一种基于大数据的风电运维平台的制作方法

本发明涉及一种风电运行维护平台技术，具体地说是该平台用于对风力发电机组的运维服务的技术领域。

背景技术：

风力发电机组(简称风机)的运维，通常可分为如下几种：1、日常的点检、巡检，逐一排查；2、根据风机scada系统(数据采集与监视控制系统)或者风机加装的cms系统(状态监测系统)反馈的报警信息，针对性的检查；3、风机故障严重停机后的事后维修。

上述现有技术一的缺点：

1)日常点检、巡检工作量大，对运维人员技能要求高，存在安全隐患，且易

忽略潜在的故障；

2)风机scada系统和cms系统，提出报警后，需要厂家协助给出故障位置和故障严重程度，或者需要厂家准备人员和设备到现场检查，容易造成不必要的停机等待时间；

3)风机故障严重后停机后的事后维修，容易出现重大安全事故，造成设备二次损伤，经济损失大。

技术实现要素：

本发明提供一种基于大数据的风电运维平台，其目的是解决现有技术的缺点，能够将风机监测、故障预测、健康管理、维修方案、备件储备、人员派工等信息在大数据平台下实现，减少不必要的人工检测和停机等待时间，避免重大的设备事故，保证机组和人员安全，提高运维效率，降低运维成本。

本发明解决其技术问题所采用的技术方案是：

一种基于大数据的风电运维平台，其特征在于：其包括：智能监控模块、电源模块和软件平台，电源模块包括24v电源模块和ups不间断电源，软件平台安装在主服务器上，软件平台包括集群控制模块、数据接收模块、显示存储模块、数据挖掘模块、数据分析模块、运维管理模块、数据统计模块；

所述智能监控模块包括传感器单元、智能采集单元、以太网交换机、网闸、现场服务器，其中传感器单元通过屏蔽线缆连接智能采集单元，智能采集单元连接以太网交换机，以太网交换机与现场服务器连接；

现场服务器装有现场监控软件，包括参数设置模块、数据采集模块、数据处理模块、数据存储模块、数据传输模块；

现场服务器通过interent网络接入主服务器软件平台，软件平台架构基于labview开发，软件平台实现各功能模块驱动。

本发明的有益之处在于：

本发明的基于大数据的风电运维服务平台实现了风机状态监测、故障预测、健康管理、备件储备、维修方案、人员派工等在线同步，构建闭环运维服务平台，通过对海量数据的深入挖掘，提高了风机状态监测智能化水平，减少不必要的人工检测和停机等待时间，避免重大的设备事故，保证机组和人员安全，最终减少发电损失，提高发电量。风电运维企业在平台上实现技术支持、运维服务、供应链管理、客户关系管理多个职能的在线互联，极大了提高了企业的运营效率，减少了运营成本。

附图说明

下面结合附图和实施例对本发明进一步说明。

图1为本发明平台硬件架构图；

图2为本发明现场监控软件架构图；

图3为本发明大数据平台软件架构图。

具体实施方式

为了更清楚地说明本发明的技术方案，下面将对描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的实施例。

如图1所示：

智能监控模块的传感器单元包括多种传感器及信号转接装置，其中不止一个振动加速度传感器通过磁座固定在风机传动链上，采集实时工况下的振动信号；不止一个麦克风传感器安装在磁座上，磁座固定在离主轴、齿轮箱、发电机径向最大距离处，用于采集风机传动链在实时工况下由于振动引起的噪声信号；一个晃度传感器安装在塔筒顶部即机舱底座上，测量塔筒的径向倾斜角度；一个转速计安装在固定支架上，用于测量齿轮箱输出转速；一个信号转接装置安装在电控柜中，接入风机系统采集的风速信号、功率信号、压力信号、温度信号。

风力发电机组为现有风力发电机组，包括整个风机系统，风机传动链和机舱等。

以上振动加速度传感器、麦克风传感器、晃度传感器、转速计，还有风机系统内的风速、功率、压力、温度等传感器及其连接的信号转接装置均从属于传感器单元。

传感器单元的信号转接装置通过屏蔽电缆连接智能采集单元，智能采集单元通过风机上的光纤环网连接以太网交换机，以太网交换机通过局域网与现场服务器连接。

各个风场的现场服务器均装有现场监控软件，用网线连接网闸通过interent网络连接主服务器的软件平台；

电源模块包括24v电源模块和ups不间断电源。24v电源模块给传感器单元和智能采集单元供电，ups不间断电源给主服务器和现场服务器供电。

如图2所示：

现场监控软件包括参数设置模块，数据采集模块，数据处理模块，数据存储模块和数据传输模块。

参数设置模块，定义采集参数，设置标定周期自动标定传感器；针对振动信号报警定义如峭度、总值、有效值、包络值等，且支持在线修正，针对其它信号设置报警限值；采样参数设置包括采样频率、采样点数、谱线数等；传动链参数设置包括全部轴承型号、齿轮箱各级齿数、发电机极对数等与转速信号关联自动计算轴承特征频率，齿轮箱各级啮合频率及转频，发电机电气特征频率等；数据采集模块根据参数设置模块定义的采集参数读取智能采集单元上传的数据；数据处理模块包括报警参数趋势分析，时频分析、包络分析等基本的信号处理功能；数据存储模块存储智能采集单元上传的数据在现场服务器上，保存为txt、excel、tdms等格式；数据传输模块同步压缩并传输智能采集单元上传的数据。

如图3所示：

软件平台安装在主服务器上包括集群控制模块、数据接收模块、显示存储模块、数据挖掘模块、数据分析模块、运维管理模块、数据统计模块。

软件平台架构基于labview开发，软件平台实现各功能模块驱动。

所述集群控制模块，远程控制各风场现场监控软件，进行参数设置等操作，管理分配各风场通讯端口，下达操作指定，接收响应信号，触发数据接收模块；

所述数据接收模块，根据集群控制模块指令读取现场监控软件上传的机组状态数据并解压，并提供开放式的接口能够接入其他厂家软件上传的数据，还可接入企业管理系统如erp、crm、scm等，具备极强的兼容性；

所述显示存储模块，显示风场分布图、风场机组分布图，数据统计分析图表等功能，并能对数据进行高压缩比处理，存储数据接收模块读取的机组状态数据；

所述数据挖掘模块读取数据存储模块中的原始数据，解压后处理。包括机器学习、模式识别、回归分析、专家系统等多种算法模型，检索海量数据中的有用信息，丰富智能分析模块智能化功能。

所述数据分析模块包括报警设置单元、数据处理单元、智能诊断单元，可实时读取现场监控软件上传的原始数据，进行人工诊断，也可对历史数据进行二次处理。其中报警设置单元设置了各参数的报警限值，针对振动信号报警值设置如峭度、总值、有效值、包络值等，且支持在线修正；数据处理单元主要包括趋势分析，时频分析、包络分析、瀑布图、阶次跟踪、长时间波形等多种数据处理功能；智能诊断单元被报警值触发依据预先植入的失效模式和数据挖掘模块上传的失效信息，进行冲击检索、频率定位、图谱识别，自动判断故障部位及故障严重程度，支持人工二次确认。

所述运维管理模块包括风场信息管理单元、运维人员管理单元、运维方案库、备件储备库；所述风场信息管理单元包括风场基本信息、机组运行状态、机组检修情况；所述风场运维人员管理单元包括人员基本信息、技能矩阵、实时状态；所述运维方案库包括机组维修、替换所涉及的处理方案和安全措施等信息；所述备件储备库包括集团备件储备和单个风场备件储备及备件采购周期；

数据分析模块的诊断结果触发运维管理模块，根据风场机组运行状态、故障形式触发运维方案库将对应的运维方案上传至风场管理人员邮箱，同时触发运维人员管理单元短信通知具备当前空闲并具备维修技能的运维人员准备工具前往风场检修，根据风场机组的检修状态实时更新备件储备库，确保备件储备合理，缩短采购周期。

所述数据统计模块读取智能分析模块的诊断结果生成报告，读取运维管理模块中的检修信息，生成风场运维报表，机组故障分布报表，高发故障统计报表，批量性故障统计报表等，报表形式包括excel、word、pdf等。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。