2數(shù)字化感知3運行狀態(tài)評估4研究展望背景海上風電氣候條件更為惡劣，運行維護成本高，占到海上風電總投資40%以上我國海上風電發(fā)展時間相對較短，技術(shù)成熟度偏低，設(shè)備故障率更高海上風電故障停機損失大3設(shè)備監(jiān)測范圍不足且手段單一、數(shù)據(jù)匯集傳輸困難多物理場之間耦合研究不足，缺乏模擬海上風電復雜系統(tǒng)行為特征的方法沿用故障后運維模式，缺乏高水平智慧運維體系支撐，運維成本居高不下風電設(shè)備運行監(jiān)測不足缺乏模擬復雜系統(tǒng)的方法缺乏完備海上風電智慧運維體系4數(shù)字孿生隨著現(xiàn)代信息技術(shù)和能源技術(shù)的深度融合，能源轉(zhuǎn)型的數(shù)字化、智能化特征進一步凸顯，數(shù)字化是基礎(chǔ)、智能化是關(guān)鍵，信息流與能量流融合是必然趨勢。數(shù)字孿生技術(shù)為解決海上風電運數(shù)字孿生是綜合運用感知、計算、建模等信息技術(shù)，通過軟件定義，對物理空間進行描5數(shù)據(jù)驅(qū)動模型組業(yè)務(wù)數(shù)據(jù)閉環(huán)可感知BIMVR可計算人工智能云計算無人機傳感器非結(jié)構(gòu)化多源數(shù)據(jù)物理對象數(shù)字模型機理建模數(shù)據(jù)驅(qū)動模型組業(yè)務(wù)數(shù)據(jù)閉環(huán)可感知BIMVR可計算人工智能云計算無人機傳感器非結(jié)構(gòu)化多源數(shù)據(jù)物理對象數(shù)字模型機理建模數(shù)字孿生系統(tǒng)仿真模型數(shù)據(jù)基座工業(yè)互聯(lián)網(wǎng)多源傳感與監(jiān)測各級優(yōu)化預案推演虛實映射6機組振動監(jiān)測機組關(guān)鍵部件 疲勞監(jiān)測機組位移監(jiān)測機組振動監(jiān)測機組關(guān)鍵部件 疲勞監(jiān)測機組位移監(jiān)測機組基礎(chǔ)沖刷對風電機組進行狀態(tài)監(jiān)測實現(xiàn)故障預警，是提升機組運行可靠性的有效手段之一。7數(shù)字化感知與運行狀態(tài)評估實現(xiàn)機組運行狀態(tài)精細化評估，需要打通全部監(jiān)測系統(tǒng)、采用人工智能的方式構(gòu)建部件級運行狀態(tài)數(shù)字模型。塔筒監(jiān)測（加速度、傾角……）海洋監(jiān)測（沖刷……）現(xiàn)有監(jiān)測系統(tǒng)各自獨立，數(shù)據(jù)分散且未標準化數(shù)據(jù)標準化人工智能技術(shù)82數(shù)字化感知3運行狀態(tài)評估4研究展望數(shù)字化感知數(shù)字化感知系統(tǒng)SCADA數(shù)據(jù)螺栓狀態(tài)葉片狀態(tài)其他樣機設(shè)置華能江蘇如東70萬海上風電場示范應用效果 關(guān)鍵部件監(jiān)測：葉片 載荷監(jiān)測?多截面載荷特性監(jiān)測?截面間、葉片間載荷信號相關(guān)性分析振動監(jiān)測?多截面振動特性監(jiān)測：葉根、葉中、葉尖?0.01Hz～5000Hz寬頻響應?優(yōu)于0.001Hz頻率分辨率?優(yōu)于0.1mg高探測靈敏度關(guān)鍵部件監(jiān)測：葉片凈空監(jiān)測.葉片掃過塔筒時，葉尖距離塔筒的的直線距離為塔架凈空值.通過安裝在機艙底部的高清攝像頭實時采集機組運行畫面，并進行圖像處理，實現(xiàn)塔架凈空的實時測量，并以此為依據(jù)對機組進行控制掃塔時刻掃塔時刻失效葉片掃塔聲音：刺耳高頻噪聲正常葉片掃塔聲音關(guān)鍵部件監(jiān)測：失效葉片掃塔聲音：刺耳高頻噪聲正常葉片掃塔聲音音視頻監(jiān)測及結(jié)果示例關(guān)鍵部件監(jiān)測：螺栓螺栓預緊力監(jiān)測與預警研究螺栓軸力與超聲波傳播時間變化率的關(guān)系可以利用超聲波發(fā)出和接關(guān)鍵部件監(jiān)測：螺栓螺栓預緊力監(jiān)測與預警數(shù)據(jù)治理依托華能新能源智慧運維中心，基于成熟的數(shù)據(jù)集成技術(shù)、數(shù)據(jù)倉庫、BI和大數(shù)據(jù)采集、存儲、處理與分析技術(shù)進行搭建數(shù)據(jù)處理系統(tǒng)。2數(shù)字化感知3運行狀態(tài)評估4研究展望健康度評估運行狀態(tài)評估健康度評估利用高級算法預警部件潛在故障，給出嚴重程度判斷及維護建議模糊向量級分健康度隸屬度矩陣權(quán)向量—確定各維度權(quán)重隸屬度矩陣權(quán)向量—確定各維度權(quán)重正常注意異常嚴重1.01.01.0l0.00.0l0.00.00.00.00.00.00.50.00.00.00.00.00.5部件級數(shù)字模型：傳動鏈健康狀態(tài)劣化趨勢及預警分析部件級數(shù)字模型：支撐結(jié)構(gòu)健康狀態(tài)劣化趨勢及預警分析部件級數(shù)字模型：葉片1、通過材料應變/載荷的閾值分析，判定葉片的狀態(tài)或報警、采取相應控制措施2、依據(jù)監(jiān)測信號的時序數(shù)據(jù)進行趨勢分析，判定曲線變化斜率等參數(shù)的合理性3、時序信號的后處理分析，包括FFT分析等，判定葉片部分宏觀性能的合理性和變化4、信號相關(guān)性分析，依據(jù)不同信號之間的物理關(guān)聯(lián)特性，分析信號大小與趨勢的一致性和合理性機組運行狀態(tài)預警建立了機組運行狀態(tài)預警系統(tǒng)，集成前述模型，具備葉片故障預警、螺栓預緊力監(jiān)測與預警、支撐結(jié)構(gòu)安全評價與預警、傳動鏈故障預警等功能。2數(shù)字化感知3運行狀態(tài)評估4研究展望研究展望風電場全場低成本安全監(jiān)測.基于部件級數(shù)字模型，建立整機運行狀態(tài)表征方法.基于關(guān)鍵機位運行狀態(tài)，通過數(shù)學模型與物理模型結(jié)合建立傳遞關(guān)系，開展全場機組狀態(tài)特性預測，實現(xiàn)風電場全場低成本安全監(jiān)測（102209）（102209）北京市昌平