【技术实现步骤摘要】
本专利技术属于风电机群服役质量数字孪生，具体涉及一种基于信号分布特性的风电数字孪生协同演化检测方法。
技术介绍
1、随着风电行业的发展，风电机组的数量和规模不断扩大，如何有效评估和提升风电机群的服役质量成为了需要解决的问题。目前，数字孪生技术被应用到航空航天、制造、医疗保健、城市、能源等领域，这些应用程序和探索已经显示出数字孪生技术的巨大优势。数字孪生的核心思想是充分利用物理数据和机制构建超保真虚拟副本，通过虚拟世界和物理世界之间的交互和迭代来监控、控制和优化物理世界。在风电机群的长期运行过程中，可能会出现各种故障，影响电能生产效率，造成电网稳定性降低。风电机群服役质量数字孪生系统的检测验证技术对于风电机群的可靠性和性能提升至关重要。它可以预测故障、优化运行、诊断问题，并提供智能化管理，以提高风电机群的可靠性和性能，降低停机时间和维护成本，最终实现更高效的风能利用。数字孪生技术的关键之一在于“协同演化”能力，即虚拟模型如何随着物理系统的实时变化进行同步更新，以准确反映其当前状态。风电机组的运行特性在其生命周期内不断变化，要求数字孪生系统...
【技术保护点】
1.一种基于信号分布特性的风电数字孪生协同演化检测方法，其特征在于，包括：
2.根据权利要求1所述的基于信号分布特性的风电数字孪生协同演化检测方法，其特征在于，步骤S4包括：将风机信号数据在最大值和最小值之间划分为M个区域，根据下式计算任意第m个区域的时序序列信号分布概率：
3.根据权利要求2所述的基于信号分布特性的风电数字孪生协同演化检测方法，其特征在于，步骤S5中计算总体差异值的函数表达式为：
4.根据权利要求1所述的基于信号分布特性的风电数字孪生协同演化检测方法，其特征在于，步骤S2中特征频率幅值误差的计算函数表达式为：>
5.根据权利...
【技术特征摘要】
1.一种基于信号分布特性的风电数字孪生协同演化检测方法，其特征在于，包括：
2.根据权利要求1所述的基于信号分布特性的风电数字孪生协同演化检测方法，其特征在于，步骤s4包括：将风机信号数据在最大值和最小值之间划分为m个区域，根据下式计算任意第m个区域的时序序列信号分布概率：
3.根据权利要求2所述的基于信号分布特性的风电数字孪生协同演化检测方法，其特征在于，步骤s5中计算总体差异值的函数表达式为：
4.根据权利要求1所述的基于信号分布特性的风电数字孪生协同演化检测方法，其特征在于，步骤s2中特征频率幅值误差的计算函数表达式为：
5.根据权利要求4所述的基于信号分布特性的风电数字孪生协同演化检测方法，其特征在于，步骤s2包括：
6.根据权利要求5所述的基于信号分布特性的风电数字孪生协同演化检测方法，其特征在于，步骤s2.2中使用旋转门算法sda分别对两种风机振动信号数据进行处理后，还包括使用异常算法分别对两种风机振动信号数据进行处理，包括针对每一个当前数据点，基于给定的异常参数在当前数据点的上下形成长度为的异常范围来判断下一个数据点是否发生异常，如果下一个数据点超...
【专利技术属性】
技术研发人员：屈尹鹏，黄晟，陈昊洋，韩佳睿，吴之荻，
申请(专利权)人：湖南大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。