CN115935737A - 一种基于数字孪生的海上风电场运维方法及系统 - Google Patents

Abstract

本发明公开了一种基于数字孪生的海上风电场运维方法及系统，属于海上风电场智慧运维技术领域。在数据感知层面采集了建立数字孪生系统所需要的信号，并通过边缘计算实现数据的融合，建立了机理数据双驱动的数字孪生模型，利用物理空间采集的信号激活模型，实现基于数字孪生的功率预测、状态评价、故障预警、故障诊断和寿命预测等功能，并能够随着设备运行状态的改变能实现数字孪生体模型的自适应修正。本发明通过数字孪生系统的实际应用，可有效减少现场人员、降低检修时间、减少年均停机时长、降低机组故障率，可以服务于规模化海上风电安全、高效、智能开发利用，有效提高了海上风电运维的技术水平。

Description

一种基于数字孪生的海上风电场运维方法及系统

技术领域

本发明属于海上风电场智慧运维技术领域，具体涉及一种基于数字孪生的海上风电场运维方法及系统。

背景技术

海上风电具有资源丰富、不占用土地资源、靠近沿海负荷中心等优势，是未来新能源的重点发展方向。高质量发展海上风电，对于加快构建清洁低碳、安全高效的能源体系意义重大。

由于海上风电面临潮汐、台风、气流和闪电等恶劣环境，机组容易出现故障且维修较陆上而言难度更大。距统计，海上风电的运维成本占海上风电投资总成本的40％左右，因此迫切需要开展数字化智能化运维技术研究以提升海上风电运维的技术水平。

发明内容

为了解决上述现有技术中存在的缺陷，本发明的目的在于提供一种基于数字孪生的海上风电场运维方法及系统，。

本发明是通过以下技术方案来实现：

一种基于数字孪生的海上风电场运维方法，包括：

S1：采集海上风电场的运行数据；

S2：利用边缘计算方法，对S1采集到的运行数据进行多源异构数据融合处理；

S3：利用S2多源异构数据融合处理的运行数据构建海上风电场的数字孪生体模型；

S4：将物理空间采集的数据传递给S3构建的数字孪生体模型，驱动数字孪生体模型中的各功能模型进行计算分析；

S5：将S4的计算分析结果反馈到物理空间，指导海上风电场的运维。

优选地，S1中，海上风电场的运行数据通过一体化监测技术采集。

优选地，S1中，采集的运行数据包括叶片振动信号、叶片载荷信号、叶片视频信号、叶片声音信号、传动链振动信号、塔筒振动信号、塔筒载荷信号和SCADA数据。

优选地，S2中，对于同类型数据，在数据层进行融合；对于不同类型数据，在特征层进行融合。

优选地，S3中，基于采用知识-数据双驱动的方法构建海上风电场的数字孪生体模型中的各功能模型。

进一步优选地，所述功能模型包括海上风电场的可视化模型、风电机组的控制模型、风电机组的动力学模型、风电机组的故障预测模型、关键部件的寿命评估模型、海上升压站的电气故障诊断模型和海缆的监测预警模型。

优选地，构建的海上风电场的数字孪生体模型通过数字孪生体与物理实体的实时交互特性，对数字孪生体模型参数进行自适应修正，实现迭代更新。

进一步优选地，所述自适应修正具体为：在塔筒的高度方向上分8层布置振动传感器，测量塔筒的7阶振动频率和对应的振型，以固有频率和振型实际值与有限元计算值最小为目标函数，即：

以有限元模型中各单元的弹性模型作为调整参数X＝(x₁,x₂,…，x_d)，初始萤火虫数量为N，两只萤火虫i和j间的欧氏距离为：

i和j之间的吸引度因子为：

β₀＝1，γ是光在空气中的衰减系数，取0.01～100；

当Xj的适应度值优于Xi，萤火虫Xi的数值更新：

ɑ是步长因子，为0～1，ε为d维随机变量，服从标准正态分布；

如果Xi的适应度值是当前最大，Xi将进行随机移动：

直到满足要求的精度条件，输出最优萤火虫的位置和萤火虫的发光强度，完成数字孪生体模型参数的自适应修正。

本发明公开的一种基于数字孪生的海上风电场运维系统，包括：

海上风电场运行数据采集单元，采集海上风电场的运行数据；

多源异构数据融合单元，利用边缘计算方法对采集到的运行数据进行多源异构数据融合处理；

海上风电场数字孪生体模型构建单元，利用多源异构数据融合处理的运行数据构建海上风电场的数字孪生体模型；

数据传递单元，将物理空间采集的数据传递给数字孪生体模型；

计算分析单元，驱动数字孪生体模型中的各功能模型进行计算分析；

结果反馈单元，将计算分析结果反馈到物理空间，指导海上风电场的运维。

优选地，所述数据传递单元布置在海上升压站，通过光纤环网接入陆上升压站，并经过TCP/IP协议，最终接入数字孪生模型。

与现有技术相比，本发明具有以下有益的技术效果：

本发明公开的基于数字孪生的海上风电场运维方法，在数据感知层面采集了建立数字孪生系统所需要的信号，并通过边缘计算实现数据的融合，建立了机理数据双驱动的数字孪生模型，利用物理空间采集的信号激活模型，实现基于数字孪生的功率预测、状态评价、故障预警、故障诊断和寿命预测等功能，并能够随着设备运行状态的改变能实现数字孪生体模型的自适应修正。本发明通过数字孪生系统的实际应用，可有效减少现场人员、降低检修时间、减少年均停机时长、降低机组故障率，可以服务于规模化海上风电安全、高效、智能开发利用，有效提高了海上风电运维的技术水平。

本发明公开的基于数字孪生的海上风电场运维系统，构建简单，能够与现有的海上风电运维系统良好匹配。

附图说明

图1为本发明的数字孪生构架图；

图2为海上风电机组物理感知数据层分布示意图；

图3为数字孪生体模型修正方法流程示意图；

图4为海上风电场数字孪生系统的界面图。

具体实施方式

下面结合附图和具体实施例对本发明做进一步的详细说明，所述是对本发明的解释而不是限定。

图1为本发明的数字孪生构架图，基于数字孪生的海上风电场运维方法，包括以下步骤：

步骤1：首先通过一体化监测技术，实现海上风电场关键设备监测数据的采集，为海上风电数字孪生体要实现的功能提供数据支撑，构建物理空间，需要采集的数据包括风电机组叶片振动、叶片载荷、叶片视频信号、叶片声音信号，传动链振动信号，塔筒振动、塔筒载荷，以及风电机组SCADA数据；如图2所示；

步骤2：搭建边缘计算模块，实现多源异构数据融合，以便实现数据的快速传输；由于不同数据采样频率不同，数据类型不同，加之数据量庞大，需要利用边缘计算实现数据融合；具体地，对于同类型数据在数据层进行融合，例如叶片同一位置的多个振动传感器，采用求取平均值的方法实现数据融合；对于不同类型数据在特征层进行融合，风电机组传动两振动监测，通过阶次重采样，傅里叶分析提取得到不同阶次下的振动幅值，只需保存典型阶次下的数据，从而大大降低了数据传输量；

步骤3：传感器采集数据系统布置在海上升压站，经过数据融合的数据经过光纤环网接入陆上升压站，并经过TCP/IP协议，最终接入数字孪生系统；

步骤4：构建海上风电场的数字孪生体模型，根据数字孪生系统实现的具体功能，采用基于知识-数据双驱动的方法，建立海上风电场的可视化模型、风电机组控制模型、风电机组的动力学模型、风电机组的故障预测模型、关键部件的寿命评估模型、海上升压站的电气故障故障诊断模型、海缆的监测预警模型，最终构建了海上风电场的数字孪生体；

步骤5：将物理空间采集数据传递到数字孪生体模型，驱动孪生体中的各功能模型；

步骤6：将数字孪生体结果反馈到物理空间，指导风电机组运维，包括但不限于根据数字孪生空气动力学模型计算风电机组理论转速、理论功率，并与物理空间实际转速、功率值进行对比分析，评价机组运行状态；根据数字孪生控制模型，实时仿真机组最佳偏航、变桨角度，并传递到物理空间，实现基于数字孪生的优化控制；基于数据驱动的数字孪生模型预测轮箱油温，实现机组故障预警；利用数字孪生的动力学模型，实时计算关键部件载荷情况，实现机组安全性评估，并能计算疲劳累计值，实现基于数字孪生的寿命预测；

如图3，在实际运行中，数字孪生模型能够进行自适应修正，通过数字孪生体与物理实体的实时交互特性，对模型参数进行修正，实现孪生体的迭代更新，风电机组塔筒分8层布置振动传感器，可测量塔筒的7阶振动频率和对应的振型，以固有频率和振型实际值与有限元计算值最小为目标函数，即：

以有限元模型中各单元的弹性模型作为调整参数X＝(x₁,x₂,…，x_d)，初始萤火虫数量为N，两只萤火虫i和j间的欧氏距离为：

i和j之间的吸引度因子为：

β₀＝1，γ是光在空气中的衰减系数，0.01～100；

当Xj的适应度值优于Xi，萤火虫Xi的数值更新：

ɑ是步长因子，为0～1，ε为d维随机变量，服从标准正态分布；

如果Xi的适应度值是当前最大，Xi将进行随机移动：

输出最优萤火虫的位置和萤火虫的发光强度，完成数字孪生体模型参数的自适应修正。

如图4，为海上风电场数字孪生系统的界面图，基于风电机组的数字孪生系统，能够实现机组状态监测，包括风速风向等风资源信息，功率电流电压等电气量等。

需要说明的是，以上所述仅为本发明实施方式的一部分，根据本发明所描述的系统所做的等效变化，均包括在本发明的保护范围内。本发明所属技术领域的技术人员可以对所描述的具体实例做类似的方式替代，只要不偏离本发明的结构或者超越本权利要求书所定义的范围，均属于本发明的保护范围。

Claims (10)

1.一种基于数字孪生的海上风电场运维方法，其特征在于，包括：

S1：采集海上风电场的运行数据；

S2：利用边缘计算方法，对S1采集到的运行数据进行多源异构数据融合处理；

S3：利用S2多源异构数据融合处理的运行数据构建海上风电场的数字孪生体模型；

S4：将物理空间采集的数据传递给S3构建的数字孪生体模型，驱动数字孪生体模型中的各功能模型进行计算分析；

S5：将S4的计算分析结果反馈到物理空间，指导海上风电场的运维。

2.如权利要求1所述的基于数字孪生的海上风电场运维方法，其特征在于，S1中，海上风电场的运行数据通过一体化监测技术采集。

3.如权利要求1所述的基于数字孪生的海上风电场运维方法，其特征在于，S1中，采集的运行数据包括叶片振动信号、叶片载荷信号、叶片视频信号、叶片声音信号、传动链振动信号、塔筒振动信号、塔筒载荷信号和SCADA数据。

4.如权利要求1所述的基于数字孪生的海上风电场运维方法，其特征在于，S2中，对于同类型数据，在数据层进行融合；对于不同类型数据，在特征层进行融合。

5.如权利要求1所述的基于数字孪生的海上风电场运维方法，其特征在于，S3中，基于采用知识-数据双驱动的方法构建海上风电场的数字孪生体模型中的各功能模型。

6.如权利要求5所述的基于数字孪生的海上风电场运维方法，其特征在于，所述功能模型包括海上风电场的可视化模型、风电机组的控制模型、风电机组的动力学模型、风电机组的故障预测模型、关键部件的寿命评估模型、海上升压站的电气故障诊断模型和海缆的监测预警模型。

7.如权利要求1所述的基于数字孪生的海上风电场运维方法，其特征在于，构建的海上风电场的数字孪生体模型通过数字孪生体与物理实体的实时交互特性，对数字孪生体模型参数进行自适应修正，实现迭代更新。

8.如权利要求7所述的基于数字孪生的海上风电场运维方法，其特征在于，所述自适应修正具体为：在塔筒的高度方向上分8层布置振动传感器，测量塔筒的7阶振动频率和对应的振型，以固有频率和振型实际值与有限元计算值最小为目标函数，即：

以有限元模型中各单元的弹性模型作为调整参数X＝(x₁,x₂,…，x_d)，初始萤火虫数量为N，两只萤火虫i和j间的欧氏距离为：

i和j之间的吸引度因子为：

β₀＝1，γ是光在空气中的衰减系数，取0.01～100；

当Xj的适应度值优于Xi，萤火虫Xi的数值更新：

ɑ是步长因子，为0～1，ε为d维随机变量，服从标准正态分布；

如果Xi的适应度值是当前最大，Xi将进行随机移动：

直到满足要求的精度条件，输出最优萤火虫的位置和萤火虫的发光强度，完成数字孪生体模型参数的自适应修正。

9.一种基于数字孪生的海上风电场运维系统，其特征在于，包括：

海上风电场运行数据采集单元，采集海上风电场的运行数据；

多源异构数据融合单元，利用边缘计算方法对采集到的运行数据进行多源异构数据融合处理；

海上风电场数字孪生体模型构建单元，利用多源异构数据融合处理的运行数据构建海上风电场的数字孪生体模型；

数据传递单元，将物理空间采集的数据传递给数字孪生体模型；

计算分析单元，驱动数字孪生体模型中的各功能模型进行计算分析；

结果反馈单元，将计算分析结果反馈到物理空间，指导海上风电场的运维。

10.如权利要求9所述的基于数字孪生的海上风电场运维系统，其特征在于，所述数据传递单元布置在海上升压站，通过光纤环网接入陆上升压站，并经过TCP/IP协议，最终接入数字孪生模型。

Images