一种适用于海上风机监测数据实时处理的方法研究.pdfVIP

第13卷 第4期 中国水利水电科学研究院学报 Vol.12 No.4 2015年8月 Journal of China Institute of Water Resources and Hydropower Research August，2015 文章编号：1672-3031（2015）04-0306-06 一种适用于海上风机监测数据实时处理的方法研究 周建华 ，吕鹏远 ，王 春1 2 1 （1. 中国水利水电科学研究院 北京中水科工程总公司，北京 100048； 2. 响水长江风力发电有限公司，湖北 盐城 224600） 摘要：海上风机监测异常数据实时处理，对于风机结构体系功能与安全状态的分析评价，具有十分重要的意义。 但现阶段对于异常数据实时处理方法的研究还有待完善。本文结合风机实时监测数据特点，采用具有自动调整参 数功能的AR（n）模型预测算法进行异常数据实时处理，对处理机制进行了分析。应用该方法对某海上风机实时采 集风速及多种传感器监测数据进行了处理，讨论了该方法的精度及处理效率，验证了该方法对于处理风机异常监 测数据的有效性和适用性。 关键词：异常数据；实时处理；处理机制；AR（n）自动调参预测模型 中文分类号：TK89 文献标识码：A doi ：10.13244/ki.jiwhr.2015.04.011 1 研究背景 近年来，对海上MW级风机安全运行状况进行实时监测成为研究热点。现有海上监测技术主要 针对海上风机所受荷载及相应的响应进行监测，原始数据经过数据存储、分析及处理，得到基础的 安全运行状况和维修决策等结论。由于基础结构损坏、监测对象固有变化异常、测量仪器故障、数 据传输错误或者噪音信号掺杂等原因，常常引发传感器监测数据的异常。如果不能实时有效地对监 测数据流中的异常数据进行处理，异常信息不能有效辨识，缺失信息不能有效修复，会给后续数据 处理与分析带来很大的误差，低精度和异常的监测数据会严重影响对基础结构体系功能与特性的分 析评价，威胁风机基础安全运行。 通过对于海上风机监测数据的分析研究及相关研究成果的归纳总结，得到海上风机监测数据的 ［1-3］ 以下特点 ：无固定的分布模型，随季节变化而变化，随时间变化非线性强，数据具有较高不确定 性，无法提供大量可信的训练数据，监测数据流每天波动范围相对小，变化趋势相近；监测数据种 类多，格式复杂、信息量大，每天数据量甚至能达到十几GB。 针对风机实时监测数据特点，国内学者已经研究了很多处理办法，如小波分析、数据挖掘和数 据流理论等，然而，常用方法包含大量参数、算法比较复杂，占用较大的存储空间、计算效率较 ［4］ 低，且具有代表性的样本数据的选取也是亟需解决的问题 ，因此主要适用于处理离线异常数据，对 于海量实时异常数据处理还存在一定的困难。对于风机实时异常数据，处理方法既要充分体现数据 分布的特点，且要满足处理效率要求，又不能依赖大量可信的训练数据。 2 基于AR（n）预测模型的风机实时监测数据处理方法 本文利用监测对象本身的一组观测数据之间的关系来描述监测数据随机变动的规律，即建立AR（n） 线性自回归预测模型。给出监测数据的预测模型参数及其机制，以预测未来时刻的值，用预测值和 监测值比较的方法确定异常值。 AR（n）预测模型的建立不需要预先设定参数值，只需少量近期正常监测数据和简单计算就可以 收稿日期：2015-01-21 作者简介：周建华（1985-），男，山东济宁人，硕士，助理工程师，主要从事海上基础研究。E-mail：future521@163.com — 306 — 一种适用于海上风机监测数据实时处理的方法研究 周建华 吕鹏远 王 春 估计模型的参数并能实时给出预测值，比较适用于监测数据种类多、格式复杂、信息量大的海上风 机异常监测数据的实时处理。 结合相关研究文献，为了降低预测误差，本文采用预测模型参数自动调整策略，以便在预测误 差超过预先设定的阈值时，