CN114281029A - 风力发电机的数字孪生系统和方法 - Google Patents
风力发电机的数字孪生系统和方法 Download PDFInfo
- Publication number
- CN114281029A CN114281029A CN202111271915.2A CN202111271915A CN114281029A CN 114281029 A CN114281029 A CN 114281029A CN 202111271915 A CN202111271915 A CN 202111271915A CN 114281029 A CN114281029 A CN 114281029A
- Authority
- CN
- China
- Prior art keywords
- data
- sensor
- wind
- module
- configuration
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 36
- 230000003044 adaptive effect Effects 0.000 claims abstract description 21
- 238000006243 chemical reaction Methods 0.000 claims description 33
- 238000005452 bending Methods 0.000 claims description 18
- 238000004590 computer program Methods 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 9
- 238000005520 cutting process Methods 0.000 claims description 8
- 238000003860 storage Methods 0.000 claims description 6
- 238000004891 communication Methods 0.000 claims description 4
- 230000036541 health Effects 0.000 claims description 4
- 230000003993 interaction Effects 0.000 claims description 4
- 238000001514 detection method Methods 0.000 claims description 3
- 230000001105 regulatory effect Effects 0.000 claims description 3
- 230000001276 controlling effect Effects 0.000 claims description 2
- 238000004364 calculation method Methods 0.000 description 26
- 238000010586 diagram Methods 0.000 description 16
- 238000004088 simulation Methods 0.000 description 15
- 230000004044 response Effects 0.000 description 10
- 238000013461 design Methods 0.000 description 8
- 230000007246 mechanism Effects 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 238000006073 displacement reaction Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 235000019580 granularity Nutrition 0.000 description 3
- 230000001788 irregular Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000013500 data storage Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 230000002452 interceptive effect Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000013178 mathematical model Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 230000001808 coupling effect Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000013016 damping Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000010252 digital analysis Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012067 mathematical method Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 238000004513 sizing Methods 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 230000007723 transport mechanism Effects 0.000 description 1
- 238000010977 unit operation Methods 0.000 description 1
- 239000013598 vector Substances 0.000 description 1
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Abstract
本公开提供一种风力发电机的数字孪生系统和方法。所述系统包括：数据采集模块，被配置为采集风力发电机的配置参数和运行数据，所述配置参数包括所述风力发电机的传感器配置，所述运行数据包括传感器数据；数字孪生模块，被配置为根据由传感器配置和/或传感器数据确定的传感器的类型对初始数字模型执行自适应配置，其中，根据传感器的类型通过裁剪初始数字模型来构建相应的风力发电机的数字模型以实现自适应配置；运行调控模块，被配置为根据风力发电机的数字模型计算的风力发电机运行状态对所述风力发电机的运行状态进行调控。
Description
技术领域
本公开涉及风力发电领域，更具体地，涉及一种风力发电机的数字孪生系统和方法。
背景技术
近年来风力发电机的定制化传感器配置愈加丰富，但有时受到安装或成本限制很多受关注的变量不能够配备相应的传感器。面对不同传感器配置，通常建立的风力发电机数字模型的拓扑构架单一且不易调整和扩展，因而不能够根据不同需求实现相应的仿真精度和颗粒度。
发明内容
通过数字孪生搭建分布在风力发电机全身的虚拟位移和载荷传感器，节省实际传感器安装数量和硬件成本，由仿真模型实时计算出系统的全面动力学变量(包括风电场现场未配置传感器或者比较难以测量的一些变量，例如，叶片载荷、主轴载荷、偏航参数、塔架载荷、叶片和塔架变形、叶片的变形能以及叶片摆振能量占比等)。
数字孪生提供的整机运行状态量以及各关键部件位移和载荷等为机组的设计、控制、运维、故障预测和寿命评估提供更多维度的数据。
根据本公开的一方面，提供一种风力发电机的数字孪生系统，其特征在于，所述系统包括：数据采集模块，被配置为采集风力发电机的配置参数和运行数据，所述配置参数包括所述风力发电机的传感器配置，所述运行数据包括传感器数据；数字孪生模块，被配置为根据由传感器配置和/或传感器数据确定的传感器的类型对初始数字模型执行自适应配置，其中，根据传感器的类型通过裁剪初始数字模型来构建相应的风力发电机的数字模型以实现所述自适应配置；运行调控模块，被配置为根据风力发电机的数字模型计算的风力发电机运行状态对所述风力发电机的运行状态进行调控。
所述传感器数据包括风参数数据、叶根载荷数据和塔架倾角数据中的至少一个。
所述数字孪生模块还被配置为：基于所述传感器数据包括风参数数据，根据所述风参数数据对所述初始数字模型进行自适应配置；或者基于所述传感器数据不包括风参数数据，通过数据初步转换模块对所述传感器数据进行数据初步转换处理，并根据处理后的传感器数据对所述初始数字模型进行自适应配置。
所述数据初步转换模块被配置为：基于所述传感器数据包括叶根载荷数据，在三维直角坐标系下，根据叶根载荷中的第一坐标和第二坐标方向上的弯矩数据拟合出三个坐标方向上的力分量数据，并根据控制器数据中的变桨电流、变桨电压和风力发电机转速的转换得到第三坐标方向上的弯矩数据，将全部弯矩数据和力分量数据从叶根坐标系转换为轮毂坐标系以得到处理后的传感器数据；以及基于所述传感器数据包括塔架倾角数据，根据塔架变型原理将塔架倾角数据转换为塔架载荷数据，作为处理后的传感器数据。
所述数字孪生模块包括：用于实现数字孪生的多种拓扑构架的多个功能模块和数据共享模块，并且所述数字孪生模块中的各个功能模块之间采用相互解耦的模块化形式通过数据共享模块进行数据交互。
所述配置参数还包括所述风力发电机的机型参数，所述初始数字模型根据所述机型参数建立树形拓扑构架，裁剪初始数字模型包括：所述树形拓扑构架基于所述传感器配置和/或传感器数据对树形拓扑构架的连接节点进行裁剪。
所述树形拓扑构架包括对应风力发电机各部位的子系统块，所述子系统块由与该部位相关的元素和该元素之间的连接构成，连接的节点位于所述子系统块之间和所述子系统块内的元素之间。
所述运行调控模块的调控包括健康检测、故障预警和辅助控制中的至少一个。
所述系统还包括通信模块，所述通信模块用于以有线或无线的方式实时地接收控制器数据和传感器数据。
根据本公开的一方面，提供一种风力发电机的数字孪生方法，所述方法包括：采集风力发电机的配置参数和运行数据，所述配置参数包括所述风力发电机的传感器配置，所述运行数据包括传感器数据；根据由传感器配置和/或传感器数据确定的传感器的类型对初始数字模型执行自适应配置，其中，根据传感器的类型通过裁剪初始数字模型来构建相应的风力发电机的数字模型以实现自适应配置；根据风力发电机的数字模型计算的风力发电机运行状态对所述风力发电机的运行状态进行调控。
所述传感器数据包括风参数数据、叶根载荷数据和塔架倾角数据中的至少一个。
所述方法还包括：基于所述传感器数据包括风参数数据，根据所述风参数数据对所述初始数字孪生模型进行自适应配置；或者基于所述传感器数据不包括风参数数据，通过数据初步转换模块对所述传感器数据进行数据初步转换处理，并根据处理后的传感器数据对所述初始数字孪生模型进行自适应配置。
所述方法还包括：基于所述传感器数据包括叶根载荷数据，在三维直角坐标系下，根据叶根载荷中的第一坐标和第二坐标方向上的弯矩数据拟合出三个坐标方向上的力分量数据，并根据控制器数据中的变桨电流、变桨电压和风力发电机转速的转换得到第三坐标方向上的弯矩数据，将全部弯矩数据和力分量数据从叶根坐标系转换为轮毂坐标系以得到处理后的传感器数据；以及基于所述传感器数据包括塔架倾角数据，根据塔架变型原理将塔架倾角数据转换为塔架载荷数据，作为处理后的传感器数据。
所述配置参数还包括所述风力发电机的机型参数，所述初始数字模型根据所述机型参数建立树形拓扑构架，裁剪初始数字模型包括：所述树形拓扑构架基于所述传感器配置和/或传感器数据对树形拓扑构架的连接节点进行裁剪。
所述树形拓扑构架包括对应风力发电机各部位的子系统块，所述子系统块由与该部位相关的元素和该元素之间的连接构成，连接的节点位于所述子系统块之间和所述子系统块内的元素之间。
根据本公开的一方面，提供一种存储有计算机程序的计算机可读存储介质，当所述计算机程序在被处理器执行时实现如上所述的风力发电机的数字孪生方法。
根据本公开的一方面，提供一种计算机设备，所述计算机设备包括：处理器；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，实现如上所述的风力发电机的数字孪生方法。
本公开的风力发电机的数字孪生通过建立包括多个子系统的树形拓扑构架，使风力发电机的数字孪生不受传感器配置的制约，同时，本公开的数字孪生充分考虑气弹耦合效应以及整机刚柔动力学特性，可根据现场条件和需求进行定制化设计，在数字孪生内实现数字模型的自适应裁剪，以全范围覆盖各种不同场景。
本公开中的风力发电机的数字模型是模块化的，模型底层通过丰富的单元库实现各种拓扑构架，根据不同需求扩展不同仿真精度和颗粒度。数字模型求解效率高，在不依赖风参数的裁剪模型中也可实现实时响应。
本公开中的风参数采用雷达测风或者机舱风修正，或根据现场配置的其它传感器数据作为模型的输入。直接将PLC主控数据实时接入数字孪生模型，避免引入偏差。同时，项目对设计数据和运行数据进行加密和平台化传输，数据访问的安全性得到保证。
附图说明
根据以下结合附图和具体实施方式，本公开的以上和其它方面、特征和优点将更清楚地理解，在附图中：
图1是根据本公开的实施例的风力发电机的数字孪生系统的框图。
图2是根据本公开的实施例的风力发电机的数字孪生系统的硬件平台的框图。
图3是根据实施例的风力发电机的数字孪生模块的框图。
图4是根据实施例的数据初步转换模块的框图。
图5是根据实施例的数字孪生模块的系统框图。
图6是根据实施例的树形拓扑的子系统和块的结构示意图。
图7是根据实施例的数字模型的树形拓扑构架的示意图。
图8是基于BEM模型的气动力计算流程。
图9是水动力计算流程。
图10是根据实施例的风力发电机的数字孪生方法的框图。
具体实施方式
提供以下具体实施方式以帮助读者获得对在此所描述的方法、设备和/或系统的全面理解。然而，在理解本申请的公开内容之后，在此描述的方法、设备和/或系统的各种变型、修改及等同物将是显而易见的。例如，在此所描述的操作的顺序仅仅是示例，其并不限于在此所阐述的顺序，而是除了必须以特定顺序发生的操作之外，可做出在理解本申请的公开内容之后将是显而易见的改变。此外，为了提高清楚性和简洁性，可省略本领域中已知的特征的描述。为了使本领域技术人员能够更好的理解本公开，下面结合附图对本公开的具体实施例进行详细描述。
技术术语定义
数字孪生：利用物理模型、传感器更新数据和运行历史数据等，集成多学科、多物理量、多尺度、多概率的仿真过程，在虚拟空间中完成映射从而反映相应实体装备的全生命周期的数据的数字分析方法。
机理模型：根据对象、生产过程的内部机制或者物质流的传递机理建立的精确数学模型。基于质量平衡方程、能量平衡方程、动量平衡方程、相平衡方程以及某些物性方程、化学反应定律、电路基本定律等而获得对象或过程的数学模型。
多体动力学系统：(MBDS,Multibody Dynamic System)由实体(刚体/柔体)或链接组成的系统，这些实体或连接通过限制其相对运动的关节相互连接，一般用来研究由刚体/柔体组成的多体系统的运动规律。
图1是根据本公开的实施例的风力发电机的数字孪生系统的框图。
参照图1，根据本公开的实施例的风力发电机的数字孪生系统包括：数据采集模块100、数字孪生模块200和运行调控模块300。
数据采集模块100被配置为采集风力发电机的配置参数和运行数据。
配置参数包括风力发电机的传感器配置，运行数据包括传感器数据。可选地，传感器配置包括风力发电机配备的传感器的类型等配置信息，传感器数据可以包括风参数数据、叶根载荷数据和塔架倾角数据中的至少一个。数据采集模块100可通过配置参数中的传感器配置来直接获取传感器的类型信息，也可通过运行数据中的传感器数据来间接分析得到传感器的类型信息。
数字孪生模块200被配置为根据由传感器配置和/或传感器数据确定的传感器的类型对初始数字模型(初始数字模型是指针对风力发电机的全套配置参数和运行数据的整机仿真模型)执行自适应配置，可根据传感器的类型通过裁剪初始数字模型来构建相应的风力发电机的数字模型以实现所述自适应配置(例如，相应的风力发电机的数字模型可包括叶片子系统，变桨子系统、传动链子系统以及机舱偏航子系统中的一者或多者)。本公开的风力发电机的数字孪生系统可包括基于机型参数的初始数字模型。数字孪生模块200可根据数据采集模块100采集的配置参数和运行数据确定的传感器的类型对初始数字模型进行自适应配置，自适应配置可对初始数字模型中的与传感器的类型匹配的相应模块进行裁剪，以得到与传感器类型相适应的数字模型。
运行调控模块300被配置为根据风力发电机的数字模型计算的风力发电机运行状态对所述风力发电机的运行状态进行调控。基于与传感器类型相适应的数字模型，数字模型可对风力发电机的运行状态执行实时仿真计算，并且运行调控模块300通过计算结果中的仿真动力响应等对风力发电机的执行调控，调控可包括健康检测、故障预警和辅助控制中的至少一个，但不限于此。例如，本实施例中的风机数字孪生系统可用作虚拟载荷和变形传感器，因此运行调控模块300可基于仿真计算的计算结果得到关键部件的载荷、变形得运行数据，执行辅助控制及故障预警。通过整体数字孪生的输出，可积累风力发电机实体在各种现场的实际承载能力，建立实际承载数据库。本公开的实施例可方便地得到实时响应的载荷时序，建立的系统和方法可以应用在运维和寿命预测中，需要结合风的预测及风载关系机理的进一步运用。
基于传统工业软件的数字模型一般用于产品的设计定型阶段，难以实现与现场匹配的实时性计算。然而，本公开的风力发电机的数字模型可用于现场实时的故障预警及辅助控制。根据本公开的实施例的数字孪生系统可适应现场传感器不同配置，针对不同的风场和机型批量配置，并同时解决设计数据和运行数据安全性问题，可实现在各种风电场的大规模应用。
此外，数字孪生系统还包括通信模块，通信模块包括应用程序接口，所述通信模块用于以有线或无线的方式实时地接收控制器数据和传感器数据。数字孪生系统还包括存储模块，存储模块包括：实时数据库，用于实时地存储控制器数据和传感器数据；以及配置信息数据库，用于存储机型参数数据和传感器配置参数。
数字孪生系统可部署在机组侧一体化辅助控制器中，并在数字孪生的平台内部采用实时协议建立连接，如ethercat、Canopen、powerlink等，不存在数据传输延迟问题，最小时延可以做到现场数据的采集周期，一般是20ms。同时，平台直接采集20ms数据进行处理和计算，保证实时性的同时也保证数字孪生模型中关键载荷信息的实现。通过不引入风参数和控制器信号的误差可提高仿真度，同时，采用实时协议等方式提高实时性可扩大数字孪生的应用范围。例如，可基于雷达或风参数修正以及直接调用实时的PLC主控制器参数，避免通过计算得到的外部参数的误差，同时针对20ms的采集周期充分考虑整机在关键频率的动力响应，提高载荷极值和疲劳载荷的精度。
图2是根据本公开的实施例的风力发电机的数字孪生系统的硬件平台的框图。
参照图2，根据本公开的实施例的风力发电机的数字孪生系统的硬件平台主要包括上位机模块、系统管理模块、数据推送模块、数据采集模块、数据接口模块、时序数据库模块、配置信息数据库模块、数字孪生的虚拟空间(即，数字模型)模块以及业务模块。
根据本公开的实施例的风力发电机的数字孪生系统的硬件平台的处理包括：
通过系统管理模块在配置信息数据库中预先添加风力发电机的配置参数，配置参数包括风力发电机的机型参数以及现场的传感器配置；
从数据类型角度，数据采集模块采集现场控制器(例如，主控PLC)数据和传感器数据存储到时序数据库中，对于风力发电机的数字孪生虚拟空间中需求的实时性数据按照实时性要求中的时间间隔(例如，0.02s或1s)通过总线传送到数据接口模块，部分非实时数据会由时序数据库传入数据接口。控制器参数的调用可以由PLC实时数据改为仿真控制器(控制器DLL文件和参数文件)；
数据采集模块采集的数据的具体内容包括：叶根载荷、主轴载荷、塔架载荷、塔架倾角数据、风参数(包括机舱风和雷达风)、叶轮方位角、变桨系统状态量、电机转速、变流器扭矩以及其它控制量和状态量，但不限于此，并且可以是上述变量范围的全集和子集；
根据数据接口解析的信号，数字孪生虚拟空间针对现场具体机型参数和传感器配置对数字模型执行自适应配置、初始化和动态计算。将计算结果返回到数据接口，通过数据接口将计算结果存储到时序数据库中。其中，计算结果是数字模型的动力响应结果，包括关键部件的载荷、变形和状态量；
计算结果同时发送到业务模块，业务模块通过数据的综合来执行故障预警、健康度评估和辅助控制。此外，根据实施例，可将业务模块的控制指令传到控制器(例如，主控PLC)中。并且，根据实施例，可将业务模块中的数据通过数据推送模块推送到上位机，供用户查看和使用。
可选地，数字孪生系统的硬件平台可替换为边缘云计算模式等，但不限于此。
图3是根据实施例的风力发电机的数字孪生模块的框图。
参照图3，根据本公开的实施例的风力发电机的数字孪生模块可包括自动转换及加密模块310、自动判断模块320、数据初步转换模块330、风重构模块340、模型自适应匹配模块350和模型运算模块360。
根据本公开的实施例，自动判断模块320可判断解析后的数据中是否包含风参数(机舱风或者雷达风)数据，若包含风参数则进入风重构模块340，若不包含风参数则直接进入数据初步转换模块330。
自动转换和加密模块310可解析从配置数据库经由交互接口传入的机组模型配置文件，并自动转换成数字孪生模型求解器使用的配置参数文件格式并进行加密。传感器数据可包括风参数数据、叶根载荷数据和塔架倾角数据中的至少一个。机组参数文件可包括关键部件的结构、材料、电气特性、现场辨识参数等。数字孪生模块可根据机组参数文件进行参数初始化以搭建数字模型的拓扑构架。机型参数和运行数据的平台化传输使得数据访问的安全性得到保证。
模型自适应匹配模块350可根据数据初步转换生成的数据或风文件来匹配数字模型的完整拓扑构架，对拓扑构架进行裁剪以针对使用场景进行定制化设计。
模型运算模块360可基于模型自适应匹配模块350的输出进行模型的运算并输出动力响应结果。
例如，如上构造的数字孪生模块可基于传感器数据包括风参数数据，根据风参数数据对初始数字模型进行自适应配置；或者基于传感器数据不包括风参数数据，通过数据初步转换模块对传感器数据进行数据初步转换处理，并根据处理后的传感器数据对初始数字模型进行自适应配置。可选地，如果传感器数据包含风参数则使用完整拓扑构架且外载为气动力，如果传感器数据不包含风参数而只包含叶根载荷则从拓扑构架中裁剪叶片子系统且将外载改为叶根载荷，如果传感器数据不包含风参数而只包含塔顶载荷则从拓扑构架裁剪叶片子系统、变桨子系统、传动链子系统和机舱偏航子系统且将外载改为塔顶载荷等。此外，海上机组可包括水动力参数。
在数字模型运算前，针对自适应配置的模型进行初始化操作，以使数字模型的状态和实测数据保持一致。每隔固定时间步长(时间步长根据系统实时性需求设定)更新一次数字模型中相关的状态量、控制量和载荷输入量，并进行一次动力响应迭代求解，将动力响应结果(例如，机组的运行量、各个关键部件的载荷、位移数据)传回交互接口中。
本实施例可解决现场实测的风参数往往具有极大的不确定性导致的风力发电机数字孪生模型的仿真度受到制约，针对风参数数据格式和软硬件差异导致的控制系统接口问题。
图4是根据实施例的数据初步转换模块的框图。
参照图4，根据实施例的数据初步转换模块可基于不同的传感器配置进行相应的数据转换。数据初步转换模块可基于所述传感器数据包括叶根载荷数据，在三维直角坐标系下，根据叶根载荷中的第一坐标和第二坐标方向上的弯矩数据拟合出三个坐标方向上的力分量数据，并根据控制器数据中的变桨电流、变桨电压和风力发电机转速的转换得到第三坐标方向上的弯矩数据，将全部弯矩数据和力分量数据从叶根坐标系转换为轮毂坐标系以得到处理后的传感器数据；以及基于所述传感器数据包括塔架倾角数据，根据塔架变型原理将塔架倾角数据转换为塔架载荷数据，作为处理后的传感器数据。
例如，当传感器中包含叶根载荷时，则数据初步转换模块根据已配置好的机型数据库中机型叶根力分量拟合系数以及叶根的挥舞和摆振扭矩拟合叶根载荷三个方向的力分量，此叶根力分量拟合系数是线下通过叶片的变形原理进行适配的，预先配置进机型数据库里。然后，结合桨距角位置以及叶轮方位角位置，转换叶根或旋转轮毂载荷到固定坐标系。若传感器中包含塔架倾角传感器则数据初步转换模块根据塔架的变形原理转换成塔架载荷。传感器不限于此，且数据初步转换模块的处理不限于此。
图5是根据实施例的数字孪生模块的系统框图。
数字孪生模块可包括用于实现数字孪生的多种拓扑构架的多个功能模块和数据共享模块，并且所述数字孪生模块中的各个功能模块之间采用相互解耦的模块化形式通过数据共享模块进行数据交互。
根据实施例，实现整机数字孪生的架构可通过调用模块来实现初始配置输入和调用，各个系统采用模块化设计，各个系统的模块之间可通过数据共享模块来进行数据的交互，每个模块的修改和更新不会影响到其它模块。与调用模块之间的接口满足以雷达风/机舱风为输入条件且调用仿真控制器文件的完整模型的运行，外部接口可满足裁剪模型运行以及为了接入现场实时控制参数的完整模型的运行。各个模块相互解耦通过数据共享模块来进行数据的传递，这种模块化的系统架构易于扩展，也便于对不同模块进行裁剪，满足各种不同的场景调用和功能需求。
根据实施例，数字孪生模块可通过接口接受由调用模块解析的外部配置文件等信息；风模块可解析三维湍流风文件数据或湍流风设置，并根据入流角、风剪切系数构建三维风场，给出叶轮面以及外部特定区域内的网格点的各个方向的风速信息，将数据传递到数据共享模块中；基于树形系统拓扑构架建立风机的MBDS模型。
图6是根据实施例的树形拓扑的子系统和块的结构示意图。
图7是根据实施例的数字模型的树形拓扑构架的示意图。
参照图6和图7，数字模型根据机型参数建立树形拓扑构架，裁剪初始数字模型可包括：树形拓扑构架基于传感器配置和/或传感器数据的自适应配置对树形拓扑构架的连接节点进行裁剪。在这种情况下，风力发电机的配置参数包括风力发电机的机型参数。树形拓扑构架包括对应风力发电机各部位的子系统块，所述子系统块由与该部位相关的元素和该元素之间的连接构成，连接的节点位于所述子系统块之间和所述子系统块内的元素之间。
如图6，可采用树形拓扑建立MBDS模型，其中包括多种不同的子系统，每个子系统可采用一个或更多个不同的子系统块搭建而成，每个子系统块可包括固定的配置属性(基本组件)。通过建立好的单元库，子系统块可从单元库中选择基本组件来进行组装。这种架构可适用于各种拓扑。
子系统块中的基本组件可包括：近、远连接点，包含位置、质量、惯量信息，质量惯量可以为0；连接关系，包括固定连接、弹性阻尼连接、旋转连接、齿轮连接等其它各种连接方式，其中旋转连接可引入外部控制输入(速度、位移、力矩)；元素，包含刚体、柔性体单元模型(Eulerbeam、Timoshenkobeam、IGA等)、超单元、接触单元等作为子系统块的主体；施加外载，包括力和力矩的集中式和分布式加载；坐标转换，包含平移向量或旋转矩阵。在图6的子系统块中，实线框表示必要属性，虚线框表示可选属性。基于这样的丰富单元库的模型架构，可方便组合成任意拓扑构架，满足不同颗粒度和维度的仿真需求。
参照图7，树形拓扑构架的这种基于单元库的模块化搭建方式，可适用于各种拓扑构架。可基于每个子系统之间的连接或子系统内部的连接对拓扑进行裁剪，以满足风机数字孪生领域的各种需求。此外，主体拓扑可增加分支，例如，电气系统或者执行机构的传递函数(一阶或者二阶)、被动非耦合子模型(在主干基础上增加子系统驱动机构等的载荷输出)，但不限于此。
树形拓扑构架可对现场传感器采集的不同信号自适应的快速裁剪，以便于应用场景的定制化应用，从而满足不同需求、实现数字孪生模型的大规模应用，同时子模型的建模方式和复杂度可根据需求方便调整。
图8是基于BEM模型的气动力计算流程。
气动力计算模块根据入流风速信息和结构节点信息来计算气动力，本公开的实施例中建立的风机气弹模型，充分考虑风机的气动特性及整机刚柔体动力学的耦合特性。本公开的实施例采用基于气弹理论的机理模型，但不限于此，还可替代为数据和机理融合模型，例如，根据现场实测数据通过数学方法来修正模型中的相关参数等。
气动力的计算可采用现有的叶素动量(BEM,Blade Element Momentum)模型、升力线模型和自由涡等成熟理论，在此省略相关描述。图8中给出了基于BEM模型计算气动力的典型流程，包括BEM计算主模型，动态入流模型，斜尾流模型，叶尖失速模型等。本公开的实施例基于BEM模型加修正的方式计算也可替换为升力线理论或者自由涡理论。数字孪生可基于气弹理论和刚柔体动力学理论建立树形拓扑，能高度反映整机的气动和动力学特性，关键载荷的整体精度差异在5％之内，可低成本获得现场关注但是未测量特定载荷和运行数据。
图9是水动力计算流程。
可选地，如果是海上机组，则需要通过水动力计算模块，求解支撑结构上所承受的水动力。
根据IEC规范，海上风力发电机须考虑水动力。水动力的计算包括波浪模拟和波浪力计算。不同的设计工况需要不同的波浪模型，一般需要模拟不规则波，通过叠加线性波来生成；有些情况需要增加约束波模拟极端波浪，通过在不规则波背景上增加一个周期的流函数波来实现。波浪力的计算主要采用工程上成熟的Morison波浪力公式，通过叠加和水质点速度有关的拖曳力以及和水质点加速度有关的惯性力求出波浪对结构物的作用力。
如果还包括其它类型的外载，可增加其它外载计算模块，例如，还可包括摩擦力矩、各种电机驱动力矩导致的外载计算等。
如果风机数字孪生模型需要调用仿真控制器文件来进行求解，通过控制模块来实现API调用；通过外部接口，引入传感器数据和控制器数据，为数字模型自适应裁剪做准备；在输出模块定义各个模块的输出信息，例如，机组运行量，关键部件的位移、载荷等；通过系统模块，实现整体模型组装、求解器设置、初始化和动态求解设置；调用模块触发运行命令，调用求解器模块进行风机数字孪生模型的动态响应求解；计算完成后，根据设置的时间间隔和步长输出结果，也可以根据需要直接从外部接口传输到数据库中。
图10是根据实施例的风力发电机的数字孪生方法的框图。
参照图10，根据本公开的实施例的风力发电机的数字孪生方法包括：在步骤101，采集风力发电机的配置参数和运行数据，配置参数包括风力发电机的传感器配置，运行数据包括传感器数据。在步骤102，根据由传感器配置和/或传感器数据确定的传感器的类型对初始数字模型执行自适应配置，根据传感器的类型通过裁剪初始数字模型来构建相应的风力发电机的数字模型以实现自适应配置。在步骤103，根据风力发电机的数字模型计算的风力发电机运行状态对所述风力发电机的运行状态进行调控。
根据本公开的实施例，所述传感器数据包括风参数数据、叶根载荷数据和塔架倾角数据中的至少一个。
根据本公开的实施例的数字孪生方法还可基于所述传感器数据包括风参数数据，根据所述风参数数据对初始数字孪生模型进行自适应配置；或者基于所述传感器数据不包括风参数数据，通过数据初步转换模块对传感器数据进行数据初步转换处理，并根据处理后的传感器数据将所述数字孪生模型进行自适应配置。
根据本公开的实施例的数字孪生方法还可基于所述传感器数据包括叶根载荷数据，在三维直角坐标系下，根据叶根载荷中的第一坐标和第二坐标方向上的弯矩数据拟合出三个坐标方向上的力分量数据，并根据控制器数据中的变桨电流、变桨电压和风力发电机转速的转换得到第三坐标方向上的弯矩数据，将全部弯矩数据和力分量数据从叶根坐标系转换为轮毂坐标系以得到处理后的传感器数据；以及基于所述传感器数据包括塔架倾角数据，根据塔架变型原理将塔架倾角数据转换为塔架载荷数据，作为处理后的传感器数据。
所述配置参数包括所述风力发电机的机型参数，所述初始数字模型根据所述机型参数建立树形拓扑构架，裁剪初始数字模型可包括：所述树形拓扑构架基于所述传感器配置和/或传感器数据对树形拓扑构架的连接节点进行裁剪。
所述树形拓扑构架包括对应风力发电机各部位的子系统块，所述子系统块由与该部位相关的元素和该元素之间的连接构成，连接的节点位于所述子系统块之间和所述子系统块内的元素之间。
根据本公开的示例性实施例还提供一种存储有计算机程序的计算机可读存储介质。该计算机可读存储介质存储有当被处理器执行时使得处理器执行根据本公开的风力发电机的数字孪生方法的计算机程序。该计算机可读记录介质是可存储由计算机系统读出的数据的任意数据存储装置。计算机可读记录介质的示例包括：只读存储器、随机存取存储器、只读光盘、磁带、软盘、光数据存储装置和载波(诸如经有线或无线传输路径通过互联网的数据传输)。
根据本公开的示例性实施例还提供一种计算机设备。该计算机设备包括处理器和存储器。存储器用于存储计算机程序。所述计算机程序被处理器执行使得处理器执行根据本公开的风力发电机的数字孪生方法的计算机程序。
根据本公开的实施例的数字孪生系统可适应现场传感器不同配置，针对不同的风场和机型批量配置，并且适用性强，接口通用、实时响应、模型求解效率高，同时解决设计数据和运行数据安全性问题，可实现在各种风电场的大规模应用。
以上对本公开的具体实施方式进行了详细描述，虽然已表示和描述了一些实施例，但本领域技术人员应该理解，在不脱离由权利要求及其等同物限定其范围的本公开的原理和精神的情况下，可对这些实施例进行修改和变型，这些修改和变型也应在本公开的权利要求的保护范围内。
Claims (17)
1.一种风力发电机的数字孪生系统，其特征在于，所述系统包括：
数据采集模块，被配置为采集风力发电机的配置参数和运行数据，所述配置参数包括所述风力发电机的传感器配置，所述运行数据包括传感器数据；
数字孪生模块，被配置为根据由传感器配置和/或传感器数据确定的传感器的类型对初始数字模型执行自适应配置，其中，根据传感器的类型通过裁剪初始数字模型来构建相应的风力发电机的数字模型以实现所述自适应配置；
运行调控模块，被配置为根据风力发电机的数字模型计算的风力发电机运行状态对所述风力发电机的运行状态进行调控。
2.根据权利要求1所述的系统，其特征在于，所述传感器数据包括风参数数据、叶根载荷数据和塔架倾角数据中的至少一个。
3.根据权利要求2所述的系统，其特征在于，所述数字孪生模块还被配置为：
基于所述传感器数据包括风参数数据，根据所述风参数数据对所述初始数字模型进行自适应配置；或者
基于所述传感器数据不包括风参数数据，通过数据初步转换模块对所述传感器数据进行数据初步转换处理，并根据处理后的传感器数据对所述初始数字模型进行自适应配置。
4.根据权利要求3所述的系统，其特征在于，所述数据初步转换模块被配置为：
基于所述传感器数据包括叶根载荷数据，在三维直角坐标系下，根据叶根载荷中的第一坐标和第二坐标方向上的弯矩数据拟合出三个坐标方向上的力分量数据，并根据控制器数据中的变桨电流、变桨电压和风力发电机转速的转换得到第三坐标方向上的弯矩数据，将全部弯矩数据和力分量数据从叶根坐标系转换为轮毂坐标系以得到处理后的传感器数据；以及
基于所述传感器数据包括塔架倾角数据，根据塔架变型原理将塔架倾角数据转换为塔架载荷数据，作为处理后的传感器数据。
5.根据权利要求1所述的系统，其特征在于，所述数字孪生模块包括：用于实现数字孪生的多种拓扑构架的多个功能模块和数据共享模块，并且
所述数字孪生模块中的各个功能模块之间采用相互解耦的模块化形式通过数据共享模块进行数据交互。
6.根据权利要求1所述的系统，其特征在于，所述配置参数还包括所述风力发电机的机型参数，
所述初始数字模型根据所述机型参数建立树形拓扑构架，裁剪初始数字模型包括：所述树形拓扑构架基于所述传感器配置和/或传感器数据对树形拓扑构架的连接节点进行裁剪。
7.根据权利要求6所述的系统，其特征在于，所述树形拓扑构架包括对应风力发电机各部位的子系统块，所述子系统块由与该部位相关的元素和该元素之间的连接构成，连接的节点位于所述子系统块之间和所述子系统块内的元素之间。
8.根据权利要求1至7中的任意一项所述的系统，其特征在于，所述运行调控模块的调控包括健康检测、故障预警和辅助控制中的至少一个。
9.根据权利要求1至7中的任意一项所述的系统，其特征在于，所述系统还包括通信模块，
所述通信模块用于以有线或无线的方式实时地接收控制器数据和传感器数据。
10.一种风力发电机的数字孪生方法，其特征在于，所述方法包括：
采集风力发电机的配置参数和运行数据，所述配置参数包括所述风力发电机的传感器配置，所述运行数据包括传感器数据；
根据由传感器配置和/或传感器数据确定的传感器的类型对初始数字模型执行自适应配置，其中，根据传感器的类型通过裁剪初始数字模型来构建相应的风力发电机的数字模型以实现自适应配置；
根据风力发电机的数字模型计算的风力发电机运行状态对所述风力发电机的运行状态进行调控。
11.根据权利要求10所述的方法，其特征在于，所述传感器数据包括风参数数据、叶根载荷数据和塔架倾角数据中的至少一个。
12.根据权利要求11所述的方法，其特征在于，所述方法还包括：
基于所述传感器数据包括风参数数据，根据所述风参数数据对所述初始数字孪生模型进行自适应配置；或者
基于所述传感器数据不包括风参数数据，通过数据初步转换模块对所述传感器数据进行数据初步转换处理，并根据处理后的传感器数据对所述初始数字孪生模型进行自适应配置。
13.根据权利要求12所述的方法，其特征在于，所述方法还包括：
基于所述传感器数据包括叶根载荷数据，在三维直角坐标系下，根据叶根载荷中的第一坐标和第二坐标方向上的弯矩数据拟合出三个坐标方向上的力分量数据，并根据控制器数据中的变桨电流、变桨电压和风力发电机转速的转换得到第三坐标方向上的弯矩数据，将全部弯矩数据和力分量数据从叶根坐标系转换为轮毂坐标系以得到处理后的传感器数据；以及
基于所述传感器数据包括塔架倾角数据，根据塔架变型原理将塔架倾角数据转换为塔架载荷数据，作为处理后的传感器数据。
14.根据权利要求10所述的方法，其特征在于，所述配置参数还包括所述风力发电机的机型参数，
所述初始数字模型根据所述机型参数建立树形拓扑构架，裁剪初始数字模型包括：所述树形拓扑构架基于所述传感器配置和/或传感器数据对树形拓扑构架的连接节点进行裁剪。
15.根据权利要求14所述的方法，其特征在于，所述树形拓扑构架包括对应风力发电机各部位的子系统块，所述子系统块由与该部位相关的元素和该元素之间的连接构成，连接的节点位于所述子系统块之间和所述子系统块内的元素之间。
16.一种存储有计算机程序的计算机可读存储介质，其特征在于，当所述计算机程序在被处理器执行时实现如权利要求10至15中任意一项所述的用于风力发电机的数字孪生方法。
17.一种计算机设备，其特征在于，所述计算机设备包括：
处理器；
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，实现如权利要求10至15中任意一项所述的用于风力发电机的数字孪生方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111271915.2A CN114281029A (zh) | 2021-10-29 | 2021-10-29 | 风力发电机的数字孪生系统和方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111271915.2A CN114281029A (zh) | 2021-10-29 | 2021-10-29 | 风力发电机的数字孪生系统和方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114281029A true CN114281029A (zh) | 2022-04-05 |
Family
ID=80868779
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111271915.2A Pending CN114281029A (zh) | 2021-10-29 | 2021-10-29 | 风力发电机的数字孪生系统和方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114281029A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114757048A (zh) * | 2022-04-28 | 2022-07-15 | 北京千尧新能源科技开发有限公司 | 一种风机基础的健康状态评估方法、装置、设备和介质 |
| CN116341129A (zh) * | 2023-02-02 | 2023-06-27 | 华北电力大学 | 风电机组主导运行动态数字孪生模型的模拟方法及装置 |
Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105547357A (zh) * | 2015-12-11 | 2016-05-04 | 中国电力科学研究院 | 一种基于风电机组型式试验的多功能一体化测试系统 |
| CN105649877A (zh) * | 2016-01-13 | 2016-06-08 | 湖南世优电气股份有限公司 | 一种大型风电机组的蚁群pid独立变桨控制方法 |
| US20160333855A1 (en) * | 2015-05-15 | 2016-11-17 | General Electric Company | Digital wind farm system |
| CN109026556A (zh) * | 2018-08-31 | 2018-12-18 | 新疆金风科技股份有限公司 | 风力发电机组的控制方法、设备以及系统 |
| US20200200146A1 (en) * | 2017-09-18 | 2020-06-25 | Wobben Properties Gmbh | Wind turbine and method for operating a wind turbine |
| CN112162519A (zh) * | 2020-10-21 | 2021-01-01 | 桂林电子科技大学 | 一种复合型机床数字孪生监控系统 |
| CN112487584A (zh) * | 2020-12-03 | 2021-03-12 | 天津工业大学 | 一种基于动力学的滚动轴承数字孪生建模方法 |
| CN112731887A (zh) * | 2020-12-31 | 2021-04-30 | 南京理工大学 | 石化无人值守装卸线数字孪生智能监控系统及方法 |
| WO2021108680A1 (en) * | 2019-11-25 | 2021-06-03 | Strong Force Iot Portfolio 2016, Llc | Intelligent vibration digital twin systems and methods for industrial environments |
| CN113090473A (zh) * | 2019-12-23 | 2021-07-09 | 北京金风科创风电设备有限公司 | 风力发电机组及其疲劳损伤的计算方法和设备 |
| CN113236491A (zh) * | 2021-05-27 | 2021-08-10 | 华北电力大学 | 一种风力发电数字孪生系统 |
| CN113343500A (zh) * | 2021-07-08 | 2021-09-03 | 安徽容知日新科技股份有限公司 | 一种构建数字孪生系统的方法及计算设备 |
| CN113487760A (zh) * | 2021-07-28 | 2021-10-08 | 大连海事大学 | 一种智能船舶的轮机系统 |
-
2021
- 2021-10-29 CN CN202111271915.2A patent/CN114281029A/zh active Pending
Patent Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20160333855A1 (en) * | 2015-05-15 | 2016-11-17 | General Electric Company | Digital wind farm system |
| CN105547357A (zh) * | 2015-12-11 | 2016-05-04 | 中国电力科学研究院 | 一种基于风电机组型式试验的多功能一体化测试系统 |
| CN105649877A (zh) * | 2016-01-13 | 2016-06-08 | 湖南世优电气股份有限公司 | 一种大型风电机组的蚁群pid独立变桨控制方法 |
| US20200200146A1 (en) * | 2017-09-18 | 2020-06-25 | Wobben Properties Gmbh | Wind turbine and method for operating a wind turbine |
| CN109026556A (zh) * | 2018-08-31 | 2018-12-18 | 新疆金风科技股份有限公司 | 风力发电机组的控制方法、设备以及系统 |
| WO2021108680A1 (en) * | 2019-11-25 | 2021-06-03 | Strong Force Iot Portfolio 2016, Llc | Intelligent vibration digital twin systems and methods for industrial environments |
| CN113090473A (zh) * | 2019-12-23 | 2021-07-09 | 北京金风科创风电设备有限公司 | 风力发电机组及其疲劳损伤的计算方法和设备 |
| CN112162519A (zh) * | 2020-10-21 | 2021-01-01 | 桂林电子科技大学 | 一种复合型机床数字孪生监控系统 |
| CN112487584A (zh) * | 2020-12-03 | 2021-03-12 | 天津工业大学 | 一种基于动力学的滚动轴承数字孪生建模方法 |
| CN112731887A (zh) * | 2020-12-31 | 2021-04-30 | 南京理工大学 | 石化无人值守装卸线数字孪生智能监控系统及方法 |
| CN113236491A (zh) * | 2021-05-27 | 2021-08-10 | 华北电力大学 | 一种风力发电数字孪生系统 |
| CN113343500A (zh) * | 2021-07-08 | 2021-09-03 | 安徽容知日新科技股份有限公司 | 一种构建数字孪生系统的方法及计算设备 |
| CN113487760A (zh) * | 2021-07-28 | 2021-10-08 | 大连海事大学 | 一种智能船舶的轮机系统 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114757048A (zh) * | 2022-04-28 | 2022-07-15 | 北京千尧新能源科技开发有限公司 | 一种风机基础的健康状态评估方法、装置、设备和介质 |
| CN116341129A (zh) * | 2023-02-02 | 2023-06-27 | 华北电力大学 | 风电机组主导运行动态数字孪生模型的模拟方法及装置 |
| CN116341129B (zh) * | 2023-02-02 | 2023-09-26 | 华北电力大学 | 风电机组主导运行动态数字孪生模型的模拟方法及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113236491B (zh) | 一种风力发电数字孪生系统 | |
| Bayati et al. | Scale model technology for floating offshore wind turbines | |
| Quarton | The evolution of wind turbine design analysis—a twenty year progress review | |
| CN102385377B (zh) | 一种用于风力发电机主控系统测试的硬件在环实验系统和方法 | |
| Yu et al. | The triple spar campaign: Implementation and test of a blade pitch controller on a scaled floating wind turbine model | |
| CN114281029A (zh) | 风力发电机的数字孪生系统和方法 | |
| CN102879199B (zh) | 一种全工况风力机模拟器 | |
| CN103344437A (zh) | 一种风力发电机组半物理实时仿真平台 | |
| CN104317283A (zh) | 一种用于风电场控制系统硬件在环测试平台及其测试方法 | |
| CN108694277A (zh) | 基于多平台联合仿真的风力发电机动力响应分析方法 | |
| US11629694B2 (en) | Wind turbine model based control and estimation with accurate online models | |
| CN106777499B (zh) | 一种双馈异步风力发电机组的整机动态建模方法 | |
| Heinz et al. | Partitioned fluid-structure interaction for full rotor computations using CFD | |
| CN202257263U (zh) | 一种用于风力发电机主控系统测试的硬件在环实验系统 | |
| Moness et al. | A real-time heterogeneous emulator of a high-fidelity utility-scale variable-speed variable-pitch wind turbine | |
| Marten et al. | Validation and comparison of a newly developed aeroelastic design code for VAWT | |
| CN117313526A (zh) | 一种漂浮式海上风力机的耦合协同仿真计算方法 | |
| CN117108445A (zh) | 一种串列式双风轮风电机组数字孪生仿真方法 | |
| Liu et al. | A coupled CFD/Multibody Dynamics analysis tool for offshore wind turbines with aeroelastic blades | |
| Solcia et al. | Efficient multirate simulation of complex multibody systems based on free software | |
| Jonkman et al. | Development and validation of an aeroelastic model of a small furling wind turbine | |
| CN205450761U (zh) | 一种用于风电机组电控系统测试的硬件在环实验装置 | |
| Resor et al. | Impact of Higher Fidelity Models on Active Aerodynamic Load Control for Fatigue Damage Reduction | |
| Simani et al. | Self--Tuning Control Techniques for Wind Turbine and Hydroelectric Plant Systems | |
| Zierath et al. | Comparison and field test validation of various multibody codes for wind turbine modelling |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| CB02 | Change of applicant information |
Address after: 830026 No. 107, Shanghai Road, Urumqi economic and Technological Development Zone, the Xinjiang Uygur Autonomous Region Applicant after: Jinfeng Technology Co.,Ltd. Address before: 830026 No. 107, Shanghai Road, Urumqi economic and Technological Development Zone, the Xinjiang Uygur Autonomous Region Applicant before: XINJIANG GOLDWIND SCIENCE & TECHNOLOGY Co.,Ltd. |
|
| CB02 | Change of applicant information |