一种海上风塔倾斜变形预测方法及系统与流程

本发明涉及海上风塔监测，具体为一种海上风塔倾斜变形预测方法及系统。

背景技术：

1、风电是一种开发成本低，可大规模开发的可再生能源，随着我国经济和科技的快速发展，我国的风电机组数量和规模正在快速增长。风电场一般都设立在远离人烟的山谷或海上，海上风电和陆上风电相比，其基础和塔筒不仅需要承受自身重力、风推力、叶轮扭力及复杂多变负荷的影响，还需面对恶劣的海洋环境（如盐雾腐蚀、海浪载荷、海冰冲撞、台风等因素）的影响，这些因素往往会导致风电塔筒的倾斜，进而影响风力发电机的性能和寿命。

2、风电塔筒基本都处于无人值守的状态，无法做到实时监测，当出现安全问题时也不能第一时间通知到管理人员进行维修工作，且风电塔筒的设备运行状况通过安排定期人工巡检来进行设备维护，这样做会消耗大量的人力和财力。但风电塔筒严重倾斜或变形会增加塔筒倒塌的风险。

3、在现有技术中也存在利用深度学习的方法对风塔倾斜进行预测，但是由于海上情况复杂，会存在一些特殊情况下影响风塔倾斜，而这些特殊情况的发生的频率较低，导致获取的样本数量较少，这就是使得无法利用深度学习进行预测，或者导致训练的模型不够精准，使得风塔倾斜的预测度较低。

4、因此，需要对风电塔筒的倾斜、变形状态进行更高精度的监测和预测。

技术实现思路

1、本发明的目的在于提供一种海上风塔倾斜变形预测方法及系统，利用机理模型生成较 粗的训练数据进行预训练, 当模型达到较为稳定的状态后再基于少量的高精度真实样本进行精训练，得到更为精准的倾斜预测模型。

2、为了解决上述技术问题，本发明提供如下技术方案：

3、一种海上风塔倾斜变形预测方法，其步骤包括：

4、确定海上风塔倾斜变形影响因子并获取海上风塔倾斜变形影响因子预测数据；

5、实时采集倾角传感器数据并进行分析，确定待机状态下塔基倾角大小和变化趋势是否超出设定阈值来实现风塔倾斜的监测，获取海上风塔倾斜变形影响因子数据；对倾角传感器数据进行分析的技术属于现有技术，在此不做详细介绍；

6、建立物理预测模型，基于海上风塔倾斜变形影响因子预测数据通过物理预测模型实现风塔倾斜初步预测，并基于风塔倾斜初步预测结果确定预训练集和预验证集；

7、基于预训练集和预验证集利用贝叶斯卷积神经网络进行训练得到倾斜预测模型，通过倾斜预测模型实现对海上风塔倾斜预测。

8、根据上述技术方案，所述海上风塔倾斜变形影响因子包括风塔倾斜方向与平均风向的夹角、风速大小、海浪数据。风向也是影响海上风塔倾斜的重要的影响因子之一，风向不同对风塔倾斜的影响程度也是不同的，因此将风塔倾斜方向与平均风向的夹角作为海上风塔倾斜变形影响因子。

9、根据上述技术方案，所述物理预测模型：

10、；

11、式中，y表示倾斜度，表示风塔倾斜方向与平均风向的夹角，p为风载荷与海浪载荷的耦合值，a、b、c为待定系数、t表示风塔倾斜变形影响因子作用的时间。

12、根据上述技术方案，风载荷与海浪载荷的耦合计算步骤包括：

13、确定风速和海浪有效波高的关系：，表示脉动风；表示海浪有效波高，将风荷载视为静力风(平均风)与动力风(脉动风)，在机理模型中考虑到了风载荷和波浪载荷的关系，能够使机理模型更贴合实际。

14、基于风速和海浪有效波高的关系利用morison方程计算风塔受到的总的波浪水动力载荷，所述总的波浪水动力载荷也可以称为所述海浪载荷；根据morison方程，单位高度上的波浪水动力载荷表述为：

15、；

16、其中，表示海水的密度，表示阻力系数，表示惯性力系数，表示海水的水平流速，表示海水的水平加速度，表示支撑结构管径；

17、根据海浪有效波高和单位高度上的波浪水动力载荷确定波浪水动力总载荷；海浪载荷是由海浪与海上风塔支撑结构的相互作用引起的载荷；

18、所述风载荷为塔筒所受的风载荷、机舱所受风载荷和叶片整体所受风载荷之和；

19、基于所述风载荷和所述海浪载荷利用权重进行耦合，得到p。

20、由于海上情况复杂，不同的海风情况和海浪情况下，风载荷和海浪载荷对风塔倾斜的影响程度的占比是不同的，因此可以根据历史获取的是数据对相似场景下的风载荷和海浪载荷对风塔倾斜的影响程度的占比进行计算，从而确定风载荷和海浪载荷的权重；

21、；

22、其中，表示风载荷的权重占比，表示海浪载荷的权重占比。

23、根据上述技术方案，基于海上风塔倾斜变形影响因子预测数据及其海上风塔倾斜变形影响因子作用于风塔的时间，利用物理预测模型进行风塔倾斜初步预测，并根据海上风塔倾斜变形影响因子预测数据及其对应的初步预测的数值构建预训练集合；将预训练集合划分预训练集和预验证集。

24、根据上述技术方案，所述倾斜预测模型构建步骤：

25、获取历史海上风塔倾斜变形影响因子信息及其对应的倾斜数据构建精验证集；

26、基于预训练集利用贝叶斯卷积神经网络训练粗倾斜预测模型；基于预验证集对粗倾斜预测模型进行修正调节；

27、基于精验证集对训练的粗倾斜预测模型进行修正调整，得到倾斜预测模型，其中，将决定系数、均方根误差和克林-古普塔效率系数作为判别标准，判断倾斜预测模型或者粗倾斜预测模型是否满足预报精度，若不满足预报精度则继续训练优化调整倾斜预测模型或者粗倾斜预测模型直至满足预报精度。

28、根据上述技术方案，在生成每个所述海上风塔倾斜预测值时，按概率随机丢弃已训练好的所述倾斜预测模型的部分神经元，再基于余下神经元获得一个海上风塔倾斜预测值。

29、根据上述技术方案，所述海上风塔倾斜变形影响因子预测数据中的风塔倾斜方向与平均风向的夹角、风速大小、海浪数据是通过对海上风浪的预测得到的。

30、一种海上风塔倾斜变形预测系统，包括：

31、影响因子获取模块，用于确定海上风塔倾斜变形影响因子并获取海上风塔倾斜变形影响因子预测数据；

32、传感器数据获取模块，实时采集倾角传感器数据并进行分析，确定待机状态下塔基倾角大小和变化趋势是否超出设定阈值来实现风塔倾斜的监测，获取海上风塔倾斜变形影响因子信息；

33、机理模型建立模块，建立物理预测模型，基于海上风塔倾斜变形影响因子预测数据通过物理预测模型实现风塔倾斜初步预测，海上风塔倾斜变形影响因子预测数据，并基于风塔倾斜初步预测结果确定预训练集和预验证集；

34、倾斜预测模块，基于预训练集和预验证集利用贝叶斯卷积神经网络进行训练得到倾斜预测模型，通过倾斜预测模型实现对海上风塔倾斜预测。

35、与现有技术相比，本发明所达到的有益效果是：本发明利用机理模型生成较 粗的训练数据进行预训练, 当模型达到较为稳定的状态后再基于少量的高精度真实样本进行精训练，得到更为精准的倾斜预测模型，针对一些观测数据较少的特殊情况，也能够利用深度学习的方法对进行风塔倾斜进行预测，一定程度上也提高了风塔倾斜预测的准确度。