基于映射模型的風機控制器異構數據解析

吳海列，盛豪杰， 鄔惠峰

(1.浙江運達風電股份有限公司 風力發電系統國家重點實驗室，杭州 310013； 2.杭州電子科技大學，杭州 310018)

0 引言

風力發電作為新時代的一種新能源技術，具有重要的戰略性地位。自20世紀90年代以來，迫于能源危機，許多國家將新能源和可再生能源的研究、開發和利用工作擺在了很重要的位置。地大物博的中國，風能資源更為豐富，據估計，平均海拔10 m范圍內理論風能儲量為3 226 GW，而陸上和海上的可開發儲量就有1 000 GW。目前，風電行業在全國迅速發展，各種風力發電技術應運而生[1]：陳雷、邢作霞等人闡述了大型并網型風力發電機組的功率調節方式[2]；王志新、張華強等人綜述了風力發電技術態勢，列舉了機組狀態監測系統、測量參數、系統構成、實施功能等技術，還介紹了風電機組功率控制策略，創新性地提出了風電機組低電壓穿越技術[3]；張新房、徐大平等人就風力發電技術在提高機組容量、改進功率調節、勻速運行、發電機和電力電子技術等方面的發展展開了論述[4]；周雙喜、王海超等人對風力發電的實際效益進行了分析，并給出了風電運行價值的詳細計算表達式[5]。

高數量的風場，需要耗費大量的人力、物力、財力進行維護，但是風場所在位置大多偏僻，不方便維護人員頻繁到現場對風機進行故障排查和解決，這其中有些故障只是小問題，開發人員看下數據就能查明。然而，不同類型控制器的數據顯示不盡相同，維護人員分析起來要針對不同的數據格式采用不同的解析方法，操作起來效率低，復雜度高。本文采取了數據映射技術，能夠將同種類型數據或者不同類型數據轉換到同一種數據結構中，很好地解決了此類問題。前者在映射模型中直接轉換，后者基于設定的映射規則，如基于映射表，進行間接轉換。

國內外對數據映射技術有廣泛地研究，比如：文獻[6]提出根據一個高效和可擴展的運行庫，集成對自動數據分區的映射技術；文獻[7]描述了概率模塊化網絡和信息理論的標準數據映射，通過3個獨特的學習任務將有限集合的數據點定量映射；另研究了將網絡信息(拓撲，設備和狀態等)映射到符合Alloy合金規范的原理和算法，以關系形式對網絡信息建模，然后根據新穎的數據映射原理和算法將關系數據映射到符合Alloy合金規范的格式中[8]；Guo D.和Zhu X.等人提出了一種基于流映射的方法，從大量的移動數據中提取固有模式，并構建數據的有效視覺表示，以便了解復雜的流動趨勢、消除雜散數據方差，以控制群體規范化流量，檢測現有方法不能識別的高級模式[9]；此外文獻[10]中，還對數據映射和常見原因故障概率進行了預測，通過不同大小的其他系統的多個故障事件數據來估計依賴系統的故障概率。

數據映射技術應用于各個領域，然而專門針對風機控制器所產生的異構數據的映射技術卻少有涉及。本文提出了一種異構數據解析方法，創新性地將不同風機控制器融入其中，使其能夠對獲取到的不同類型數據，通過映射模型，解析成同一種數據結構，并產生直觀的數據折線圖，以方便維護人員查看，降低排查難度，提高排查的速度和效率。

1 異構數據處理系統框架

異構數據的總處理框架如圖1所示，將解析引擎(映射模型)嵌入到軟件平臺中，以供內部處理數據所用，不對外開放接口；而軟件平臺所提供的幾個主要接口是：①獲取風機數據接口(單向)；②與本地存儲進行交互通信接口(雙向)；③為圖像處理工具teechart輸送數據的傳送接口(單向)。

圖1 異構數據處理系統框架

1.1 映射模型

本節形式化描述了映射模型的幾個主要數據維度和定義方法。

定義1：每一條獲取到的監控數據F={A，T，TP，DT，LT}，分別表示為通道、值、控制器類型、時間、日志類型。

①A={Name 1，Name 2，…，Namek}，表示一系列通道名稱的集合；令dom(Namei)(i∈[1，k])表示通道域A。則總通道集合dom(Name)= dom(Name 1)×dom(Name 2)×…×dom(Namek)。對于通道A，dom(Name)是A的域。我們考慮的域是在大多數關系數據庫中能找到的典型域，例如整數、字符串、實數、布爾等。除了典型域以外，我們開擴展了如下域：時間，空域等。

②T={valuename 1，valuename 2，…，valuenamek}，表示為所有通道名稱的值的集合。

③我們使用t[Z]，Z為F中的任意有限數量子集，表示對應屬性的值。例如，對于A的通道中的通道namei對應的值valuenamei可以用t[valuenamei]表示，即T[valuenamei]。

④我們使用標準關系代數算子，如映射用πX表示；選擇用σX表示。

⑤TP={Beckhoff,Mita…}，表示所有風機主控制器類型集合；

⑥DT={datetimename 1，datetimename 2，…，datetimenamek}，我們使用dt[namei]表示集合A中通道namei被觸發時對應的日期和時間，即datetimenamei=dt[namei]。

⑦LT={5MinLog，TripLog，StatusLog}，表示為所有要解析的日志類型集合。

要實現從F→F′的解析過程，需要將F中每個元素(A,T,TP,DT,LT)以某種規則映射到F′中對應的元素(A′,T′,TP′,DT′,LT′)，給出以下形式化定義。

定義2：給定一個通道U，對于每個U∈A，t代表U在域A上的映射結果。t[A[u]]可以是dom(A)里的一個常數，也可以是一個屬于V的變量或者表達式v-S，其中S是dom(A)的有限子集，v∈V，V是一系列變量的集合，V∩S=?。

映射的唯一性：為了描述一系列映射，我們使用了映射模型代替了簡單的映射關系集合。此外，我們規定了每個變量出現在一個映射限制里，即映射結果表中的兩個不同的映射是完全獨立的。

定義3：假設X，Y是不相交的非空通道集，從X到Y的映射是X∪Y上的有限映射，使得每個變量在映射模型中最多出現一次映射。

定義4：映射模型中的映射結果表用m表示，P表示映射表中的某個映射關系。

1.2 映射約束/條件

并不是每個控制器里的任意一條數據都可以映射到同一個數據結構中顯示，所進行映射的數據必須滿足以下條件和約束。

映射約束：我們分別考慮基于映射結果表m的映射表達式X→Y的一組映射關系p和p′，其中X∈A，Y∈A。p″是映射關系p和p′的笛卡爾乘積，其中p的每個元組t與p′的每個元組t′相關聯。給定從X到Y的映射結果表m，我們使用m作為過濾上述笛卡兒乘積條件，即篩選所有可能映射關系。只有滿足條件t″[X]∈πX(p(m))和t″[Y]∈πY(σX=t″[X](p(m)))的映射p″才是符合映射表達式X→Y的映射關系。

定義Ym(x)表示通道X到Y 映射得到的所有結果集，其中x∈dom(X)，Ym(x)={y|?t∈m&?p∈m，p(t[x])=t[y]&p(t[y])=t[x])}。我們規定：假設U=X∪Y，即任何一個基于映射結果表m的映射表達式X→Y的映射關系都屬于U，如果t[Y]∈Ym(t[X])，則稱Ym(x)為屬性X基于映射表M到Y的結果集。

映射條件1：假設?DTx∈Ax，DTy∈Ay，要產生基于映射結果表m的映射表達式X→Y，必須滿足t[DTx]=t[DTx]。

映射條件2：假設?LTx∈Ax，LTy∈Ay，要產生表m的映射表達式X→Y，必須滿足t[LTx]=t[LTy]。

映射條件3：只有同時滿足映射條件1和映射條件2，才能產生基于映射結果表m的映射表達式X→Y。

表1 Fx包含的監控數據表項

表2 Fy包含的監控數據表項

表3 Fx×Fy所得所有的監控數據表項

表4 篩選過的監控數據表項

1.3 映射算法

異構數據映射代碼見圖2所示。

圖2 異構數據映射代碼示意

在下面一個實例中，表1包含兩個表項F1，F2，表2也包含兩個表項F3，F4；兩表做笛卡爾積，產生臨時映射表3，包含4個表項；經過映射約束和映射條件1，2，3的篩選，最終映射結果表4中只剩下一個正確的表項F′，完成從F→F′解析過程。

2 實例展示

本文的軟件平臺架構利用C# winform實現，其調用了各個控制器的dll連接庫，能夠遠程連接風機控制器，從而獲取監控數據，獲取到的數據文件是csv格式的；在平臺架構里嵌入了解析引擎，能夠對異構數據進行分析、處理；最后利用teechart工具將解析出來的數據進行做圖處理并顯示。

如圖3所示，在圖左側里各個模塊的分區顯示的含義如下：

①需要解析的日志類型顯示；

②日志產生的時間段篩選；

③需要異構同步的控制器類型選擇；

④顯示所有當前篩選條件下的csv文件。

圖3右側顯示的是需要進行作圖處理的數據通道，這些數據通道里的數據是已經經過映射模型處理過的，即已將所有能夠映射到同一個數據結構下的異構數據類型全部整合到了一起。

圖4是經過Teechart作圖處理后的折線圖，圖中主要顯示了兩種控制器下解析的5個通道(液壓壓力、齒輪箱低速軸軸溫、振動原始值1、振動原始值2、振動原始值3)的數據結果，可以直觀地進行查看和對比。

圖4 映射處理后的數據顯示

3 結論和展望

本文提出的映射模型能夠有效處理不同風機控制器產生的數據。這些數據被映射到同一種數據結構下，然后利用軟件平臺的Teechart工具處理得到解析數據，產生方便開發維護人員查看的直觀圖。此外，還對映射模型的形式化定義進行了詳細地描述，同時提出了需要的映射約束和映射條件，基于這些約束和映射條件，闡述了映射算法的主要思想。

在未來的工作中，主要針對數據處理的時間和效率提升進行研究。由于風機的數量龐大，產生的數據參差不齊，種類繁多，當前的數據映射模型只考慮了映射結構統一的問題，處理速度和效率上并沒有深入研究。下一步的任務是在原有映射模型基礎上，進一步改進映射結構，提高數據映射速度和準確性。

參考文獻：

[1]WANG Xiaorong,WANG Weisheng, DAI Hui. Wind power industry in China[J].Electricity,2004(1):41-43.

[2]陳雷，邢作霞，潘建，等.大型風力發電機組技術發展趨勢[J].可再生能源, 2003(1): 27-30.

[3]王志新，張華強.風力發電及其控制技術新進展[J].通用低壓電器, 2009(19).

[4]張新房，徐大平，呂躍剛，等.風力發電技術的發展及若干問題[J].現代電力,2003,20(5):29-34.

[5]周雙喜，王海超，陳壽孫.風力發電運行價值分析[J].電網技術，2006，30(14):8-102.

[6]GONZAIEZ-Escribano A, TORRES Y, FRESNO J, et al.An extensible system for multilevel automatic data partition and mapping[J].IEEE Transactions on parallel and distributed systems,2014,25(5):1145-1154.

[7]WANG Y,LIN S, LI H,et al.Data mapping by probabilistic modular networks and information theoretic criteria[J].IEEE Transactions on signal processing,1998,46(12):3378-3397.

[8]LI F,AN C,YANG J,et al.Data mapping principles and algorithm for self-configurable systems[J].China communication,2015,12(10):169-181.

[9]GUO D, ZHU X.Origin-destination flow data smoothing and mapping[J].IEEE Transactions on visualization and computer graphics,2014,20(12):2043-2052.

[10]XIE L, ZHOU J, WANG X.Data mapping and the prediction of common cause failure probability[J].IEEE Transactions on reliability,2005,54(2):291-296.