一种基于数字孪生的风机状态预警方法技术

本发明专利技术公开了一种基于数字孪生的风机状态预警方法。其中，该方法包括：风机关键部件实体；基于关键部位实体的实时状态量数据构建初始数字孪生模型；获取初始数字孪生模型的统计特征以及相关性特性；对监测状态量进行仿真预测，并基于仿真预测数据更新数字孪生模型；获取更新的数字孪生模型的统计特征以及相关性特征；对比更新的数字孪生模型的特征与初始数字孪生模型的特征，判断风机关键部件运行状态并进行预警。本发明专利技术解决了目前相关技术在对风机运行状态进行预警时，依赖状态监测数据和大量故障案例构建模式识别模型，忽略风机隐性的潜伏性缺陷对判断模型的影响及识别模型无法考虑风机未来运行趋势的问题，而造成的无法对风机运行状态进行准确判断和预警的技术问题。风机运行状态进行准确判断和预警的技术问题。风机运行状态进行准确判断和预警的技术问题。

【技术实现步骤摘要】
一种基于数字孪生的风机状态预警方法


[0001]本专利技术涉及风力发电
，具体而言，涉及一种基于数字孪生的风机状态预警方法。

技术介绍

[0002]风机是风力发电系统的重要组成部分，其运行状态直接关系风力发电的效率和质量，然而由于风机处于交变载荷作用的复杂工况下，其关键部位，如齿轮箱、放电机、叶片等组件均会受到不同程度的影响甚至损坏，因此，实时判断风力发电机的运行状态，对异常工况进行预警，对于预防各部件损坏、降低运营维护成本具有重大意义。近年来，数字孪生技术快速发展，为实现对风机的准确状态预警提供了重要手段。数字孪生技术包含了物理模型、传感器更新、运行历史等数据，集成多学科、多物理量、多尺度的仿真过程，在虚拟空间中完成对物理实体的映射，从而反映物理实体的全生命周期过程。数字孪生技术的虚拟空间中的数据仿真过程为挖掘风机设备运行趋势的规律提供了技术手段。
[0003]目前，数字孪生技术在风力发电系统中也得到了一些应用，取得了一些进展，专利《汪丛军，等，基于数字孪生技术的施工现场深基坑智能监测预警系统，CN 113404029 A》对施本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于数字孪生的风机状态预警方法，其特征在于，包括：风机关键部件实体；基于关键部位实体的实时状态量数据构建初始数字孪生模型；获取初始数字孪生模型的统计特征以及相关性特性；对监测状态量进行仿真预测，并基于仿真预测数据更新数字孪生模型；获取更新的数字孪生模型的统计特征以及相关性特征；对比更新的数字孪生模型的特征与初始数字孪生模型的特征，判断风机关键部件运行状态并进行预警。2.根据权利要求1所述的方法，其特征在于，所述风机关键部件实体，包括齿轮箱、发电机以及叶片中的至少一种。3.根据权利要求1所述的方法，其特征在于，所述基于关键部位实体的实时状态量数据构建初始数字孪生模型，包括：反映所述的关键部位齿轮箱运行情况的状态量包括但不限定于齿轮箱油温、齿轮箱轴承温度、环境温度、振动幅度中的至少两种；反映所述的发电机运行情况的状态量包括但不限定于发电机转速、发电机前轴温度、发电机后轴温度、发电机温度、A相电流、B相电流、C相电流、AB相电压、BC相电压、CA相电压、频率、有功功率、无功功率、功率因素中的至少两种；反映所述的叶片运行情况的状态量包括但不限定于风速、雷电、结冰、应力、叶尖压力、叶片转角、扭矩、叶片平均速度中的至少两种；所述构建初始数字孪生模型步骤为：获取关键部位实体的尺寸信息、材料信息、结构信息、厂商信息、自身属性信息、运行环境信息构建能够直观反映关键部位实体的静态3D模型；将实时获取到的关键部位实体的实时状态数据数字化映射至所述静态3D模型，形成关键部位实体的初始数字孪生模型。4.根据权利要求1所述的方法，其特征在于，获取初始数字孪生模型的统计特征以及相关性特性，包括：所述获取初始数字孪生模型的统计特征是对所述数字孪生模型中的每一类状态量的监测数据进行统计分析，获取该状态量符合的分布模型，并获得该分布模型的关键参数；所述的分布模型包括但不限定于正态分布、威布尔分布、卡方分布中的至少一种；所述获取初始数字孪生模型的相关性特性是对反映关键部位实体的所有状态量...

【专利技术属性】
技术研发人员：高岳，田蜜，李鹏，
申请(专利权)人：华电安诺北京信息科技有限公司，
类型：发明
国别省市：