
44、當網(wǎng)絡出現(xiàn)不穩(wěn)定或傳輸中斷時,利用本地緩存空間臨時存儲未傳輸成功的數(shù)據(jù),緩存數(shù)據(jù)按照先進先出的原則進行管理,當緩存空間達到上限時,根據(jù)數(shù)據(jù)的重要性和時效性進行選擇性刪除,優(yōu)先保留最新采集的數(shù)據(jù);
45、在網(wǎng)絡恢復連接后,自動檢測上次傳輸中斷的位置,通過與接收端進行交互,獲取已成功接收的數(shù)據(jù)信息,從斷點處繼續(xù)傳輸未完成的數(shù)據(jù),確保數(shù)據(jù)的完整性,利用數(shù)據(jù)塊的標識和序號信息來實現(xiàn)斷點續(xù)傳的準確性,接收端在接收到數(shù)據(jù)后進行驗證和確認,反饋給發(fā)送端傳輸結果。
46、進一步的,所述用戶終端模塊的運行過程如下:
47、與服務器建立通信,登錄時進行身份驗證獲取權限,接收數(shù)據(jù)報文并按格式規(guī)范解析,將二進制或json/xml格式數(shù)據(jù)轉換為可展示格式;
48、以圖表展示運行狀態(tài)信息,標注參數(shù)范圍,異常自動警示,并在首頁呈現(xiàn)總體狀態(tài),導航可查看子系統(tǒng)詳情,設快捷返回按鈕,支持點擊、手勢操作,點擊彈出詳情,操作有反饋提示;
49、根據(jù)用戶操作生成控制指令,加密編碼后發(fā)送至服務器或控制器,接收指令執(zhí)行結果,成功則顯示提示并更新狀態(tài),失敗顯示原因并記錄日志。
50、與現(xiàn)有技術相比,本發(fā)明的有益效果是:
51、(1)本發(fā)明,通過實時采集風力發(fā)電機的關鍵物理參數(shù),并利用遠程處理模塊進行深入分析,極大地提升了設備的監(jiān)測效率,能夠及時發(fā)現(xiàn)并預警潛在的故障,從而減少了意外停機的風險,增強了風力發(fā)電機的可靠性,這種實時監(jiān)測和預警機制,使得運維人員可以迅速響應,采取預防性維護措施,有效避免了因設備故障導致的發(fā)電損失;
52、(2)本發(fā)明,采用了先進的數(shù)據(jù)傳輸和處理技術,確保了數(shù)據(jù)在采集、傳輸和處理過程中的準確性和完整性,通過使用循環(huán)冗余校驗和加密算法,保障了數(shù)據(jù)傳輸?shù)陌踩?,防止了?shù)據(jù)在傳輸過程中的丟失、亂碼或被篡改的風險,此外,系統(tǒng)能夠根據(jù)網(wǎng)絡條件動態(tài)調整傳輸策略,優(yōu)化了數(shù)據(jù)的傳輸效率,確保了數(shù)據(jù)的及時性和完整性;
53、(3)本發(fā)明,通過深度學習和時間序列分析,實現(xiàn)了對風力發(fā)電機未來運行狀態(tài)的智能預測,能夠基于歷史數(shù)據(jù)和實時數(shù)據(jù),預測設備可能出現(xiàn)的故障類型和時間,為運維決策提供了強有力的支持,使運維團隊可以提前準備,采取針對性的維護措施,從而減少了維修成本,提高了設備的運行效率和安全性。