[发明专利]一种基于云平台的风电机群故障预警方法

说明书

本发明公开了一种基于云平台的风电机群故障预警方法，本发明公开了针对风电场传统故障预警模式存在的数据存储与传输受限，计算能力不足以及计算负荷不平衡问题，提出了一种基于企业云平台的风电机群故障预警方法。该方法包括数据分布式存储中心、故障预警中心、远程监控中心、基于Map‑Reduce的故障预警算法库以及中央监控室。本发明可以充分挖掘风电机群的海量、多方位监控数据，同时为多个风场提供早期故障预警服务。本发明实现大规模数据分布式存储和远程快速读取，利用风电机组全方位状态监测数据进行趋势分析、寿命预估及数据挖掘，实现风机自动早期故障预警；能够自动识别，智能控制，方便快捷，效率高，成本低。

技术领域

本发明涉及发电设备故障预警与维护领域，具体是一种基于云平台的风电机群故障预警方法。

背景技术

截至2014年9月，我国风电累计装机容量达9858.8万千瓦，发电量连续两年超过同期核电。作为世界上风电装机容量最大的国家，风场运营仍以故障后报警、事后维修为主，从风场长期安全生产和经济运行来看，故障预警不应是设备的‘故障判决书’，必须对风电机组进行全方位状态监测，以实现早期预警和故障诊断，这样才能有效减少设备损坏造成的经济损失和停机时间。

目前，国内外开发的风电机组在线监测系统(德国Pruftechnik、瑞典SKF、美国SUNNYLEE以及国内几家公司)均为“服务器-客户端”模式。每个风场将所有风机的监控状态数据传送至中央控制室内，供运行人员监测，数据存储统一由对外服务器完成，故障数据是由对外服务器向远程服务器传送过去。传统的数据存储和故障预警模式存在如下弊端：

1)大数据存储受限，无法实现早期故障诊断

传统的数据存储和读取模式由单一服务器完成，不具有大数据存储能力，即使风场安装了振动测点，也无法实现振动数据的长期存储及整个风场各机组振动数据的综合分析与比较，更无法实现早期故障诊断，只能对已发故障做出判断。

2)计算能力不足

无论是机组状态趋势分析、还是故障特征提取与诊断都涉及大规模数据处理，传统模式的单机计算无法满足实时需要，并且当多台风机同时发出故障诊断请求时，风场对外服务器存和远程中心服务器都存在通讯和负荷过重问题。

3)系统负荷不平衡

故障诊断系统的计算机资源存在不平衡，主要体现在服务器存储和计算负荷紧张，而其他计算机资源相对空闲，不能最大限度地发挥计算机和网络的优势。

云计算首先由Google引入，用来解决大规模数据计算和存储，将云平台用于机械故障诊断研究的文献并不多见，但从应用方面来看，风电行业已经开始借助云平台进行生产管理和设备维护。2013年印度Bharat电力公司与IBM合作，通过采用IBM的SoftLayer云平台对旗下的200MW风电企业进行设备、人力管理和电力生产分析。同年，北京华电天仁与北京天云趋势合作建设CloudStack云平台系统，旨在更好地管理和运行现有系统中的微网系统、光伏监控系统、风电功率预测系统等。

云平台在风场中的应用已拉开帷幕，将众多风场的运维任务，转移到专业的云平台故障预警中，是非常具有市场和研究价值的。

发明内容

本发明的目的在于提供一种基于云平台的风电机群故障预警方法，以解决上述背景技术中提出的问题，为实现上述目的，本发明提供如下技术方案：

一种基于云平台的风电机群故障预警方法，包括状态监测数据存储与利用、工况辨识及预警阈值选取、基于Map-Reduce(一种编程模型)的预警方法实现和BP(BackPropagation)神经网络的在线故障预警以及基于工况辨识的同类风机异常监测，主要过程为：

1)针对状态监测数据，进行有效性判断和压缩处理，实现有效数据在云平台中安全、分布式存储；