异构信息融合在风电设备状态多准则评价中的应用

本资料包含pdf文件1个，下载需要1积分

由于清洁能源受到人们的日益重视，风力发电得到了快速发展，自20世纪90年代以来，全球风力发电机组装机容量年增长率超过了20% 。但伴随而来 的是风力发电机组故障的大量增加，设备维护水平成为影响风电场运作成本的重要因素。同时，风电设备大多分布分散、地处偏僻，维护工作需要较多的成本投入，如聘请专业维修人员、租借大型吊车、采购更换设备等。因此，如何正确评估各风电设备状态以便合理制定维护计划，在企业中有着重要的应用价值。

风电运营企业中风力发电机组的信息采集工作由不同部门完成，其对设备降程度的评估往往局限于其部门对应的领域，同时各部门大多有独立的设备数据维护体系，如在线监测部门使用关系型数据库来存储数据，设备档案管理部门的数据大多以纸质文档或电子表格形式保存。这些部门间的知识结构各异，相互之间难以兼容。风电设备 已发展成集多个系统于-体的复杂设备 ，对其降状态的综合评价需要融合各部门的信息及其评价准则。目前企业中普遍存在的设备数据自治异构的情况对信息融合提出了挑战 ，而舍弃现有系统，重新构建各部门间信息同构的维护系统对企业来说也是难以接受的。

要实现风电设备降状态全面评价，需要解决设备信息提取 、信息融合和多准则评价三方面的问题。在设备信息提取方面，Yang等人 使用本体技术描述设备配置知识，分析 了本体在知识重用和推理方面的优势 ；Verstichel等人 以铁路系统为研究对象 ，将统-建模语 言 (unifed modeling language，UML)和本体两种信息集成方法进行了对比，认定本体具有明显的优势。在设备信息融合方面，目前研究工作主要集中在多采集点同构数据集成方面，如谷振宇等人 研发的大型设备视情维修系统融合的是切削力 、振动、温度等传感器数据 ，Lou-tas等人 在监测旋转机械状态监测中融合了振动、噪声和油液品质方面的信息，但这些研究都没有涉及对设备维护记录、收稿日期 ：2012.07.02；修回日期：2012-08-29 基金项目：高等学校博士学科点专项科研基金资助项 目(20090161110006)；湖南势技计划基金资助项目(2012SK3184)；广东省省部产学研结合项 目(2009B090300312)作者简介：周安美(1983·)，男，湖南邵阳人，博士研究生，主要研究方向为设备状态监测与故障诊断(zhouanmei###yahoo.corn.cn)；于德介(1957.)，男(通信作者)，教授，博导，主要研究方向为设备状态监测与故障诊断、振动与噪声控制等；李蓉(1976-)，女，副教授，硕导，主要研究方向为制造型企业设备维护及管理等；刘坚(1975.)，男，教授，硕导，主要研究方向为状态监测与故障诊断、物流工程等。

第4期 周安美，等：异构信.$-f在风电设备状态多准则评价中的应用 ·1091·档案等信息的集成。在设备状态评估方面，Bo等人 基于LabVIEW建立了针对风电设备噪声评估的测试系统，Lapira等人 利用神经网络 、高斯混合模型等三种方法综合评估风电设备的整体性能，但这些方法只使用了单-设备指标。

本文针对风 电企业 中设备维护信息分散 、知识异构 、不易综合利用的问题 ，将本体技术和多准则评价方法结合 ，提出了基于本体的多源异构信息融合方法以实现设备降状态的多准则评价。本文方法采用本体技术实现领域知识提取，以公共本体为基带行多领域本体建模，将关系型数据库、维护档案等多源异构信息融合进行降状况多准则评价。信息融合直接提取企业现有系统的实时数据，有利于减少数据维护成本，多准则评价则能有效实现设备整体降状况的综合评估。本文阐述 了风电设备 的各种监测方法和评价标准，介绍了维护知识的本体建模及信息集成 ，给出了多源异构信息融合系统的实现过程 ，并 以应用实例验证 了本文方法的可行性。

1 大型风电设备降状态的多准则评价1.1 风电设备的检测方法近年来 ，传感器技术、信号分析与数据处理技术 、计算机技术等相应学科发展迅速，为其在设备状态监测和故障诊断领域的应用打下了良好的基矗风电设备检测方法较多，如在线监测、日常巡检 、设备履历监测等，各种检测活动往往给出不同量纲的定性或定量结果。

1)日常巡检 风电企业 中通敞立 日常巡检制度，维护人员根据机组运行维护手册的相关要求 ，并结合设备运行的实际情况 ，定时检查特定的设备状态指标。日常巡检主要检查风电设备中没有实现在线监测的设备运转情况，如设备表面清洁情况、防腐涂层的完好度、润滑油油位高度 、各部件连接固定情况等，并检查设备各功能是否运转正常。企业中通常对设备制定定期维护大修计划 ，如半年期、-年期等。在这些检查活动中，常包含-些复杂度较高的检查项 目，如磁粉探伤、油滤清洁、同轴度检查等。这些检查结果通常作为设备履历，以纸质文档保存。

2)在线监测 目前风电设备主要的在线监测内容包括振动监测、应力应变监测、噪声监测和温度监测等，这些监测可以及时获取设备运行状况，对异常状态迅速作出诊断，降低设备维护工作量。

振动分析研究 目前已经比较成熟，已广泛应用于风电设备在线监测。通常情况下 ，振动速度足以表示工作转速较宽振动的烈度，但对于低速运行部件 ，如果不考虑频率 ，可能漏测不可接受的振动位移 ，对于高速运行部件，则有可能漏测不可接受的加速度。本文根据行业标准 NB/T 31004-2011 ，采用如图 1所示的振动速度评价标准来评价振动幅值。图 1中 和分别表示频率上、下限值 和 分别表示特定的给定频率值。按照速度均方根值的大小，在频率区间 ]上划分出表示设备降状态的A、B、C、D四个区域。新交付使用的设备振动值处于区域 A范围内，设备可不受限制长期运行在区域 B范围内，在区域 C内不宜长期持续运行，振动值处于区域 D则表示设备振动剧烈，足以损坏设备。在 [ ， ]和[ ， ]区间内，允许的振动速度是振动频率的函数，将这些区间内的显著分量按照国家标准 GB/T 6075.1-1999 转换成等效速度均方根值，再使用[ ]区间的标准进行评价。图中 和。

的取值和区域值的设定由设备制造厂商和维护人员根据标准和维护经验共同确定。

振动幅值显著增加或减少时，即使未达到区域 C，也表示设备 运 行 异 常 ，需 要 采 取 措 施。按 照 国家 标 准 GB/T6075.2- 2002，幅度变化幅值超过 Bc边界值的25%时需要采取措施。

企业中负责设备维护的部门还包括电气部门和设备档案管理部门等。电气部门针对电压信号及风速进行监控，可以迅速识别风电设备运行的概况；档案管理针对设备履历的监控可以了解各部件是否存在超寿运行的问题。

1.2 设备降状态的多准则评价众多监测方法获得的设备降状态结果并不统-，有时会存在某项指标显示设备状况良好，另-指标却表示设备降恶化的问题；同时也可能存在检测内容重复等问题，如在线监测和巡检都有振动检测的内容。本文尝试以多准则评价的方法解决各降指标间矛盾的问题。其解决步骤如下：1)评价指标同趋势化在某些情况下，检测结果以定性标准给出，需要将其转换为定量结果。本文统-将定量结果范围限定为[0，10]，其中，0表示设备降程度最佳 ，10表示设备降程度最差。部分检测指标是以设备运行数据表示 ，并不能直观地表示设备降状态，需要按照规则进行打分评价。

给定-组风电设备集合为A ，A ，，A ，表示设备数量，其检测方法集合标记为 C。，C ，，C ，m表示检测方法数量。评价指标中有可能出现以数值大为状态好的高优指标或以数值小为状态好的低优指标 ，这时要求所有的指标变化方向-致。如出现高优指标时 ，需要将其转换为低优指标 ，转换方法采用倒数法，即X 1/a (1)其中：%为初始值，i1，2，，n√：1，2，，m。

原有的低优指标保持不变，各检测结果打分与设备对应的矩阵如下 ：C1 C2 .- C1X A2A2)检测权值的分配权值的分配是综合各检测方法的准确性与检测部件对整体设备的重要程度给定的。风电设备的权值分配采用主观赋权法，由生产厂家和维护人员共同拟定 ，并根据维护经验不断改进，最终获得检测方法权值矩阵 W(Wl，W2，， ) 。

3)综合评分采用加权平均法将各检测结果综合评分，获得设备总体的降状况。加权平均计算方法为m m Sj / ” (3)2 多源异构信息融合将各部门获取的设备信息进行综合是-项困难的工作 ，因· 1092· 计 算 机 应 用 研 究 第30卷为这些数据源通常具有信息量大、分散分布、结构各异、动态变化的特点，因此需要从这些数据源中提取出有关信息 ，并建立各数据源之间的信息交流机制。 。

基于本体的知识建模为不同数据源之间的知识共享和重用提供了可行方法。以本体 的形式描述领 域知识具有 如下优势 ：a)以本体形式构建的领域模型能更容易重用。

b)OWL(Web ontology language)构建的本体相对其他方法具有更强的表达性。

C)本体模型可以表示领域知识 中的严密逻辑，可检查语义不-致及避免语义模糊。

d)领域模型独立开发，开发人员可以选择 自己习惯 的开发平台。

虽然企业中设备信息内容和结构各异 ，但是不失其知识结构的-般性，因此，本文将多源信息统-以本体形式表示 ，以便进行下-步的数据整合。

2.1 本体建模将设备信息以本体形式表示，就是以本体组成元素，如类 、属性、关系、约束、规则等，完成设备信息的描述。本体中的类(class)是指设备信息领域内某-类拥有相同属性的事物。类具有层次性，子类继承父类的属性，并衍生出自身特有的属性。

如齿轮故障”是齿轮箱故障”的子类，代表比父类更具体或范围更小的对象。属性(atribute)是描述类具有的特征、特性和参数 ，是反映对象性质的-元谓词，如温度”是齿轮箱”具有的属性，可以以数值对其属性进行赋值。关系(relation)描述了多个事物之问的关联方式 ，通常是二元谓词。为使表示的风电设备信息规范化 ，需要对类的属性 、属性值和关系进行约束(restriction)。同时，添加规则 (rule)表示领域 中存在的逻辑，用于检查语义不-致或自动推理。

风电设备领域本体的基本特征为：领域本体内存在着多个类，类可以进-步细分；同时类具有属性 ，类之间由关系连接；类的属性和关系是可以被约束的，并且在-定规则下 ，能够推导出蕴涵知识。以在线监测领域为例，如图2所示 ，本体领域内有振动指标”和幅值变化量”两个类 ，两者 以 sub-ClassOf属性相连接，语义上认定幅值变化量”是振动指标”的子类。同时 振 动指标”和 评价 指标”也是 以 subClass-0f属性相连，而 subClassOf是传递属性，因此，可以推导出幅值变化量”是评价指标子类”这-蕴涵知识。

速度均方根值图1 振动速度评价标准 图2 在线监测领域本体部分模型各领域知识结构不同，不同的信息源大多不能共用同-个本体模型，需要构建各 自的本体模型。所以，为了实现多源数据的融合，需要建立多个本体之间的信息交互机制。

2.2 异构信息的融合各部门之间的信息异构通常表现为以下形式 ：a)结构异构。各部门采用不同的数据模型，彼此之间没有协商。

b)句法异构。各数据源有不同的语言或数据表示方法，纸质文档中设备运行状况以自然语言表示，关系型数据库中数据以指定结构保存，数据格式有严格要求。

C)实现方式异构。各部门采用不同的软、硬件实现设备数据管理系统 ，在线监测部门通过网络实现数据收集，以 SQLSeer等关系型数据库保存数据，档案管理部门以 Excel表格整理保存档案文件。

d)语义异构。系统构建者按照自己的想法定义各 自的数据源，不同的数据源中通常会存在同义词、同音异义词或语义包含等方面的语义冲突。例如，某部门以振动监测”表示基于振动信息的诊断，而另-部门则表示为振动检测”。

由于异构问题的存在，实现多源信息的融合需要建立-个多数据源之间的信息交互机制。使用本体集成多源异构信息的方法如图3所示，可分为三种 ：单本体方法 、多本体方法和混合本体方法。单本体方法将多信息源的数据结构集成到-个全局本体 中，这种方法有两个缺点：a)对数据结构的改变比较敏感 ，任-领域数据结构改变都需要全局本体作出调整；b)本体结构庞大，不易维护。多本体方法是让各信息源根据自己领域的数据结构建立相应的领域本体，各本体之间建立映射关系实现信息交互。这种方法建立本体相对比较容易，本体结构 的复杂度也能得到控制，但由于缺乏-个公共词汇库，各领域本体之间的映射关系十分复杂，当有新的数据源加入时 ，重新添加映射关系工作量较大。混合本体方法将前两种方法结合，各信息源以-个公共本体为基础建立各 自的领域本体 ，公共本体包含各领域中最基本的知识结构，各领域本体以此结构为基带行扩展 ，添加各领域特有的属性或知识结构。此方法集合了前两种方法的优点 ，同时公共本体可以作为全局查询的依据，因此，本文采用第三种方法作为异构信息融合的方案。

(a)单本体方法 (b)多本体方法(c)混合本体方法图3 使用本体集成多源异构信息的方法公共本体是在各本体构建者达成共识的基础上构建而成的，可以将其视为-个公共词汇库，本体构建者在构建领域本体时需要严格遵守公共本体的语义，并按照所对应领域知识的特点进行扩展，譬如添加子类 、约束等。

多源信息的全局检索需要依赖公共本体，公共本体可以视为各信息源之间的映射。当用户提出查询请求 Q时，系统会根据请求初始化-个语义查询实例，从中提取出要查询的类 ，并将其加入到基于 SPARQL的全局本体查询三元组中。以公共本体为依据，SPARQL查询语句被拆分为多个子查询语句q ，q：，，q ，并将其分配到其对应的数据源查询用户指定 的信息。系统将局部领域本体查出的结果集进行组装，得出最终的查询结果，成为下-步设备状态评估的数据基矗其流程如图 4所示、 / 、，3，④， 第4期 周安美，等：异构信息融合在风电设备状态多准则评价中的应用 ·1093·提交查询j ( -H获取类- - r---J构造三元组- - -J 查找相关概ll念和属性 iIDl Ji图4 全局数据检索示意图3 多源异构信息融合的实现3.1 系统框架描述风电运营企业中，各部门设备相关数据的保存地点相对独立，保存方式也各不相同。设备在线监测部门通常有独立的监测系统，将传感器采集的设备状态量化数据保存在 SQL Server或 Oracle等关系型数据库中；巡检部门的数据大多以纸质形式保存，设备状态指标中通常有定量和定性两种不同的表示形式；设备档案管理部门则有可能将设备履历、维护记录以电子表格形式保存。风电设备的降评价需要综合各部门的信息 ，同时不能影响现有系统的正常工作。

图5 多源信息融合示意图本文在数据的提取方面加入-个数据转换过程，将现有系统的数据转换为被全局认可的本体格式。如图5所示，D2RQ平台接收到 SPARQL查询语句，将其转换为 SQL查询语句，建立关系型数据库和本体之间的映射 ；电子表格通过转换工具RDF123，可以转换为对应的本体格式 5' ；纸质文档需要建立对应的电子资料，使用Java平台的Jena开发工具可以方便地建立有效的本体库 ' ]。各个分散分布的数据源以网络相连接，用户提出的查询请求被重写成多个查询语句，各数据源分别接收对应的查询语句，在本地完成查询请求后 ，将结果返回。外部系统仍然可以接人关系型数据库或者查看其部门的电子表格，不影响其正常工作。

3.2 实例分析使用四台PC机构建局域网模拟企业环境，其中三台PC机作为分布服务器，代表在线监测部门、档案管理部门和巡检部门服务器，分别运行 D2RQ 13]、RDF123 和针对巡检领域开发的 Jena程序 ，并导入对应的领域本体和某风 电运营企业的五台设备运行数据。第四台Pc机作为总服务器，保存公共本体 ，由此 PC机执行本文在 Java平台开发的程序实现设备状态评价。

现从在线监测部门获取齿轮箱宽带振动幅值、振动幅度变化量 ，从巡检部门获取高速轴刹车摩擦片厚度数据 ，从档案部门获取液压油更换时间、风电设备整体使用时间，由各状态指标综合评定五台设备的降状况，评价流程如图6所示。现将主要评价流程说明如下：1)查询语句的生成用户提出的设备状态评价请求需要查询各数据源内的相关数据，查询语句由系统根据用户要求自动生成。检索引擎负责 SPARQL查询语句的生成和发送，当用户通过系统界面提交设备数据查询申请时，系统根据用户要求和公共本体生成SPARQL查询，向在线监测部门申请查询语句如下(其他部门类似)：PREFIX MonDep(htp：//monitoringdepartment/sprqL/meta#)Select var amp，varchaWhere、 wind-turbine MonDep：hasgearbox。

FILTER(wind-turbine”风机 1”lfwind-turbine”风机2”lwind-turbine”风机 3” 7 wind-turbine”风机4”Ilwind-turbine：”风机 5”)2)多源数据查询， - - - - - - - - - - - - - - - - - - - - - - - - 、嚣砦案 希冀垂 衰 笾蔷图6 风电设备状态多评价流程各数据源接收由检索引擎发来的查询语句，执行相应的操作，并将查询结果返回。以在线监测部门查询为例，数据源接收针对振动幅值和幅值变化量的数据请求，而这两项数据分别保存在数据库 Databasel的 tbl-amp和 tbl-cha两个表中，以下是相关概念 D2RQ映射的部分代码 ：Mondep：viramp rdf：type rdf：Property；d2rq：propertyBridge db：gearboxID。

Mondep：vircha rdf：type rdf：Property；d2rq：propertyBridge db：gearboxID。

db：gearboxlD rdf：type rdfs：class；d2rq：join”tbl-amp.gearboxlDtbl-cha.gearboxlD”。

Mondep：wind-turbine Tdf：type rdfs：Class：d2rq：classMap db：turbineID；db：tbl-amp rdf：type d2rq：ClassMap；d2rq：dataStorage db：Database1。

db：tbl-cha rdf：type d2rq：ClassMap：d2rq：dataStorage db：Database1。

上述代码包含数据库 Databasel中相关数据与SPARQL查询语句中概念的映射情况，以此为基瓷以生成关系型数据库的 SQL查询语言，并在查询执行后将结果返回给总服务器。

3)多准则评价总服务器接收各数据源返回的数据后，使用多准则评价的方法得到设备的整体降状况。多源信息检索获得各设备的监测结果如表 1所示，这些原始检测数据不能直接用于设备健康状态综合判断，需要先对各项检测结果按照各 自评价准则进行打分评价，现以振动评价为例说明评价过程。

· 1094· 计 算 机 应 用 研 究 第 30卷振动幅值和幅值变化量判断准则以图 1为依据，其各区域边界限值的确定参考国家标准 GB/T 6075.1-1999 。区域A的上边界限值取 1.8 mm/s，区域 B的上边界限值取 4.5mm/s，区域 c的上限值取 11.2 mm/s，幅值报警值为 5.63mm/s，幅值变化量的报警值取区域 B上限值的 25%，为 1.13mm/s表 1 设备检测结果根据以上评价标准，本文将各检测结果分类为新[0，1)、正常[1，6)、瑕疵E6，9)、故障[9，10)和失效[10]，在各类别区域内，按比例转换法给出具体分数。以振动幅值为例，采用如下评分公式 ：1。

1.8 蔫 ×s ×，014其中：alj表示表 1中各风机振动幅值 ， 1，2，，5。其他评分3.35 0.94 结束语本文将本体建模的思想引入维护知识建模中，发挥本体在知识共享和重用方面的优势，将各源异构知识以扩展公共本体的形式进行建模 ，以此为基础实现异构信息融合，再使用多准则评价的方法评估风电设备的降状况。主要研究结论如下：a)本文方法的优点是能综合利用各部门的设备维护信息，本体数据查询是通过转换工具从现有系统的数据源中进行，不影响现有系统的正常运行，同时保证了信息的实时性 ，减少了数据维护成本。

b)本文方法主要应用于风电设备数量较大、降指标过多情况下的降状态总体评估，为制定维护计划提供决策依据。

c)本文方法存在的不足是 当设备多数指标 良好 ，某项指标超标时，最终的降评价不能明显体现出来 ，因此，在实际应用时，需要与单项检测报警系统配合使用。