一种基于网络测度概率模型的海上风电结构动态性能追踪方法、介质以及设备

技术领域

本发明属于结构状态监测技术领域，尤其是涉及一种基于网络测度概率模型的海上风电结构动态性能追踪方法、介质以及设备。

背景技术

在复杂的海洋环境中，由高频振动、冲刷和腐蚀引起的海上风力涡轮机结构损坏可能导致整体结构退化，合理利用海上风电塔筒和基础结构的振动响应指标实时评价结构健康状态可为风机的运维提供准确指导，有效降低海上风电场维护费用。

传统的风电结构健康状态监测方法通常为：通过应力监测来评价结构是否进入损伤状态，但有限的应力测点难以代表风机整体动力特性；通过单一传感器测量或相邻传感器的差值的时间序列模型和专家评分形式确定响应阈值和参与权重，但存在评价指标孤立和主观性过强的缺点，忽略了各传感器的相互联系，且评价流程是一种准静态的，无法适应结构的时变特性。因此，实现对结构动态性能的实时追踪，在海工结构领域具有重大意义。

发明内容

本发明的第一个目的在于，针对现有技术中存在的不足，提供一种基于网络测度概率模型的海上风电结构动态性能追踪方法。

为此，本发明的上述目的通过如下技术方案实现：

S1、基于海上环境条件分类的单指标评价

在不同平均风速下对环境条件进行聚类分析，形成多个子库。来自未受损结构的响应被定义为参考子数据库，来自待评价结构的响应被定义为待评价子数据库。待评价的子数据库与参考子数据库中相同平均风速段对应的响应相匹配。由大数定理可知，引用的子数据库中样本均值服从高斯分布，通过区间关联度理论，可以计算出评估的区间与各个健康水平区间的关联度；

S2、基于风电结构动力响应信息熵的网络测度概率模型

为得到各单项指标的权重，基于海上风电结构动态变化的响应信号，提出了基于不同指标的熵权值的网络测度概率模型，计算各个指标的相关性；

S3、海上风电结构动态性能评估

基于各单项指标的评价结果和各指标的参与权重，得到最终的健康水平关联度，根据关联度的数值大小判断结构动态性能状况。

在采用上述技术方案的同时，本发明还可以采用或者组合采用如下技术方案：

作为本发明的一种优选技术方案：所述步骤S1具体地包括：

将各段风速对应的振动响应聚类到同一子数据库

/>

式中，C为等区间分类方法，x

为了监测响应的变化，将未受损和待评价结构的数据形成合理的子组x

x

对每个子组x

进一步计算未损伤结构对应的平均数据序列，得到其平均值

然后，计算出待评价结构的

然后，对

将X

区间关联度k(Xi)可表示为：

其中，ρ(X

最终，可以得出单项指标评判结果下与四种健康区间的关联度。

作为本发明的一种优选技术方案：所述步骤S2具体地包括：

利用风电结构的动力响应信号信息熵确定两种不同指标数据的相对权重，计算出第l个样本在第i个指标下的权重的概率值u

其中，x

相应的，信息熵值E

至此，可以得到指标e

设网络层簇为C

通过特征值法求得特征向量

判断矩阵表示为：

类似地，依次得到每个簇内判断矩阵和簇间判断矩阵，得到未加权的超级矩阵W

该超级矩阵W

通过对不同簇的累加信息熵，得到不同簇之间的相对权重；一个簇相对于另一个簇的总熵值Sp可以计算为：

权重矩阵表示为：

加权后的超级矩阵可被表示为：

对每个加权的超级矩阵求极限，每个元素的最终权值可被表示为：

作为本发明的一种优选技术方案：所述步骤S3具体地包括：

结合步骤S1和步骤S2，求得综合区间关联度K

其中，k(Xi)为区间关联度，W

四中关联度中最大值为关联性最强的区间，随着时间发展，关联性最强区间的关联值的变化趋势可以评判结构动态性能的变化趋势。

本发明针对海上风机所处复杂海洋风场环境，首次提出基于网络测度概率模型的海上风电结构动态性能追踪方法，基于海上风电结构动态变化的响应信号，建立了待评估结构实测响应的概率分布区间与各个健康水平区间的关系，模型引入了各传感器间和各测量方向间响应的相互影响，解决了传统方法评价指标孤立、无法进行动态性能追踪的问题，能够准确得到海上风电结构整体的动态性能状况以及发展趋势，并对不同部位的动态性能做出评判，与现有技术相比，具有如下有益效果：

(1)、根据环境条件聚类后的动态变化的动力响应信号，建立了评估结构的概率分布与各个健康水平区间的关系，可以区分单一指标下评判下结构动态性能的变化趋势，有助于识别异常数据的位置和方向。

(2)、依据步骤S1获取的单一指标，首次提出基于信息熵的网络测度概率模型，引入了各单项指标间的相互影响，动态获取各指标参与权重，传统的网络层次模型采用德尔菲法来判断各指标的相对重要性，通常采用1-9量表法，最终的加权结果往往受到主观因素的影响。

(3)、依据步骤S1和步骤S2，将单项指标的概率区间评价结果与各指标的参与权重相结合，可以在不提前获得结构所有损伤状态的情况下，得到待评价结构的动态性能状态，并评判整体结构动态性能的发展趋势。

附图说明

图1本发明所提供的方法的数据来源的示意。

图2为网络测度模型的图示。

图3为实测风电结构动态性能评估柱状图，其中：(a)本发明，(b)传统技术。

图4为本发明所提供的方法实测风电结构动态性能追踪时序图。

具体实施方式：

S1、基于海上环境条件分类的单指标评价

在不同平均风速下对环境条件进行聚类分析，形成多个子库。来自未受损结构的响应被定义为参考子数据库，来自待评价结构的响应被定义为待评价子数据库。待评价的子数据库与参考子数据库中相同平均风速段对应的响应相匹配。由大数定理可知，引用的子数据库中样本均值服从高斯分布，通过区间关联度理论，可以计算出评估的区间与各个健康水平区间的关联度；

具体地，步骤S1包括如下步骤：

针对不同环境下引起的振动，进行了不同平均风速下的工况分类。获得健康状态和待评价状态下的风速数据并根据时间序列分割为多个子段y，每段包含10分钟时间，y

y＝[y

然后计算各段风速的平均值，即：

其中N

根据健康状态下平均风速的极差和预定风速范围Δv计算平均风速等级η，即：

根据各段平均风速所在的风速等级区间，将同一区间内各段风速对应的振动响应聚类到同一子数据库

其中C为聚类识别方法，x

将不同平均风速段对应的振动响应放入不同的子数据库中，随着时间的推移，每个子数据库的数据量会越来越大。因此，基于长期数据的概率统计模型可以应用于海上风电结构的健康评估，如果待评价数据偏离了参考数据库的基线，可以判断待评价的振动响应是由结构在区别健康状态下的另一种状态生成的。

海上风电结构的数据监测在安装后的早期阶段被认为是健康的。因此，形成的子数据段分为两种类型：未受损的结构(基线数据，通常是在早期阶段)和待评价的结构(待评价的数据，通常是实时的)。为了监测响应的变化，将未受损和待评价结构的数据形成合理的子组x

x

对每个子组x

进一步计算未损伤结构对应的平均数据序列，得到其平均值

然后对

根据Puta准则，区间的上限为3σ，选择一个健康区间[0,1.5σ]，以保证较低的误报率，并进行归一化和区间划分，得到不同的健康等级区间，即：健康区间(0,1.5σ)；亚健康(1.5σ,2σ)；轻度异常(2σ,2.5σ)；异常(2.5σ,3σ)。它符合离群值相对于健康数据的分布特征，其中损伤程度越高，发生的概率越低。

将X

区间关联度k(Xi)可表示为：

其中ρ(X

最终，可以得出单项指标评判结果下与四种健康区间的关联度。

S2、基于风电结构动力响应信息熵的网络测度概率模型

为得到各单项指标的权重，基于海上风电结构动态变化的响应信号，提出了基于不同指标的熵权值的网络测度概率模型，计算各个指标的相关性；

具体地，步骤S2包括如下步骤：

利用风电结构的动力响应信号信息熵确定两种不同指标数据的相对权重。计算出第l个样本在第i个指标下的权重的概率值u

其中，x

相应的，信息熵值E

至此，可以得到指标e

设网络层簇为C

类似地，依次得到每个簇内判断矩阵和簇间判断矩阵，得到未加权的超级矩阵W

该超级矩阵由网络层各元素相互比较后的权重的特征向量组成，每个元素都是一个列和等于1的矩阵，但Ws不是一个归一化矩阵，需要通过获取簇的权值来对Ws中的元素进行加权，从而得到一个加权的超级矩阵。通过对不同簇的累加信息熵，得到不同簇之间的相对权重。一个簇相对于另一个簇的总熵值Sp可以计算为：

进一步地，权重矩阵可被表示为：

随后，加权的超级矩阵可被表示为：

随后，对每个加权的超级矩阵求极限，每个元素的最终权值可被表示为：

S3、海上风电结构动态性能评估

基于各单项指标的评价结果和各指标的参与权重，得到最终的健康水平关联度，根据关联度的数值大小判断结构动态性能状况；

具体地，步骤S3包括如下步骤：

结合步骤S1和步骤S2，可求得综合区间关联度K

四中关联度中最大值为关联性最强的区间，随着时间发展，关联性最强区间的关联值的变化趋势可以评判结构动态性能的变化趋势。

下面结合附图和具体实例对本发明作进一步详细的说明。

模型信息：

现以某正常服役的4MW单桩式海上风电结构为例进行说明，以证明评估方法的可行性。实测数据来自中国江苏省如东县某4MW单桩海上风电结构上的振动监测设备(5个加速度传感器和2个倾角传感器)和环境监测设备(2个风速风向传感器)，倾角传感器位于基础顶的和塔顶的位置，如图1所示。

计算结果：

以施工后10个月的监测数据作为参考数据库，根据平均10分钟风速差0.2m/s的区间段对风速数据进行聚类，与风速风向对应的倾角响应也进行聚类，形成参考子数据库。计算各个单指标的待评价区间与各健康区间的关联度，进一步，可以计算得到各指标权重，网络测度模型示意图如图2所示。考虑各指标权重与区间关联度，最终得到区间相关性，所述方法表明待评价结构处于健康状态，与结构的正常服役状态一致。

计算各个单指标的待评价区间与各健康区间的关联度，计算结果如图3中(a)所示。各指标对结构的评价结果一致，结合基于改进网络测度概率模型计算得到的权重得到最终的区间相关性，黑色箭头所指位置标明关联度最大，表明待评价结构处于健康状态。同时，与传统技术的评价结果(如图3中(b)所示)相比，评价指标的虚假警告数明显减少。

如图4所示，随着时间的发展，方法可以近乎实时评价结构动态性能，可对单桩式海上风电结构的动态性能进行在线监测，此外通过长期的时间序列观察各区间关联值的变化，评价结果可以反应结构动态性能的变化趋势。

上述具体实施方式用来解释说明本发明，仅为本发明的优选实施例，而不是对本发明进行限制，在本发明的精神和权利要求的保护范围内，对本发明做出的任何修改、等同替换、改进等，都落入本发明的保护范围。