风力发电机组的塔筒寿命延长方法、装置、设备及存储介质与流程

摘要: 本发明涉及风力发电,特别涉及一种风力发电机组的塔筒寿命延长方法、装置、设备及存储介质。背景技术:1、塔筒是风力发电机组的重要承载部件,塔筒的结构健康状态直接影响...
风力发电机组的塔筒寿命延长方法、装置、设备及存储介质与流程

本发明涉及风力发电,特别涉及一种风力发电机组的塔筒寿命延长方法、装置、设备及存储介质。

背景技术:

1、塔筒是风力发电机组的重要承载部件,塔筒的结构健康状态直接影响风力发电机组的安全运行和使用寿命。在长期运行过程中,塔筒不仅承受着风轮和机舱的重力载荷,还受到复杂多变的风载荷等环境载荷的作用,会产生疲劳损伤累积。

2、目前,对塔筒的寿命管理主要依赖定期人工巡检和基于设计寿命的被动维护。定期巡检方式通过人工目视、无损检测等手段发现塔筒表面或内部的缺陷,但该方式周期长、效率低,难以及时发现早期故障。基于设计寿命的方式则无法充分考虑风力发电机组实际运行环境和载荷历史的个体化差异,导致评估结果不够精确。

技术实现思路

1、本发明的主要目的是提出一种风力发电机组的塔筒寿命延长方法、装置、设备及存储介质,旨在解决如何预测塔筒剩余寿命并及时发现和处理潜在故障,以延长塔筒使用寿命的技术问题。

2、为实现上述目的,本发明提出的风力发电机组的塔筒寿命延长方法,所述风力发电机组的塔筒寿命延长方法包括:

3、获取所述风力发电机组的实时载荷数据和环境数据;

4、根据所述实时载荷数据和所述环境数据,构建所述塔筒的数字孪生模型;

5、通过所述数字孪生模型,预测所述塔筒的剩余寿命和风险点;

6、获取在所述风险点处采集的监测数据,其中,所述监测数据包括振动数据和声音数据;

7、根据所述监测数据,识别所述塔筒的故障;

8、若识别到所述塔筒存在所述故障,则对所述塔筒进行修复,以延长所述塔筒的寿命。

9、在一实施方式中,所述根据所述实时载荷数据和所述环境数据,构建所述塔筒的数字孪生模型的步骤,包括:

10、获取所述塔筒的结构参数和材料属性;

11、根据所述结构参数和所述材料属性,建立所述塔筒的基础有限元模型;

12、将所述实时载荷数据和所述环境数据作为边界条件,对所述基础有限元模型进行修正,得到所述数字孪生模型。

13、在一实施方式中,所述通过所述数字孪生模型,预测所述塔筒的剩余寿命和风险点的步骤,包括:

14、通过所述数字孪生模型,计算所述塔筒在所述实时载荷数据和所述环境数据作用下的疲劳损伤累积值;

15、根据所述疲劳损伤累积值和预设的损伤容限阈值,确定所述塔筒的所述剩余寿命;

16、将所述塔筒中所述疲劳损伤累积值超过预警阈值的位置,确定为所述风险点。

17、在一实施方式中,所述根据所述监测数据,识别所述塔筒的故障的步骤,包括:

18、对所述振动数据进行时频分析,提取振动特征,并对所述声音数据进行声学特征提取,得到声学特征;

19、将所述振动特征和所述声学特征,输入至预先训练的故障识别模型,得到故障类型和故障位置,其中,所述故障识别模型是基于历史振动数据、历史声音数据以及对应的故障标签训练获得。

20、在一实施方式中,所述若识别到所述塔筒存在所述故障,则对所述塔筒进行修复的步骤,包括:

21、若识别到所述塔筒存在所述故障,则根据所述故障的故障类型和故障位置,生成调整指令和维护工单中的至少一种;

22、通过所述调整指令调整所述风力发电机组的运行参数,以降低作用于所述塔筒的载荷;和/或,

23、将所述维护工单发送至维护终端,以使维护人员根据所述维护工单对所述塔筒进行修复。

24、在一实施方式中,若识别到所述塔筒存在所述故障,则对所述塔筒进行修复,以延长所述塔筒的寿命的步骤之前,所述风力发电机组的塔筒寿命延长方法还包括:

25、控制无人机进入所述塔筒内部,采集所述塔筒的内部图像;

26、对所述内部图像进行智能识别,确定所述塔筒的内部故障;

27、若确定出所述内部故障,则根据所述内部故障对所述塔筒进行修复。

28、在一实施方式中,所述控制无人机进入所述塔筒内部,采集所述塔筒的内部图像的步骤,包括:

29、获取所述塔筒内部的三维结构信息,并根据所述三维结构信息生成巡检航线;

30、控制所述无人机按照所述巡检航线飞行,并通过所述无人机搭载的图像采集装置获取所述内部图像;

31、所述对所述内部图像进行智能识别,确定所述塔筒的内部故障的步骤,包括:

32、将所述内部图像输入至预先训练的缺陷检测模型,得到缺陷类型和缺陷位置,其中,所述缺陷检测模型是基于标注有缺陷信息的塔筒内部样本图像训练获得。

33、此外,为实现上述目的,本申请还提供一种风力发电机组的塔筒寿命延长装置,所述塔筒寿命延长装置包括:

34、数据获取模块,用于获取所述风力发电机组的实时载荷数据和环境数据;

35、模型构建模块,用于根据所述实时载荷数据和所述环境数据,构建所述塔筒的数字孪生模型;

36、预测模块,用于通过所述数字孪生模型,预测所述塔筒的剩余寿命和风险点;

37、监测获取模块,用于获取在所述风险点处采集的监测数据,其中,所述监测数据包括振动数据和声音数据;

38、故障识别模块,用于根据所述监测数据,识别所述塔筒的故障;

39、修复模块,用于若识别到所述塔筒存在所述故障,则对所述塔筒进行修复,以延长所述塔筒的寿命。

40、此外,为实现上述目的,本申请还提供一种风力发电机组的塔筒寿命延长设备,所述塔筒寿命延长设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述计算机程序配置为实现如上述的风力发电机组的塔筒寿命延长方法的步骤。

41、此外,为实现上述目的,本申请还提供一种存储介质,所述存储介质为计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如上述的风力发电机组的塔筒寿命延长方法的步骤。

42、本发明的技术方案通过结合数字孪生技术、多源监测数据分析和智能故障识别技术,实现了对塔筒运行状态的精准感知、剩余寿命的预测以及潜在故障的早期识别与主动修复,克服了传统定期巡检方式无法及时发现早期故障和设计寿命评估不精确的技术缺陷,从而延长了风力发电机组塔筒的实际使用寿命。

1.一种风力发电机组的塔筒寿命延长方法,其特征在于,所述风力发电机组的塔筒寿命延长方法包括:

2.如权利要求1所述的风力发电机组的塔筒寿命延长方法,其特征在于,所述根据所述实时载荷数据和所述环境数据,构建所述塔筒的数字孪生模型的步骤,包括:

3.如权利要求1所述的风力发电机组的塔筒寿命延长方法,其特征在于,所述通过所述数字孪生模型,预测所述塔筒的剩余寿命和风险点的步骤,包括:

4.如权利要求1所述的风力发电机组的塔筒寿命延长方法,其特征在于,所述根据所述监测数据,识别所述塔筒的故障的步骤,包括:

5.如权利要求1所述的风力发电机组的塔筒寿命延长方法,其特征在于,所述若识别到所述塔筒存在所述故障,则对所述塔筒进行修复的步骤,包括:

6.如权利要求1所述的风力发电机组的塔筒寿命延长方法,其特征在于,若识别到所述塔筒存在所述故障,则对所述塔筒进行修复,以延长所述塔筒的寿命的步骤之前,所述风力发电机组的塔筒寿命延长方法还包括:

7.如权利要求6所述的风力发电机组的塔筒寿命延长方法,其特征在于,所述控制无人机进入所述塔筒内部,采集所述塔筒的内部图像的步骤,包括:

8.一种风力发电机组的塔筒寿命延长装置,其特征在于,所述塔筒寿命延长装置包括:

9.一种风力发电机组的塔筒寿命延长设备,其特征在于,所述塔筒寿命延长设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述计算机程序配置为实现如权利要求1至7中任一项所述的风力发电机组的塔筒寿命延长方法的步骤。

10.一种存储介质,其特征在于,所述存储介质为计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的风力发电机组的塔筒寿命延长方法的步骤。