导航：X技术最新专利发动机及配件附件的制造及其应用技术

　　本发明针对风力发电机分布广、环境恶劣导致人工巡检困难及传统监测手段无法实时全面获取设备状态的问题，提出基于物联网的远程监测系统。通过多传感器采集振动、温度等关键参数，结合数据传输加密、动态模型预测及异常趋势分析，实现故障预警与智能诊断，提升运维效率，降低停机损失。

　　本发明涉及风力发电设备监测，具体为基于物联网的风力发电机状态远程监测系统。

　　1、在风力发电产业迅速发展的当下，风力发电机的运行维护面临诸多挑战。一方面，由于其分布广泛且多处于偏远、恶劣环境，人工巡检难度大、成本高且效率低下。另一方面，传统监测手段难以实半岛股份科技有限公司时、全面获取设备运行状态信息，在故障发生时无法及时响应，导致停机时间延长，发电量损失严重，维修费用增加；并且，在设备未出现异常数据时，无法对设备的状态进行了解，容易造成更大的损失。

　　1、本发明的目的在于解决风力发电机分布广泛且地处偏远恶劣环境下人工巡检难、成本高、效率低，传统监测手段在设备无异常数据时无法提前了解状态易造成更大损失的问题，而提出基于物联网的风力发电机状态远程监测系统。

　　4、感知模块，用于利用多种传感器采集风力发电机运行时的各类物理参数，用于掌握设备运行状况，为后续的分析和处理提供数据基础；

　　5、传输模块，用于将感知模块采集到的数据通过网络通信方式进行传输，确保数据能够及时从风力发电机端传送到远程处理模块；

　　6、远程处理模块，用于对传输来的数据进行存储、分析、计算操作，通过大数据分析和智能算法挖掘数据价值，建立设备运行模型，对比正常与异常数据，实现故障诊断、预测功能，为运维决策提供依据；

　　7、用户终端模块，用于为用户提供一个交互界面，实时展示风力发电机的运行状态、处理结果和预警信息，方便运维人员随时随地掌握设备情况，同时支持用户进行远程控制操作和接收系统反馈。

　　9、当数据从传输模块到达远程处理模块后，首先进行数据完整性和准确性校验，检查数据帧是否完整，是否存在数据丢失或乱码的情况，通过循环冗余校验算法，对每一批次的数据进行验证，当发现数据有误，向传输模块发送请求重传的指令，确保接收到准确、完整的数据；

　　10、根据数据的类型以及来源进行分类存储，采用分布式数据库架构，将实时数据快速写入对应的数据库表中，同时，建立数据索引，用于后续查询和调用数据；

　　11、对已存储的历史数据进行深度挖掘分析，运用统计分析方法，计算各类参数的均值、方差、极值统计指标，分析设备在不同时间段、不同工况下的参数变化范围和规律；

　　12、结合实时采集的数据进行动态建模，利用支持向量机或神经网络算法的机器学习算法，建立风力发电机的运行状态模型，并将实时的振动、温度、压力、转速参数数据作为输入变量，通过模型计算预测设备应有的运行状态输出值，将预测值与实际采集值进行对比分析，得到数据偏差情况；

　　13、当发现数据异常时，进行故障特征提取，采用信号处理技术，包括通过快速傅里叶变换对振动信号进行频谱分析，提取出异常频率成分；对温度数据的突变点、变化斜率特征进行提取，通过建立故障特征库，将提取到的特征与已知的故障类型进行匹配分析；

　　14、基于时间序列分析和机器学习预测模型，对设备未来的运行状态进行预测，根据当前的设备运行参数趋势以及历史故障发生前的参数变化规律，预测发生故障的概率以及故障的类型和严重程度，包括通过分析轴承温度的上升趋势以及振动频率的变化情况，预测轴承在未来几天内出现故障概率，并提前发出预警信息；

　　15、在未发现数据异常时，收集所有未出现异常同型号风力发电机的监测数据，进行参数变化趋势异常分析。

　　16、进一步的，所述远程处理模块进行参数变化趋势异常分析的具体过程如下：

　　17、从不同地理位置、不同运行环境下的同型号风力发电机收集监测数据，对收集到的数据进行清洗和预处理，去除噪声、异常值干扰因素，保证数据的质量；

　　18、再对所有的运行参数数据进行标准化处理，根据风力发电机的设计规范和运行标准，确定统一的数据格式、单位和测量基准；

　　19、运用移动平均法或指数平滑法的数据平滑技术，对每个风力发电机的运行参数时间序列数据进行处理，提取参数的变化趋势曲线，其中对于振动参数，通过计算振动幅度的移动平均值来展示振动趋势的变化；对于温度参数，利用指数平滑法处理温度随时间的变化趋势；

　　20、采用动态时间规整算法或相似性度量方法，对不同风力发电机的参数趋势进行比对，时间规整算法用于计算两条时间序列曲线之间的相似度；通过计算不同风机同一参数趋势曲线之间的距离或相似度指标，判断是否存在异常；

　　21、根据历史数据和专家经验，设定参数变化趋势的正常范围阈值，初始阈值通过对正常运行状态下的同型号风机参数趋势统计分析得到，同时，采用自适应学习算法，根据新收集到的数据不断调整阈值，使阈值准确地反映设备的实际运行状况，当某台风机的参数趋势与其他同型号风机的趋势差异超过阈值时，则判定为异常；

　　22、在未判定异常时，通过综合评估参数对风力发电机参数综合偏离值进行分析；

　　23、当确定异常后，立即启动预警机制，预警信息包括异常风机的标识、异常参数的类型以及趋势异常的具体情况描述，通过多种通信方式将预警信息发送给运维人员，用于及时采取措施进行检查和维修，避免故障的发生或扩大。

　　24、进一步的，所述远程处理模块通过综合评估参数对风力发电机参数综合偏离值进行分析的具体操作步骤如下：

　　25、在未判定异常时，确定需要综合评估参数，这些参数包括从感知模块采集到的振动、温度、压力、转速物理参数，对于每个综合评估参数，根据风力发电机的设计规范、制造商提供的技术资料以及历史运行数据的统计分析，确定标准参考值；

　　26、根据参数的重要性程度为每个综合评估参数设定权重值，对于每个综合评估参数，计算与标准参数的偏离值，具体的用实际测量值减去标准参考值，并取绝对值，即，通过公式：以得到综合偏离值zbz，式中zbz即为计算得到的综合偏离值；n为参与计算的综合参数数量，为第i个综合评估参数的权重值；分别为第i个综合评估参数的实际测量值和标准参考值；

　　27、将计算得到的综合偏离值与预设的综合偏离阈值进行比对；当综合偏离值小于或等于综合偏离阈值，则判断设备当前运行状态达标；当综合偏离值大于综合偏离阈值，则判断设备运行状态存在异常，并进一步分析和处理。

　　29、根据风力发电机的结构特点和监测需求，确定需要采集的物理参数类型；获取传感器的测量范围、精度、响应时间性能指标，判断是否达到检测标准，确保其满足风力发电机运行状态监测的要求；

　　30、在风力发电机的部位进行传感器的布置，包括在叶片根部、齿轮箱、发电机轴承部位安装振动传感器，以全面监测机械部件的振动情况；在发电机绕组、轴承座发热部位安装温度传感器，实时监测温度变化；

　　31、对传感器的安装方式和固定方法进行确定，确保传感器在风力发电机运行过程中稳定工作，不受外界环境因素的影响；

　　32、根据风力发电机的运行特点和监测需求，确定数据采集频率，分析数据存储和传输的压力，在保证监测精度的前提下，选择相匹配的数据采集频率；

　　33、对采集到的原始数据进行滤波处理，去除噪声和干扰信号，通过采用数字滤波算法，根据不同参数的特点选择合适的滤波方式；

　　34、对数据进行校准和归一化处理，确保不同传感器采集到的数据具有可比性；对异常数据进行识别和处理，通过设定阈值或采用统计方法，识别出偏离正常范围的数据，并采取相应的处理措施，包括标记为异常数据、进行数据插值。

　　36、采集到的来自不同传感器的原始数据具有各种格式，首先将这些数据按照预定的统一格式进行封装，具体的，通过定义一种包含设备标识、传感器类型、采集时间戳、数据值字段的结构体数据格式，对于模拟量传感器数据，进行模数转换后按照标准数值范围进行编码，包括：将温度传感器采集的-50℃至150℃范围的温度值映射到0-65535的整数区间，使用以下公式进行编码：;

　　37、将封装后的数据按照一定的大小进行分组，每组数据添加循环冗余校验码；循环冗余校验计算通过以下公式：其中crc为循环冗余校验码，用于检测数据在传输过程中是否出现错误的校验码；remainder表示余数；n是根据数据长度和协议要求确定的多项式阶数，是原始数据对应的多项式，是预先选定的生成多项式，用于在接收端检测数据在传输过程中是否出现错误；

　　38、周期性地检测可用网络链路的信号强度、带宽、延迟参数，通过发送测试数据包并计算往返时间来评估网络延迟，使用信号接收强度指示来衡量信号强度，综合这些参数，利用加权算法评估各链路的质量得分，式中，分别为信号强度、带宽、延迟参数，分别为信号强度、带宽、延迟参数的预设权重系数，选择质量得分q最高的链路作为当前传输通道，如果当前链路质量下降到预设阈值，则自动切换到其他备用链路。

　　40、根据网络链路的实时带宽情况和数据的优先级，动态调整数据传输速率；采用拥塞控制算法，包括基于窗口的tcp拥塞控制算法的变体；

　　41、当网络带宽达标标准时，逐渐增大传输窗口大小以提高传输速率；当检测到网络拥塞或丢包时，减小传输窗口大小，降低传输速率，传输窗口大小的调整公式如下：，式中为计算得到的传输窗口大小；为调整系数，b为网络反馈的可用宽带信息；

　　42、在数据传输前，使用加密算法对数据进行加密处理，采用高级加密标准算法，将数据按照128位的块进行加密，密钥的生成通过结合设备唯一标识、时间戳信息，经过哈希函数运算得到，确保密钥的安全性和随机性；

　　43、采用ssl/tls传输层协议，建立加密通道进行数据传输，在建立连接时，进行证书验证、密钥交换操作，确保数据在传输过程中不被窃取或篡改，通过握手过程协商加密算法、密钥长度参数，实现端到端的安全通信；

　　44、当网络出现不稳定或传输中断时，利用本地缓存空间临时存储未传输成功的数据，缓存数据按照先进先出的原则进行管理，当缓存空间达到上限时，根据数据的重要性和时效性进行选择性删除，优先保留最新采集的数据；

　　45、在网络恢复连接后，自动检测上次传输中断的位置，通过与接收端进行交互，获取已成功接收的数据信息，从断点处继续传输未完成的数据，确保数据的完整性，利用数据块的标识和序号信息来实现断点续传的准确性，接收端在接收到数据后进行验证和确认，反馈给发送端传输结果。

　　47、与服务器建立通信，登录时进行身份验证获取权限，接收数据报文并按格式规范解析，将二进制或json/xml格式数据转换为可展示格式；

　　48、以图表展示运行状态信息，标注参数范围，异常自动警示，并在首页呈现总体状态，导航可查看子系统详情，设快捷返回按钮，支持点击、手势操作，点击弹出详情，操作有反馈提示；

　　49、根据用户操作生成控制指令，加密编码后发送至服务器或控制器，接收指令执行结果，成功则显示提示并更新状态，失败显示原因并记录日志。

　　51、（1）本发明，通过实时采集风力发电机的关键物理参数，并利用远程处理模块进行深入分析，极大地提升了设备的监测效率，能够及时发现并预警潜在的故障，从而减少了意外停机的风险，增强了风力发电机的可靠性，这种实时监测和预警机制，使得运维人员可以迅速响应，采取预防性维护措施，有效避免了因设备故障导致的发电损失；

　　52、（2）本发明，采用了先进的数据传输和处理技术，确保了数据在采集、传输和处理过程中的准确性和完整性，通过使用循环冗余校验和加密算法，保障了数据传输的安全性，防止了数据在传输过程中的丢失、乱码或被篡改的风险，此外，系统能够根据网络条件动态调整传输策略，优化了数据的传输效率，确保了数据的及时性和完整性；

　　53、（3）本发明，通过深度学习和时间序列分析，实现了对风力发电机未来运行状态的智能预测，能够基于历史数据和实时数据，预测设备可能出现的故障类型和时间，为运维决策提供了强有力的支持，使运维团队可以提前准备，采取针对性的维护措施，从而减少了维修成本，提高了设备的运行效率和安全性。