基于多种神经网络整合的传动链振动数据深度挖掘及预警分析系统的制作方法

1.本发明涉及基于多种神经网络整合的传动链振动数据深度挖掘及预警分析系统，属于传动链振动监测领域。


背景技术：

2.在风电场的运营维护中，风电机组传动链振动数据对其故障判断起到了至关重要的作用。
3.由于各个传动链振动监测厂家的原始数据采集策略不同，造成对风电机组传动链振动监测的原始数据处理反应慢，从而不能及时发现故障。


技术实现要素：

4.本发明提供了一种基于多种神经网络整合的传动链振动数据深度挖掘及预警分析系统，解决了背景技术中披露的问题。
5.为了解决上述技术问题，本发明所采用的技术方案是：基于多种神经网络整合的传动链振动数据深度挖掘及预警分析系统，包括：风电场处理模块：用于获取原始风电机组传动链振动监测数据，并对原始风电机组传动链振动监测数据进行识别，提取出数据对应的测点位置，采样信息，传感器信息，采集器信息；集控中心处理模块：用于接收风电场处理模块提取的数据信息，对数据信息进行存储和分析，得出风电机组传动链振动诊断报告。
6.进一步地，所述集控中心处理模块包括功能模块，所述功能模块设有：可视化工具，用于从办公室或集控室局域网中的任何计算机访问数据；配置工具，用于按数据类型配置相关参数，与时间相关的参数总计为能量或质量，与时间无关的参数整合为平均值。
7.进一步地，所述集控中心处理模块还包括：应用系统，所述应用系统用于根据风电场处理模块提取的数据信息实时分析传动链振动数据。
8.进一步地，所述功能模块还设有：诊断报告工具，用于所述应用系统用于根据风电场处理模块提取的数据信息实时分析传动链振动数据输出风电机组传动链振动诊断报告。
9.进一步地，所述功能模块还设有：数据维护工具，用于在线修所述应用系统的分析模型，并设有离线模式编辑模型。
10.进一步地，所述功能模块还设有：数据导出工具，用于导出风电场处理模块提取的数据信息。
11.进一步地，所述集控中心处理模块包括主程序控制模块：用于获取各个风电机组传动链数据的测量值，并计算结果，当计算结果超出预设报警阈值时对应的风电机组发出报警信号。
12.进一步地，所述集控中心处理模块包括sr::x数据库，用于对已存档的数据进行可视化管理。
13.本发明所达到的有益效果：实现对传动链的有效监测，深度挖掘传动链监测系统数据的信息，实现对传动链监测系统数据的智能化预处理，实现数据的秒级处理。
附图说明
14.图1为本发明的系统机构示意图；图2为本发明的研发流程示意图；图3为本发明数据库趋势图案例1；图4为本发明数据库趋势图案例2。
实施方式
15.下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。
16.本发明基于多种神经网络整合的传动链振动数据深度挖掘及预警分析系统，本系统分析的数据为传动链振动监测原始数据，系统功能包括对传动链振动监测数据的识别、获取、传输、存储及分析。传动链振动监测数据为厂家产品所产生，数据存储在风电场，需要将数据从传动链振动监测厂家数据库内传输至盐城集控中心存储，并实时进行相应的数据处理后保存结果。按照部署位置的不同，该系统分为两大部分，风电场处理模块和集控中心处理模块。
17.风电场处理模块包括数据的识别，获取，传输部分功能。集控中心处理模块包括数据的存储及分析功能。将传动链振动监测数据传输至集控中心集中存储及分析，同步实时监控传动链监测系统的状态变化，将传动链监测系统异常时间的反应时间缩短至1小时内。
18.如图1所示，本发明集控中心处理模块包括功能模块、应用系统、主程序控制模块和sr::x数据库；所述应用系统用于根据风电场处理模块提取的数据信息实时分析传动链振动数据，实现对传动链的有效监测，深度挖掘传动链监测系统数据的信息，实现对传动链监测系统数据的智能化预处理，实现数据的秒级处理；所述主程序控制模块：用于获取各个风电机组传动链数据的测量值，并计算结果，当计算结果超出预设报警阈值时对应的风电机组发出报警信号；实现各机组传动链数据的个性化处理，并动态实施报警策略。避免了因统一报警阈值带来的误报及漏报，报警准确率达到98%以上，排除漏报的情况。
19.功能模块设有：可视化工具，用于从办公室或集控室局域网中的任何计算机访问数据；配置工具，用于按数据类型配置相关参数，与时间相关的参数总计为能量或质量，与时间无关的参数整合为平均值；数据维护工具，用于在线修所述应用系统的分析模型，并设有离线模式编辑模型，实时分析的结果可通过网页进行查看，用于实时分析的模型可使用客户端进行在线修改，并可以用离线模式编辑模型而不影响在线分析。
20.数据导出工具，用于导出风电场处理模块提取的数据信息。
21.诊断报告工具，用于所述应用系统用于根据风电场处理模块提取的数据信息实时分析传动链振动数据输出风电机组传动链振动诊断报告。
22.所述sr::x数据库的基本任务是从控制系统或其他数据源循环导入和归档所测量的过程数据。其他数据源可以是总线系统或在线数据库。对不同类型的数据交换配置相应的接口。sr系统的计算模块通过内部接口访问这些数据，评估数据并将结果保存在sr::x的存档中。sr::x能支持将数据自动集成到更高时间级。默认情况下，以1分钟的周期读取数据，并在内部集成为5分钟的平均值。所有计算都在这个时间级中完成。其他集成级别可以有，例如15分钟均值，每小时均值，每日均值，每周均值，月均值和年度均值。根据相应的系统配置，可以使用这些或者甚至其他时间级。整个数据保存在按相应时间归类的存档中。
23.对于每个数据点，数据集成类型可以单独配置。通常，与时间相关的参数，如功率输出或质量流量总计为能量或质量，而与时间无关的参数，如温度或压力被整合为平均值。
24.sr::x包括用于对以存档的数据进行可视化或对数据管理系统本身进行配置的特定系统模块。
25.可视化模块用于从办公室或集控室局域网中的任何计算机访问数据。该程序的外观遵循windows标准，允许快速，轻松，舒适地访问可定制的趋势图和流程图。
26.数据库支持在趋势图中显示任何时间序列和流程图中的特定时间点。趋势图在不同纵坐标上表示的不同的参数值。可以自由选择显示的时间段以及时间级（分钟值或每日值等），如图3、4所示。
27.如图2所示，本发明的研发流程。本发明能够识别国内主流传动链振动监测厂家的振动系统状态，并至少能在1小时内上报一次传动链振动监测系统各终端的工作状态。能够支持国内主流传动链振动监测厂家的数据接口并统一编码格式，对振动数据采集的数据进行实时上传。由于国内传动链振动监测厂家的原始数据采集策略不同，原始数据处理后特征值输出种类的不同，需要重新编码以正确识别原始数据及各厂家处理后的各特征值。编码需要包含数据对应的测点位置，采样信息，传感器信息，采集器信息等。具备状态报送功能，定时向集控中心模块发送状态信息（例如：心跳包等）实现对集控中心对风电场的状态监测。具备自监测与重启功能，该模块能在长时间无响应状态时自动重启并记录状态至集控中心，或是在服务器重启后能自动运行，实现模块的自动运行。
28.本发明在将数据上传至集控中心前，在本地实现对传动链振动监测数据的清洗，包括但不限于数据一致性检查，处理无效值和缺失值等处理方法，由于振动数据的特殊性，数据自动清洗的原理包括但不限于数理统计、数据挖掘、数据预定义等，实现在风电场本地将脏数据转化为满足数据质量要求的数据非结构化数据管理支持数据建模功能，可以创建模型、任意添加、删除属性和标签；非结构化数据管理支持海量非结构化数据的多维度高速查询，基于数据模型中的任意维度和维度组合进行联合过滤。
29.本发明非结构化数据管理支持下载单个或批量下载数据对象，可自定义批量下载对象个数限制规则、无停机在线自动扩容功能，扩容无需停止服务、数据存储多副本，副本数可配置。
30.以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形
也应视为本发明的保护范围。
31.本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全系统实施例、或结合系统和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、cd-rom、光学存储器等）上实施的计算机程序产品的形式。
32.本发明是参照根据本发明实施例的方法、设备（系统）、和计算机程序产品的流程图和／或方框图来描述的。应理解可由计算机程序指令实现流程图和／或方框图中的每一流程和／或方框、以及流程图和／或方框图中的流程和／或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的装置。
33.这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能。
34.这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的步骤。
35.以上仅为本发明的实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均包含在申请待批的本发明的权利要求范围之内。

技术特征：
1.基于多种神经网络整合的传动链振动数据深度挖掘及预警分析系统，其特征在于，包括：风电场处理模块：用于获取原始风电机组传动链振动监测数据，并对原始风电机组传动链振动监测数据进行识别，提取出数据对应的测点位置，采样信息，传感器信息，采集器信息；集控中心处理模块：用于接收风电场处理模块提取的数据信息，对数据信息进行存储和分析，得出风电机组传动链振动诊断报告。2.根据权利要求1所述的基于多种神经网络整合的传动链振动数据深度挖掘及预警分析系统，其特征在于，所述集控中心处理模块包括功能模块，所述功能模块设有：可视化工具，用于从办公室或集控室局域网中的任何计算机访问数据；配置工具，用于按数据类型配置相关参数，与时间相关的参数总计为能量或质量，与时间无关的参数整合为平均值。3.根据权利要求2所述的基于多种神经网络整合的传动链振动数据深度挖掘及预警分析系统，其特征在于，所述集控中心处理模块还包括：应用系统，所述应用系统用于根据风电场处理模块提取的数据信息实时分析传动链振动数据。4.根据权利要求3所述的基于多种神经网络整合的传动链振动数据深度挖掘及预警分析系统，其特征在于，所述功能模块还设有：诊断报告工具，用于所述应用系统用于根据风电场处理模块提取的数据信息实时分析传动链振动数据输出风电机组传动链振动诊断报告。5.根据权利要求3所述的基于多种神经网络整合的传动链振动数据深度挖掘及预警分析系统，其特征在于，所述功能模块还设有：数据维护工具，用于在线修所述应用系统的分析模型，并设有离线模式编辑模型。6.根据权利要求3所述的基于多种神经网络整合的传动链振动数据深度挖掘及预警分析系统，其特征在于，所述功能模块还设有：数据导出工具，用于导出风电场处理模块提取的数据信息。7.根据权利要求1所述的基于多种神经网络整合的传动链振动数据深度挖掘及预警分析系统，其特征在于，所述集控中心处理模块包括主程序控制模块：用于获取各个风电机组传动链数据的测量值，并计算结果，当计算结果超出预设报警阈值时对应的风电机组发出报警信号。8.根据权利要求1所述的基于多种神经网络整合的传动链振动数据深度挖掘及预警分析系统，其特征在于，所述集控中心处理模块包括sr::x数据库，用于对已存档的数据进行可视化管理。

技术总结
本发明基于多种神经网络整合的传动链振动数据深度挖掘及预警分析系统，本系统分析的数据为传动链振动监测原始数据，系统功能包括对传动链振动监测数据的识别、获取、传输、存储及分析。传动链振动监测数据为厂家产品所产生，数据存储在风电场，需要将数据从传动链振动监测厂家数据库内传输至盐城集控中心存储，并实时进行相应的数据处理后保存结果。按照部署位置的不同，该系统分为两大部分，风电场处理模块和集控中心处理模块。风电场处理模块包括数据的识别，获取，传输部分功能。集控中心处理模块包括数据的存储及分析功能。理模块包括数据的存储及分析功能。理模块包括数据的存储及分析功能。


技术研发人员：钱磊
受保护的技术使用者：国家电投集团江苏新能源有限公司
技术研发日：2022.10.11
技术公布日：2023/8/28