基于数字孪生的海上风电场倒闸智能定位管控系统及方法技术方案

本申请公开了一种基于数字孪生的海上风电场倒闸智能定位管控系统及方法，其通过利用数字孪生技术搭建海上风电场的虚拟模型，并通过对海上风电场的运行数据（例如，风机数据、变电站数据、输电线路数据和环境数据）的实时采集和分析来获取海上风电场的运行状态信息，为倒闸操作提供重要依据。然后，利用智能定位算法对海上风电场倒闸操作进行实时定位和管控，从而实现海上风电场倒闸操作的智能化、自动化和安全化。这样，能够根据海上风电场的运行状态信息，实时计算出倒闸操作的最佳时机，从而提高倒闸操作的效率和安全性，降低倒闸操作对电网的影响。

【技术实现步骤摘要】

本申请涉及智能管控领域，且更为具体地，涉及一种基于数字孪生的海上风电场倒闸智能定位管控系统及方法。

技术介绍

1、海上风电场具有发电量大、可再生性好、污染小等优点，是当前世界各国大力发展的清洁能源之一。然而，海上风电场通常位于远离海岸的深海区域，环境恶劣，且风电场规模巨大，使其倒闸操作存在一定的难度和风险。

2、倒闸操作是海上风电场运行中的一项重要操作，是指将风电场与电网连接或断开。倒闸操作的目的是为了实现风电场的并网发电或离网维护。倒闸操作的正确执行对于海上风电场的安全稳定运行至关重要。然而，传统的倒闸操作通常是通过风电场运行人员手动完成的，这种方式存在一定的局限性，例如：手动倒闸操作容易出错，可能导致风电场倒闸失败或事故的发生；手动倒闸操作效率低，特别是对于规模较大的海上风电场，倒闸操作可能需要花费数小时甚至数天的时间；手动倒闸操作存在一定的安全隐患，特别是对于位于深海区域的海上风电场，倒闸操作人员可能面临恶劣的天气条件和巨大的海浪风险。

3、因此，期望一种基于数字孪生的海上风电场倒闸智能定位管控系统。>

<本文档来自技高网...

【技术保护点】

1.一种基于数字孪生的海上风电场倒闸智能定位管控系统，其特征在于，包括：

2.根据权利要求1所述的基于数字孪生的海上风电场倒闸智能定位管控系统，其特征在于，所述风机数据包括风机转速、风机功率和风机发电量；所述变电站数据包括变电站电压、变电站电流和变电站功率；所述输电线路数据包括输电线路电压、输电线路电流和输电线路功率；所述环境数据包括风速值、风向、海浪高度、温度值和湿度值。

3.根据权利要求2所述的基于数字孪生的海上风电场倒闸智能定位管控系统，其特征在于，所述第一深度神经网络模型为卷积神经网络模型，所述第二深度神经网络模型为卷积神经网络模型，所述第三深度神经网络模...

【技术特征摘要】

1.一种基于数字孪生的海上风电场倒闸智能定位管控系统，其特征在于，包括：

2.根据权利要求1所述的基于数字孪生的海上风电场倒闸智能定位管控系统，其特征在于，所述风机数据包括风机转速、风机功率和风机发电量；所述变电站数据包括变电站电压、变电站电流和变电站功率；所述输电线路数据包括输电线路电压、输电线路电流和输电线路功率；所述环境数据包括风速值、风向、海浪高度、温度值和湿度值。

3.根据权利要求2所述的基于数字孪生的海上风电场倒闸智能定位管控系统，其特征在于，所述第一深度神经网络模型为卷积神经网络模型，所述第二深度神经网络模型为卷积神经网络模型，所述第三深度神经网络模型为卷积神经网络模型，所述第四深度神经网络模型为卷积神经网络模型。

4.根据权利要求3所述的基于数字孪生的海上风电场倒闸智能定位管控系统，其特征在于，所述风电场运行状态多模态特征融合表征模块，用于：使用基于投影层的多模态特征融合器对所述风机参数时序关联特征向量、所述变电站参数时序关联特征向量、所述输电线路参数时序关联特征向量和所述环境参数时序关联特征向量进行融合处理以得到风电场运行状态多模...

【专利技术属性】
技术研发人员：叶如祥，朱玲芬，袁林松，陈正东，叶江彬，冯伟，吴宏伟，陈杰，孔令嘉，彭亮，刘冰，
申请(专利权)人：浙江浙能嘉兴海上风力发电有限公司，
类型：发明
国别省市：