CN117477648B - 基于数字孪生技术的风电装备建模及性能评估方法 - Google Patents

基于数字孪生技术的风电装备建模及性能评估方法 Download PDF

Info

Publication number
CN117477648B
CN117477648B CN202311486552.3A CN202311486552A CN117477648B CN 117477648 B CN117477648 B CN 117477648B CN 202311486552 A CN202311486552 A CN 202311486552A CN 117477648 B CN117477648 B CN 117477648B
Authority
CN
China
Prior art keywords
wind power
power equipment
time
monitoring
period
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.)
Active
Application number
CN202311486552.3A
Other languages
English (en)
Other versions
CN117477648A (zh
Inventor
徐鹏
徐步海
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhongjing Testing Technology Nanjing Co ltd
Shangyun Jiangsu Technology Innovation Development Co ltd
Original Assignee
Zhongjing Testing Technology Nanjing Co ltd
Shangyun Jiangsu Technology Innovation Development Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Zhongjing Testing Technology Nanjing Co ltd, Shangyun Jiangsu Technology Innovation Development Co ltd filed Critical Zhongjing Testing Technology Nanjing Co ltd
Priority to CN202311486552.3A priority Critical patent/CN117477648B/zh
Publication of CN117477648A publication Critical patent/CN117477648A/zh
Application granted granted Critical
Publication of CN117477648B publication Critical patent/CN117477648B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/381—Dispersed generators
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/10—Power transmission or distribution systems management focussing at grid-level, e.g. load flow analysis, node profile computation, meshed network optimisation, active network management or spinning reserve management
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/20—The dispersed energy generation being of renewable origin
    • H02J2300/28—The renewable source being wind energy

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Marketing (AREA)
  • General Engineering & Computer Science (AREA)
  • Educational Administration (AREA)
  • Data Mining & Analysis (AREA)
  • Health & Medical Sciences (AREA)
  • Tourism & Hospitality (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Business, Economics & Management (AREA)
  • Evolutionary Computation (AREA)
  • Game Theory and Decision Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Operations Research (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Quality & Reliability (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Development Economics (AREA)
  • Power Engineering (AREA)
  • Computer Hardware Design (AREA)
  • Geometry (AREA)
  • Wind Motors (AREA)

Abstract

本发明公开了基于数字孪生技术的风电装备建模及性能评估方法，包括将应用于不同环境下的风电装备进行分类，获取每一类风电装备在出厂运行前基于寿命数据建立的仿真老化曲线模型，划分风电装备为一型风电装备和二型风电装备；设定一型风电装备和二型风电装备中寿命参数小的一方为参考风电装备，另一风电装备为考察风电装备；分析考察风电装备和参考风电装备对应的重点监测时段；辨析考察风电装备与参考风电装备对应重点监测时段的发生时间属性；并分析不同时间属性下的曲线模型，基于曲线模型分析实时性能变化率数据并进行预警。

Description

基于数字孪生技术的风电装备建模及性能评估方法
技术领域
本发明涉及风电装备建模技术领域，具体为基于数字孪生技术的风电装备建模及性能评估方法。
背景技术
随着全球能源需求的不断增加，风能作为最有前途的消洁能源之一，其开发利用在世界范围内受到了广泛的重视。随着风电装机规模的持续扩大，风电装备的性能监测成为能源分析领域的重点事项，对其故障和维护的难度也在不断上升；
现有风电装备的类型多样，主要分为海上风电装备和陆上风电装备，而陆上风电装备又包括应用于平原、山地等地区的不同需求的风电装备，但整体来说随着时代的发展，海上风电装备发电量高于陆上风电、资源比陆上风电丰富、机组寿命比陆上风电长；所以在监测寿命较长的风电装备时，如何有效且合理的利用资源对风电装备的生命周期进行重点区分，使得设备的监测方式不再单一化，资源利用更加合理化是需要进一步研究分析；
同时，在风电装备性能评估方向，如何利用数字化分析让每一监测时段的数据基础更加有效且突出，做到利用不同类型装备的差异和共性实现对监测装备的分级预警也是值得迈出的一步。
发明内容
本发明的目的在于提供基于数字孪生技术的风电装备建模及性能评估方法，以解决上述背景技术中提出的问题。
为了解决上述技术问题，本发明提供如下技术方案：基于数字孪生技术的风电装备建模及性能评估方法，其包括以下分析步骤：
步骤S1：将应用于不同环境下的风电装备进行分类，获取每一类风电装备在出厂运行前基于寿命数据建立的仿真老化曲线模型，划分风电装备为一型风电装备和二型风电装备；
步骤S2：设定一型风电装备和二型风电装备中寿命参数小的一方为参考风电装备，另一风电装备为考察风电装备；分析考察风电装备和参考风电装备对应的重点监测时段；
步骤S3：辨析考察风电装备与参考风电装备对应重点监测时段的发生时间属性，发生时间属性包括相交属性和离散属性；
步骤S4：当重点监测时段的发生时间属性为离散属性时，分析考察风电装备对应的第一对照曲线模型；当重点监测时段的发生时间属性为相交属性时，分析考察风电装备的第二对照曲线模型；
步骤S5：获取考察风电装备的实时数据制定真实老化曲线模型，基于真实老化曲线模型分析所处监测时段，以及基于对照曲线模型对考察风电装备进行实时性能评估并做出预警响应。
进一步的，步骤S1包括以下分析步骤：
仿真老化曲线模型是以选取的监测节点为横坐标、风电装备性能变化率为纵坐标的数据构建而成；相邻监测节点间隔时长相同，且每一监测节点的纵坐标表示当前节点对应时刻的监测性能数据与上一监测节点对应时刻的监测性能数据的差值相对于上一监测节点对应时刻的监测性能数据的百分数；
获取第i类风电装备对应仿真老化曲线模型记录的平均监测节点个数Ui和平均性能变化率Qi，建立第i类风电装备的寿命时长预估模型Pi，Pi=k1*Ui+k2*Qi，k1和k2表示通过代入第i类风电装备对应仿真老化曲线模型中节点个数、性能变化率和对应寿命时长计算得到的回归系数；
分别代入n组监测数据组至m类风电装备对应的寿命时长预估模型中，得到每一类风电装备对应n组监测数据的寿命时长预估值，计算第i类风电装备的平均寿命时长预估值Ti=(1/n)∑TPi，i≤m，监测数据组是指由任意风电装备记录的监测节点个数与对应性能变化率构成的数据组；
代入多组监测数据组是为了保证预估出的寿命时长具有准确性，避免因特殊监测节点造成数据分析的偏差；
计算m类风电装备的总体平均寿命时长预估值，将大于等于总体平均寿命时长预估值对应类型的风电装备输出为一型风电装备，将小于总体平均寿命时长预估值对应类型的风电装备输出为二型风电装备。
进一步的，步骤S2包括以下：
寿命参数是指一型风电装备和二型风电装备对应的平均寿命时长预估值；
分别获取参考风电装备和考察风电装备对应单位监测时段的性能变化率差值，单位监测时段是指相邻监测节点构成的监测时段，性能变化率差值是指单位监测时段内两监测节点对应纵坐标差值的绝对值；
标记性能变化率差值大于性能变化率差值阈值的单位监测时段为单位目标时段，且将连续存在的单位目标时段构成以第一个单位目标时段为起始时段、最后一个单位目标时段为结束时段的整合目标时段；
获取每一整合目标时段中记录单位目标时段的个数，计算平均单位时段个数；若平均单位时段个数大于预设平均值，则输出整合目标时段为对应考察风电装备与参考风电装备的重点监测时段；若平均单位时段个数小于等于预设平均值，则输出整合目标时段与单位目标时段为对应考察风电装备与参考风电装备的重点监测时段。
分析重点监测时段是为了提取风电装备完整生命周期中性能变化率状态变化较明显的阶段，通过明显的性能变化率可以实现对风电装备监测周期的重点布控，使得监测的高效化；以及在重点监测时段的变化进行多层级预警实现精度监控。
进一步的，步骤S3包括以下：
建立考察风电装备和参考风电装备的时间轴，时间轴是指在由监测节点按照时间顺序构建的基础轴上标记重点监测时段的时间轴；
输出考察风电装备对应的时间轴为考察时间轴，输出参考风电装备对应的时间轴为参考时间轴；
将参考时间轴与考察时间轴按照监测节点一一对应重叠，当存在参考时间轴与考察时间轴中重点监测时段重叠或相交时，输出重点监测时段的发生时间属性为相交属性，并更新并集时段为考察风电装备的重点监测时段；并集时段是指由参考时间轴对应的重点监测时段与考察时间轴对应的重点监测时段在相交属性下取并集构成的监测时段；
当存在参考时间轴与考察时间轴中重点监测时段不相交时，输出重点监测时段的发生时间属性为离散属性；保留考察风电装备的重点监测时段。
分析发生时间属性是要确定考察风电装备在重点监测时段的变化影响是否与受寿命差异存在关联关系，能否将参考风电装备在相应时段的变化作为分析指标进行多层级分析预警。
进一步的，步骤S4包括以下分析步骤：
步骤S41：获取重点监测时段的发生时间属性为离散属性时考察风电装备记录的分段曲线模型，分段曲线模型是指重点监测时段对应仿真曲线模型的所属段；
步骤S42：将分段曲线模型中记录的起始监测点和结束监测点作为矩形对角顶点构建矩形框，分段曲线模型将矩形框分为第一面积和第二面积，第一面积为矩形框的下面积V1，第二面积为矩形框的上面积V2；利用公式：Y=V1/V2；
计算每一分段曲线模型对应矩形框的切割指数Y；切割指数越小表示相邻监测节点的性能变化率差值越大；且历史数据仿真出的曲线表示合理性能波动范围；
步骤S43：选取相同重点监测时段包含的不同分段曲线模型中切割指数最小值Ymin对应标记为目标切割指数；
输出目标切割指数对应的分段曲线模型为考察风电装备在重点监测时段的发生时间属性为离散属性时的第一对照曲线模型。
进一步的，步骤S4还包括以下：
获取重点监测时段的发生时间属性为相交属性时考察风电装备记录的分段曲线模型和参考风电装备记录的分段曲线模型；
基于数字孪生技术提取参考风电装备历史标记的损害风电装备性能的若干注意操作事项；
当参考风电装备对应分段曲线模型所处监测时段内未记录上述若干注意操作事项时，构建参考风电装备对应分段曲线模型的矩形框并计算重点监测时段的平均参考切割指数；平均参考切割指数是指由参考风电装备对应重点监测时段内记录不同分段曲线模型的切割指数得到的平均值；当参考风电装备的仿真曲线确定是由实际运行数据得到与注意操作事项引起的异常无关时，则可以将参考风电装备的性能数据作为依据进行分析；并将平均参考切割指数对应的分段曲线模型作为考察风电装备在重点监测时段的发生时间属性为相交属性时的第二对照曲线模型；
当参考风电装备对应分段曲线模型监测时段内记录上述若干注意操作事项时，说明参考风电装备在发生时间为相交属性对应的性能数据是异常导致的，并不能作为评估考察风电装备性能状态的数据基础；返回步骤S42将得到的第一对照曲线模型作为考察风电装备在重点监测时段的发生时间属性为相交属性时的第二对照曲线模型。
进一步的，步骤S5包括以下分析步骤：
基于考察时间轴获取考察风电装备到当前时刻每一监测节点的性能变化率构建真实老化曲线模型，若当前时刻不处于重点监测时段时，将实时性能变化率的平均值与真实老化曲线模型记录的监测节点个数代入寿命时长预估模型，计算得到寿命时长预估值；
将寿命时长预估值与真实老化曲线模型记录实时的寿命时长计算寿命差值，设置寿命差值阈值，若寿命差值大于等于寿命差值阈值，进行一级预警响应；若寿命差值小于寿命差值阈值，继续监测。
进一步的，步骤S5还包括以下分析过程：
若当前时刻处于重点监测时段且重点监测时段的发生时间属性为离散属性时，获取第一对照曲线模型以及对应的目标切割指数Y1，若当前时刻处于重点监测时段且重点监测时段的发生时间属性为相交属性时，获取第二对照曲线模型以及对应的平均参考切割指数Y2；
标记当前时刻所处重点监测时段的分段曲线，并构建真实矩形框；获取真实矩形框对应的第一面积D1和第二面积D2，计算真实切割指数X，X=D1/D2；
在所处时段为离散属性时：
若X-Y1≥0则继续监测；若X-Y1<0进行一级预警响应；
在所处时段为相交属性时：
当Y1>Y2时，若X-Y1≥0则继续监测；
若Y2≤X<Y1且持续时间小于剩余时间，进行一级预警响应；若Y2≤X<Y1且持续时间大于等于剩余时间，进行二级预警响应；剩余时间是指重点监测时段对应的时长与真实矩形框记录对应横坐标时长的差值；
若X<Y2时，进行二级预警响应；
当Y1≤Y2，与离散属性对应分析方式相同。
一级预警响应程度小于二级预警响应程度。
与现有技术相比，本发明所达到的有益效果是：本发明通过仿真寿命曲线模型对不同类型的风电装备进行分类分析，使得提取作为分析主体的考察风电装备；使得在完整生命周期中可以将参考风电装备对应的分析数据作为性能变化率的评估依据，使得对考察风电装备的预警方式更加精确和丰富，避免一刀切带来的设备评估单一化的问题；同时将不同风电装备的监测时段进行划分，可以有效的提高监测效率；在重点监测时段进行多层级的预警监测方式，以动态化的方式对设备性能进行评估；使得数字化分析让每一监测时段的数据基础更加有效且突出，做到利用不同类型装备的差异和共性实现对监测装备的分级预警。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1是本发明基于数字孪生技术的风电装备建模及性能评估方法的流程示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参阅图1，本发明提供技术方案：基于数字孪生技术的风电装备建模及性能评估方法，其包括以下分析步骤：
步骤S1：将应用于不同环境下的风电装备进行分类，获取每一类风电装备在出厂运行前基于寿命数据建立的仿真老化曲线模型，划分风电装备为一型风电装备和二型风电装备；
步骤S2：设定一型风电装备和二型风电装备中寿命参数小的一方为参考风电装备，另一风电装备为考察风电装备；分析考察风电装备和参考风电装备对应的重点监测时段；
步骤S3：辨析考察风电装备与参考风电装备对应重点监测时段的发生时间属性，发生时间属性包括相交属性和离散属性；
步骤S4：当重点监测时段的发生时间属性为离散属性时，分析考察风电装备对应的第一对照曲线模型；当重点监测时段的发生时间属性为相交属性时，分析考察风电装备的第二对照曲线模型；
步骤S5：获取考察风电装备的实时数据制定真实老化曲线模型，基于真实老化曲线模型分析所处监测时段，以及基于对照曲线模型对考察风电装备进行实时性能评估并做出预警响应。
步骤S1包括以下分析步骤：
不同环境是指风电装备应用的场景环境，包括海上、山区和平原等；
仿真老化曲线模型是以选取的监测节点为横坐标、风电装备性能变化率为纵坐标的数据构建而成；相邻监测节点间隔时长相同，且每一监测节点的纵坐标表示当前节点对应时刻的监测性能数据与上一监测节点对应时刻的监测性能数据的差值相对于上一监测节点对应时刻的监测性能数据的百分数；
获取第i类风电装备对应仿真老化曲线模型记录的平均监测节点个数Ui和平均性能变化率Qi，建立第i类风电装备的寿命时长预估模型Pi，Pi=k1*Ui+k2*Qi，k1和k2表示通过代入第i类风电装备对应仿真老化曲线模型中节点个数、性能变化率和对应寿命时长计算得到的回归系数；
分别代入n组监测数据组至m类风电装备对应的寿命时长预估模型中，得到每一类风电装备对应n组监测数据的寿命时长预估值，计算第i类风电装备的平均寿命时长预估值Ti=(1/n)∑TPi，i≤m，监测数据组是指由任意风电装备记录的监测节点个数与对应性能变化率构成的数据组；
代入多组监测数据组是为了保证预估出的寿命时长具有准确性，避免因特殊监测节点造成数据分析的偏差；
计算m类风电装备的总体平均寿命时长预估值，将大于等于总体平均寿命时长预估值对应类型的风电装备输出为一型风电装备，将小于总体平均寿命时长预估值对应类型的风电装备输出为二型风电装备。
步骤S2包括以下：
寿命参数是指一型风电装备和二型风电装备对应的平均寿命时长预估值；这里的平均是指对属于一型风电装备中所有风电装备计算的平均寿命时长预估值的均值；
分别获取参考风电装备和考察风电装备对应单位监测时段的性能变化率差值，单位监测时段是指相邻监测节点构成的监测时段，性能变化率差值是指单位监测时段内两监测节点对应纵坐标差值的绝对值；
标记性能变化率差值大于性能变化率差值阈值的单位监测时段为单位目标时段，且将连续存在的单位目标时段构成以第一个单位目标时段为起始时段、最后一个单位目标时段为结束时段的整合目标时段；
获取每一整合目标时段中记录单位目标时段的个数，计算平均单位时段个数；若平均单位时段个数大于预设平均值，则输出整合目标时段为对应考察风电装备与参考风电装备的重点监测时段；若平均单位时段个数小于等于预设平均值，则输出整合目标时段与单位目标时段为对应考察风电装备与参考风电装备的重点监测时段。
分析重点监测时段是为了提取风电装备完整生命周期中性能变化率状态变化较明显的阶段，通过明显的性能变化率可以实现对风电装备监测周期的重点布控，使得监测的高效化；以及在重点监测时段的变化进行多层级预警实现精度监控。
如设置预设平均值为3；
获取得到3个整合目标时段记录的单位目标时段的个数分别为6、7、8，计算平均值为7，且7>3；则输出整合目标时段为重点监测时段；获取得到3个整合目标时段记录的单位目标时段的个数分别为2、2、3，计算平均值约为3，则输出整合目标时段与单位目标时段均表示重点监测时段；
且每一重点监测时段记录对应的使用寿命区间；使用寿命区间是由仿真老化曲线模型上的监测节点时间获得。
步骤S3包括以下：
建立考察风电装备和参考风电装备的时间轴，时间轴是指在由监测节点按照时间顺序构建的基础轴上标记重点监测时段的时间轴；
输出考察风电装备对应的时间轴为考察时间轴，输出参考风电装备对应的时间轴为参考时间轴；
将参考时间轴与考察时间轴按照监测节点一一对应重叠，当存在参考时间轴与考察时间轴中重点监测时段重叠或相交时，输出重点监测时段的发生时间属性为相交属性，并更新并集时段为考察风电装备的重点监测时段；并集时段是指由参考时间轴对应的重点监测时段与考察时间轴对应的重点监测时段在相交属性下取并集构成的监测时段；
当存在参考时间轴与考察时间轴中重点监测时段不相交时，输出重点监测时段的发生时间属性为离散属性；保留考察风电装备的重点监测时段。
分析发生时间属性是要确定考察风电装备在重点监测时段的变化影响是否与受寿命差异存在关联关系，能否将参考风电装备在相应时段的变化作为分析指标进行多层级分析预警。
步骤S4包括以下分析步骤：
步骤S41：获取重点监测时段的发生时间属性为离散属性时考察风电装备记录的分段曲线模型，分段曲线模型是指重点监测时段对应仿真曲线模型的所属段；
步骤S42：将分段曲线模型中记录的起始监测点和结束监测点作为矩形对角顶点构建矩形框，分段曲线模型将矩形框分为第一面积和第二面积，第一面积为矩形框的下面积V1，第二面积为矩形框的上面积V2；利用公式：Y=V1/V2；
计算每一分段曲线模型对应矩形框的切割指数Y；切割指数越小表示相邻监测节点的性能变化率差值越大；且历史数据仿真出的曲线表示合理性能波动范围；
步骤S43：选取相同重点监测时段包含的不同分段曲线模型中切割指数最小值Ymin对应标记为目标切割指数；
输出目标切割指数对应的分段曲线模型为考察风电装备在重点监测时段的发生时间属性为离散属性时的第一对照曲线模型。
步骤S4还包括以下：
获取重点监测时段的发生时间属性为相交属性时考察风电装备记录的分段曲线模型和参考风电装备记录的分段曲线模型；
基于数字孪生技术提取参考风电装备历史标记的损害风电装备性能的若干注意操作事项；
当参考风电装备对应分段曲线模型所处监测时段内未记录上述若干注意操作事项时，构建参考风电装备对应分段曲线模型的矩形框并计算重点监测时段的平均参考切割指数；平均参考切割指数是指由参考风电装备对应重点监测时段内记录不同分段曲线模型的切割指数得到的平均值；当参考风电装备的仿真曲线确定是由实际运行数据得到与注意操作事项引起的异常无关时，则可以将参考风电装备的性能数据作为依据进行分析；并将平均参考切割指数对应的分段曲线模型作为考察风电装备在重点监测时段的发生时间属性为相交属性时的第二对照曲线模型；
当参考风电装备对应分段曲线模型监测时段内记录上述若干注意操作事项时，说明参考风电装备在发生时间为相交属性对应的性能数据是异常导致的，并不能作为评估考察风电装备性能状态的数据基础；返回步骤S42将得到的第一对照曲线模型作为考察风电装备在重点监测时段的发生时间属性为相交属性时的第二对照曲线模型。
步骤S5包括以下分析步骤：
基于考察时间轴获取考察风电装备到当前时刻每一监测节点的性能变化率构建真实老化曲线模型，若当前时刻不处于重点监测时段时，将实时性能变化率的平均值与真实老化曲线模型记录的监测节点个数代入寿命时长预估模型，计算得到寿命时长预估值；
将寿命时长预估值与真实老化曲线模型记录实时的寿命时长计算寿命差值，设置寿命差值阈值，若寿命差值大于等于寿命差值阈值，进行一级预警响应；若寿命差值小于寿命差值阈值，继续监测。
步骤S5还包括以下分析过程：
若当前时刻处于重点监测时段且重点监测时段的发生时间属性为离散属性时，获取第一对照曲线模型以及对应的目标切割指数Y1，若当前时刻处于重点监测时段且重点监测时段的发生时间属性为相交属性时，获取第二对照曲线模型以及对应的平均参考切割指数Y2；
标记当前时刻所处重点监测时段的分段曲线，并构建真实矩形框；获取真实矩形框对应的第一面积D1和第二面积D2，计算真实切割指数X，X=D1/D2；此处真实矩形框的构建与上述矩形框的构建方式相同；
在所处时段为离散属性时：
若X-Y1≥0则继续监测；若X-Y1<0进行一级预警响应；
在所处时段为相交属性时：
当Y1>Y2时，若X-Y1≥0则继续监测；
若Y2≤X<Y1且持续时间小于剩余时间，进行一级预警响应；若Y2≤X<Y1且持续时间大于等于剩余时间，进行二级预警响应；剩余时间是指重点监测时段对应的时长与真实矩形框记录对应横坐标时长的差值；
若X<Y2时，进行二级预警响应；
当Y1≤Y2，与离散属性对应分析方式相同。
一级预警响应程度小于二级预警响应程度。
在重点监测时段出现异常时可能存在特征情况导致的短时间异常，此时预警方向可以为风电装备的基础监测判断异常，而当性能变化率曲线小于评估值且持续时长较长时则需要对风电装备进行预警重视。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。
最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (5)

1.基于数字孪生技术的风电装备建模及性能评估方法，其特征在于，包括以下分析步骤：
步骤S1：将应用于不同环境下的风电装备进行分类，获取每一类风电装备在出厂运行前基于寿命数据建立的仿真老化曲线模型，划分风电装备为一型风电装备和二型风电装备；
步骤S2：设定一型风电装备和二型风电装备中寿命参数小的一方为参考风电装备，另一风电装备为考察风电装备；分析考察风电装备和参考风电装备对应的重点监测时段；
步骤S3：辨析考察风电装备与参考风电装备对应重点监测时段的发生时间属性，所述发生时间属性包括相交属性和离散属性；
所述步骤S3包括以下：
建立考察风电装备和参考风电装备的时间轴，所述时间轴是指在由监测节点按照时间顺序构建的基础轴上标记重点监测时段的时间轴；
输出考察风电装备对应的时间轴为考察时间轴，输出参考风电装备对应的时间轴为参考时间轴；
将参考时间轴与考察时间轴按照监测节点一一对应重叠，当存在参考时间轴与考察时间轴中重点监测时段重叠或相交时，输出重点监测时段的发生时间属性为相交属性，并更新并集时段为考察风电装备的重点监测时段；所述并集时段是指由参考时间轴对应的重点监测时段与考察时间轴对应的重点监测时段在相交属性下取并集构成的监测时段；
当存在参考时间轴与考察时间轴中重点监测时段不相交时，输出重点监测时段的发生时间属性为离散属性；保留考察风电装备的重点监测时段；
步骤S4：当重点监测时段的发生时间属性为离散属性时，分析考察风电装备对应的第一对照曲线模型；当重点监测时段的发生时间属性为相交属性时，分析考察风电装备的第二对照曲线模型；
所述步骤S4包括以下分析步骤：
步骤S41：获取重点监测时段的发生时间属性为离散属性时考察风电装备记录的分段曲线模型，所述分段曲线模型是指重点监测时段对应仿真曲线模型的所属段；
步骤S42：将分段曲线模型中记录的起始监测点和结束监测点作为矩形对角顶点构建矩形框，所述分段曲线模型将矩形框分为第一面积和第二面积，所述第一面积为矩形框的下面积V1，所述第二面积为矩形框的上面积V2；利用公式：Y=V1/V2；
计算每一分段曲线模型对应矩形框的切割指数Y；
步骤S43：选取相同重点监测时段包含的不同分段曲线模型中切割指数最小值Ymin对应标记为目标切割指数；
输出目标切割指数对应的分段曲线模型为考察风电装备在重点监测时段的发生时间属性为离散属性时的第一对照曲线模型；
所述步骤S4还包括以下：
获取重点监测时段的发生时间属性为相交属性时考察风电装备记录的分段曲线模型和参考风电装备记录的分段曲线模型；
基于数字孪生技术提取参考风电装备历史标记的损害风电装备性能的若干注意操作事项；
当参考风电装备对应分段曲线模型所处监测时段内未记录上述若干注意操作事项时，构建参考风电装备对应分段曲线模型的矩形框并计算重点监测时段的平均参考切割指数；所述平均参考切割指数是指由参考风电装备对应重点监测时段内记录不同分段曲线模型的切割指数得到的平均值；并将平均参考切割指数对应的分段曲线模型作为考察风电装备在重点监测时段的发生时间属性为相交属性时的第二对照曲线模型；
当参考风电装备对应分段曲线模型所述监测时段内记录上述若干注意操作事项时，返回步骤S42将得到的第一对照曲线模型作为考察风电装备在重点监测时段的发生时间属性为相交属性时的第二对照曲线模型；
步骤S5：获取考察风电装备的实时数据制定真实老化曲线模型，基于真实老化曲线模型分析所处监测时段，以及基于对照曲线模型对考察风电装备进行实时性能评估并做出预警响应。
2.根据权利要求1所述的基于数字孪生技术的风电装备建模及性能评估方法，其特征在于：所述步骤S1包括以下分析步骤：
所述仿真老化曲线模型是以选取的监测节点为横坐标、风电装备性能变化率为纵坐标的数据构建而成；相邻监测节点间隔时长相同，且每一监测节点的纵坐标表示当前节点对应时刻的监测性能数据与上一监测节点对应时刻的监测性能数据的差值相对于上一监测节点对应时刻的监测性能数据的百分数；
获取第i类风电装备对应仿真老化曲线模型记录的平均监测节点个数Ui和平均性能变化率Qi，建立第i类风电装备的寿命时长预估模型Pi，Pi=k1*Ui+k2*Qi，k1和k2表示通过代入第i类风电装备对应仿真老化曲线模型中节点个数、性能变化率和对应寿命时长计算得到的回归系数；
分别代入n组监测数据组至m类风电装备对应的寿命时长预估模型中，得到每一类风电装备对应n组监测数据的寿命时长预估值，计算第i类风电装备的平均寿命时长预估值Ti=(1/n)∑TPi，i≤m，所述监测数据组是指由任意风电装备记录的监测节点个数与对应性能变化率构成的数据组；
计算m类风电装备的总体平均寿命时长预估值，将大于等于总体平均寿命时长预估值对应类型的风电装备输出为一型风电装备，将小于总体平均寿命时长预估值对应类型的风电装备输出为二型风电装备。
3.根据权利要求2所述的基于数字孪生技术的风电装备建模及性能评估方法，其特征在于：所述步骤S2包括以下：
所述寿命参数是指一型风电装备和二型风电装备对应的平均寿命时长预估值；
分别获取参考风电装备和考察风电装备对应单位监测时段的性能变化率差值，所述单位监测时段是指相邻监测节点构成的监测时段，所述性能变化率差值是指单位监测时段内两监测节点对应纵坐标差值的绝对值；
标记性能变化率差值大于性能变化率差值阈值的单位监测时段为单位目标时段，且将连续存在的单位目标时段构成以第一个单位目标时段为起始时段、最后一个单位目标时段为结束时段的整合目标时段；
获取每一整合目标时段中记录单位目标时段的个数，计算平均单位时段个数；若平均单位时段个数大于预设平均值，则输出整合目标时段为对应考察风电装备与参考风电装备的重点监测时段；若平均单位时段个数小于等于预设平均值，则输出整合目标时段与单位目标时段为对应考察风电装备与参考风电装备的重点监测时段。
4.根据权利要求3所述的基于数字孪生技术的风电装备建模及性能评估方法，其特征在于：所述步骤S5包括以下分析步骤：
基于考察时间轴获取考察风电装备到当前时刻每一监测节点的性能变化率构建真实老化曲线模型，若当前时刻不处于重点监测时段时，将实时性能变化率的平均值与真实老化曲线模型记录的监测节点个数代入寿命时长预估模型，计算得到寿命时长预估值；
将寿命时长预估值与真实老化曲线模型记录实时的寿命时长计算寿命差值，设置寿命差值阈值，若寿命差值大于等于寿命差值阈值，进行一级预警响应；若寿命差值小于寿命差值阈值，继续监测。
5.根据权利要求4所述的基于数字孪生技术的风电装备建模及性能评估方法，其特征在于：所述步骤S5还包括以下分析过程：
若当前时刻处于重点监测时段且重点监测时段的发生时间属性为离散属性时，获取第一对照曲线模型以及对应的目标切割指数Y1，若当前时刻处于重点监测时段且重点监测时段的发生时间属性为相交属性时，获取第二对照曲线模型以及对应的平均参考切割指数Y2；
标记当前时刻所处重点监测时段的分段曲线，并构建真实矩形框；获取真实矩形框对应的第一面积D1和第二面积D2，计算真实切割指数X，X=D1/D2；
在所处时段为离散属性时：
若X-Y1≥0则继续监测；若X-Y1<0进行一级预警响应；
在所处时段为相交属性时：
当Y1>Y2时，若X-Y1≥0则继续监测；
若Y2≤X<Y1且持续时间小于剩余时间，进行一级预警响应；若Y2≤X<Y1且持续时间大于等于剩余时间，进行二级预警响应；所述剩余时间是指重点监测时段对应的时长与真实矩形框记录对应横坐标时长的差值；
若X<Y2时，进行二级预警响应；
当Y1≤Y2，与离散属性对应分析方式相同；
所述一级预警响应程度小于二级预警响应程度。
CN202311486552.3A 2023-11-09 2023-11-09 基于数字孪生技术的风电装备建模及性能评估方法 Active CN117477648B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311486552.3A CN117477648B (zh) 2023-11-09 2023-11-09 基于数字孪生技术的风电装备建模及性能评估方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311486552.3A CN117477648B (zh) 2023-11-09 2023-11-09 基于数字孪生技术的风电装备建模及性能评估方法

Publications (2)

Publication Number Publication Date
CN117477648A CN117477648A (zh) 2024-01-30
CN117477648B true CN117477648B (zh) 2024-03-08

Family

ID=89636079

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311486552.3A Active CN117477648B (zh) 2023-11-09 2023-11-09 基于数字孪生技术的风电装备建模及性能评估方法

Country Status (1)

Country Link
CN (1) CN117477648B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103280830A (zh) * 2013-04-27 2013-09-04 南京南瑞集团公司 一种适用于大规模风电集中接入的过载控制方法
CN110071505A (zh) * 2019-06-04 2019-07-30 清华大学 含大规模风电接入的输电网扩建与储能配置联合规划方法
CN112531694A (zh) * 2020-11-27 2021-03-19 国网重庆市电力公司电力科学研究院 基于数字孪生技术的交直流混合电网全域实时模拟方法
CN113657786A (zh) * 2021-08-24 2021-11-16 国网青海省电力公司清洁能源发展研究院 基于风电机组运行性能评估指标体系的机群划分方法
CN114297947A (zh) * 2022-03-07 2022-04-08 华北电力大学 基于深度学习网络的数据驱动风电系统孪生方法及系统
KR102425267B1 (ko) * 2021-03-26 2022-07-28 창원대학교 산학협력단 디지털 트윈 기반의 해상 풍력단지의 제어 장치 및 방법
CN115906711A (zh) * 2022-12-27 2023-04-04 西安交通大学 一种利用数字孪生系统进行换热器性能测试的方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103280830A (zh) * 2013-04-27 2013-09-04 南京南瑞集团公司 一种适用于大规模风电集中接入的过载控制方法
CN110071505A (zh) * 2019-06-04 2019-07-30 清华大学 含大规模风电接入的输电网扩建与储能配置联合规划方法
CN112531694A (zh) * 2020-11-27 2021-03-19 国网重庆市电力公司电力科学研究院 基于数字孪生技术的交直流混合电网全域实时模拟方法
KR102425267B1 (ko) * 2021-03-26 2022-07-28 창원대학교 산학협력단 디지털 트윈 기반의 해상 풍력단지의 제어 장치 및 방법
CN113657786A (zh) * 2021-08-24 2021-11-16 国网青海省电力公司清洁能源发展研究院 基于风电机组运行性能评估指标体系的机群划分方法
CN114297947A (zh) * 2022-03-07 2022-04-08 华北电力大学 基于深度学习网络的数据驱动风电系统孪生方法及系统
CN115906711A (zh) * 2022-12-27 2023-04-04 西安交通大学 一种利用数字孪生系统进行换热器性能测试的方法

Also Published As

Publication number Publication date
CN117477648A (zh) 2024-01-30

Similar Documents

Publication Publication Date Title
CN109858140B (zh) 一种基于信息熵离散型贝叶斯网络冷水机组故障诊断方法
US6701195B2 (en) Sensor prediction system utilizing case based reasoning
CN109753591A (zh) 业务流程预测性监控方法
CN112926257A (zh) 往复式天然气压缩机故障诊断系统以及诊断方法
CN105975797A (zh) 一种基于模糊数据处理的产品早期故障根原因识别方法
CN114611778B (zh) 一种基于入库流量的水库水位预警方法及系统
CN113988273A (zh) 基于深度学习的冰灾环境主动配电网态势预警及评估方法
CN116432123A (zh) 一种基于cart决策树算法的电能表故障预警方法
CN118051827A (zh) 基于深度学习的电网故障预测方法
CN118014185A (zh) 一种基于大数据的市政管网健康度在线监测系统
CN117113157B (zh) 一种基于人工智能的台区用电故障检测系统
CN115438897A (zh) 一种基于blstm神经网络的工业过程产品质量预测方法
CN117477648B (zh) 基于数字孪生技术的风电装备建模及性能评估方法
CN112434887B (zh) 一种结合网络核密度估计和svm的供水管网风险预测方法
CN117875500A (zh) 一种基于人工智能的智能防汛预警方法及平台
Kim et al. Increasing reliability of participatory sensing for utility pole condition assessment using fuzzy inference
JPH11194803A (ja) ダム出水量予測モデル構築方法及びダム出水量予測方法
CN114897262A (zh) 一种基于深度学习的轨道交通设备故障预测方法
Scheinert et al. The shape of watershed governance: Locating the boundaries of multiplex networks
Shen Classification of Wind Turbine Blade Performance State Through Statistical Methods
CN113420829A (zh) 一种基于贝叶斯神经网络的天气相关故障预测方法
CN118551277B (zh) 一种基于评估模型的测试数据管理系统及方法
CN116633026B (zh) 清洁能源感知监控方法、装置、计算机设备及存储介质
CN117591679B (zh) 基于知识图谱的积木式产品碳足迹智能分析系统及方法
Xiaodong et al. Artificial Intelligence in power multimodal data analysis

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
GR01 Patent grant
GR01 Patent grant