[发明专利]一种基于云边协同的风电机组状态评估与智能预警系统及方法

权利要求书

1.一种基于云边协同的风电机组状态评估与智能预警系统，所述系统包括风电系统云平台、边缘计算终端及风机本体主控装置；所述边缘计算终端部署于风机设备侧，所述边缘计算终端存储目标风机单机状态计算与预警数据驱动模型；所述边缘计算终端与风机本体主控装置连接,并对风机本体主控装置进行数据采集及控制指令下发；所述风电系统云平台存储风场所有风机模型，所述风电系统云平台接收边缘计算终端反馈的计算结果，同时进行风电场全场尾流计算以减少尾流损失，优化全厂发电量；所述风电系统云平台还用于将更新后的模型下发给边缘计算终端；所述风机单机状态计算与预警数据驱动模型采用多源异构数据融合的方法以实现风机健康度的综合运行状态评估，基于考虑置信度的深度学习方法进行风机异常状态识别和智能预警，风电系统云平台提供数据重构技术用于数据分析与展示，系统实现对风电机组的评估与预警并进行闭环控制。

2.如权利要求1所述的一种基于云边协同的风电机组状态评估与智能预警系统，其特征在于每台风机对应至少一个边缘计算终端，边缘计算终端安装在风机塔底设备层，边缘计算终端采用嵌入式系统，边缘计算终端与风机本体主控装置采用有线网络传输，传输介质为双绞线或光纤；数据采集及控制指令的下发基于TCP协议；所述边缘计算终端与风电系统云平台基于无线方式进行数据传输。

3.如权利要求2所述的一种基于云边协同的风电机组状态评估与智能预警系统，其特征在于，所述边缘计算终端包括数据采集单元、边缘计算单元和数据反馈单元、尾流控制单元与模型更新单元。

4.如权利要求1所述的一种基于云边协同的风电机组状态评估与智能预警系统，其特征在，每个风场对应一套风电系统云平台，所述风电系统云平台部署于云端弹性计算云服务器，风电系统云平台存储有风电场全场所有风机的状态计算与预警数据驱动模型，并在线训练、更新模型后将模型下发至边缘计算终端。

5.一种基于云边协同的风电机组状态评估与智能预警方法，其特征在，尾流控制模型部署于风电系统云平台，所述尾流控制模型用于以全场发电量提升为目标，基于全场风机的机位布置与风速数据建立尾流基准工控库，计算各工控下的尾流损失、风速、发电功率与机舱方向，实时采集数据并通过实时运行数值计算仿真模型得到场群尾流控制策略；目标风机单机状态计算与预警数据驱动模型存储于边缘计算终端，目标风机单机状态计算与预警数据驱动模型采用多源异构数据融合的方法以实现风机健康度的综合运行状态评估，基于考虑置信度的深度学习方法进行风机异常状态识别和智能预警。

6.如权利要求5所述的一种基于云边协同的风电机组状态评估与智能预警方法，其特征在，所述风电系统云平台在进行尾流计算时采用弹性计算，进行全场协同优化控制，向风电场每个风机的侧边缘计算终端下发偏航角度指令、目标发电功率指令，变桨指令，智能化降低尾流损失，尾流模型计算后进行更新。

7.如权利要求5所述的一种基于云边协同的风电机组状态评估与智能预警方法，其特征在，所述多源异构数据融合的方法为：基于修正后的功率曲线、累计发电量、停机时间、自启动次数与风机状态码报警次数计算健康度指数；实时统计风速与发电功率，计算实际功率曲线；基于空气密度、大气压、环境温度，修正厂商担保功率曲线，综合考虑风机本体自身状况及风场整体状况，计算机组健康度指数，以实现风电机组设备劣化程度及健康度的定量化评估。

8.如权利要求5所述的一种基于云边协同的风电机组状态评估与智能预警方法，其特征在，所述基于考虑置信度的深度学习方法为：基于一种自回归滑动平均模型模型对系统关键参数进行短期预测，并给出不同置信水平下的置信区间预测结果与确定性预测结果组合构成概率预测结果；当关键参数短期预测值超过设定限制时，进行异常工况提前报警；同时给出关键参数变化趋势，识别异常工况。

9.如权利要求5所述的一种基于云边协同的风电机组状态评估与智能预警方法，其特征在，还包括：采用一种改进的核主元方法对机组实时数据进行基于时空冗余的特征提取及关键参数的数据重构，作为一种辅助交叉验证方法，以实现在目标参数传感器故障及异常变动工况下的参数预警及监视功能。