本公开总体说来涉及风力发电，更具体地讲，涉及一种变桨系统的异常检测方法、存储介质和计算设备。
背景技术：
1、随着科技的进步，现代企业的机电设备正全面、迅速地朝着大型化、连续化、自动化的方向发展，满足了降低生产成本、提高生产率、节约能源、紧缩劳动力、减少废品、提高产品质量的客观要求。各种机器和设备运行是否稳定，直接影响到企业的经济效益，一些关键性的设备甚至起着决定企业命运的作用。因此，如何避免设备发生故障，尤其是灾难性故障，一直以来都是人们极为重视的问题。长期以来，由于无法预测事故的发生，人们不得不采取以下两种对策。
2、一是设备彻底损坏后再进行检修。这种方法经济损失很大，因为设备彻底损坏后再维修，往往需要昂贵的维修费用，而且往往会造成“维修不足”，引发灾难性破坏，轻则需要更换设备，重则造成人员伤亡。
3、二是定期检修设备。这种方法有一定的计划性和预防性，但缺点是盲目性很大，如果设备没有出现故障，则停机会造成很大的经济损失。这种方法往往会造成“过剩维修”，导致成本升高，甚至引起器件浪费。
4、因此，合理的维修方式应是预知性的，即，在设备故障出现的早期就能监测隐患，提前预报，以便适时、合理地采取措施。这种维修方式能够对设备适时地、有针对性地进行维修，不仅能保证设备处于良好的运行状态，而且能充分利用零件的寿命，有效地避免“维修不足”和“维修过剩”。
5、就风力发电产业而言，如何有效地对风力发电机组的主要器件进行异常预警，对风力发电机组的安全运行、降低维护成本，具有很大的现实意义。一般来说，数据采集是实现异常(故障)预警的先决条件，是实现异常(故障)预警的基础。然而，风力发电领域现有的数据文件和分析方法均存在一些缺点。
6、首先，虽然故障文件的采样周期是20ms，可以最大程度上得到原始数据和数据变化趋势，但缺点是记录运行环境状态信息的b文件只有在风力发电机组发生故障停机时才能生成，且时长一般只有1分钟，因此不便于对风力发电机组进行实时监控和故障预警，也不能实现对风力发电机组24小时的连续监测。
7、其次，连续的数据采集虽然可以得到长时间的20ms采样数据，但是这种连续的数据采集一般更适用于单台风力发电机组的数据收集和故障分析。原因是，数据采集需借助pc机或工控机等硬件设备，对风电场内所有风力发电机组进行数据采集，往往需要配置多台工控机，成本高、耗时长，且容易出现数据采集中断的问题。
8、第三，尽管瞬时数据文件可以由scada系统导出，且为连续的数据，但是scada系统采样周期较长，一般为5s～7s记录一个数据值。由于采样周期太长，现有的分析方法(如频谱分析、波动检测、跳变检测、峰值检测、裕度检测等)都无法对风力发电机组的运行状态进行正确解析。
9、第四，在plc控制器内部开发的plc内置算法可以将检测结果输出到scada，但是这种内置方法一是需要对控制器进行程序升级，而升级之前的数据无法进行分析；二是检测参数调整不方便，且参数调整之前的数据无法进行分析；三是数据只有固定的结果输出，数据库不灵活。
10、图1是示出b文件和瞬时数据文件记录的数据波动的波形图。如图1所示，左侧示图为b文件记录的数据波动的波形，右侧示图为瞬时数据文件记录的数据波动的波形。从图1可以看出，尽管采样周期为20ms的b文件记录的数据波动很大，但是在采样周期为7s的瞬时文件中，只能采集到红色方框内所示的一个数据值，即，瞬时数据文件中，难以还原数据的变化趋势。
技术实现思路
1、为此，本公开的实施例提供一种变桨系统的异常检测方法、存储介质和计算设备，能够基于scada运行数据进行异常诊断和预警，一方面解决了scada运行数据采样周期长、无连续数据、不能实现有效监测的问题，一方面，实现了现有频谱分析、跳变检测、幅值检测等无法对风力发电机组的运行状态进行正确解析的问题。
2、在一个总的方面，提供一种变桨系统的异常检测方法，所述异常检测方法包括：在变桨系统执行变桨操作期间，获取变桨系统的各个变桨电机的运行数据；对预定时间段内的每个采样时刻的各个变桨电机的运行数据进行累加求和，得到每个采样时刻的数据和值；对每个采样时刻的数据和值进行数据一致性判断；响应于每个采样时刻的数据和值具有一致性，确定变桨系统正常运行；以及响应于每个采样时刻的数据和值不具有一致性，确定变桨系统存在异常。
3、可选地，响应于每个采样时刻的数据和值不具有一致性，确定变桨系统存在异常的步骤包括：基于每个采样时刻的数据和值确定变桨系统的异常是由变桨轴承异常引起还是由风力发电机组的叶片异常引起。
4、可选地，所述异常检测方法还包括：在变桨系统执行变桨操作期间，获取风力发电机组的叶轮转速；基于叶轮转速计算叶轮旋转周期；响应于叶轮旋转周期与采样周期在时间上不一致，执行对预定时间段内的每个采样时刻的各个变桨电机的运行数据进行累加求和的步骤。
5、可选地，对每个采样时刻的数据和值进行数据一致性判断的步骤包括：确定每个采样时刻的数据和值是否均小于第一预设阈值；响应于每个采样时刻的数据和值均小于第一预设阈值，确定每个采样时刻的数据和值具有一致性。
6、可选地，对每个采样时刻的数据和值进行数据一致性判断的步骤还包括：响应于至少一个采样时刻的数据和值大于或等于所述第一预设阈值，计算每个采样时刻的数据和值与前一采样时刻的数据和值的差值，得到每个采样时刻的数据和值的差值，其中，每个采样时刻包括预定时间段内的除了第一采样时刻以外的所有采样时刻；基于每个采样时刻的数据和值的差值，对每个采样时刻的数据和值进行数据一致性判断。
7、可选地，对每个采样时刻的数据和值进行数据一致性判断的步骤包括：计算每个采样时刻的数据和值与前一采样时刻的数据和值的差值，得到每个采样时刻的数据和值的差值，其中，每个采样时刻包括预定时间段内的除了第一采样时刻以外的所有采样时刻；基于每个采样时刻的数据和值的差值，对每个采样时刻的数据和值进行数据一致性判断。
8、可选地，基于每个采样时刻的数据和值的差值，对每个采样时刻的数据和值进行数据一致性判断的步骤包括：针对每个采样时刻，确定相应采样时刻的数据和值的差值的绝对值是否小于第二预设阈值，并且响应于相应采样时刻的数据和值的差值的绝对值小于第二预设阈值，将第一计数值累加；响应于第一计数值大于第一计数阈值，确定每个采样时刻的数据和值具有一致性。
9、可选地，基于每个采样时刻的数据和值的差值，对每个采样时刻的数据和值进行数据一致性判断的步骤包括：针对每个采样时刻，确定相应采样时刻的数据和值的差值的绝对值是否大于或等于第二预设阈值，并且响应于相应采样时刻的数据和值的差值的绝对值大于或等于第二预设阈值，将第二计数值累加；响应于第二计数值大于第二计数阈值，确定每个采样时刻的数据和值不具有一致性。
10、可选地，响应于每个采样时刻的数据和值不具有一致性，确定变桨系统存在异常的步骤包括：响应于第二计数值大于第二计数阈值，确定变桨系统的异常是由变桨轴承异常引起。
11、可选地，基于每个采样时刻的数据和值的差值，对每个采样时刻的数据和值进行数据一致性判断的步骤包括：针对每个采样时刻，确定相应采样时刻的数据和值的差值与第二预设阈值之差的符号与前一采样时刻的数据和值的差值与第二预设阈值之差的符号是否不同，并且响应于相应采样时刻的数据和值的差值与第二预设阈值之差的符号与前一采样时刻的数据和值的差值与第二预设阈值之差的符号不同，将第三计数值累加；响应于第三计数值大于第三计数阈值，确定每个采样时刻的数据和值不具有一致性。
12、可选地，响应于每个采样时刻的数据和值不具有一致性，确定变桨系统存在异常的步骤包括：响应于每个采样时刻的数据和值不具有一致性，确定将第三计数值累加的各个采样时刻是否在时间上规则分布；响应于将第三计数值累加的各个采样时刻在时间上规则分布，确定变桨系统的异常是由风力发电机组的叶片异常引起；响应于将第三计数值累加的各个采样时刻在时间上非规则分布，确定变桨系统的异常是由变桨轴承异常引起。
13、可选地，各个变桨电机的运行数据为scada运行数据，并且包括各个变桨电机的转矩值、电流值、给定速度值和实际速度值中的至少一个。
14、在另一总的方面，提供一种存储有计算机程序的存储介质，当所述计算机程序被处理器执行时，实现如上所述的变桨系统的异常检测方法。
15、在另一总的方面，提供一种计算设备，所述计算设备包括：处理器；和存储器，存储有计算机程序，当所述计算机程序被处理器执行时，实现如上所述的变桨系统的异常检测方法。
16、根据本公开的实施例的变桨系统的异常检测方法、存储介质和计算设备，能够实现基于scada运行数据的异常诊断和预警，有效解决scada运行数据采样周期过长的问题，实现现有频谱分析、跳变检测、幅值检测等无法实现的对风力发电机组的运行数据的正确解析，提高了运行数据的应用价值。
17、另一方面，根据本公开的实施例的变桨系统的异常检测方法、存储介质和计算设备，不需要对plc程序进行升级优化，也不需要对检测参数进行反复调整，尤其适用于历史日期中生成的scada瞬态数据文件，极大地提高了异常检测的有效性和可靠性。
18、此外，根据本公开的实施例的变桨系统的异常检测方法、存储介质和计算设备，由于不涉及频谱、跳变幅度的检测，因此受转矩值波动的影响很小，能够有效降低误检测的概率。同时，可以解决b文件数量少(只有停机时才生成)的问题，实现变桨系统运行状态的24小时监测；且不需要修scada程序、以及风力发电机组与中央监控的通信协议，因此实现方便，开发工作量小。
1.一种变桨系统的异常检测方法，其特征在于，所述异常检测方法包括：
2.如权利要求1所述的异常检测方法，其特征在于，响应于每个采样时刻的数据和值不具有一致性，确定变桨系统存在异常的步骤包括：
3.如权利要求1所述的异常检测方法，其特征在于，所述异常检测方法还包括：
4.如权利要求1所述的异常检测方法，其特征在于，对每个采样时刻的数据和值进行数据一致性判断的步骤包括：
5.如权利要求4所述的异常检测方法，其特征在于，对每个采样时刻的数据和值进行数据一致性判断的步骤还包括：
6.如权利要求1所述的异常检测方法，其特征在于，对每个采样时刻的数据和值进行数据一致性判断的步骤包括：
7.如权利要求5或6所述的异常检测方法，其特征在于，基于每个采样时刻的数据和值的差值，对每个采样时刻的数据和值进行数据一致性判断的步骤包括：
8.如权利要求5或6所述的异常检测方法，其特征在于，基于每个采样时刻的数据和值的差值，对每个采样时刻的数据和值进行数据一致性判断的步骤包括：
9.如权利要求8所述的异常检测方法，其特征在于，响应于每个采样时刻的数据和值不具有一致性，确定变桨系统存在异常的步骤包括：
10.如权利要求5或6所述的异常检测方法，其特征在于，基于每个采样时刻的数据和值的差值，对每个采样时刻的数据和值进行数据一致性判断的步骤包括：
11.如权利要求10所述的异常检测方法，其特征在于，响应于每个采样时刻的数据和值不具有一致性，确定变桨系统存在异常的步骤包括：
12.如权利要求1所述的异常检测方法，其特征在于，各个变桨电机的运行数据为scada运行数据，并且包括各个变桨电机的转矩值、电流值、给定速度值和实际速度值中的至少一个。
13.一种存储有计算机程序的存储介质，其特征在于，当所述计算机程序被处理器执行时，实现如权利要求1至12中任意一项所述的变桨系统的异常检测方法。
14.一种计算设备，其特征在于，所述计算设备包括：
