一种风力发电设备用干燥方法及装置与流程

本发明涉及风力发电，尤其涉及一种风力发电设备用干燥装置。

背景技术：

1、风力发电设备常常安装在海边或高地等风能资源丰富的区域，这些地方往往空气环境湿度大，盐雾等腐蚀性强，传统的干燥设备可能存在使用寿命短、效率低、维护不便等问题；因此我们发明一种风力发电设备用干燥方法及装置，面对风力发电设备不同干燥度指标下，选择更加适宜的干燥处理方法。

2、现有的风力发电设备用干燥过程存在以下不足：

3、设备复杂性：干燥系统的设计可能过于复杂，导致安装、操作和维护困难，增加了技术门槛和培训成本；当前存在的干燥方法数量繁多，面对不同的材料和干燥度指标，选择适宜的干燥方法进行处理较为困难；

4、自动化水平：一些干燥系统可能缺乏足够的自动化功能，数据的采集依赖人工监控和操作，这可能导致响应延迟和效率低下，直接影响到干燥过程的效率、可靠性和维护成本；

5、干燥效率：根据当前的环境情况和设备情况对干燥方法进行选择的时候会存在现有干燥设备可能存在效率低下的问题，无法快速有效地去除设备内部的水分，导致干燥时间延长和能耗增加。

技术实现思路

1、针对现有技术存在的不足，本发明目的是提供一种风力发电设备用干燥方法，旨在解决面对不同干燥度指标下的干燥方法择优选择问题。

2、为了实现上述目的，本发明是通过如下的技术方案来实现：一种风力发电设备用干燥方法，所述干燥方法包括以下步骤：

3、步骤s1：对风力发电设备当前环境温度、环境湿度、环境风速、环境大气压力以及降雨量进行获取，得到环境数据；

4、对风力发电设备坡度和海平面高度进行获取，得到位置数据；

5、对设备硬度、设备耐热指标以及设备温度进行获取，得到设备数据，将环境数据、位置数据和设备数据，记作预测数据；

6、步骤s2：对历史环境数据we、历史位置数据ww、历史干燥度指数zh1和历史设备数据wp进行获取，得到预估参数；

7、步骤s3：对预估参数进行计算，得到归一化预估参数；对归一化预估参数进行计算，得到预估参数系数；对归一化预估参数和预估参数系数进行计算，得到环境参数、位置参数和设备参数；对环境参数、位置参数和设备参数进行计算，得到检验干燥指标zh3，并根据算法，得到预测模型；根据预测模型和预测数据，得到干燥度指标zh2；

8、步骤s4：根据检验干燥度指标zh3进行分析，得到当前干燥度指标zh2的分布情况；对当前干燥度指标zh2的分布情况和当前干燥度指标zh2进行分析，得到干燥方法择优区间。

9、进一步地，所述步骤s1的工作流程如下：

10、对风力发电设备工作过程中的温度进行获取，得到环境温度和设备温度；

11、对风力发电设备环境湿度进行获取，得到环境湿度；

12、对风力发电设备工作环境下的环境风速获取，得到环境风速；

13、对风力发电设备环境气压进行获取，得到环境大气压力；

14、对风力发电设备环境雨量进行获取，得到降雨量；

15、对风力发电设备的坡度和海平面高度进行获取，得到坡度和海平面高度；

16、对风力发电设备干燥度指标进行获取，得到干燥度指标；

17、对风力发电设备的设备硬度和设备耐热指标进行获取，得到设备硬度和设备耐热指标；

18、将获取的当前环境温度、环境湿度、环境风速、环境大气压力、降雨量、坡度、海平面高度、设备硬度、设备耐热指标和设备温度传递给计算模块，记作预测数据，进入步骤s3。

19、进一步地，所述步骤s2的工作流程如下：

20、对历史数据环境温度qt1、环境湿度qu1、环境风速qv1、环境大气压力qp1和降雨量ql1进行获取，得到历史环境数据；

21、历史环境数据表示为：[qt1，qu1，qv1，qp1，ql1]；

22、对历史数据坡度qs1、海平面高度qg1进行获取，得到历史位置数据；

23、历史位置数据表示为：[qs1，qg1]；

24、对历史数据设备硬度qq1、设备耐热指标qc1，设备温度qw1进行获取，得到历史设备数据；

25、历史设备数据表示：[qq1，qc1，qw1]；

26、对历史数据干燥度指数进行获取，得到历史干燥度指数；

27、对历史环境数据，历史位置数据，历史设备数据和历史干燥度指数进行列表组合，记作预估参数；

28、预估参数表示为：{[qt1，qu1，qv1，qp1，ql1],[qs1，qg1],[qq1，qc1，qw1],zh1}。

29、进一步地，所述步骤s3的工作流程如下：

30、步骤 s31：对预估参数进行计算，得到归一化预估参数；

31、步骤 s32：对归一化预估参数进行计算，得到预估参数系数；

32、步骤 s33：对归一化预估参数和预估参数系数进行计算，得到环境参数、位置参数和设备参数；

33、对环境参数、位置参数和设备参数进行计算，得到检验干燥指标；

34、步骤 s34：对归一化环境数据、环境参数、归一化位置数据、位置参数、归一化设备数据、设备参数和检验干燥度指标zh3进行计算，得到预测模型；

35、根据预测模型，对预测数据进行计算，得到当前设备干燥度指标zh2。

36、进一步地，所述步骤 s31的工作流程如下：

37、对历史环境数据进行比较，得到环境数据最大值wemax和环境数据最小值wemin；

38、对历史环境数据和历史干燥指数zh1进行计算，得到归一化环境温度vt1、归一化环境湿度vu1、归一化环境风速vv1、归一化环境大气压力vp1和归一化降雨量vl1；

39、；

40、；

41、；

42、；

43、；

44、对历史位置数据进行比较，得到位置数据最大值wwmax和位置数据最小值wwmin；

45、对历史位置数据和历史干燥指数zh1进行计算，得到归一化坡度vs1和归一化海平面高度vg1；

46、；

47、；

48、对历史设备数据进行比较，得到设备数据最大值wpmax和设备数据最小值wpmin；

49、对历史设备数据和历史干燥指数zh1进行计算，得到归一化设备硬度vq1、归一化设备耐热指标vc1、归一化设备温度vw1；

50、；

51、；

52、；

53、将归一化环境温度vt1、归一化环境湿度vu1、归一化环境风速vv1、归一化环境大气压力vp1、归一化降雨量vl1、归一化坡度vs1、归一化海平面高度vg1、归一化设备硬度vq1、归一化设备耐热指标vc1和归一化设备温度vw1，记作归一化预估参数。

54、进一步地，所述步骤 s32的工作流程如下：

55、对归一化预估参数进行计算，得到预估参数系数；

56、计算过程如下：

57、对归一化环境温度vt1、归一化环境湿度vu1、归一化环境风速vv1、归一化环境大气压力vp1、归一化降雨量vl1和历史干燥指数zh1进行计算，得到环境温度系数、环境湿度系数、环境风速系数、环境大气压力系数和降雨量系数；

58、；

59、；

60、；

61、；

62、；

63、对归一化坡度vs1、归一化海平面高度vg1和历史干燥指数zh1进行计算，得到坡度系数和海平面高度系数；

64、；

65、；

66、对归一化设备硬度vq1、归一化设备耐热指标vc1、归一化设备温度vw1和历史干燥指数zh1进行计算，得到设备硬度系数、设备耐热指标系数和设备温度系数；

67、；

68、；

69、；

70、将环境温度系数、环境湿度系数、环境风速系数、环境大气压力系数、降雨量系数、坡度系数、海平面高度系数、设备硬度系数、设备耐热指标系数和设备温度系数，记作预估参数系数，进入步骤s33。

71、进一步地，所述步骤s33的工作流程如下：

72、对归一化环境温度vt1、归一化环境湿度vu1、归一化环境风速vv1、归一化环境大气压力vp1、归一化降雨量vl1、环境温度系数、环境湿度系数、环境风速系数、环境大气压力系数和降雨量系数进行计算，得到环境参数;

73、；

74、对归一化坡度vs1、归一化海平面高度vg1、坡度系数和海平面高度系数进行计算，得到位置参数；

75、对归一化设备硬度vq1、归一化设备耐热指标vc1、归一化设备温度vw1、设备硬度系数、设备耐热指标系数和设备温度系数进行计算，得到设备参数，进入步骤s34；

76、。

77、进一步地，所述的步骤s34工作流程如下：

78、对环境数据zn1、位置数据zn2和设备数据zn3进行比较，得到最大值znmax和最小值znmin；

79、对环境数据zn1、位置数据zn2、设备数据zn3和检验干燥指数zh3

80、进行计算，得到归一化环境数据zc1、归一化位置数据zc2和归一化设备数据zc3；

81、；

82、；

83、；

84、对环境参数、位置参数和设备参数进行计算，得到检验干燥指标zh3；

85、zh3=zn1+zn2+zn3；

86、根据时间段，对环境数据zc1、位置数据zc2和设备数据zc2进行划分，分为第一预估参数组、第二预估参数组、第三预估参数组、第四预估参数组；

87、第一预估参数组：zc11、zc21、zc31；

88、第二预估参数组：zc12、zc22、zc32；

89、第三预估参数组：zc13、zc23、zc33；

90、第四预估参数组：zc14、zc24、zc34；

91、利用建模工具，对第一预估参数组、第二预估参数组、第三预估参数组、第四预估参数组进行计算，得到预测模型；

92、根据划分比例，对第一预估参数组、第二预估参数组、第三预估参数组、第四预估参数组进行划分，得到训练集和测试集；

93、利用python语言中的scikit-learn库，对训练集和数据集进行计算，得到预测模型；

94、利用高速计算硬件和预测模型，对预测数据进行计算，得到当前干燥度指标zh2；

95、当前干燥度指标zh2包括：第一干燥度指数参数组、第二干燥度指数参数组、第三干燥度指数参数组和第四干燥度指数参数组；进入步骤s4。

96、进一步地，所述步骤s4工作流程如下：

97、对历史干燥度指标zh3进行数据探索，得到数据特性和数据假设；

98、根据数据特性和数据假设，对当前干燥度指标zh2进行统计分析，得到当前干燥度指标zh2分布情况；

99、根据特征筛选规则，对当前干燥度指标zh2进行筛选，得到干燥参数p1、p2和p3；

100、第一干燥度指数参数组、第二干燥度指数参数组、第三干燥度指数参数组以及第四干燥度指数参数组中的参数分别和阈值c进行比较；

101、特征筛选规则如下：

102、若预估参数小于阈值c，则对对应的预估参数进行筛选；

103、若预估参数大于阈值c，则选择对应的预估参数作为干燥参数p1、p2和p3；

104、根据干燥参数p1、干燥参数p2、干燥参数p3和当前干燥度指标zh2分布区间，得到干燥择优区间；

105、根据干燥参数p1、干燥参数p2、干燥参数p3和当前干燥度指标zh2分布区间，得到干燥择优区间；

106、干燥择优区间划分如下：

107、若干燥度指标为：干燥参数p1、干燥参数p2、干燥参数p3分布情况如下：

108、45<p1<155；20<p2<30；2<p3<3;

109、无需对风力发电设备进行干燥处理；

110、若干燥度指标为：干燥参数p1、干燥参数p2、干燥参数p3分布情况如下：

111、p1>45；p2<2；p3<20；

112、需要对风力发电设备进行初步干燥处理；

113、若干燥指标情况为：当干燥参数p1、干燥参数p2、干燥参数p3分布情况如下：

114、p1<45；p2>3；p3>30；

115、需要对风力发电设备进行深度干燥处理；

116、若干燥指标情况为：当干燥参数p1、干燥参数p2、干燥参数p3分布不满足无需干燥、初步干燥和深度干燥的情况下，需要进行特殊干燥。

117、一种风力发电设备用干燥装置，所述干燥装置具体如下：

118、采集模块：采集风力发电设备的所有环境数据和设备数据包括环境温度、环境湿度、环境风速、环境大气压力、降雨量、坡度、海平面高度、设备硬度、设备耐热指标和设备温度，记作预测数据传递给计算模块；

119、提取模块：根据判断部件位置，在历史数据中提取出对应的部件数据，得到环境温度qt1、环境湿度qu1、环境风速qv1、环境大气压力qp1、降雨量ql1、坡度qs1、海平面高度qg1、设备硬度qq1、设备耐热指标qc1，设备温度qw1和历史干燥度指标zh1，作为预估参数发送至第一计算模块至第四计算模块；

120、第一计算模块：对预估参数进行组合并进行最大最小-归一化计算，得到归一化预估参数；

121、对归一化预估参数进行组合，得到环境数据、环境参数、位置数据；

122、第二计算模块：对归一化预估参数进行计算，得到对应的预估参数系数；

123、第三计算模块：对归一化预估参数和预估参数系数进行计算，得到环境参数、位置参数和设备参数；

124、第四计算模块：对环境参数、位置参数和设备参数进行计算，得到检验干燥度指标zh3；

125、根据决策树模型：对环境数据、环境参数、位置数据、位置参数、设备数据、设备参数和检验干燥度指标zh3进行计算，得到预测模型，根据预测模型对预测数据进行计算，得到当前设备干燥度指标zh2；

126、干燥择优模块：对检验干燥度指标zh3进行数据探索，得到数据特性和数据假设；根据数据特性和数据假设，对当前干燥度指标zh2进行统计分析，得到干燥方法择优区间。

127、与现有技术相比，本发明的有益效果是：

128、采集智能化，利用传感器和地理系统对于风力发电设备的环境因素和位置因素进行快速获取，提高了数据获取的速度，减少对于人工操作和检查的依赖。

129、干燥方法择优选择，根据采集到的环境因素和位置因素，结合预测模型进行计算，预测当前风力发电设备的干燥度指标，根据当前的干燥度指标对干燥方法进行择优选择。

130、实现系统化，对于数据的采集、模型的建立和干燥方法的择优整个过程形成一个完整的系统，能够快速高效的实现对于干燥方法的确定，能够更加有效的对于风力发电设备进行保护。