本發(fā)明屬于新能源數據分析，具體屬于一種新能源數據分析的可視化組態(tài)建模方法及系統(tǒng)。

背景技術：

1、在新能源行業(yè)中，數據分析和建模是提升風電場運營效率和設備可靠性的關鍵技術。通過對風機運行數據、氣象數據等多源異構數據進行分析建模，可以實現(xiàn)對風機的狀態(tài)監(jiān)測、故障預警和性能優(yōu)化。這種數據分析建模過程需要將復雜的分析算法和業(yè)務邏輯進行可視化組態(tài)，使業(yè)務人員能夠便捷地進行模型構建和數據分析。

2、目前，工控邏輯組態(tài)產品在火電、水電等傳統(tǒng)發(fā)電行業(yè)中得到廣泛應用。主流產品如艾默生、abb、西門子等，雖然具有實時性強、處理速度快的優(yōu)點，但這類產品普遍與dcs或plc硬件強綁定，支持點數在10萬點以內，且不支持長周期海量數據分析建模，另一方面，互聯(lián)網行業(yè)的數據分析建模平臺主要面向專業(yè)開發(fā)人員，使用者需要具備數據庫知識和程序編寫能力，算子模型的粒度過粗，不能滿足新能源行業(yè)快速發(fā)展帶來的建模需求。

3、由于現(xiàn)有技術存在上述不足，新能源行業(yè)的業(yè)務人員在進行數據分析建模時面臨較大困難，特別是在處理海量多源異構數據時，由于缺乏適用于新能源行業(yè)的可視化組態(tài)工具，業(yè)務人員無法有效地構建分析模型，導致數據分析效率低下，不能充分發(fā)揮數據的價值。

技術實現(xiàn)思路

1、為了解決現(xiàn)有新能源行業(yè)缺少可視化組態(tài)工具，使得業(yè)務人員無法有效地構建分析模型，導致數據分析效率低下的問題，本發(fā)明提供一種新能源數據分析的可視化組態(tài)建模方法及系統(tǒng)。

2、為實現(xiàn)上述目的，本發(fā)明提供如下技術方案：

3、第一方面，本發(fā)明實施例提出了一種新能源數據分析的可視化組態(tài)建模方法，包括以下步驟：

4、利用數據模型，對輸入至所述數據模型中的多源異構數據，進行識別和轉換；

5、將識別和轉換的多源異構數據，儲存至數據模型中的數據區(qū)域中，得到對象文件；

6、基于可視化組態(tài)工具，以使所述數據模型具有可視化窗口。

7、優(yōu)選地，所述多源異構數據包括：

8、風機運行數據和氣象數據，所述數據模型用于對所述風機運行數據和所述氣象數據的類型進行識別以及對所述風機運行數據和所述氣象數據的格式進行轉換，以使風機運行數據和氣象數據的格式一致。

9、優(yōu)選地，所述數據區(qū)域包括關系數據庫、時序數據庫和第三方接口數據庫，所述數據模型將格式一致的風機運行數據和氣象數據，存儲至所述關系數據庫、時序數據庫或第三方接口數據庫中。

10、優(yōu)選地，所述可視化窗口包括工具欄窗口、算子窗口、畫布窗口和屬性面板窗口；

11、其中，所述工具欄窗口，用于對所述對象文件，進行文件編輯、文件展示和文件運行；

12、所述算子窗口，用于根據所述對象文件進行風機故障預警和風機故障診斷；

13、所述畫布窗口，用于向所述數據模型中輸入背景數據；

14、所述屬性面板窗口，用于定義所述算子窗口的名稱以及配置參數。

15、優(yōu)選地，所述數據模型還包括預警處理庫：

16、所述預警處理庫，基于所述對象文件進行風機故障診斷和預警，得到控制策略文件；

17、所述數據模型基于所述控制策略文件進行任務分類和調配。

18、優(yōu)選地，所述數據模型基于所述控制策略文件進行任務分類和調配包括：

19、所述數據模型將所述控制策略文件，劃分為周期執(zhí)行任務、定期執(zhí)行任務和所述離線觸發(fā)任務；

20、所述數據模型基于劃分的所述周期執(zhí)行任務、所述定期執(zhí)行任務和所述離線觸發(fā)任務進行任務調度，分別得到周期調配任務文件、定期調配任務文件和離線觸發(fā)調配任務文件。

21、優(yōu)選地，所述預警處理庫包括：scada預警模型包、cms診斷模型包、風功率曲線模型包和風機狀態(tài)模型包；

22、其中，所述風功率曲線模型包基于所述對象文件構建風機功率曲線；

23、所述cms診斷模型包，基于所述風機功率曲線進行風機故障診斷，得到故障診斷數據；

24、所述scada預警模型包，基于所述故障診斷數據和所述對象文件，得到警示數據；

25、所述風機狀態(tài)模型包，基于所述控制策略文件更新風機的狀態(tài)，得到風機狀態(tài)更新數據。

26、第二方面，本發(fā)明實施例提供了一種新能源數據分析的可視化組態(tài)建模系統(tǒng)，用于實現(xiàn)上述的一種新能源數據分析的可視化組態(tài)建模方法，包括：

27、第一處理模塊，被配置為：

28、用于利用數據模型，對輸入至所述數據模型中的多源異構數據，進行識別和轉換；

29、第二處理模塊，被配置為：

30、用于將識別和轉換的多源異構數據，儲存至數據模型中的數據區(qū)域中，得到對象文件；

31、第三處理模塊，被配置為：

32、用于基于可視化組態(tài)工具，以使所述數據模型具有可視化窗口。

33、第三方面，本發(fā)明實施例提供了一種計算機設備，包括存儲器、處理器以及存儲在所述存儲器中并可在所述處理器上運行的計算機程序，所述處理器執(zhí)行所述計算機程序時實現(xiàn)上述一種新能源數據分析的可視化組態(tài)建模方法的步驟。

34、第四方面，本發(fā)明實施例提供了一種計算機可讀存儲介質，包括計算機程序，所述計算機程序被處理器執(zhí)行時實現(xiàn)上述一種新能源數據分析的可視化組態(tài)建模方法的步驟。

35、與現(xiàn)有技術相比，本發(fā)明具有以下有益的技術效果：

36、本發(fā)明提出了一種新能源數據分析的可視化組態(tài)建模方法，本方法利用數據模型對多源異構數據進行識別和轉換，確保了數據的統(tǒng)一性和準確性，實現(xiàn)了對多源異構數據的統(tǒng)一管理和分析建模，提高數據分析效率，為后續(xù)分析奠定了堅實基礎，將識別和轉換后的數據儲存至數據模型中的數據區(qū)域，形成對象文件，便于數據的集中管理和高效利用，通過引入可視化組態(tài)工具，為數據模型配備了可視化窗口，使得業(yè)務人員能夠快速且有效地完成復雜的數據分析建模工作，簡化了新能源數據分析的復雜流程，降低了操作難度，還顯著提高了數據分析的準確性和效率，為決策者提供了有力的數據支持。

37、進一步地，本方法通過精準識別風機運行數據和氣象數據的不同類型，模型確保了數據的準確性和可靠性，為后續(xù)分析提供了堅實基礎，模型進一步對識別后的數據進行格式轉換，實現(xiàn)了風機運行數據與氣象數據格式的統(tǒng)一，數據格式的統(tǒng)一為后續(xù)的深度分析、預測模型構建以及決策支持提供了極大便利，使得風電場的運維管理、性能優(yōu)化及能源調度更加智能化、精細化。

38、更進一步地，本方法中可視化窗口集成了工具欄窗口、算子窗口、畫布窗口和屬性面板窗口，極大地提升了新能源數據分析的效率和靈活性，簡化了分析流程，顯著提高了分析的準確性和實用性。

39、更進一步地，本方法中數據模型通過整合預警處理庫與數據模型的功能，實現(xiàn)了風機故障的高效診斷和預警，以及控制策略文件的精準生成，預警處理庫基于對象文件，運用先進算法深入分析風機運行數據，準確識別故障模式，及時發(fā)出預警信號，并生成控制策略文件，提高了故障響應速度，還有效降低了故障對風電場運行的影響。

40、更進一步地，本方法中數據模型對控制策略文件進行細化處理，將其劃分為周期執(zhí)行任務、定期執(zhí)行任務和離線觸發(fā)任務，實現(xiàn)了任務的精準分類，，數據模型進行任務調度，分別生成周期調配任務文件、定期調配任務文件和離線觸發(fā)調配任務文件，確保了各項任務的有序執(zhí)行和高效管理，優(yōu)化了任務處理流程，還顯著提高了風電場的運維效率和能源產出。

41、更進一步地，本方法中數據模型通過整合scada預警模型包、cms診斷模型包、風功率曲線模型包和風機狀態(tài)模型包于預警處理庫中，實現(xiàn)了風機故障預警與診斷的全方位覆蓋，風功率曲線模型包基于對象文件精準構建風機功率曲線，為故障診斷提供了可靠依據，cms診斷模型包則利用風機功率曲線深入分析，準確識別故障模式，生成故障診斷數據，scada預警模型包進一步結合故障診斷數據和對象文件，及時發(fā)出預警信號，有效避免了潛在故障對風電場運行的影響，風機狀態(tài)模型包則基于控制策略文件動態(tài)更新風機狀態(tài)，確保風機始終處于最佳運行狀態(tài)，提高了故障預警與診斷的準確性和效率，還實現(xiàn)了風機狀態(tài)的實時監(jiān)控與優(yōu)化，為風電場的穩(wěn)定運行和高效產出提供了有力保障。