一种风力发电机效益分析方法及装置与流程

本发明涉及风场风机性能分析技术领域，尤其涉及一种风力发电机效益分析方法及装置。

背景技术：

设备健康管理系统是通过获取设备各项数据，然后对获取的设备各项数据进行分析，获取分析结果，然后根据分析结果对设备的健康状态进行分析，通过设备健康管理系统能够快速对设备状态进行检测。

在风电场管理系统中，设备健康管理系统往往是用来对风力发电机的健康状态进行分析，但是要获取风力发电机的效益，则还需要比较复杂的计算过程，需要耗费大量的资源，而且现在也没有通过健康管理系统来对风力发电机的效益进行分析的方法，通过健康管理系统可以在对风力发电机的状态进行检测的同时对风力发电机的效益进行分析，大大节省了系统资源的占用，提高了整个过程的效率。

上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。

技术实现要素：

有鉴于此，本发明提出了一种风力发电机效益分析方法及装置，旨在解决现有技术无法通过通过健康管理系统对风力发电机的效益进行分析的技术问题。

本发明的技术方案是这样实现的：

一方面，本发明提供了一种风力发电机效益分析方法，所述风力发电机效益分析方法包括以下步骤：

s1，获取风力发电机的原始数据；

s2，获取本地设备健康管理模型，将原始数据放入设备健康管理模型中进行训练，获取健康数据；

s3，获取获取历史健康数据以及对应的效益分析结果，根据历史健康数据以及对应的效益分析结果建立效益分析模型，将健康数据放入该效益分析模型中，获取该健康数据对应的分析结果。

在以上技术方案的基础上，优选的，步骤s1中，获取风力发电机的原始数据，还包括以下步骤，所述风力发电机的原始数据包括：设备的运行数据、设备运行的时间数据以及设备发电量数据。

在以上技术方案的基础上，优选的，步骤s1中，获取风力发电机的原始数据，还包括以下步骤，所述风力发电机的原始数据包括：设备的运行数据、设备运行的时间数据以及设备发电量数据。

在以上技术方案的基础上，优选的，根据专家知识以及故障树模型建立故障树-贝叶斯网络模型作为本地设备健康管理模型，将原始数据放入设备健康管理模型中进行训练，获取健康数据，还包括以下步骤，根据专家知识计算故障树模型中每一个节点发生的概率，通过贝叶斯算法，建立故障树-贝叶斯网络模型作为本地设备健康管理模型，将原始数据放入设备健康管理模型中进行训练，获取健康数据。

在以上技术方案的基础上，优选的，还包括以下步骤，所述贝叶斯算法为：

其中，p(ai|b)代表训练结果，p(b|ai)代表专家知识计算风力发电机故障特征数据发生的概率，p(ai)代表风力发电机故障特征数据发生的实际概率，b代表专家知识，ai代表风力发电机故障特征数据，i代表风力发电机故障特征数据的索引下标，n代表风力发电机故障特征数据的数量。

在以上技术方案的基础上，优选的，步骤s3中，获取历史健康数据以及对应的效益分析结果，根据历史健康数据以及对应的效益分析结果建立效益分析模型，将健康数据放入该效益分析模型中，获取该健康数据对应的分析结果之前，还包括以下步骤，设定健康数据范围，将健康数据与该健康数据范围进行比较，当健康数据满足健康数据范围时，获取历史健康数据效益以及对应的效益分析结果，根据该健康数据从历史健康数据中查找对应的效益分析结果作为该风力发电机的效益分析结果；当健康数据不满足健康数据范围时，对该健康数据对应的原始数据进行标记，并向用户进行预警。

在以上技术方案的基础上，优选的，获取历史健康数据以及对应的效益分析结果，根据历史健康数据以及对应的效益分析结果建立效益分析模型，将健康数据放入该效益分析模型中，获取该健康数据对应的分析结果，还包括以下步骤，获取历史健康数据以及对应的效益分析结果，根据历史健康数据建立不同的标签，设定不同标签对应的数值范围，根据该数值范围对健康数据进行比较，确定该健康数据对应的效益分析结果。

更进一步优选的，所述风力发电机效益分析装置包括：

获取模块，用于获取风力发电机的原始数据；

训练模块，用于获取本地设备健康管理模型，将原始数据放入设备健康管理模型中进行训练，获取健康数据；

分析模块，用于获取历史健康数据以及对应的效益分析结果，根据历史健康数据以及对应的效益分析结果建立效益分析模型，将健康数据放入该效益分析模型中，获取该健康数据对应的分析结果。

第二方面，所述风力发电机效益分析方法还包括一种设备，所述设备包括：存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的风力发电机效益分析方法程序，所述风力发电机效益分析方法程序配置为实现如上文所述的风力发电机效益分析方法的步骤。

第三方面，所述风力发电机效益分析方法还包括一种介质，所述介质为计算机介质，所述计算机介质上存储有风力发电机效益分析方法程序，所述风力发电机效益分析方法程序被处理器执行时实现如上文所述的风力发电机效益分析方法的步骤。

本发明的一种风力发电机效益分析方法相对于现有技术具有以下有益效果：

(1)通过建立设备健康管理模型，能够更加直观看到风力发电机的效益与风力发电机的各个状态信息之间的关系，用户可以更加快速评价出一个风电场内风力发电机的效益的高低，方便用户后期进行投资；

(2)通过本地历史健康数据以及对应的分析结果建立效益分析模型，将健康数据与效益结合起来，用户可以更加直观观测到整个风电场的效益情况，节省后期人工对风电场效益进行分析的过程，提高了分析效率。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术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附图。

图1是本发明实施例方案涉及的硬件运行环境的设备的结构示意图；

图2为本发明风力发电机效益分析方法第一实施例的流程示意图；

图3为本发明风力发电机效益分析方法第一实施例的功能模块示意图。

具体实施方式

下面将结合本发明实施方式，对本发明实施方式中的技术方案进行清楚、完整地描述，显然，所描述的实施方式仅仅是本发明一部分实施方式，而不是全部的实施方式。基于本发明中的实施方式，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施方式，都属于本发明保护的范围。

如图1所示，该设备可以包括：处理器1001，例如中央处理器(centralprocessingunit，cpu)，通信总线1002、用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(display)、输入单元比如键盘(keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真(wireless-fidelity，wi-fi)接口)。存储器1005可以是高速的随机存取存储器(randomaccessmemory，ram)存储器，也可以是稳定的非易失性存储器(non-volatilememory，nvm)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。

本领域技术人员可以理解，图1中示出的结构并不构成对设备的限定，在实际应用中设备可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

如图1所示，作为一种介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及风力发电机效益分析方法程序。

在图1所示的设备中，网络接口1004主要用于建立设备与存储风力发电机效益分析方法系统中所需的所有数据的服务器的通信连接；用户接口1003主要用于与用户进行数据交互；本发明风力发电机效益分析方法设备中的处理器1001、存储器1005可以设置在风力发电机效益分析方法设备中，所述风力发电机效益分析方法设备通过处理器1001调用存储器1005中存储的风力发电机效益分析方法程序，并执行本发明实施提供的风力发电机效益分析方法。

结合图2，图2为本发明风力发电机效益分析方法第一实施例的流程示意图。

本实施例中，所述风力发电机效益分析方法包括以下步骤：

s10：获取风力发电机的原始数据。

应当理解的是，本系统获取的风力发电机的原始数据包括：设备的运行数据、设备运行的时间数据以及设备发电量数据等，可以直接或者间接反映出风力发电机的健康状态的数据，通过这些原始数据，用户可以分析出一个风力发电机的健康状态。

s20：获取本地设备健康管理模型，将原始数据放入设备健康管理模型中进行训练，获取健康数据。

应当理解的是，本地的设备健康管理模型是预先建立好的，是根据风力发电机故障信息以及该故障信息对应的专家知识，从风力发电机故障信息中提取风力发电机故障特征数据，根据该故障特征数据建立故障树模型，根据专家知识以及故障树模型建立故障树-贝叶斯网络模型作为本地设备健康管理模型，这里的风力发电机故障信息以及该故障信息对应的专家知识可以是从网络获取的，也可以是本地存储的历史数据，而且这些数据会不断更新，每当有新的故障数据产生，系统就会记录这些数据，以此来不断完善整个设备健康管理模型。

应当理解的是，因为贝叶斯网络模型是一个根据概率来建立的模型，所以在建立过程中，系统会根据专家知识计算故障树模型中每一个节点发生的概率，通过贝叶斯算法，建立故障树-贝叶斯网络模型作为本地设备健康管理模型，所述贝叶斯算法为：

其中，p(ai|b)代表训练结果，p(b|ai)代表专家知识计算风力发电机故障特征数据发生的概率，p(ai)代表风力发电机故障特征数据发生的实际概率，b代表专家知识，ai代表风力发电机故障特征数据，i代表风力发电机故障特征数据的索引下标，n代表风力发电机故障特征数据的数量。

s30：获取历史健康数据以及对应的效益分析结果，根据历史健康数据以及对应的效益分析结果建立效益分析模型，将健康数据放入该效益分析模型中，获取该健康数据对应的分析结果。

应当理解的是，在对健康数据进行效益分析之前，还会设定健康数据范围，根据这个设定健康数据范围对健康数据进行判断，当健康数据满足健康数据范围时，获取历史健康数据效益以及对应的效益分析结果，根据该健康数据从历史健康数据中查找对应的效益分析结果作为该风力发电机的效益分析结果；当健康数据不满足健康数据范围时，对该健康数据对应的原始数据进行标记，并向用户进行预警，通过这种方式，来提前对健康数据进行筛选，不仅可以筛选出存在异常的风力发电机，同时也减少了后续资源计算的压力。

应当理解的是，效益分析模型本质上是一种表，根据历史健康数据以及对应的效益分析结果建立，由于历史健康数据对应的原始数据包括：设备的运行数据、设备运行的时间数据以及设备发电量数据，所以，可以由此建立多个标签，比如：运行状态、运行时间、发电量以及能耗等，系统会根据历史数据来给这些标签设定不同的数值范围，然后将最终的效益分析结果与之对应，当有新的健康数据需要分析时，可以直接根据这个表，来判断新的健康数据对应的分析结果，通过这种方式，客户可以直观对风力发电机的效益进行了解，方便用户后期进行投资。

需要说明的是，以上仅为举例说明，并不对本申请的技术方案构成任何限定。

通过上述描述不难发现，本实施例通过获取风力发电机的原始数据；获取本地设备健康管理模型，将原始数据放入设备健康管理模型中进行训练，获取健康数据；获取历史健康数据以及对应的效益分析结果，根据历史健康数据以及对应的效益分析结果建立效益分析模型，将健康数据放入该效益分析模型中，获取该健康数据对应的分析结果。本实施例通过本地设备健康管理模型对风力发电机的健康状态有一个实时的了解，然后可以通过网络的专家知识以及本地历史效益评估数据对当前风力发电机的效益进行评估，和风力发电机的状态结合起来，能够更加直观了解风力发电机的效益，方便了用户后期的投资。

此外，本发明实施例还提出一种风力发电机效益分析装置。如图3所示，该风力发电机效益分析装置包括：获取模块10、训练模块20、分析模块30。

获取模块10，用于获取风力发电机的原始数据；

训练模块20，用于获取本地设备健康管理模型，将原始数据放入设备健康管理模型中进行训练，获取健康数据；

分析模块30，用于获取历史健康数据以及对应的效益分析结果，根据历史健康数据以及对应的效益分析结果建立效益分析模型，将健康数据放入该效益分析模型中，获取该健康数据对应的分析结果。

此外，需要说明的是，以上所描述的装置实施例仅仅是示意性的，并不对本发明的保护范围构成限定，在实际应用中，本领域的技术人员可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的，此处不做限制。

另外，未在本实施例中详尽描述的技术细节，可参见本发明任意实施例所提供的风力发电机效益分析方法，此处不再赘述。

此外，本发明实施例还提出一种介质，所述介质为计算机介质，所述计算机介质上存储有风力发电机效益分析方法程序，所述风力发电机效益分析方法程序被处理器执行时实现如下操作：

s1，获取风力发电机的原始数据；

s2，获取本地设备健康管理模型，将原始数据放入设备健康管理模型中进行训练，获取健康数据；

s3，获取历史健康数据以及对应的效益分析结果，根据历史健康数据以及对应的效益分析结果建立效益分析模型，将健康数据放入该效益分析模型中，获取该健康数据对应的分析结果。

进一步地，所述风力发电机效益分析方法程序被处理器执行时还实现如下操作：

所述风力发电机的原始数据包括：设备的运行数据、设备运行的时间数据以及设备发电量数据。

进一步地，所述风力发电机效益分析方法程序被处理器执行时还实现如下操作：

获取风力发电机故障信息以及该故障信息对应的专家知识，从风力发电机故障信息中提取风力发电机故障特征数据，根据该故障特征数据建立故障树模型，根据专家知识以及故障树模型建立故障树-贝叶斯网络模型作为本地设备健康管理模型，将原始数据放入设备健康管理模型中进行训练，获取健康数据。

进一步地，所述风力发电机效益分析方法程序被处理器执行时还实现如下操作：

根据专家知识计算故障树模型中每一个节点发生的概率，通过贝叶斯算法，建立故障树-贝叶斯网络模型作为本地设备健康管理模型，将原始数据放入设备健康管理模型中进行训练，获取健康数据。

进一步地，所述风力发电机效益分析方法程序被处理器执行时还实现如下操作：

所述贝叶斯算法为：

其中，p(ai|b)代表训练结果，p(b|ai)代表专家知识计算风力发电机故障特征数据发生的概率，p(ai)代表风力发电机故障特征数据发生的实际概率，b代表专家知识，ai代表风力发电机故障特征数据，i代表风力发电机故障特征数据的索引下标，n代表风力发电机故障特征数据的数量。

进一步地，所述风力发电机效益分析方法程序被处理器执行时还实现如下操作：

设定健康数据范围，将健康数据与该健康数据范围进行比较，当健康数据满足健康数据范围时，获取历史健康数据效益以及对应的效益分析结果，根据该健康数据从历史健康数据中查找对应的效益分析结果作为该风力发电机的效益分析结果；当健康数据不满足健康数据范围时，对该健康数据对应的原始数据进行标记，并向用户进行预警。

进一步地，所述风力发电机效益分析方法程序被处理器执行时还实现如下操作：

获取历史健康数据以及对应的效益分析结果，根据历史健康数据建立不同的标签，设定不同标签对应的数值范围，根据该数值范围对健康数据进行比较，确定该健康数据对应的效益分析结果。

以上所述仅为本发明的较佳实施方式而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。