[發明專利]一種風電機組疲勞壽命的快速預測的方法

在審

• 申請號: 202010078646.7
• 申請日: 2020-02-03
• 公開（公告）號: CN111291514A
• 公開（公告）日: 2020-06-16
• 發明（設計）人: 劉永前;陶濤;趙星宇;韓爽;李莉;閻潔;孟航;馬遠馳
• 申請（專利權）人: 華北電力大學
• 主分類號: G06F30/23
• 分類號: G06F30/23;G06F30/27;G06N20/00;G06F119/04
• 代理公司: 北京眾合誠成知識產權代理有限公司 11246
• 代理人: 黃家俊

1.一種風電機組疲勞壽命的快速預測方法，該方法將風電機組的疲勞損傷與機器學習相耦合，其特征在于，包括以下步驟：

步驟S1：基于離散風電機組部件可能面臨的風參數條件，構建在不同風參數條件下機組部件每分鐘疲勞損傷的數據庫；

步驟S2：通過LightGBM機器學習模型，建立空氣密度、風切變、入流角、平均風速、湍流強度這些風參數與每分鐘疲勞損傷量之間的非線性映射關系；

步驟S3：將風電機組SCADA數據中的風參數數據或測風塔數據輸入至步驟2中所訓練好的LightGBM模型中，得到風電機組部件的疲勞損傷時間序列數據，根據Miner疲勞損傷累計理論計算得到機組部件的疲勞壽命。

2.根據權利要求1所述的一種風電機組疲勞壽命的快速預測方法，其特征在于，其中，步驟S1進一步包括如下子步驟：

子步驟S11：將輪轂高度處空氣密度、風切變、入流角、平均風速、湍流強度這些風參數分別離散成多個取值，每個空氣密度、風切變、入流角、平均風速、湍流強度的組合構成一個風電機組來流條件，共離散成n個來流條件；湍流強度按照IEC61400-1標準中的正常湍流模型得到，將平均風速和參考湍流代入公式(1)中，得到平均風速和參考湍流對應的湍流強度值，

式(1)中，I_ref為參考湍流強度，V_hub為輪轂高度處平均風速，I_real為平均風速V_hub和參考湍流對應的I_ref對應的湍流強度值，b為計算系數；

子步驟S12：使用GH Bladed軟件對風電機組部件進行動力學建模仿真，對機組部件分別設置如子步驟S11所述的n個來流條件，得到n段在不同來流條件下風電機組部件每分鐘載荷的時間序列數據；

子步驟S13：使用有限元分析軟件對機組部件進行有限元分析，得到機組部件在不同方向上的單位載荷作用下的節點應力，并制成節點應力表；

子步驟S14：將子步驟S12中得到的n段載荷時序數據與子步驟S13中制成的節點應力表進行矩陣相乘，求得各方向的正應力及切應力，利用公式(2)計算得到風電機組部件在每分鐘內的等效應力時間序列數據；

式(2)中，為等效應力，σ_x、σ_y、σ_y為分別為各方向的正應力，τ_xy、τ_yz、τ_zx分別為各方向切應力；

子步驟S15：使用雨流計數法對子步驟S15中得到的等效應力時序數據進行雨流計數，得到各應力幅及其對應循環次數；

子步驟S16：根據風電機組部件的S-N曲線，得到各應力幅對應的許用循環次數，根據公式(3)計算得到部件在每分鐘內的總疲勞損傷量，

式(3)中，D為每分鐘內總疲勞損傷，m為雨流計數法得到的應力幅個數，n_i為第i個應力幅對應的循環次數，N_i根據S-N曲線得到的第i個應力幅對應的許用循環次數。

3.根據權利要求2所述的一種風電機組疲勞壽命的快速預測方法，其特征在于，其中，步驟S2進一步包括如下子步驟：

子步驟S21：對步驟1中得到的風電機組部件每分鐘疲勞損傷數據集順序進行隨機打亂；

子步驟S22：將子步驟S21中隨機打亂后的數據按照a:b:c的比例切分成訓練集、驗證集、測試集；其中訓練集用于擬合模型以及確定模型權重；驗證集用于確定網絡結構以及調整模型超參數；測試集用于檢驗模型泛化能力以及是否過擬合；

子步驟S23：利用Python編程語言構建LightGBM模型，并在此基礎上加入Hyperopt方法進行LightGBM模型參數的自動調優；

子步驟S24：將子步驟S22中確定的訓練集及驗證集樣本輸入至S23中已搭建好的LightGBM模型中，通過多次迭代訓練實現模型權重參數的確定以及超參數的自動調整；

子步驟S25：將子步驟S22中確定的測試集輸入至子步驟S24中已訓練好的模型，得到預測結果；分別計算預測值與實際值的誤差對比參數MAE、RMSE、MRE，如式(4)、(5)、(6)所示，

MAE＝max(|f(x_i)-y_i|) (4)

式(4)、(5)、(6)中，i為樣本編號，N為樣本總數，f(x_i)為樣本疲勞損傷預測值，y_i為樣本疲勞損傷仿真值。