风速仪故障检测方法、装置、设备及存储介质与流程

1.本技术实施例涉及风电技术领域，特别涉及一种风速仪故障检测方法、装置、设备及存储介质。


背景技术：

2.风速仪是风电机组中的测风装置，其通常被安装在风电机组的机舱尾部，风机的起机发电以及停机切出均需要依赖风速仪所获取的测风数据，风速仪对于风电机组的运行控制起着至关重要的作用。
3.在相关技术中，通过将待检测风速仪对应的风速数据与其在地理位置上邻近的风速仪对应的风速数据进行比较，获取风速数据之间的残差数据，并计算残差数据的概率分布密度曲线，再对概率分布密度曲线设置门限值，以进行待检测风速仪的故障检测。
4.然而，由于风向、地理位置等因素，带检测风速仪对应的风速数据与其在地理位置上邻近的风速仪对应的风速数据之间本身就存在较大差异，采用相关技术所得到的故障检测结果不够准确。


技术实现要素：

5.本技术实施例提供了一种风速仪故障检测方法、装置、设备及存储介质，能够提高风速仪故障检测的准确性。所述技术方案如下：
6.根据本技术实施例的一个方面，提供了一种风速仪故障检测方法，所述方法包括：
7.获取待检测风速仪分别在m个风向区间内的风速数据，以及所述待检测风速仪对应的n台邻近风速仪分别在所述m个风向区间内的风速数据；其中，所述风向区间是指根据以风速仪为指向的风向而划分的区间，所述邻近风速仪是指与所述待检测风速仪邻近的风速仪，所述m和所述n为大于1的整数；
8.基于所述待检测风速仪分别在m个风向区间内的风速数据和所述n台邻近风速仪分别在所述m个风向区间内的风速数据，计算得到所述待检测风速仪与所述n台邻近风速仪分别在所述m个风向区间内的风速相似度；
9.根据所述待检测风速仪与所述n台邻近风速仪分别在所述m个风向区间内的风速相似度，对所述待检测风速仪进行检测。
10.根据本技术实施例的一个方面，提供了一种风速仪故障检测装置，所述装置包括：
11.数据获取模块，用于获取待检测风速仪分别在m个风向区间内的风速数据，以及所述待检测风速仪对应的n台邻近风速仪分别在所述m个风向区间内的风速数据；其中，所述风向区间是指根据以风速仪为指向的风向而划分的区间，所述邻近风速仪是指与所述待检测风速仪邻近的风速仪，所述m和所述n为大于1的整数；
12.相似度计算模块，用于基于所述待检测风速仪分别在m个风向区间内的风速数据和所述n台邻近风速仪分别在所述m个风向区间内的风速数据，计算得到所述待检测风速仪与所述n台邻近风速仪分别在所述m个风向区间内的风速相似度；
13.故障检测模块，用于根据所述待检测风速仪与所述n台邻近风速仪分别在所述m个风向区间内的风速相似度，对所述待检测风速仪进行检测。
14.根据本技术实施例的一个方面，提供了一种计算机设备，所述计算机设备包括处理器和存储器，所述存储器中存储有计算机程序，所述计算机程序由所述处理器加载并执行以实现上述风速仪故障检测方法。
15.根据本技术实施例的一个方面，提供了一种计算机可读存储介质，所述可读存储介质中存储有计算机程序，所述计算机程序由处理器加载并执行以实现上述风速仪故障检测方法。
16.根据本技术实施例的一个方面，提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述风速仪故障检测方法。
17.本技术实施例提供的技术方案可以带来如下有益效果：
18.通过比对待检测风速仪与邻近风速仪在相同风向区间内的风速数据，确定出待检测风速仪与邻近风速仪在各个风向区间内的风速相似度，再基于风速相似度对待检测风速仪进行检测，实现了在相同风向下，结合邻近风速仪的风速数据对待检测风速仪进行检测，同时降低了因地理位置差异和风向差异所引起的风速差异对检测的影响，从而提高了风速仪故障检测的准确性。
附图说明
19.为了更清楚地说明本技术实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
20.图1是本技术一个实施例提供的方案实施环境的示意图；
21.图2是本技术一个实施例提供的风速仪故障检测方法的流程图；
22.图3是本技术一个实施例提供的风向区间的示意图；
23.图4是本技术另一个实施例提供的风速仪故障检测方法的流程图；
24.图5是本技术一个实施例提供的风速仪故障检测装置的框图；
25.图6是本技术另一个实施例提供的风速仪故障检测装置的框图；
26.图7是本技术一个实施例提供的计算机设备的框图。
具体实施方式
27.为使本技术的目的、技术方案和优点更加清楚，下面将结合附图对本技术实施方式作进一步地详细描述。
28.请参考图1，其示出了本技术一个实施例提供的方案实施环境的示意图。该方案实施环境可以包括：风电机组10和服务器20。
29.风电机组10是指风力发电机组，其可以包括基础、塔架、机舱、轮毂、叶片(风轮)组成和风速仪。其中，基础是风电机组10的地基，其可用于保持风电机组10的稳定。风电机组
10的受风中心需要安装在一定的高度上，塔架即是提供此高度的结构。机舱主要由玻璃钢材质的机舱罩、主机架、偏航系统、发电机组、齿轮箱、制动器、变频器、气象站及其他附件组成。轮毂主要由变浆电机、减速机、变浆控制柜、滑环、防雷导线等部件组成。叶片主要由叶片纵梁、符合材料制作的叶片壳体叶片叶根、预埋螺栓法兰、叶片防雷接闪等部件组成。风速仪是风电机组10中的测风装置，其通常被安装在风电机组10的机舱尾部，风机的起机发电以及停机切出均需要依赖风速仪所获取的测风数据。例如，在环境风速大于风电机组10的可运行的最低风速的情况下，启动风电机组10；在环境风速大于风电机组10可承受的极限风速的情况下，停止运行风电机组10。
30.风电机组10的运行参数可以通过scada(supervisory control and data acquisition，数据采集与监视控制系统)获取，该运行参数可以包括风速、风向、风轮转速、叶片桨距角、偏航对风角、有功功率、风电机组10的运行状态等。
31.服务器20可以是一台服务器，也可以是由多台服务器组成的服务器集群，或者是一个云计算服务中心。服务器20可以用于存储风电机组10的运行参数。可选地，服务器20还可通过对风电机组10的运行参数进行分析，以实现对风电机组10运行状态的监控。示例性地，服务器20采集多个风电机组10的运行参数，并通过比对多个风电机组10的运行参数，确定目标风电机组是否运行正常。例如，通过比对多个风电机组10所采集的风速数据，确定目标风电机组的风速仪是否运行正常。
32.风电机组10与服务器20之间可以通过网络进行通信。
33.请参考图2，其示出了本技术一个实施例提供的风速仪故障检测方法的流程图。该方法各步骤的执行主体可以是上述的服务器20。该方法可以包括如下几个步骤(201～203)：
34.步骤201，获取待检测风速仪分别在m个风向区间内的风速数据，以及待检测风速仪对应的n台邻近风速仪分别在m个风向区间内的风速数据；其中，风向区间是指根据以风速仪为指向的风向而划分的区间，邻近风速仪是指与待检测风速仪邻近的风速仪，m和n为大于1的整数。
35.在本技术实施例中，风速仪是指风电机组的测风装置，其可用于获取测风数据，诸如风速、风向等数据。待检测风速仪是指待检测是否运行正常的风速仪，其可以是任一风速仪。例如，需要检测目标风场中的各个风电机组的风速仪是否运行正常，任一风电机组的风速仪都可以被选择为待检测风速仪。
36.邻近风速仪是指在地理位置上与待检测风速仪邻近的风速仪。在本技术中，可以为待检测风速仪选择出阈值数量(即上述n)的邻近风速仪，该阈值数量可根据实际需求进行设置与调整。
37.示例性地，邻近风速仪的确定过程可以如下：获取目标风场中的各台风速仪的位置信息，位置信息中包括风速仪的经度、纬度和海拔；根据位置信息，分别计算带检测风速仪与各台风速仪之间的地理距离；按照地理距离从小到大的顺序对各台风速仪进行排序，以及将排序后的所各台风速仪中的前n台风速仪，确定为待检测风速仪的邻近风速仪。
38.例如，目标风场中包括a、b、c、d和e五台风速仪，若将风速仪a确定为待检测风速仪，则分别计算风速仪a和风速仪b、风速仪a和风速仪c、风速仪a和风速仪d、风速仪a和风速仪e之间的地理距离，该地理距离的计算方式可以是欧式距离计算方法、马氏距离计算方法
等，本技术实施例在此不作限定。以欧式距离计算方法为例，地理距离的具体计算过程可以如下：
39.先分别将风速仪a、风速仪b、风速仪c、风速仪d和风速仪e的位置信息，从大地坐标系下的位置信息(即以纬度，经度和海拔形式表示)转换成ecef坐标系(一种地心地固坐标系)下的位置信息(即以下文中的x，y和z表示)，其转换过程可以用如下公式表示：
[0040][0041]
其中，φ为纬度，λ为经度，h为海拔，a为赤道半径，b为极半径。
[0042]
然后再基于风速仪a、风速仪b、风速仪c、风速仪d和风速仪e各自在ecef坐标系下的位置信息，采用欧式距离计算公式计算得到风速仪b、风速仪c、风速仪d和风速仪e分别与风速仪a之间的地理距离，其计算过程可以表示如下：
[0043][0044]
其中，d表示风速仪u和风速仪v之间的地理距离，xu表示风速仪u的x值，yu表示风速仪u的y值，z
x
表示风速仪u的z值，xv表示风速仪v的x值，yv表示风速仪v的y值，zv表示风速仪v的z值。
[0045]
基于上述地理距离的计算方法，分别获取风速仪a和风速仪b之间的地理距离：300、风速仪a和风速仪c之间的地理距离：350、风速仪a和风速仪d之间的地理距离：400、风速仪a和风速仪e之间的地理距离之间的地理距离：360。按照地理距离从小到大的顺序对各个风速仪进行排序，得到序列：风速仪b、风速仪c、风速仪e和风速仪d，若n为3，则可以将风速仪b、风速仪c和风速仪e确定为风速仪a的邻近风速仪。
[0046]
可选地，可以以风速仪为指向来定义风向。例如，可以简单地将风向区分为4个风向：东风、西风、南风和北风，也可以将风向区分为8个风向：东风、东北风、东南风、西风、西南风、西北风和北风，对于风向的定义，本技术实施例在此不作限定。
[0047]
风向区间则是按照风向对风速仪的环绕空间进行划分所得到的区间。可选地，风向区间的个数(即上述m)可以根据实际需求进行设置与调整，本技术实施例在此不作限定。示例性地，参考图3，其示出了本技术一个实施例提供的风向区间的示意图。其中，以风速仪为指向，将45
°
至135
°
的区间确定为东风区间302，将135
°
至225
°
的区间确定为南风区间304，将225
°
至315
°
的区间确定为西风区间303，将0
°
至45
°
和315
°
至360
°
的区间确定为北风区间301。
[0048]
可选地，风速仪可以根据风向区间，采集到各个风向区间内的风速数据。在同一风向区间内，可大致判定环境风的风向一致，从而可以降低风向对风速仪故障检测的影响，进而可以直接通过比对各个风向区间内的风速数据，以对待检测风速仪进行检测。
[0049]
步骤202，基于待检测风速仪分别在m个风向区间内的风速数据和n台邻近风速仪分别在m个风向区间内的风速数据，计算得到待检测风速仪与n台邻近风速仪分别在m个风向区间内的风速相似度。
[0050]
风速相似度用于指示两组风速数据之间的相似程度，两组风速数据之间的风速相似度越大，两组风速数据之间越相似。可选地，可以采用dtw(dynamic time wraping，动态实时规整)、pearson correlation coefficient(皮尔逊相关系数)、piecewise linear representation(分段性表示)等算法来计算风速相似度，本技术实施例对风速相似度的计算方法不作限定。
[0051]
示例性地，以dtw算法为例，风速相似度的计算过程可以如下：基于待检测风速仪在目标风向区间内的风速数据和目标邻近风速仪在目标风向区间内的风速数据，计算得到待检测风速仪与目标邻近风速仪在目标风向区间内的风速相似度；其中，目标风向区间是m个风向区间中的一个，目标邻近风速仪是n台邻近风速仪中的一台。
[0052]
例如，待检测风速仪在目标风向区间内的风速数据可以表示为时间序列上的风速值排列q：[q1，q2，
…
，qs]，目标邻近风速仪在目标风向区间内的风速数据可以表示为时间序列上的风速值排列c：[c1，c2，
…
，c
p
]：其中，qs是指待检测风速仪在目标风向区间内的第s个风速值，c
p
是指目标邻近风速仪在目标风向区间内的第p个风速值。构建大小为s*p的矩阵，矩阵元素为d
ij
＝dist(qi，cj)，qi是指待检测风速仪在目标风向区间内的第i个风速值，cj是指目标邻近风速仪在目标风向区间内的第j个风速值，d
ij
是指qi和cj之间的距离，可以将qi和cj之间的风速差值的绝对值确定为qi和cj之间的距离。
[0053]
则风速值排列q和风速值排列c之间的距离可以表示如下：
[0054]
y(s，p)＝dist(qs，c
p
) min(y(s-1，p-1)，y(s-1，p)，y(s，p-1))；
[0055]
其中，y(s，p)表示风速值排列q和风速值排列c之间的最短动态规划路径，即风速值排列q和风速值排列c之间的距离，该距离越大，风速值排列q和风速值排列c之间的风速相似度越小。
[0056]
可选地，最后可计算得到m*n个风速相似度，也即待检测风速仪在每个风向区间内都对应有n个风速相似度。
[0057]
步骤203，根据待检测风速仪与n台邻近风速仪分别在m个风向区间内的风速相似度，对待检测风速仪进行检测。
[0058]
可选地，待检测风速仪的检测方法可以如下：对待检测风速仪与n台邻近风速仪分别在m个风向区间内的风速相似度进行离群点检测，确定各个风向区间内的离群风速相似度；根据各个风向区间内的离群风速相似度的数量，确定异常风向区间，异常风向区间用于指示待检测风速仪在异常风向区间内的风速数据为异常；根据异常风向区间的数量，对待检测风速仪进行检测。
[0059]
其中，离群点检测用于检测风速相似度中的离群点，也即离群风速相似度，离群风速相似度是指远离风速相似度对应的一般水平的风速相似度，离群风速相似度通常可以是指风速相似度中的极小值。可选地，离群点检测方法包括但不限于以下任意一种：mad(median absolute deviation，中位数绝对偏差)算法、阈值超限方法、箱型盒方法、机器学习算法(如孤立森林算法、lof(local outlier factor，局部异常因子)算法、随机森林算法等)，本技术实施例对离群点检测方法不作限定。
[0060]
示例性地，以mad算法为例。获取待检测风速仪在目标风向区间内的n个风速相似度，通过mad算法，先获取n个风速相似度中的中位数，再分别获取n个风速相似度与该中位数的绝对偏差，然后获取n个绝对偏差中的中位数，基于n个绝对偏差中的中位数，确定出离群风速相似度。
[0061]
可选地，在确定出离群风速相似度之后，可以进一步确定出待检测风速仪对应的异常风向区间，其具体过程可以如下：将目标风向区间内的离群风速相似度的数量与n的比值，确定为目标风向区间的离群比例因子；若离群比例因子大于第一门限值，则将目标风向区间确定为异常风向区间；若离群比例因子小于第一门限值，则将目标风向区间确定为正常风向区间。
[0062]
其中，第一门限值以及下文的第二门限值可以按照专家经验进行设置，也可以通过对全风场中的各个风速仪的特征进行比对得到，本技术实施例在此不作限定。
[0063]
示例性地，若待检测风速仪在目标风向区间内的风速相似度的数量为10，待检测风速仪在目标风向区间内的离群风速相似度的数量为4，则待检测风速仪在目标风向区间的离群比例因子为4/10＝0.4。假设第一门限值为0.5，则该目标风向区间为正常风向区间，假设第一门限值为0.3，则该目标风向区间为异常风向区间。可选地，可以将离群比例因子等于第一门限值的情况，划分到离群比例因子小于第一门限值的情况下，也可以将离群比例因子等于第一门限值的情况，划分到离群比例因子大于第一门限值的情况下。
[0064]
在一个可行的示例中，异常风向区间的确定方法又可以如下：获取待检测风速仪与目标风场中的剩余风速仪分别在m个风向区间内的风速相似度；对待检测风速仪与剩余风速仪分别在m个风向区间内的风速相似度进行离群点检测，确定各个风向区间内的离群风速相似度；根据各个风向区间内的离群风速相似度的数量，确定异常风向区间。其中，目标风场是指待检测的风场，待检测风速仪可以是目标风场中的任一风速仪。本实施例通过对待检测风速仪与目标风场中的剩余风速仪都进行比对，避免因n台邻近风速仪中多个或全部集群出现故障而导致的检测误判的问题，从而降低风速仪检测过程中的误判率。
[0065]
示例性地，假设目标风场包括k台风速仪，对于m个风向区间中的目标风向区间，分别获取待检测风速仪与目标风场中剩余的k-1台风速仪之间的k-1个风速相似度，采用mad算法获取k-1个风速相似度中的离群风速相似度。假设k-1个风速相似度中有a个离群风速相似度，则该目标风向区间的离群比例因子为a/(k-1)，若目标风向区间的离群比例因子大于第一门限值，则该目标风向区间为异常风向区间，若目标风向区间的离群比例因子小于第一门限值，则该目标风向区间为正常风向区间。其中，该第一门限值是指在与剩余风速仪进行比对情况下的门限值。
[0066]
可选地，在基于n台邻近风速仪对待检测风速仪进行检测的过程中，可以基于目标风场中的剩余风速仪所得到的检测结果对基于n台邻近风速仪所得到的检测结果进行验证，以降低风速仪检测过程中的误判率，从而进一步提高风速仪检检测的准确性。
[0067]
可选地，在确定出异常风向区间之后，可以进一步确定出待检测风速仪是否运行故障，其具体过程可以如下：将异常风向区间的数量与m的比值，确定为待检测风速仪的异常因子；若异常因子大于第二门限值，则判定待检测风速仪运行故障；若异常因子小于第二门限值，则判定待检测风速仪运行正常。
[0068]
示例性地，若待检测风速仪的风向区间的数量为8，待检测风速仪的异常风向区间
的数量为4，则待检测风速仪的异常因子为4/8＝0.5。假设第二门限值为0.6，则可判定待检测风速仪运行正常，假设第一门限值为0.4，则可判定待检测风速仪运行故障。可选地，可以将异常因子等于第二门限值的情况，划分到异常因子小于第二门限值的情况下，也可以将异常因子等于第二门限值的情况，划分到异常因子大于第二门限值的情况下。
[0069]
在另一个示例中，风速仪故障检测方法还可以如下：假设目标风场包括k台风速仪，获取k台风速仪分别对应的n台邻近风速仪。对于m个风向区间中的目标风向区间，分别计算k台风速仪与k台风速仪各自对应的n台邻近风速仪之间的风速相似度(即每台风速仪有n个风速相似度，k台风速仪有k*n个风速相似度)，并按照地理距离由小到大的顺序对每台风速仪的风速相似度进行排序，将每台风速仪与其对应的最近的邻近风速仪之间的风速相似度，组合成第一风速相似度序列，将每台风速仪与其对应的第二邻近的邻近风速仪之间的风速相似度，组合成第二风速相似度序列，依次获取n个风速相似度序列。
[0070]
采用mad算法分别确定n个风速相似度序列中的离群风速相似度。例如，对于第一风速相似度序列(包括k个风速相似度)，采用mad算法获取第一风速相似度序列中的离群风速相似度。
[0071]
分别统计k个风速仪对应的离群风速相似度的数量，对于k个风速仪中的目标风速仪，将目标风速仪的离群风速相似度的数量与n的比值确定为目标风速仪对应的目标风向区间的离群比例因子。例如，若在第一风速相似度序列中，目标风速仪对应的风速相似度为离群风速相似度，在第二风速相似度序列中，目标风速仪对应的风速相似度为正常风速相似度，则目标风速仪对应的离群风速相似度的数量为1，目标风速仪对应的目标风向区间的离群比例因子为1/2＝0.5。
[0072]
若目标风向区间的离群比例因子大于第三门限值，则该目标风向区间为目标风速仪的异常风向区间，若目标风向区间的离群比例因子小于第三门限值，则该目标风向区间为目标风速仪的正常风向区间。其中，第三门限值以及下文的第四门限值可以按照专家经验进行设置。
[0073]
对于目标风速仪，将目标风速仪对应的异常风向区间的数量与m的比值，确定为目标风速仪的异常因子。若异常因子大于第四门限值，则判定目标风速仪运行故障，若异常因子小于第四门限值，则判定目标风速仪运行正常。
[0074]
本实施例可以对目标风场中的所有风速仪同时进行判断，而无需对风速仪进行逐个判断，从而提高了风速仪故障检测的效率。同时，由于是基于目标风场中的所有风速仪，进行风速仪故障检测，避免了因局部区域中的风速仪多个或整体故障而导致的无法准确进行风速仪故障检测的问题，从而提高了风速仪故障检测的准确性。
[0075]
可选地，在检测出待检测风速仪运行故障的情况下，生成预警信息，预警信息用于指示待检测风速仪运行故障；将预警信息发送给目标设备。
[0076]
其中，预警信息中可以包括待检测风速仪的标识信息，该标识信息用于标识待检测风速仪。可选地，预警信息还可以包括待检测风速仪所在风场的名称、位置等信息、待检测风速仪对应的风电机组的编码、位置等信息。在生成预警信息的同时，还可以生成检修申请，该检修申请用于请求对待检测风速仪进行检修，该检修申请可以包括可能故障原因、检修建议、待检修部件等信息。
[0077]
可选地，目标设备可以是指预警设备，预警设备在接收到预警信息之后，可以进行
预警，以便检修人员及时发现风速仪出现故障，从而对该风速仪进行及时的检修。
[0078]
综上所述，本技术实施例提供的技术方案，通过比对待检测风速仪与邻近风速仪在相同风向区间内的风速数据，确定出待检测风速仪与邻近风速仪在各个风向区间内的风速相似度，再基于风速相似度对待检测风速仪进行检测，实现了在相同风向下，结合邻近风速仪的风速数据对待检测风速仪进行检测，同时降低了因地理位置差异和风向差异所引起的风速差异对检测的影响，从而提高了风速仪故障检测的准确性。
[0079]
另外，通过设置风向区间，在获取测风数据的同时，即可完成风速数据的划分，从而提高了各个风向区间内的风速数据的获取效率，进而提高了风速仪故障检测的效率。
[0080]
请参考图4，其示出了本技术另一个实施例提供的风速仪故障检测方法的流程图。该方法各步骤的执行主体可以是上述的服务器20。该方法的具体内容可以如下：
[0081]
1、获取目标风场中的各个风速仪的测风数据。
[0082]
可选地，风速仪是指风电机组的测风装置，其可用于获取测风数据，测风数据可以包括风速、风向等数据。目标风场是指待检测的风场，风场中可以包括多台风电机组。可选地，风电机组的运行参数可以通过scada获取，该运行参数可以包括测风数据、风轮转速、叶片桨距角、偏航对风角、有功功率、风电机组的运行状态等。
[0083]
2、确定待检测风速仪。
[0084]
可选地，待检测风速仪可以是目标风场中的任一风速仪。
[0085]
3、确定待检测风速仪的邻近风速仪。
[0086]
邻近风速仪是指在地理位置上与待检测风速仪邻近的风速仪。在本技术中，可以为待检测风速仪选择出阈值数量(即上述n)的邻近风速仪，该阈值数量可根据实际需求进行设置与调整。邻近风速仪的确定方法与上述实施例介绍相同，这里不再赘述。
[0087]
4、确定待检测风速仪与邻近风速仪在各个风向区间内的风速相似度。
[0088]
在获取各个风速仪的测风数据之后，可以根据测风数据中的风向数据，对测风数据进行划分，以获取各个风向区间对应的风速数据，从而获取各个风速仪在每个风向区间内的风速数据。
[0089]
示例性地，对待检测风速仪和待检测风速仪对应的邻近风速仪的风向数据进行0
°
至360
°
的区间划分，一个区间对应一个风向，以获取待检测风速仪和邻近风速仪的风向区间，待检测风速仪和邻近风速仪的风向区间的数量相同，本技术对风向区间的数量不作限定，其可以根据实际需求进行设置。然后统计待检测风速仪和邻近风速仪在各个风向区间内的风速数据(即风速值序列)。
[0090]
基于待检测风速仪和邻近风速仪在各个风向区间内的风速数据，计算待检测风速仪和邻近风速仪在各个风向区间内的风速相似度。可选地，可以采用dtw、pearson correlation coefficient、piecewise linear representation等算法来计算风速相似度，本技术实施例对风速相似度的计算方法不作限定。
[0091]
5、确定离群风速相似度。
[0092]
可选地，可以采用离群点检测方法基于待检测风速仪和邻近风速仪在各个风向区间内的风速相似度，来获取各个风向区间内的离群风速相似度。离群风速相似度是指远离风速相似度对应的一般水平的风速相似度，离群风速相似度通常可以是指风速相似度中的离群点，诸如极小值。可选地，离群点检测方法包括但不限于以下任意一种：mad算法、阈值
超限方法、箱型盒方法、机器学习算法(如孤立森林算法、lof算法、随机森林算法等)，本技术实施例对离群点检测方法不作限定。
[0093]
6、计算异常因子，并基于异常因子进行故障检测。
[0094]
在获取离群风速相似度之后，分别基于各个风向区间对应的离群风速相似度的数量，确定出各个风向区间对应的离群比例因子，从而分别基于各个风向区间对应的离群比例因子，确定出异常风向区间，并统计异常风向区间的数量，离群比例因子和异常风向区间的确定方法与上述实施例介绍相同，这里不再赘述。
[0095]
可选地，将异常风向区间的数量与所划分的风向区间的数量的比值，确定为待检测风速仪的异常因子，基于异常因子对待检测风速仪进行检测，该检测方法与上述实施例介绍相同，这里不再赘述。
[0096]
7、确定待检测风速仪是否运行故障。
[0097]
若待检测风速仪运行故障，则生成预警信息，并将预警信息发送至目标设备，以提醒工作人员进行及时检修。然后继续选择下一个待检测风速仪，并进行故障检测，直到将目标风场中的风速仪检测完成。若待检测风速仪运行正常，则直接选择下一个待检测风速仪，并进行故障检测。
[0098]
综上所述，本技术实施例提供的技术方案，通过比对待检测风速仪与邻近风速仪在相同风向区间内的风速数据，确定出待检测风速仪与邻近风速仪在各个风向区间内的风速相似度，再基于风速相似度对待检测风速仪进行检测，实现了在相同风向下，结合邻近风速仪的风速数据对待检测风速仪进行检测，同时降低了因地理位置差异和风向差异所引起的风速差异对检测的影响，从而提高了风速仪故障检测的准确性。
[0099]
另外，通过基于测风数据进行风向区间的划分，以获取各个风向区间内的风速数据，可以提高风向划分准确性，从而提高风速比对的准确性，进而提高风速仪故障检测的准确性。
[0100]
请参考图5，其示出了本技术一个实施例提供的风速仪故障检测装置的框图。该装置具有实现上述风速仪故障检测方法示例的功能，所述功能可以由硬件实现，也可以由硬件执行相应的软件实现。该装置可以是计算机设备，也可以设置在计算机设备中。该装置500可以包括：数据获取模块501、相似度计算模块502和故障检测模块503。
[0101]
数据获取模块501，用于获取待检测风速仪分别在m个风向区间内的风速数据，以及所述待检测风速仪对应的n台邻近风速仪分别在所述m个风向区间内的风速数据；其中，所述风向区间是指根据以风速仪为指向的风向而划分的区间，所述邻近风速仪是指与所述待检测风速仪邻近的风速仪，所述m和所述n为大于1的整数。
[0102]
相似度计算模块502，用于基于所述待检测风速仪分别在m个风向区间内的风速数据和所述n台邻近风速仪分别在所述m个风向区间内的风速数据，计算得到所述待检测风速仪与所述n台邻近风速仪分别在所述m个风向区间内的风速相似度。
[0103]
故障检测模块503，用于根据所述待检测风速仪与所述n台邻近风速仪分别在所述m个风向区间内的风速相似度，对所述待检测风速仪进行检测。
[0104]
在一个示例性实施例中，所述相似度计算模块502，用于：
[0105]
基于所述待检测风速仪在目标风向区间内的风速数据和目标邻近风速仪在所述目标风向区间内的风速数据，计算得到所述待检测风速仪与所述目标邻近风速仪在所述目
标风向区间内的风速相似度；
[0106]
其中，所述目标风向区间是所述m个风向区间中的一个，所述目标邻近风速仪是所述n台邻近风速仪中的一台。
[0107]
在一个示例性实施例中，如图6所示，所述故障检测模块503包括：离群点检测子模块503a、异常空间确定子模块503b和故障检测子模块503c。
[0108]
离群点检测子模块503a，用于对所述待检测风速仪与所述n台邻近风速仪分别在所述m个风向区间内的风速相似度进行离群点检测，确定各个风向区间内的离群风速相似度。
[0109]
异常空间确定子模块503b，用于根据所述各个风向区间内的离群风速相似度的数量，确定异常风向区间，所述异常风向区间用于指示所述待检测风速仪在所述异常风向区间内的风速数据为异常。
[0110]
故障检测子模块503c，用于根据所述异常风向区间的数量，对所述待检测风速仪进行检测。
[0111]
在一个示例性实施例中，所述异常空间确定子模块503b，用于：
[0112]
将目标风向区间内的离群风速相似度的数量与n的比值，确定为所述目标风向区间的离群比例因子；
[0113]
若所述离群比例因子大于第一门限值，则将所述目标风向区间确定为异常风向区间；
[0114]
若所述离群比例因子小于所述第一门限值，则将所述目标风向区间确定为正常风向区间。
[0115]
在一个示例性实施例中，所述故障检测子模块503c，用于：
[0116]
将所述异常风向区间的数量与m的比值，确定为所述待检测风速仪的异常因子；
[0117]
若所述异常因子大于第二门限值，则判定所述待检测风速仪运行故障；
[0118]
若所述异常因子小于所述第二门限值，则判定所述待检测风速仪运行正常。
[0119]
在一个示例性实施例中，如图6所示，所述装置500还包括：地理距离计算模块504和邻近风速仪确定模块505。
[0120]
所述数据获取模块501，还用于获取目标风场中的各台风速仪的位置信息，所述位置信息中包括所述风速仪的经度、纬度和海拔。
[0121]
地理距离计算模块504，用于根据所述位置信息，分别计算所述带检测风速仪与所述各台风速仪之间的地理距离。
[0122]
邻近风速仪确定模块505，用于按照所述地理距离从小到大的顺序对所述各台风速仪进行排序，以及将排序后的所述各台风速仪中的前n台风速仪，确定为所述待检测风速仪的邻近风速仪。
[0123]
在一个示例性实施例中，如图6所示，所述装置500还包括：预警信息生成模块506和预警信息发送模块507。
[0124]
预警信息生成模块506，用于在所述待检测风速仪运行故障的情况下，生成预警信息，所述预警信息用于指示所述待检测风速仪运行故障。
[0125]
预警信息发送模块507，用于将所述预警信息发送给目标设备。
[0126]
综上所述，本技术实施例提供的技术方案，通过比对待检测风速仪与邻近风速仪
在相同风向区间内的风速数据，确定出待检测风速仪与邻近风速仪在各个风向区间内的风速相似度，再基于风速相似度对待检测风速仪进行检测，实现了在相同风向下，结合邻近风速仪的风速数据对待检测风速仪进行检测，同时降低了因地理位置差异和风向差异所引起的风速差异对检测的影响，从而提高了风速仪故障检测的准确性。
[0127]
需要说明的是，上述实施例提供的装置在实现其功能时，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将设备的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的装置与方法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。
[0128]
请参考图7，其示出了本技术一个实施例提供的计算机设备的结构框图。该计算机设备可以用于实施上述实施例中提供的风速仪故障检测方法。具体来讲：
[0129]
该计算机设备700包括中央处理单元(如cpu(central processing unit，中央处理器)、gpu(graphics processing unit，图形处理器)和fpga(field programmable gate array，现场可编程逻辑门阵列)等)701、包括ram(random-access memory，随机存取存储器)702和rom(read-only memory，只读存储器)703的系统存储器704，以及连接系统存储器704和中央处理单元701的系统总线705。该计算机设备700还包括帮助服务器内的各个器件之间传输信息的基本输入/输出系统(input output system，i/o系统)706，和用于存储操作系统713、应用程序714和其他程序模块715的大容量存储设备707。
[0130]
该基本输入/输出系统706包括有用于显示信息的显示器708和用于用户输入信息的诸如鼠标、键盘之类的输入设备710。其中，该显示器708和输入设备709都通过连接到系统总线705的输入输出控制器710连接到中央处理单元701。该基本输入/输出系统706还可以包括输入输出控制器710以用于接收和处理来自键盘、鼠标、或电子触控笔等多个其他设备的输入。类似地，输入输出控制器710还提供输出到显示屏、打印机或其他类型的输出设备。
[0131]
该大容量存储设备707通过连接到系统总线705的大容量存储控制器(未示出)连接到中央处理单元701。该大容量存储设备707及其相关联的计算机可读介质为计算机设备700提供非易失性存储。也就是说，该大容量存储设备707可以包括诸如硬盘或者cd-rom(compact disc read-only memory，只读光盘)驱动器之类的计算机可读介质(未示出)。
[0132]
不失一般性，该计算机可读介质可以包括计算机存储介质和通信介质。计算机存储介质包括以用于存储诸如计算机可读指令、数据结构、程序模块或其他数据等信息的任何方法或技术实现的易失性和非易失性、可移动和不可移动介质。计算机存储介质包括ram、rom、eprom(erasable programmable read-only memory，可擦写可编程只读存储器)、eeprom(electrically erasable programmable read-only memory，电可擦写可编程只读存储器)、闪存或其他固态存储其技术，cd-rom、dvd(digital video disc，高密度数字视频光盘)或其他光学存储、磁带盒、磁带、磁盘存储或其他磁性存储设备。当然，本领域技术人员可知该计算机存储介质不局限于上述几种。上述的系统存储器704和大容量存储设备707可以统称为存储器。
[0133]
根据本技术实施例，该计算机设备700还可以通过诸如因特网等网络连接到网络上的远程计算机运行。也即计算机设备700可以通过连接在该系统总线705上的网络接口单
元711连接到网络712，或者说，也可以使用网络接口单元711来连接到其他类型的网络或远程计算机系统(未示出)。
[0134]
所述存储器还包括计算机程序，该计算机程序存储于存储器中，且经配置以由一个或者一个以上处理器执行，以实现上述风速仪故障检测方法。
[0135]
在一个示例性实施例中，还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被服务器的处理器执行时以实现上述风速仪故障检测方法。
[0136]
可选地，该计算机可读存储介质可以包括：rom(read-only memory，只读存储器)、ram(random-access memory，随机存储器)、ssd(solid state drives，固态硬盘)或光盘等。其中，随机存取记忆体可以包括reram(resistance random access memory，电阻式随机存取记忆体)和dram(dynamic random access memory，动态随机存取存储器)。
[0137]
在一个示例性实施例中，还提供了一种计算机程序产品或计算机程序，所述计算机程序产品或计算机程序包括计算机指令，所述计算机指令存储在计算机可读存储介质中。计算机设备的处理器从所述计算机可读存储介质中读取所述计算机指令，所述处理器执行所述计算机指令，使得所述计算机设备执行上述风速仪故障检测方法。
[0138]
应当理解的是，在本文中提及的“多个”是指两个或两个以上。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，a和/或b，可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。另外，本文中描述的步骤编号，仅示例性示出了步骤间的一种可能的执行先后顺序，在一些其它实施例中，上述步骤也可以不按照编号顺序来执行，如两个不同编号的步骤同时执行，或者两个不同编号的步骤按照与图示相反的顺序执行，本技术实施例对此不作限定。
[0139]
以上所述仅为本技术的示例性实施例，并不用以限制本技术，凡在本技术的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本技术的保护范围之内。