一种风力机及风电场数字镜像模拟展示系统

技术领域

本发明涉及风力发电领域，尤其涉及一种风力机及风电场数字镜像模拟展示系统。

背景技术

数字孪生作为新兴的技术手段，可以实现在真正生产之前，发现问题并解决问题，实现虚拟样机验证，更有利于技术发展。数字孪生是充分利用物理模型、传感器更新、运行历史等数据，集成多学科、多物理量、多尺度、多概率的仿真过程，在虚拟空间中完成映射，从而反映相对应的实体装备的全生命周期过程。

数字孪生是一个技术体系，旨在为物理系统创造一个表达其所有知识的集合体或数字模型(也称为数字孪生体)。通过实时监测系统状态，动态更新数字模型，能够提升数字孪生体的诊断、评估与预测能力；同时在线优化实际系统的操作、运行与维护，减少结构设计冗余、避免频繁的周期性检修与维护并保证系统的安全性。

数字孪生可以集合分析风机设备的设计、制造和运行的数据，并将其注入全新的设备设计模型中，使设计不断迭代优化。有了数字孪生，在前期就可以识别异常功能，从而在没有生产的时候，就以消除设备缺陷，提高质量。

全球估计有216,000台风力机发电组在运行，每年约有3,8000起风力机机组故障事件。研究表明，预防性维护成本比被动维护低25％，而预测性维护成本则低47％。

对于风电行业，数字双胞胎的价值在于使用数据来了解风力机或整个风场的健康状况。因此，如何利用数字双胞胎预测以提供设备部件的剩余使用寿命，将计划外的维护转变为计划内的活动，辅助制定维护计划，最大程度地减少风机停机时间，提效降本。如何改善运维和可靠性，优化控制，提高整场年发电量。如何在前期规划设计阶段，定制化多种不同的风力机配置，以确保风电场合适位置建造最佳的风力机。如何在风电场投运后，从实际运行中收集和分析数据，并提供运维建议以使其更加高效。以及如何尽可能高的精度模拟整个风力发电场的真实场景，降低从风力机设计到退役的整个生命周期成本，为验证风力机设计质量提供更为完善的手段是亟需解决的问题。

发明内容

本发明的目的是提供一种风力机及风电场数字镜像模拟展示系统，将描述风力机及风电场运行物理原理的数学模型与在实际运行过程中从实际资产中收集和处理的传感器数据结合在一起，使用传感器，大数据分析以及先进的可视化和分析工具来构建用于预防性和预测性维护的数字平台，以实时了解风力发电机的行为和状况，并且够预测故障并计划维护，从而减少维护成本和停机时间。

本发明提供了一种风力机及风电场数字镜像模拟展示系统，包括：

叶片状态监测及预测模块，用于基于风机叶轮声光监测和叶片震动变形监测，关联声学信号与叶轮塔筒运行状态，实时监测叶轮及其转动部件的运行状态，通过数值计算模型、故障诊断及预警模型，进行在线监测和数据分析，发出故障预警信息；

塔筒振动监测及应力分析预测模块，用于通过在塔筒相应位置安装位移或速度传感器，监测塔筒的振动幅度与频率，结合应力模态计算分析结果，预测塔筒的累积疲劳水平，发出故障预警信息；

机组动态尾流模拟展示模块，用于通过高精度仿真和3D虚拟现实展示风电场的尾流干扰风机受力运行工况；

自适应优化控制模块，用于通过优化全场尾流流场分布，降低风电场内尾流造成的总体负面影响，提升全场发电量并降低总体疲劳载荷水平，基于监测到的机组运行数据，实时调整偏航系统的控制方式和机组控制方式，以降低机组的设备震动状况。

进一步地，所述叶片状态监测及预测模块用于风机叶轮声光监测和叶片震动变形监测；

所述风机叶轮声光监测包括：

通过在叶片及塔筒相应位置安装的声学和视频传感器，进行叶片外形及外层结构的监测，对采集到的叶片工作过程中的声音信号进行特征值提取，从时域、能量谱、功率谱角度进行分析，将监测的叶片声音信号与完好叶片的声音信号进行比较，通过分析声音信号能够辨别出叶片是否损伤，进行叶片监测和预警；

所述叶片震动变形监测包括图像监测及叶片载荷监测，所述图像监测包括：通过摄像监测设备采集叶轮与机舱交界处的图像，对采集到的图像进行二值化、边缘检测预处理，通过视觉测距原理对叶片上点进行定位，对叶片边缘点间的相对位置与初始静止状态下叶片对应点的相对位置进行比较，继而对叶片的变形进行分析，计算塔筒和叶片之间的净空距；

所述叶片载荷监测包括：通过安装于叶片应力集中的关键位置的应变片，持续监控叶片负载和振动情况，以检测叶片的损坏情况。

进一步地，所述叶片状态监测及预测模块还用于叶片应力模拟分析预测，叶片表面磨损模拟，以及气动噪声模拟；

所述叶片应力模拟分析预测包括：

基于叶片设计参数和材料性质属性，建立叶片三维模型；

采用有限元方法分析叶片应力，分析各种风速环境条件下叶片在不同仿真参数下的应力、应变，包括疲劳损坏累加；

提取应力模拟结果数据，将应力模拟结果与实时监测数据建立对应查询关系，运行过程中数据按天或小时间隔显示；

以生命周期内模拟结果和预测风速、应力建立关联关系，以监测的应力变化曲线作为订正，建立关联预测模型，以实际监测风速变量参数为输入条件，预测未来一定时间段内的应变情况，用以指导运行维护；

所述叶片表面磨损模拟包括：

基于叶片设计参数和材料性质属性，建立叶片三维模型；

基于叶片材料属性信息，利用WRF软件提供的风资源预测数据和真实测风数据作为输入条件，利用磨损、侵蚀模型计算叶片运行周期内的叶片的磨损率和磨损程度；

基于模拟结果和环境参数建立关联预测模型，运行过程中，随着时间推移，以实际监测变量参数为输入条件，以累计时间内预测的结果为订正，预测未来半年、一年内磨损速率及磨损程度，用以指导运行维护；

所述气动噪声模拟包括：

建立机组的三维模型，包括塔架、机舱、叶片；

利用噪声模型，模拟各种风况下的完整叶片旋转状态的噪声，及叶片静止状态下的监测位置的噪声水平；

模拟不同叶片损坏状态下的噪声，包括单叶片、多叶片开裂、不同磨损叶片，极寒天气区域风电场模拟不同叶片结冰状态下的噪声；

将模拟数据与实测数据对比验证，更新订正模拟结果；

根据形状、风速等状况与噪声水平对应关系建立叶片噪声与故障信息库。

进一步地，所述塔筒振动监测及应力分析预测模块具体用于塔筒振动监测、叶根载荷监测，以及塔筒应力分析预测；

所述塔筒振动监测包括：

在塔筒的顶端和中部同时安装倾角传感器，并在顶端安装2轴加速度传感器检测加速度的方向和大小以修正倾角值，并对测量值进行补偿，得到相对真实的值；

在塔筒顶部安装低频加速度传感器，连续监测塔筒的晃动，并采用积分算法获取塔筒的动态变形位移；

塔筒的倾角传感器和加速度传感器成对安装，同步采样，共同分析获得塔筒的静态、准静态和动态变形量；

所述叶根载荷监测包括：

在每组叶片在叶根布置6个应变传感器，分别对风机叶根摆振方向的弯矩、挥舞方向的弯矩、叶根的扭矩进行监测；其中两对应变传感器分别监测叶片叶根轴向方向的应变，在圆周方向上间隔90°布置，分别测试摆振以及挥舞方向上的应变；剩余两个传感器安装在同一截面位置的圆周切向，间隔180°布置，对荷载作用下扭转应变进行监测；在轮毂内安装信号采集仪，进行信号的采集、预处理，通过无线方式与机舱进行通讯，将信号传输至塔基工控机柜；通过对叶根在荷载作用下的应变进行监测，结合叶根受力特性及应力应变状态分析，得到风力发电机组在各个运行工况下叶片荷载状态；

在进行数据采样前，利用静载标定对叶根弯矩信号进行标定，以确定应变信号与荷载信号之间的关系，并用来验证叶根应力应变状态的数值计算模型以及理论计算模型的准确性；

所述塔筒应力分析预测包括：

1)基于塔筒设计参数和材料属性，建立塔筒应力分析模型；

2)基于给定的风速、湍流输入边界条件，计算分析塔筒的极限载荷、累积疲劳载荷等特性，建立风速湍流和应力载荷关系函数；

3)以风机的实际运行工况下的全时段风速、湍流为输入条件，使用步骤2)的过程，计算分析应力载荷水平，评估累积疲劳载荷水平在全生命周期内的比例，预测剩余寿命。

进一步地，所述机组动态尾流模拟展示模块的尾流模拟展示过程包括：

(1)建立风电场整场模型：

基于实际的风电场物理地形建立数字模型，以风电场中心位置为中心点，以至少20倍的风电场半径为半径建立仿真计算域，考虑气象条件，以风速、风向、湍流为输入条件，模拟风电场典型工况下的尾流干扰；其中输入风速条件，根据气象预测结合实际测风塔数据校验后确定；典型工况涵盖主风向、次风向、极大风速；风向间隔以最大15度为间隔，风速以0.25-0.5m/s为间隔，对于敏感的工况进一步缩小风向和风速间隔；

(2)尾流模拟计算及创建数据库：

根据步骤(1)建立的模型和确定的计算工况进行尾流模拟计算，形成数据库；风力机模型采用虚拟叶片模型，模拟数据后处理，提取计算工况对应的全场风机尾流速度、湍流强度及功率、功率损失；所述数据库数据至少包含两种基本数据，图像、视频格式数据和参数变量点数据集；

(3)基于建立的风电场模型，根据大数据分析的主流风速、风向数据，获取各种统计风况下含有风力机叶片的风场气动特性数据，分析尾迹影响，及尾迹与尾迹间的相互干扰，获取尾迹影响数据及尾迹与尾迹间的相互干扰数据，评估优化各风况下的风机运行调整策略；

(4)展示步骤(2)中计算的模拟数据，以及通过实时状态参量方式展示测风塔、功率预测生产塔数据，风机SCADA监测数据，包括实时的温度、压力等气象数据。

进一步地，步骤(4)中所述展示的方式包括分视角展示，全局和局部多种视角，全局展示整个风电场全部风力机尾迹的尾迹干扰情况，数据以10分钟为周期更新；以模拟烟雾或空气粒子可视化形式展示计算的风机的动态尾流，支持全场3D尾流流场展示，具有VR交互功能；风电场周边环境参照物以实际参照物建立。

进一步地，所述自适应优化控制模块通过预先构建的尾流检测模型，然后通过在线识别的方式进行尾流控制，包括：

首次实施风场风机群控时，对风机发生尾迹影响的情况进行辨识，构建尾流干扰控制模型，分析功率和载荷数据，寻找最优偏航、变桨和变速控制参数；

建立风场模型，将风场实际的测风数据、风机偏航角度数据，输入所建立的风场模型判断尾流影响发生的情况和程度，并对发生尾流影响的数据进行标记；

利用实时发电功率数据和机舱振动数据、CMS系统中的振动数据，以及载荷数据构成的数据集，以及已标记的风机运行状态数据，经过数据清洗、模式聚类，通过大数据构建数据集中的尾流影响辨识模型；

对于检测到尾流干扰严重需要调整的机组，采用基于多回路ESC的控制策略对机组的总功率和载荷进行优化，使受控机组以自寻优的方式实现受控风机子群的发电量最大化和载荷降低的目标。

借由上述方案，通过风力机及风电场数字镜像模拟展示系统，可以模拟展示风力机及风电场运行状态下尾流干扰、重要部件载荷、预测部件寿命，结合最优尾流集群控制策略、风机降噪控制策略，实现风电场全场发电量最优目标，提升整场发电量降低机组载荷，延长机组寿命，提质增效。

上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，并可依照说明书的内容予以实施，以下以本发明的较佳实施例并配合附图详细说明如后。

附图说明

图1是本发明物理模型和数字模型对应构建原理图；

图2是本发明声学及视频传感器安装位置示意图；

图3是本发明传感器安装位置示意图；

图4是本发明叶片根部弯矩信号静载标定示意图；

图5是本发明风场风机群控策略示意图一；

图6是本发明风场风机群控策略示意图二；

图7是本发明图3中四个应变传感器的布置图。

具体实施方式

下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。

本实施例提供了一种风力机及风电场数字镜像模拟展示系统(平台)，该系统包括叶片状态监测及预测模块、塔筒振动监测及应力分析预测模块、机组动态尾流模拟展示模块、自适应优化控制模块等多个部分。

叶片状态监测及预测模块、塔筒振动监测及应力分析预测模块集成风机叶轮声光、风机载荷、塔筒振动、基础、风电场噪声的监测为一体，通过相应的数值计算模型、故障诊断和预警模型，可以实现对机组的叶轮、塔筒和基础的振动、变形、声光，载荷进行一体化在线监测和数据分析，有效发现故障隐患，研判引起叶片噪声、塔筒振动及基础隐患的原因，评价其疲劳寿命和安全性，为风机控制策略优化提供载荷依据，验证优化控制效果。

机组动态尾流模拟展示模块通过高精度仿真技术和3D虚拟现实技术展示展示风电场的尾流干扰风机受力运行工况(时的运行参数，机组的基本状态参数，包括风速、功率、载荷、环境参数变量等。

自适应优化控制模块通过优化全场尾流流场分布，使风电场内尾流造成的总体负面影响降低从而提升全场发电量并降低总体疲劳载荷水平，基于监测到的机组运行数据，实时调整偏航系统的控制方式和机组控制方式，降低机组的设备震动状况，保证机组的安全运行。系统平台实现状态监测和剩余使用寿命(RUL)估算，为风电场开展在役风力发电机组健康评估，对故障分析、安全预警提供技术支持，实现智慧运维，提高经济效益。

通过FAST.Farm/FAST软件，建立风场模型，利用WRF(WRF软件通过vtk文件格式同FAST.Farm软件接口)软件提供的风资源数据和真实测风数据驱动该风机模型得到运行数据，通过可视化软件建立风场的数字孪生模型，使用者可以直观观察到数字孪生中风场尾迹、风机的发电情况、轮毂高度处风速、风机净空裕量、产生的噪声大小和传到塔筒底部的震动情况，对风机的运行和安全情况有直观的认识。此外，系统还以直观数据的形式对风机瞬时功率，叶片、基础等关键部件载荷等实测数据进行实时展示。使用FAST.FARM或SOFWA建立机组群动态尾流模型，通过自适应优化控制系统参与机组功率、载荷分析，支持集群控制策略的优化。物理模型和数字模型对应构建原理如图1所示。

该风力机及风电场数字镜像模拟展示系统，可以模拟展示风力机及风电场运行状态下尾流干扰、重要部件载荷、预测部件寿命，结合最优尾流集群控制策略、风机降噪控制策略，实现风电场全场发电量最优目标，提升整场发电量降低机组载荷，延长机组寿命，提质增效。

下面对该平台的各模块进行详细说明。

1、叶片状态监测及预测模块

1.1叶片监测

本模块包括风机叶轮声光监测和叶片震动变形监测两部分。基于大数据分析技术和高性能计算分析技术，关联声学信号与叶轮塔筒运行状态，实时监测叶轮及其转动部件的运行状态，提前预防和发现可能出现的故障问题，最大限度地降低故障率，为风场的风机叶轮及其部件的运维检测提供技术保障，通过运行数据分析，必要时利用仪器检测，借助专家分析，提出技术改造方案，对设备有问题部分进行改造，提高设备性能和可靠性，最终提高风电场经济效益。

1)风机叶轮声光监测(叶片气动噪声监测)

叶轮声光监测通过在叶片及塔筒相应位置安装声学和视频传感器，实现叶片外形及外层结构的监测。在图2中的A位置(塔筒对应叶尖位置，塔筒高度H，叶轮半径R，安装位置h＝H-R)，采用粘贴的方式安装4个声音传感器，采集叶片旋转状态下的气动噪声，在圆周方向上间隔90布置，实现任意风向下的监测，信号通过通讯线缆或无线传送传输至塔基工控机柜。对采集到的叶片工作过程中的声音信号进行了特征值提取，主要从时域、能量谱、功率谱等角度进行分析，将监测的叶片声音信号与完好叶片的声音信号进行比较，通过分析声音信号能够辨别出叶片是否损伤，达到叶片监测和预警的目的。

2)叶片变形监测

包含两部分，第一部分图像监测。将摄像监测设备固定于图1叶轮与机舱交界的B处，通过风机网络传输至塔基工控机柜，对采集到的图像进行二值化、边缘检测等图像预处理，通过视觉测距原理实现叶片上点的定位，对叶片边缘点间的相对位置与初始静止状态下叶片对应点的相对位置进行比较，继而可对叶片的变形进行分析，计算塔筒和叶片之间的净空距。

第二部分是叶片载荷监测。叶片是风电发电机的关键部件，在发电的过程中，风机叶片作为直接的风力接收机构，承受了强大应力，在日复一日的工作中，随着时间的推移，往往造成结构损坏，影响使用年限。在叶片应力集中的关键位置安装应变片，主要为前置预埋式，叶片生产过程中预埋，通过持续监控叶片负载和振动情况，可在早期检测出叶片的损坏情况。

3)噪声控制

对有降噪要求的机组，特定扇区运行噪声控制策略(降功率运行)，以达到风场收益与环境友好性之间的最佳平衡。利用精确的噪声模型对风场区域特定点位的噪声进行预测并依据预测结果调整机组运行模式以降低噪声水平。

1.2叶片应力分析预测模块

1)应力模拟分析预测

主要功能是实现叶片应力模拟分析，模拟各种风况下叶片的应力受力状态。

主要步骤：

(1)基于叶片设计参数和材料性质属性，使用三维建模软件建立叶片三维模型。

(2)采用有限元方法分析叶片应力，分析各种风速环境条件下(包括极大风速)叶片在不同仿真参数下的应力、应变等，包括疲劳损坏累加。

(3)建立应力数据库。提取应力模拟结果数据，将应力模拟结果与实时监测数据建立对应查询关系，运行过程中系统按天或小时间隔显示。

(4)建立关联预测模型。以生命周期内模拟结果和预测风速、应力建立关联关系，以监测的应力变化曲线作为订正，建立预测模型，以实际监测风速变量参数为输入条件，预测未来一定时间段内(1-3个月，一年内)的应变情况，指导运行维护。

2)叶片表面磨损模拟

主要功能是基于环境信息(温度、大气颗粒、风速、风沙)模拟风电机组叶片实际运行过程中随着时间的推移叶片的磨损，基于计算结果有针对性的指导叶片进行重点部位防护。对于新安装风力机，可以根据模拟的应力计算结果，指导应力传感器节点部署安装位置，为风电机组的运行与维护提供有益的参考。

主要实现过程：

(1)基于叶片设计参数和材料性质属性，使用三维建模软件建立叶片三维模型。

(2)基于叶片材料属性信息，利用WRF软件提供的风资源预测数据和真实测风数据作为输入条件，利用磨损、侵蚀模型计算叶片运行周期内的叶片的磨损率和磨损程度。

(3)基于模拟结果和环境参数建立关联预测模型，运行过程中，随着时间推移，以实际监测变量参数为输入条件，以累计时间内预测的结果为订正，预测未来半年、一年内磨损速率及磨损程度，指导运行维护。

3)气动噪声模拟

气动噪声模拟模块，模拟各种工况下的风机叶片、塔筒耦合运行的噪声水平，经与实测噪声数据验证关联后建立数据库。

详细过程：

(1)使用三维建模软件建立机组的三维模型，包括塔架、机舱、叶片，模型形状尽可能与实际设备外观形状一致，同时考虑机组设备周边地形及地面粗糙度影响。

(2)利用噪声模型，模拟各种风况下的完整叶片旋转状态的噪声，及叶片静止状态下的监测位置的噪声水平。

(3)模拟不同叶片损坏状态下的噪声，包括单叶片、多叶片开裂、不同磨损叶片，极寒天气区域风电场模拟不同叶片结冰状态下的噪声。

(4)模拟数据与实测数据对比验证，更新订正模拟结果。由于实际过程中不可能对各种运行状态实际测试，利用实验室和风电场现场典型工况测试数据与模拟数据对比验证关联，评估模拟可能存在的误差，基于测试数据订正更新相应模拟结果。

(5)根据形状、风速等状况与噪声水平对应关系建立叶片噪声与故障信息库。供声光监测系统噪声监测系统调用，监测水平数值与数据库查询对比，提供预警提升。

2、塔筒振动监测及应力分析预测模块

本模块主要实现监测塔筒的振动状态，在相应位置安装位移或速度传感器，监测塔筒的振动幅度与频率，结合应力模态计算分析结果，预测塔筒的累积疲劳水平，在各个运行阶段给予相应的预测与提示，提前预防故障信息。

2.1塔筒振动监测

风电机组的塔筒是风力发电机组中的承重部件，在风力发电机组中主要起支撑作用，同时吸收机组振动。塔筒承受着推力、弯矩和扭矩负荷等复杂多变的载荷，使得风力发电机组运行过程中，塔筒会出现一定幅度的摇摆和扭曲等振动；此外，塔筒还会受到材料变形、零部件失效以及地基沉降等因素的影响，产生倾斜。塔筒过大的倾斜变形会影响风力发电机组的正常运行，严重的还会产生安全事故。塔筒长期处于较大振动的交变负荷，容易诱发螺栓紧力变小或者松动。

监测塔筒的实时振动和整体变形情况，而且对塔筒的各个连接筒的变形可以更好的检测，得到塔筒中心在水平方向偏移量和塔筒的非线性变形曲线，全面、准确判断塔筒的静态、准静态和动态变形，并可以对塔筒振动进行实时录波。以便及时采取措施进行维护，科学制定机组运行的报警阀值和合适的工况区间。

(1)由于塔筒倾斜时的位移是非线性的，在塔筒的顶端和中部同时安装倾角传感器，并在顶端安装2轴加速度传感器检测加速度的方向和大小以修正倾角值。具体安装位置在图3的C处，位于塔筒与机舱交界处。通过每台风机塔基工控机柜实现单台风机的数据采集、处理、传输。

由于倾斜传感器工作在塔筒的动态晃动中，倾斜传感器内的液位会受到晃动加速度的影响，需要对测量值进行补偿，得到相对真实的值。补偿模型为：

其中，α为测量值，a

(2)在塔筒顶部安装低频加速度传感器，连续监测塔筒的晃动，并采用积分算法可获取塔筒的动态变形位移。塔筒的倾角传感器和加速度传感器成对安装，同步采样，共同分析获得塔筒的静态、准静态和动态变形量。其中静态变形量与塔筒的基础沉降有关，准静态变形与塔筒相对稳定的风载荷有关，而动态变形量与风机湍流和其他瞬态冲击有关。

(3)塔筒底部载荷监测，结合塔筒的结构形式特点及荷载测试要求，在塔筒底部布置4个应变传感器，测试方向为塔筒轴向方向，如图7所示，4个应变传感器(图7中圆点所示)安装在钢塔筒内部，如图3在D点处沿圆周方向上间隔90°布置，4个传感器均位于同一水平截面上，对钢塔筒挥舞及俯仰方向上的弯矩进行测试。

2.2叶根载荷监测

叶片荷载传感器布置在图3的E处。每组叶片在叶根布置6个应变传感器(分别位于位置1、2、3、4、5、6)，分别对风机叶根摆振方向的弯矩、挥舞方向的弯矩、叶根的扭矩进行监测。其中两对应变传感器(图3，1-4位置)分别监测叶片叶根轴向方向的应变，在圆周方向上间隔90°布置，分别测试摆振以及挥舞方向上的应变；剩余两个传感器(图3，5-6位置)安装在同一截面位置的圆周切向，间隔180°布置，对荷载作用下扭转应变进行监测。轮毂内加装信号采集仪，进行信号的采集、预处理，无线与机舱进行通讯，将信号传输至塔基工控机柜。通过对叶根在荷载作用下的应变进行监测，结合叶根受力特性及应力应变状态分析，进而得到风力发电机组在各个运行工况下叶片荷载状态。

在进行数据采样前，利用静载标定对叶根弯矩信号进行标定，以确定应变信号与荷载信号之间的关系，并用来验证叶根应力应变状态的数值计算模型以及理论计算模型的准确性，如图4所示。

叶片载荷监测系统主要测量为光纤传感器输出的波长，应变与波长对应关系为

2.3塔筒应力分析预测模块

(1)建立塔筒模型

基于塔筒设计参数和材料属性，建立塔筒应力分析模型。

(2)塔筒应力分析

给定风速、湍流输入边界条件，计算分析塔筒的极限载荷、累积疲劳载荷等特性，建立风速湍流和应力载荷关系函数。

(3)塔筒寿命预测

以风机的实际运行工况下的全时段风速、湍流为输入条件，使用步骤2的过程，计算分析应力载荷水平，评估累积疲劳载荷水平在全生命周期内的比例，预测剩余寿命。

3、机组动态尾流模拟展示模块

该模块展示该风电场在实际运行工况下的尾流影响情况，能够从全局和局部视角，直观的了解每台风机和全场的尾流影响及发电量损失程度。同时以高清数字地图和高逼真周边环境为基础，利用虚拟现实技术(VR)，创造一个逼真的虚拟风电场。提供的分析方法可用于评估复杂地形及风力机尾迹对风电场功率输出的影响，提高复杂湍流工况下风电场功率预测的精度。该模块同时为自适应优化控制模块提供理论指导。

尾流模拟展示过程如下：

(1)风电场整场模型建立。基于实际的风电场物理地形建立数字模型，以风电场中心位置为中心点，以至少20倍的风电场半径为半径建立仿真计算域，考虑气象条件，以风速、风向、湍流为输入条件，模拟风电场典型工况下的尾流干扰。其中输入风速等条件，根据气象预测结合实际测风塔数据校验后确定。典型工况涵盖主风向、次风向、极大风速等影响风电场效益、风机安全的工况。为尽可能的涵盖实际运行条件下可能的工况，风向间隔以最大15度为间隔，风速以0.25-0.5m/s为间隔，对于敏感的工况可进一步缩小风向和风速间隔。

(2)尾流模拟计算及创建数据库。步骤包括尾流计算、数据后处理、建立数据库。根据第一步建立的模型和确定的计算工况进行尾流模拟计算，形成数据库。风力机模型采用虚拟叶片模型，在保证计算精度的同时降低计算量，加快计算速度。模拟数据后处理，提取计算工况对应的全场风机尾流速度、湍流强度及功率、功率损失等变量数据。建立数据库，数据库数据至少包含两种基本数据，图像、视频格式数据和参数变量点数据集。

(3)基于建立的风电场模型，根据大数据分析的主流风速、风向数据，获取各种统计风况下含有风力机叶片的风场气动特性数据，分析尾迹影响，及尾迹与尾迹间的相互干扰，获取尾迹影响数据及尾迹与尾迹间的相互干扰数据，评估优化各风况下的风机运行调整策略。

(4)系统展示。包含两部分。一是第二步骤中计算的模拟的数据。二是测风塔、功率预测生产塔数据，风机SCADA监测数据，包括实时的温度、压力等气象数据。第二部分是实时状态参量展示。在全局视角下，3维可视化角度下嵌入实时功率、风速等重点参量的展示(曲线或数字跳动形式)。

展示方式：展示分视角展示，全局和局部等多种视角，全局展示整个风电场全部风力机尾迹的尾迹干扰情况，数据以10分钟为周期更新。以模拟烟雾或空气粒子等可视化形式展示计算的风机的动态尾流，支持全场3D尾流流场展示，具有VR交互功能。此处展示体现智慧化，风电场周边环境参照物以实际参照物建立。(参考过程：在新能源仿真系统建模的过程中，为了使所建立的三维模型具有高精度的仿真立体效果，需要采集现场真实数据，整理相关文档、视频等，同时参考大量的三视图、实物照片、剖面图等多种类型资料进行建模。利用无人机航拍快速获取高精度三维地形数据和高清风电场数字图像，包括村落、树木、山丘道路、景观、建筑等，实现全场实现高清数字地图(村落、树木、山丘、架空线路、道路、通讯设施等景观、建筑要求与实景的大小比例、相互距离、高度一致))。

4、自适应优化控制模块

受尾流影响，最大化单风力机的能量捕获并不会导致整个风力发电场的能量捕获最大化。因此，通过风场的极值搜索控制原理，实现风场的功率最大化。通过优化全场尾流流场分布，使风电场内尾流造成的总体负面影响降低从而提升全场发电量并降低总体疲劳载荷水平。基于监测到的机组运行数据，实时调整偏航系统的控制方式和机组控制方式，降低机组的设备震动状况，保证机组的安全运行。

对于风场中多台风机排布的情况，前排风机的尾迹对后排风机产生的影响，是造成风场整体发电量降低和风机波动载荷增加的主要原因。本模块是对风电场或风电场中的风机子群利用风场风机尾流群控方案实现最大化子群发电功率、载荷降低的控制目标。

由于风力机所产生的尾流不方便观察，且没有专门的传感器对尾流进行实时在线检测，因此，通过预先构建尾流检测模型，然后通过在线识别的方式进行尾流控制。具体方案如下。

由于风机尾迹的产生与不同机型、风向、风速和风机偏航等状态密切相关，因此，首次实施风场风机群控器时，需利用上述数据对风机发生尾迹影响的情况进行辨识，构建尾流干扰控制模型，分析功率和载荷数据，寻找最优偏航、变桨和变速控制参数。为了准确的辨识风机尾流发生的时刻、范围和程度，利用先进的风场建模软件FAST.Farm对风机建立风场模型，将风场实际的测风数据、风机偏航角度等运行状态，输入所建立的风场模型以判断尾流影响发生的情况和程度，并对发生尾流影响的数据进行标记。采用FAST.Farm对风场风机尾流仿真模拟识别风机尾流影响的主要好处是摒弃了现有尾流模型无法建模尾迹蜿蜒、尾迹偏折等对载荷、发电量有明显影响因素的不足。

由于风力机间的尾流影响主要体现在风力机发电功率波动、波动载荷增加等方面，利用主控系统中的实时发电功率数据和机舱振动数据、CMS系统中的振动数据以及风机叶轮塔筒基础监控系统中的载荷数据等数据构成的数据集，利用已标记的风机运行状态，经过数据清洗、模式聚类等步骤，通过大数据技术构建数据集中的尾流影响辨识模型。

对于检测到尾流干扰严重的机组，通过评估需要调整的，自适应采用基于多回路ESC(NLESC)的控制策略对机组的总功率和载荷进行优化，使受控机组以自寻优的方式实现受控风机子群的发电量最大化和载荷降低的目标。ESC是一种自寻优控制方案，可以实时搜索未知/时变最优输入参数设置。它可以看作是动态实现梯度搜索。用正弦信号对风机控制进行干扰，然后通过滤波提取梯度比例信号，由积分器将梯度驱动到零。该模型是结构简单的“无模型”控制方案。NLESC与单机ESC控制器的基本原理相近，是其在风场风机群控方面的扩展，其优化目标是全部回路中风机总功率的最大化。风场风机群空策略示意图如图5、图6所示。

图6中，风速从风力机1吹向风力机n。风力机i+1到风力机n位于风力机i之后。控制目标是通过控制风力机i使风力机i到风力机n的总功率最大化。风力机i的测量值是从风力机i到n的功率总和。控制输入是发电机转矩。Pi是风力机i的功率，ki是风力机i的发电机转矩增益，ωi是风力机i的发电机转速，τ

风机极限搜索控制步骤：

1)基于开环控制测试估计输入动态参数；

2)在输入动态带宽内选择抖动频率；

3)设计高通滤波器以通过高于抖动频率的频率；

4)设计低通滤波器来阻止较高的频率；

5)确定补偿由输入动力学和高通滤波器引起的相位角偏差以改善性能跟踪的相位角；

6)抖动幅度：保证抖动频率抖动输出；

7)基于鲁棒稳定性标准设计补偿器。

以上所述仅是本发明的优选实施方式，并不用于限制本发明，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变型，这些改进和变型也应视为本发明的保护范围。