一种新型的智能风电历史数据处理方法与系统与流程

本发明涉及风电技术领域，特别是涉及一种风力发电机组和风电场历史数据的压缩与存储处理的方法与系统。

背景技术：

近年来，风力发电技术持续快速发展，风电并网装机容量迅速增长。每台风力发电机组都装有很多传感器，如温度传感器、转速传感器、压力传感器、编码器等，传感器采集到的微弱的电信号经变送器放大后传送至数据采集装置，数据采集装置再将变送器传送来的信号转变为实时数据。这些风机状态、环境状态等数据不断地被实时更新，想要查询这些数据，就需要一套历史数据处理系统对这些数据进行压缩和存储处理。

目前的风电历史数据处理系统通常采用结构化数据库的方式存储这些历史数据，并使用数据库查询语言进行数据的查询处理。现有技术的缺点主要是：1)不易扩展，如果对存储和处理的数据点进行扩展，需要做很多修改才能适应；2)成本高，单机的存储容量和处理速度有限，如果需要更大数据量的存储和处理，升级硬件的成本很高；商业数据库支持的容量有限，如需扩展费用也会成倍增加；3)存储频率低，目前的存储频率最短只能到0.2次/秒(即5秒左右存储一次)，无法满足一些数据存储频率更高的要求。

技术实现要素：

基于现有技术存在的不足，本发明实施例的目的在于提供一种可配置的非结构化数据压缩和存储处理的方法与系统，实现风力发电机组和风电场高频采集数据的压缩和存储，并且能够在不需要改动整个系统的情况下动态增加或减少数据采集点。

为实现上述发明目的，本发明实施例提供了一种新型的智能风电历史数据处理方法，包括：配置风力发电机组和风电场可以直接获取的数据采集点和存储频率；根据配置的数据采集点和存储频率直接获取相关实时数据；将获取的相关实时数据存入非关系型历史数据库中。

另一方面，本发明实施例提供了一种新型的智能风电历史数据处理方法，包括：配置风力发电机组和风电场可以直接获取的数据采集点和存储频率；配置风力发电机组和风电场需要通过计算得到的数据采集点、存储频率和计算方法；根据配置的可以直接获取的数据采集点和存储频率直接获取相关实时数据；根据配置的需要通过计算得到的数据采集点、存储频率和计算方法，获取计算所需数据，在此基础上通过计算得到相关数据；将直接获取的相关数据和通过计算得到的相关数据压缩并存入非关系型历史数据库中。

再一方面，本发明实施例提供了一种新型的智能风电历史数据处理系统，包括：

数据配置模块，用于对风力发电机组和风电场需要存储的数据进行配置；

数据处理模块，用于根据数据配置模块的配置获取相关数据；

数据存储模块，用于将数据处理模块获取的相关数据存储至历史数据库；

历史数据库，用于存储数据处理模块获取的相关数据。

本发明的优点在于：

一、增强数据存储和查询的灵活性。由于采用非关系型数据库，配置中增减数据采集点都不需更改数据库的结构和程序模块，可以直接自适应不同风电场不同风机不同数据采集点不同频率的存储需求，并且提高了数据的查询效率。

二、提高数据存储的性能。采用数据库或其存储引擎的压缩功能压缩存储风电数据，在存储数据量较大时也不会占据太大的磁盘存储空间。

三、提升数据存储的频率。能够自定义风电数据采集点的存储频率，最高能达到1秒/次。

四、降低数据存储的成本。数据存储占用较少的磁盘空间且易于扩展，都直接或间接地降低了数据存储的成本。

附图说明

图1为本发明实施例一提供的一种新型的智能风电历史数据处理方法的流程示意图；

图2为本发明实施例二提供的一种新型的智能风电历史数据处理方法的流程示意图；

图3为本发明实施例三提供的一种新型的智能风电历史数据处理系统的结构示意图。

具体实施方式

下面结合附图对本发明实施例一种新型的智能风电历史数据处理方法与系统进行详细描述：

实施例一

本发明一种新型的智能风电历史数据处理方法的一种具体实施方式的流程示意图如图1所示，该方法包括：

步骤s101：配置风力发电机组和风电场可以直接获取的数据采集点和存储频率；

在本案中，需要存储的数据采集点均为可以直接获取的数据采集点。

本发明的智能风电历史数据处理方法，可以根据需要配置需要存储的数据采集点和存储频率。可以直接获取的数据采集点可以动态增减，不同风电场和不同型号的风力发电机组可以配置不同的可以直接获取的数据采集点；不同数据采集点可以配置不同的存储频率，相同数据采集点也可以同时设置多个存储频率。

优选地，风力发电机组可以直接获取的数据采集点包括但不限于输出功率、有功功率、无功功率、振动等；风电场可以直接获取的数据采集点包括但不限于风速、风向等；存储频率根据需要设置，最高为1次/秒(即每秒存储一次)。

例如，作为一种具体实施方式，步骤s101可以为：设置a风机有功功率以1秒的频率间隔存储，风速以5秒的频率间隔存储，b风机振动值以1秒的频率间隔存储。

步骤s102：根据s101配置的数据采集点和存储频率直接获取相关实时数据；

相关实时数据从数据采集装置获取。

获取的相关实时数据不仅包括数据采集点的数值，也包括实时数据产生时的时间标签。时间标签记录了数值的产生时间，是数值在数据库中排序的重要依据，也是后续展示和分析数据的重要时标。时间标签精确到毫秒。

优选地，根据不同的存储频率对风力发电机组或风电场可以直接获取的数据采集点进行分类处理，即在每个存储频率下对风力发电机组和风电场多个数据采集点进行处理。

例如，作为一种具体实施方式，步骤s102可以为：根据步骤s101的配置，以1秒为间隔从实时数据库中获取a风机的有功功率和b风机的振动值，以5秒为间隔从实时数据库中获取a风机的风速值，同时记录所获取数据的时间标签。

步骤s103：将s102获取的相关实时数据存入非关系型历史数据库中。

非关系型数据库具有大数据量、高读写性能、高可用性、易扩展等特点。优选地，非关系型历史数据库包括但不限于mongodb、hbase、redis等非关系型数据库；历史数据库或其存储引擎具有压缩功能。

进一步地，当s102获取的相关实时数据量较大时，s103还包括采用非关系型历史数据库或其存储引擎的压缩功能先压缩s102获取的相关实时数据，再将压缩后的数据存储至非关系型历史数据库。

实施例二

本发明一种新型的智能风电历史数据处理方法的另一种具体实施方式的流程示意图如图2所示，该方法包括：

步骤s201：配置风力发电机组和风电场可以直接获取的数据采集点和存储频率；

在本案中，需要存储的数据采集点不仅包括可以直接获取的数据采集点，而且包括需要通过计算得到的数据采集点。

本发明的智能风电历史数据处理方法，可以根据需要配置需要存储的数据采集点和存储频率。可以直接获取的数据采集点可以动态增减，不同风电场和不同型号的风力发电机组可以配置不同的可以直接获取的数据采集点；不同数据采集点可以配置不同的存储频率，相同数据采集点也可以同时设置多个存储频率。

优选地，风力发电机组可以直接获取的数据采集点包括但不限于输出功率、有功功率、无功功率、振动等；风电场可以直接获取的数据采集点包括但不限于风速、风向等；存储频率根据需要设置，最高为1次/秒(即每秒存储一次)。

例如，作为一种具体实施方式，步骤s101可以为：设置a风机有功功率以1秒的频率间隔存储，风速以5秒的频率间隔存储，b风机振动值以1秒的频率间隔存储。

步骤s202：配置风力发电机组和风电场需要通过计算得到的数据采集点、存储频率和计算方法；

需要通过计算得到的数据采集点、存储频率和计算方法都可以根据需要配置。不同风电场和不同型号的风力发电机组可以配置不同的需要通过计算得到的数据采集点和计算方法；不同数据采集点可以配置不同的存储频率，相同数据采集点也可以同时设置多个存储频率。

优选地，风力发电机组和风电场需要通过计算得到的数据采集点包括但不局限于总发电量、平均可利用率、mtbf、限功率指标、汇总指标、风机状态等；计算方法包括但不局限于累加、平均、计数、变换、函数等以及多种方法的组合；存储频率根据需要设置，最高为1次/秒(即每秒存储一次)。

作为一种具体实施方式，步骤s202可以为：每隔1秒计算一次整个风场的风速平均值；

步骤s203：根据s201配置的数据采集点和存储频率直接获取相关实时数据；

相关实时数据从数据采集装置获取。

获取的相关实时数据不仅包括数据采集点的数值，也包括实时数据产生时的时间标签。时间标签记录了数值的产生时间，是数值在数据库中排序的重要依据，也是后续展示和分析数据的重要时标。时间标签精确到毫秒。

优选地，根据不同的存储频率对风力发电机组或风电场可以直接获取的数据采集点进行分类处理，即在每个存储频率下对风力发电机组和风电场多个数据采集点进行处理。

例如，作为一种具体实施方式，步骤s203可以为：根据步骤s201的配置，以1秒为间隔从实时数据库中获取a风机的有功功率和b风机的振动值，以5秒为间隔从实时数据库中获取a风机的风速值，同时记录所获取数据的时间标签。

步骤s204：根据s202配置的需要通过计算得到的数据采集点、存储频率和计算方法，获取计算所需数据，在此基础上通过计算得到相关数据；

计算所需数据可以是实时数据，也可以是实时数据和历史数据；实时数据从数据采集装置获取，历史数据从历史数据库获取。

优选地，根据不同的存储频率对风力发电机组或风电场需要通过计算得到的数据采集点分类处理，即在每个存储频率下对风力发电机组和风电场多个数据采集点进行处理。

在此步骤中，通过计算得到的相关数据不仅包括数据采集点的数值，也包括相关的时间标签。相关的时间标签为计算所需实时数据产生时的时间标签。

例如，作为一种具体实施方式，步骤s204可以为：根据步骤s202的配置，每隔1秒获取整个风电场的风速，累加整个风电场的风速并除以风电场的风力发电机组总数量，从而获取整个风场的风速平均值，同时记录风速平均值的时间标签为所获取风电场风速的时间标签；

步骤s205：将s203直接获取的相关数据和s204通过计算得到的相关数据压缩并存入非关系型历史数据库中。

优选地，非关系型历史数据库包括但不限于mongodb、hbase、redis等非关系型数据库；非关系型历 史数据库或其存储引擎具有压缩功能。

实施例三

本发明所提供的一种新型的智能风电历史数据处理系统的结构示意图如图3所示，该系统包括数据配置模块100、数据处理模块400、数据存储模块700和历史数据库800。

数据配置模块100，用于配置风力发电机组和风电场需要存储的数据；

数据处理模块400，用于根据数据配置模块100的配置获取相关数据；

数据存储模块700，用于将数据处理模块400获取的相关数据存储至历史数据库800；

历史数据库800，用于存储数据处理模块400获取的相关数据。

需要存储的数据包括两种，一种是可以直接获取的实时数据，另一种是需要通过计算才能得到的数据。进一步地，数据配置模块由两部分构成：实时数据配置子模块200和计算数据配置子模块300。

实时数据配置子模块200，用于配置可以直接获取的数据，包括数据采集点和存储频率；

计算数据配置子模块300，用于配置需要通过计算得到的数据，包括数据采集点、存储频率和计算方法。

实时数据配置子模块200可以针对不同风力发电机组和风电场配置不同的可以直接获取的数据采集点；针对不同的可以直接获取的数据采集点配置不同的存储频率。

计算数据配置子模块300可以针对不同风力发电机组和风电场配置不同的需要通过计算得到的数据采集点；针对不同的需要通过计算得到的数据采集点配置不同的计算方法和不同的存储频率。

更进一步地，根据数据配置块100的划分，数据处理模块400也由两部分构成：实时数据获取子模块500和计算数据处理子模块600。

实时数据获取子模块500，用于根据实时数据配置子模块200的配置从数据采集装置直接获取相关实时数据，同时记录相关实时数据产生时的时间标签。

计算数据处理子模块600，用于根据计算数据配置子模块300的配置获取计算所需数据，并根据配置的计算方法通过计算得到相关数据，同时记录时间标签为相关实时数据产生时的时间标签。计算所需数据可以是来自数据采集装置的实时数据，也可以是来自数据采集装置的实时数据以及来自历史数据库的历史数据。

实时数据获取子模块500和计算数据处理子模块600可以根据不同的存储频率对需要存储的风力发电机组或风电场的数据采集点进行分类处理，即在每个存储频率下对风力发电机组和风电场多个数据采集点进行处理。

数据配置模块100的配置可以根据需要更改。相应地，根据数据配置模块100的配置的变化，数据处理模块400将实现对需要获取相关数据的动态增减。具体地，实时数据获取子模块500将根据实时数据配置子模块200的配置的变化，动态增减需要获取的实时数据；计算数据处理子模块600将根据计算数据配置子模块300的配置的变化，动态增减需要通过计算得到的数据，并且根据配置的变化动态实时地更改计算方法。

优选地，历史数据库800为非关系型数据库，历史数据库或其存储引擎具有压缩功能。

数据存储模块700提供压缩存储和直接存储两种选择；压缩存储先采用历史数据库800或其存储引擎的压缩功能对数据处理模块400获取的相关数据进行压缩，再将压缩后的数据存储至历史数据库800；直接存储则直接将数据处理模块400获取的相关数据存储至历史数据库800。

以上对本发明所提供的一种新型的智能风电历史数据处理方法与系统进行了详细介绍，应用了具体实施例对本申请的原理及实施方式进行了阐述。本领域的技术人员应该了解，本发明不受上述实施例的限制，在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。