基于數(shù)字孿生技術(shù)的風(fēng)電機(jī)組建模研究

收稿日期：2021-12-31

基金項(xiàng)目：國(guó)家自然科學(xué)基金（61763037）；內(nèi)蒙古科技計(jì)劃（2021GG164）；內(nèi)蒙古自然科學(xué)基金（2020MS05029；2021MS06018）

通信作者：劉利強(qiáng)（1975—），男，博士、教授，主要從事風(fēng)電機(jī)組數(shù)字孿生方面的研究。llqiang@imut.edu.cn

DOI：10.19912/j.0254-0096.tynxb.2021-1618 文章編號(hào)：0254-0096（2023）05-0391-10

摘 要：針對(duì)以往風(fēng)電機(jī)組數(shù)字孿生建模受不同研究目的或單一軟件的功能限制，難以建立風(fēng)電機(jī)組整機(jī)模型的問題，提出一種新的風(fēng)電機(jī)組孿生建模方法。該方法首先依托FAST風(fēng)速性能模塊，建立穩(wěn)態(tài)風(fēng)模型、隨機(jī)湍流風(fēng)模型以及風(fēng)電場(chǎng)實(shí)時(shí)風(fēng)速模型；接著采用空氣動(dòng)力學(xué)模塊和結(jié)構(gòu)動(dòng)力學(xué)模塊分別搭建風(fēng)電機(jī)組葉片、塔架等關(guān)鍵部件的幾何與動(dòng)力學(xué)模型；最后在Simulink中搭建風(fēng)電機(jī)組電氣系統(tǒng)模型及控制策略，由此構(gòu)建完整的風(fēng)電機(jī)組孿生模型。將該孿生建模方法分別用于WindPACT 1.5 MW雙饋風(fēng)電機(jī)組與某風(fēng)電場(chǎng)Fuhrl?nder 2.5 MW雙饋風(fēng)電機(jī)組并進(jìn)行驗(yàn)證。結(jié)果表明：孿生模型在不同風(fēng)速模型下，各重要生產(chǎn)參數(shù)相比設(shè)計(jì)標(biāo)準(zhǔn)及實(shí)際運(yùn)行數(shù)據(jù)均具有較高的準(zhǔn)確性。此外，通過對(duì)風(fēng)電機(jī)組數(shù)字孿生系統(tǒng)實(shí)時(shí)仿真和現(xiàn)場(chǎng)不可測(cè)數(shù)據(jù)的孿生模擬，也進(jìn)一步表明孿生模型具有可行性和有效性。

關(guān)鍵詞：風(fēng)電機(jī)組；數(shù)字孿生；孿生建模；準(zhǔn)確性；實(shí)時(shí)仿真；孿生模擬

中圖分類號(hào)：TK83" " " " " " " " " " " " "文獻(xiàn)標(biāo)志碼：A

0 引 言

近年來(lái)，隨著風(fēng)電機(jī)組裝機(jī)量的日益增加，風(fēng)電在中國(guó)發(fā)電總量中的占比越來(lái)越大［1］。同時(shí)對(duì)于安裝在海上或風(fēng)力資源豐富但地處偏遠(yuǎn)的風(fēng)電機(jī)組，對(duì)其進(jìn)行維護(hù)需耗費(fèi)大量的人力物力。這要求風(fēng)力機(jī)應(yīng)具有充足的可靠性，以減少所需投入的維護(hù)成本進(jìn)而在制定更合理的維修策略以及降低風(fēng)力機(jī)停機(jī)時(shí)間等方面提供幫助。因此，搭建精確的風(fēng)電機(jī)組仿真模型已成為風(fēng)力發(fā)電系統(tǒng)進(jìn)行智能狀態(tài)監(jiān)測(cè)與評(píng)估的重要基礎(chǔ)［2］。

風(fēng)電機(jī)組是由空氣、結(jié)構(gòu)動(dòng)力學(xué)模型和電氣系統(tǒng)模型等組成的多耦合復(fù)雜模型，各組成部件之間互相耦合、交叉作用，并受到內(nèi)外部多種作用力影響［3］。在當(dāng)前對(duì)風(fēng)電機(jī)組的建模研究中，受限于仿真軟件的功能限制或研究目的的不同，所建立的風(fēng)力機(jī)模型通常為簡(jiǎn)化模型，致使機(jī)械傳動(dòng)、空氣動(dòng)力學(xué)等因素不能被充分考慮，阻礙實(shí)現(xiàn)更深入的研究。數(shù)字孿生自2003年由佛羅里達(dá)理工學(xué)院的Grieves教授［4］首先提出后，經(jīng)北京航空航天大學(xué)的陶飛教授及其團(tuán)隊(duì)［5］進(jìn)一步改進(jìn)與推廣，目前數(shù)字孿生技術(shù)在國(guó)內(nèi)外各領(lǐng)域中均有較為廣泛的應(yīng)用。Moghadam等［6］提出一種多自由度傳動(dòng)系扭轉(zhuǎn)模型，作為監(jiān)測(cè)浮式海上風(fēng)電機(jī)組傳動(dòng)系部件剩余使用壽命的數(shù)字孿生模型，此模型可與渦輪機(jī)全自動(dòng)控制和監(jiān)測(cè)系統(tǒng)集成，用于齒輪箱部件的在線監(jiān)測(cè)，其計(jì)算速度快；胡偉飛等［7］提出一種基于CapsNet的深度學(xué)習(xí)方案，用于在風(fēng)力渦輪機(jī)齒輪箱的數(shù)字孿生中進(jìn)行數(shù)據(jù)驅(qū)動(dòng)的故障診斷，以實(shí)現(xiàn)對(duì)風(fēng)力發(fā)電機(jī)組齒輪箱運(yùn)行狀況進(jìn)行準(zhǔn)確和穩(wěn)健的分類；Baldassarre等［8］與Chetan等［9］提出對(duì)風(fēng)電機(jī)組葉片進(jìn)行CAD幾何建模和有限元分析，結(jié)合從新一代風(fēng)力渦輪機(jī)葉片的結(jié)構(gòu)測(cè)試中收集的實(shí)驗(yàn)數(shù)據(jù)，以此建立一個(gè)數(shù)字孿生模型，從而跟蹤和預(yù)測(cè)葉片的結(jié)構(gòu)變化并評(píng)估其剩余壽命；Parvaresh等［10］結(jié)合數(shù)字孿生概念提出一種基于深度確定性策略梯度（DDPG）的非線性積分反步法（NIB）與無(wú)模型控制（MFC）相結(jié)合，用于變轉(zhuǎn)速風(fēng)力發(fā)電機(jī)的槳距角控制，旨在處理未建模的系統(tǒng)動(dòng)態(tài)和干擾，文中將數(shù)字孿生定義為一個(gè)實(shí)時(shí)概率模型?？偟膩?lái)說，上述研究主要面向風(fēng)電機(jī)組各組成部件，如齒輪箱、葉片、傳動(dòng)及控制系統(tǒng)建立孿生模型，未建立較為精細(xì)的風(fēng)電機(jī)組整體孿生模型。

Pimenta等［11］提出用FAST與ANSYS Fluent配合建立1.8 MW風(fēng)電機(jī)組數(shù)字孿生模型，并用數(shù)據(jù)采集與監(jiān)控（SCADA）數(shù)據(jù)進(jìn)行驗(yàn)證，但該孿生建模方法側(cè)重于葉片的精確建模，且在驗(yàn)證時(shí)也主要以葉片的推力、彎矩等氣動(dòng)特性參數(shù)對(duì)FAST運(yùn)行結(jié)果與ANSYS Fluent實(shí)驗(yàn)結(jié)果進(jìn)行對(duì)比，與SCADA數(shù)據(jù)的對(duì)比驗(yàn)證也僅選取特定風(fēng)速下FAST運(yùn)行結(jié)果數(shù)據(jù)點(diǎn)，未充分驗(yàn)證連續(xù)運(yùn)行狀態(tài)下FAST與SCADA數(shù)據(jù)的各重要生產(chǎn)參數(shù)的對(duì)比情況。Sivalingam等［12］提出用FAST與Python結(jié)合建立NREL 5 MW海上固定或浮式風(fēng)電機(jī)組數(shù)字孿生模型，但并未具體描述模型的搭建過程以及如何實(shí)現(xiàn)FAST與Python的融合與交互。

綜上，當(dāng)前國(guó)內(nèi)外運(yùn)用數(shù)字孿生技術(shù)在風(fēng)力發(fā)電領(lǐng)域中的研究主要面臨兩方面問題。首先，因?yàn)轱L(fēng)力發(fā)電機(jī)組是一個(gè)多耦合的復(fù)雜動(dòng)力學(xué)模型，很難建立風(fēng)電機(jī)組的整機(jī)數(shù)字孿生模型，故僅對(duì)其局部結(jié)構(gòu)進(jìn)行數(shù)字孿生建模應(yīng)用，如葉片、齒輪箱等；其次，對(duì)于建立風(fēng)電機(jī)組整機(jī)數(shù)字孿生模型的驗(yàn)證不充分，對(duì)模型建立過程描述不詳細(xì)、不具體?；诖?，本文提出一種新的風(fēng)電機(jī)組孿生建模方法。旨在針對(duì)傳統(tǒng)風(fēng)電機(jī)組實(shí)體建模中常出現(xiàn)的諸如機(jī)理建模相關(guān)幾何參數(shù)短缺、有限元仿真多物理場(chǎng)耦合復(fù)雜、網(wǎng)格劃分及計(jì)算量大、仿真時(shí)間較長(zhǎng)等問題，提出一種綜合運(yùn)用數(shù)值建模、風(fēng)力機(jī)載荷計(jì)算軟件聯(lián)合仿真，并輔以電氣系統(tǒng)模型及控制策略設(shè)計(jì)，以此建立完整的風(fēng)電機(jī)組孿生模型。將該方法用于真實(shí)風(fēng)電機(jī)組建模中，通過對(duì)不同風(fēng)速模型下各重要生產(chǎn)參數(shù)的孿生模型仿真結(jié)果與設(shè)計(jì)標(biāo)準(zhǔn)、SCADA數(shù)據(jù)進(jìn)行對(duì)比驗(yàn)證，結(jié)果表明依據(jù)所提孿生建模方法搭建的風(fēng)電機(jī)組模型具有較好的準(zhǔn)確性和有效性。

1 數(shù)字孿生技術(shù)

搭建相應(yīng)研究對(duì)象的數(shù)字孿生模型是將數(shù)字孿生技術(shù)應(yīng)用實(shí)現(xiàn)的最主要目的。Grieves教授［13］最先提出的三維模型是目前較多采用的數(shù)字孿生定義，該定義包含物理實(shí)體、虛擬實(shí)體和二者的連接。但在面臨有關(guān)配套技術(shù)及理論的逐漸延伸、研究對(duì)象的更新升級(jí)，對(duì)數(shù)字孿生技術(shù)的應(yīng)用與實(shí)現(xiàn)方面也提出了新的要求?；谠摤F(xiàn)象，北京航空航天大學(xué)的數(shù)字孿生技術(shù)研究團(tuán)隊(duì)［14］基于已有的三維模型進(jìn)行補(bǔ)充與擴(kuò)展，提出數(shù)字孿生五維模型的概念，如式（1）所示。在增加孿生數(shù)據(jù)與服務(wù)兩個(gè)維度后，使數(shù)字孿生技術(shù)能更好地應(yīng)用于更多的研究領(lǐng)域中。

[M=（P，V，S，D，C）] （1）

式中：[P]——物理實(shí)體；[V]——虛擬實(shí)體；[S]——服務(wù)；[D]——孿生數(shù)據(jù)；[C]——各部分的連接。

基于物理實(shí)體P所搭建的虛擬實(shí)體V主要由4種模型構(gòu)成，分別為幾何模型（[Gv]）、物理模型（[Pv]）、行為模型（[Bv]）和規(guī)則模型（[Rv]）。通過這4種模型可從不同的時(shí)間與空間尺度對(duì)P實(shí)現(xiàn)全方位的映射與描畫，其組成原理如式（2）所示。

[V=Gv，Pv，Bv，Rv] （2）

式中：[Gv]——刻畫P的各項(xiàng)幾何參數(shù)與裝配關(guān)系的模型，與P具有較好的一致性，對(duì)[Gv]細(xì)節(jié)進(jìn)行補(bǔ)充完善可進(jìn)一步貼合PE；[Pv]——在[Gv]的基礎(chǔ)上增加了P的物理屬性、約束及特征等信息；[Bv]——刻畫P受各種因素影響時(shí)，在內(nèi)、外部產(chǎn)生的行為響應(yīng)；[Rv]——基于歷史數(shù)據(jù)總結(jié)的規(guī)律和規(guī)則，有關(guān)領(lǐng)域的標(biāo)準(zhǔn)與準(zhǔn)則以及相關(guān)經(jīng)驗(yàn)等。

2 風(fēng)電機(jī)組孿生模型構(gòu)建方案

2.1 風(fēng)電機(jī)組虛擬實(shí)體構(gòu)建傳統(tǒng)方案

基于上述對(duì)數(shù)字孿生技術(shù)及其包含的虛擬實(shí)體的定義，將定義運(yùn)用于風(fēng)電機(jī)組孿生建模研究中，傳統(tǒng)虛擬實(shí)體構(gòu)建方案如圖1所示。需要說明的是，此方案中[Gv]指運(yùn)用三維建模軟件等進(jìn)行機(jī)理建模的方法，但由于風(fēng)電機(jī)組中包含葉片、塔架、齒輪箱以及眾多其他關(guān)鍵部件，在實(shí)際建模過程中面臨缺少必要幾何參數(shù)以及建模過程復(fù)雜且困難等問題，每個(gè)部件從數(shù)據(jù)的收集整理到模型建立均需較長(zhǎng)的時(shí)間，且由于缺少建模過程需要的部分幾何數(shù)據(jù)，通過機(jī)理建模方法所建立的模型準(zhǔn)確性也較低。

同樣的，[Pv]的實(shí)現(xiàn)方案建立在[Gv]的基礎(chǔ)上，將三維幾何模型導(dǎo)入至多物理場(chǎng)有限元仿真軟件中，對(duì)模型添加材料屬性、物理場(chǎng)以及設(shè)定約束等。但在實(shí)際建模過程中發(fā)現(xiàn)：首先，風(fēng)電機(jī)組整體三維模型的建立需要大量人力與精力的投入，且風(fēng)力機(jī)設(shè)計(jì)及制造商通常選用Bladed等載荷分析軟件對(duì)風(fēng)電機(jī)組進(jìn)行設(shè)計(jì)及計(jì)算驗(yàn)證；其次，即使建立完整的風(fēng)電機(jī)組三維模型，并將其導(dǎo)入至有限元仿真軟件中，各關(guān)鍵部件在宏觀及微觀尺度下各物理場(chǎng)間的耦合及龐大的網(wǎng)格劃分及計(jì)算工作量對(duì)仿真設(shè)備的要求較高，仿真時(shí)間較長(zhǎng)。將[Bv]定義應(yīng)用至風(fēng)電機(jī)組的孿生建模中，具體指風(fēng)電機(jī)組的起停、變槳、偏航等行為活動(dòng)，但傳統(tǒng)方案無(wú)法明確使用何種方法及工具可實(shí)現(xiàn)上述風(fēng)電機(jī)組行為的仿真模擬以及怎樣與[Pv]進(jìn)行融合。最后，[Rv]的定義強(qiáng)調(diào)使用已有知識(shí)或通過機(jī)器學(xué)習(xí)使規(guī)則自增長(zhǎng)，對(duì)P進(jìn)行控制與運(yùn)行指導(dǎo)，對(duì)V進(jìn)行校正與一致性分析。同樣的，目前[Rv]的定義暫無(wú)公認(rèn)有效的方法。

通過上述對(duì)傳統(tǒng)風(fēng)電機(jī)組虛擬實(shí)體構(gòu)建方案分析以及將數(shù)字孿生技術(shù)及其包含的虛擬實(shí)體的定義應(yīng)用于實(shí)際建模中出現(xiàn)的問題以及難點(diǎn)，當(dāng)前風(fēng)電機(jī)組的孿生建模研究需提出一種更為切實(shí)可行的虛擬實(shí)體構(gòu)建策略。

2.2 一種新的風(fēng)電機(jī)組數(shù)字孿生模型構(gòu)建策略

本文提出一種新的風(fēng)電機(jī)組孿生模型構(gòu)建策略，該策略針對(duì)傳統(tǒng)建模方案中出現(xiàn)的問題與難點(diǎn)提出相關(guān)解決方法與建模思路。其具體構(gòu)建方法如圖2所示。

2.2.1 數(shù)值模型

針對(duì)風(fēng)電機(jī)組各關(guān)鍵部件三維幾何模型缺少必要幾何參數(shù)、建模過程復(fù)雜等問題，提出運(yùn)用數(shù)值建模的方法對(duì)風(fēng)電機(jī)組各關(guān)鍵部件進(jìn)行模型構(gòu)建。數(shù)值建模相較于機(jī)理建模對(duì)幾何參數(shù)的完整度要求較低，就風(fēng)電機(jī)組傳動(dòng)鏈來(lái)說，機(jī)理建模詳細(xì)模型固然能仿真得到較多的模型變量，但從風(fēng)力機(jī)發(fā)電系統(tǒng)角度來(lái)說，建立整機(jī)模型時(shí)傳動(dòng)系統(tǒng)的復(fù)雜動(dòng)力學(xué)變化可不考慮，因此運(yùn)用數(shù)值建模將傳動(dòng)鏈等效為質(zhì)量塊模型，僅需提供少量必要幾何數(shù)據(jù)即可建立傳動(dòng)鏈模型，且相對(duì)于整機(jī)模型而言該模塊輸入輸出模型變量足夠?qū)\生模型的運(yùn)行，同樣的數(shù)值建模還可運(yùn)用至其他關(guān)鍵部件。本文采用AirfoilPrep、Xfoil等軟件進(jìn)行風(fēng)電機(jī)組葉片、塔架等部件數(shù)值建模預(yù)處理。

2.2.2 載荷分析計(jì)算

對(duì)于風(fēng)電機(jī)組三維模型進(jìn)行多物理場(chǎng)有限元仿真過程中網(wǎng)格劃分及計(jì)算工作量對(duì)仿真設(shè)備要求較高、各關(guān)鍵部件間的耦合復(fù)雜等問題。本文提出在運(yùn)用數(shù)值建模的前提下，使用相關(guān)風(fēng)電機(jī)組載荷分析計(jì)算軟件實(shí)現(xiàn)各部件的全方位建模，由于風(fēng)電機(jī)組相較于其他設(shè)備、系統(tǒng)更側(cè)重空氣動(dòng)力學(xué)、結(jié)構(gòu)動(dòng)力學(xué)領(lǐng)域的研究，所以選擇合適的風(fēng)力機(jī)設(shè)計(jì)及載荷計(jì)算軟件即可對(duì)風(fēng)電機(jī)組有關(guān)物理特性進(jìn)行仿真，由于無(wú)有限元仿真軟件的網(wǎng)格劃分步驟，經(jīng)過數(shù)值建模并在風(fēng)力機(jī)設(shè)計(jì)及載荷計(jì)算軟件中組配搭建而成的孿生模型具有對(duì)仿真設(shè)備要求較低、仿真運(yùn)算用時(shí)較短以及仿真結(jié)果更具可靠性等優(yōu)點(diǎn)?；诖耍疚牟捎肍AST軟件來(lái)實(shí)現(xiàn)風(fēng)電機(jī)組的載荷計(jì)算分析。

2.2.3 電氣系統(tǒng)模型與控制策略

針對(duì)Bv即風(fēng)電機(jī)組的起停、電能產(chǎn)出、變槳、偏航等行為活動(dòng)的模擬，本文提出運(yùn)用Simulink仿真工具搭建風(fēng)電機(jī)組電氣系統(tǒng)模型及控制策略，并與載荷計(jì)算軟件FAST融合實(shí)現(xiàn)風(fēng)電機(jī)組有關(guān)行為模型的搭建。由于FAST軟件為開源軟件，首先將源碼編譯為動(dòng)態(tài)鏈接庫(kù)文件，接著將軟件開發(fā)者提供的C語(yǔ)言調(diào)用文件在Matlab中編譯為MEX文件，使得在Simulink中以S函數(shù)的形式通過MEX文件最終調(diào)用動(dòng)態(tài)鏈接庫(kù)文件實(shí)現(xiàn)融合仿真。以此實(shí)現(xiàn)對(duì)風(fēng)電機(jī)組起停、變槳等行為的仿真模擬，并解決與風(fēng)電機(jī)組幾何及物理模型的融合問題。

2.2.4 模型校驗(yàn)

針對(duì)風(fēng)電機(jī)組規(guī)則模型的建立缺少具體方法及工具的問題，本文提出運(yùn)用穩(wěn)態(tài)風(fēng)、TurbSim生成的隨機(jī)工況湍流風(fēng)以及風(fēng)電場(chǎng)SCADA數(shù)據(jù)等風(fēng)速模型下的各重要生產(chǎn)參數(shù)分別與風(fēng)電機(jī)組設(shè)計(jì)標(biāo)準(zhǔn)及規(guī)則、實(shí)際運(yùn)行數(shù)據(jù)進(jìn)行對(duì)比以此驗(yàn)證孿生模型的準(zhǔn)確性。采用文獻(xiàn)［15］中關(guān)于數(shù)字孿生模型的評(píng)價(jià)準(zhǔn)則提出的數(shù)字孿生模型靜態(tài)參數(shù)、動(dòng)態(tài)參數(shù)精準(zhǔn)性計(jì)算方法，對(duì)風(fēng)電機(jī)組孿生模型在各風(fēng)速模型下穩(wěn)態(tài)參數(shù)、動(dòng)態(tài)參數(shù)準(zhǔn)確性進(jìn)行量化計(jì)算。

數(shù)字孿生模型靜態(tài)參數(shù)精準(zhǔn)性的量化計(jì)算公式為：

[C1=i=1n11-jri-jmijri×fC1in1×100%] （3）

式中：[n1]——數(shù)字孿生模型靜態(tài)參數(shù)的總數(shù)；[jri]——第[i]個(gè)靜態(tài)參數(shù)在物理實(shí)體中的實(shí)際值；[jmi]——第[i]個(gè)靜態(tài)參數(shù)在數(shù)字孿生模型中的值；[fC1i]——[jri-jmijri]項(xiàng)的歸一化函數(shù)，用于將[jri-jmijri]項(xiàng)的值映射在［0，1］區(qū)間內(nèi)，歸一化形式可基于數(shù)字孿生模型的具體應(yīng)用需求進(jìn)行自定義。

數(shù)字孿生模型動(dòng)態(tài)參數(shù)精準(zhǔn)性的量化計(jì)算公式為：

[C2=i=1n21-kri-kmikri×fC2in2×100%] （4）

式中：[n2]——數(shù)字孿生模型動(dòng)態(tài)參數(shù)的總數(shù)；[kri]——第[i]個(gè)動(dòng)態(tài)參數(shù)在物理實(shí)體中的實(shí)際值；[kmi]——第[i]個(gè)動(dòng)態(tài)參數(shù)在數(shù)字孿生模型中的值；[fC2i]——[kri-kmikri]項(xiàng)的歸一化函數(shù)，用于將[kri-kmikri]項(xiàng)的值映射在［0，1］區(qū)間內(nèi)，歸一化形式可基于孿生模型的具體應(yīng)用需求進(jìn)行自定義。

計(jì)算并判斷孿生模型的靜態(tài)或動(dòng)態(tài)參數(shù)精確性是否達(dá)到80%以上，接著通過對(duì)各風(fēng)速模型下的葉片、塔架等部件的載荷受力進(jìn)行分析，并判斷是否符合變化規(guī)律。比如葉片所受擺振剪切力會(huì)基于所處位置發(fā)生周期性變化；揮舞剪切力則主要由氣動(dòng)力產(chǎn)生，其力的大小會(huì)隨風(fēng)速變化等。根據(jù)諸如上述受力變化規(guī)律以此最終實(shí)現(xiàn)對(duì)風(fēng)電機(jī)組孿生模型的校驗(yàn)。

如圖3所示為風(fēng)電機(jī)組孿生建模的具體框架，其詳細(xì)步驟為：

1）：通過風(fēng)速性能模塊建立風(fēng)速模型，包括穩(wěn)態(tài)風(fēng)模型、隨機(jī)湍流風(fēng)模型以及風(fēng)電場(chǎng)實(shí)時(shí)風(fēng)速模型。

2）：搭建風(fēng)力機(jī)各部件數(shù)值模型，因葉片結(jié)構(gòu)特殊，在建模時(shí)通常會(huì)根據(jù)不同的翼型及其氣動(dòng)特性對(duì)葉片進(jìn)行分段建模；同樣在建立塔筒的幾何模型時(shí)，根據(jù)塔筒形狀也將其分段建模。

3）：對(duì)于不同翼型的氣動(dòng)特性，調(diào)用空氣動(dòng)力學(xué)模塊基于葉素-動(dòng)量理論（BEM）計(jì)算得到葉片、塔筒等各段上的氣動(dòng)載荷、加速度及位移量；并考慮參數(shù)的非線性分布，對(duì)葉片、塔架等每段采用不同質(zhì)量、揮舞以及擺振剛度，之后調(diào)用結(jié)構(gòu)動(dòng)力學(xué)模塊采用模態(tài)表示法與Kane動(dòng)力學(xué)方程相結(jié)合建立起葉片、塔筒各段的運(yùn)動(dòng)學(xué)方程。

4）：在Simulink中建立的風(fēng)電機(jī)組電氣系統(tǒng)模型與控制策略模型。仿真運(yùn)行時(shí)，F(xiàn)AST仿真得到得機(jī)械特性參數(shù)經(jīng)S函數(shù)實(shí)時(shí)發(fā)送給Simulink中電氣系統(tǒng)模型與控制策略作為輸入，同時(shí)電氣系統(tǒng)模型仿真產(chǎn)生的電磁扭矩、控制策略計(jì)算得到的槳距角等輸出參數(shù)也將實(shí)時(shí)傳輸給FAST作為下一仿真步長(zhǎng)的輸入。

綜上，可實(shí)現(xiàn)對(duì)傳統(tǒng)孿生建模方案的補(bǔ)充與整合，所提孿生建模方法在提高建模效率的同時(shí)仍具有較好的可靠性，且為風(fēng)電機(jī)組孿生模型的搭建提供了新的思路和方法。

3 仿真驗(yàn)證與分析

3.1 WindPACT 1.5 MW雙饋風(fēng)電機(jī)組建模仿真

基于上述孿生模型搭建思路，本文通過FAST與Simulink對(duì)WindPACT 1.5 MW雙饋風(fēng)電機(jī)組進(jìn)行建模仿真［16］。FAST建模所需主要機(jī)械參數(shù)見表1。Simulink中搭建的雙饋發(fā)電機(jī)主要電氣參數(shù)如表2所示。表2中所涉及到的轉(zhuǎn)子有關(guān)參數(shù)均已折算至定子側(cè)。

因?yàn)閃indPACT系列風(fēng)力機(jī)均有詳細(xì)的設(shè)計(jì)與運(yùn)行參數(shù)，以其設(shè)計(jì)參考手冊(cè)中提供的穩(wěn)態(tài)值為對(duì)照，為孿生模型輸入階躍風(fēng)，得出相關(guān)運(yùn)行結(jié)果以此初步驗(yàn)證模型是否與設(shè)計(jì)標(biāo)準(zhǔn)吻合。設(shè)計(jì)仿真運(yùn)行時(shí)間為100 s，在仿真運(yùn)行至50 s時(shí)風(fēng)速由7 m/s階躍至9 m/s，仿真對(duì)比結(jié)果如圖4所示。

由圖4可看出，孿生模型在仿真穩(wěn)態(tài)運(yùn)行時(shí)得到的發(fā)電機(jī)輸出功率、轉(zhuǎn)矩以及轉(zhuǎn)速，相較于設(shè)計(jì)標(biāo)準(zhǔn)即設(shè)計(jì)參考手冊(cè)中各風(fēng)速下參數(shù)穩(wěn)態(tài)值相差較小，初步驗(yàn)證了在穩(wěn)態(tài)條件下孿生模型的準(zhǔn)確性。根據(jù)式（3）分別計(jì)算孿生模型在7和9 m/s風(fēng)速下發(fā)電機(jī)功率、轉(zhuǎn)矩以及轉(zhuǎn)速這3個(gè)重要生產(chǎn)參數(shù)下的穩(wěn)態(tài)準(zhǔn)確性，結(jié)果如表3所示。由計(jì)算結(jié)果進(jìn)一步表明孿生模型在穩(wěn)態(tài)條件下具有較好的準(zhǔn)確性。

為更充分地驗(yàn)證風(fēng)電機(jī)組孿生模型的準(zhǔn)確性，在FAST中搭建同一風(fēng)電機(jī)組的離線模型，并與在FAST與Simulink聯(lián)合搭建的精細(xì)化模型進(jìn)行仿真對(duì)比。兩者的空氣動(dòng)力學(xué)模型與結(jié)構(gòu)動(dòng)力學(xué)模型完全一致，但FAST中的電氣系統(tǒng)等效為一階慣性環(huán)節(jié)［17］，Simulink中搭建的電氣系統(tǒng)為詳細(xì)相量模型，因此重點(diǎn)驗(yàn)證電氣參數(shù)。圖5為平均風(fēng)速為8 m/s的湍流風(fēng)在輪轂處的水平分量。

如圖6所示，仿真對(duì)比結(jié)果基本一致，再一次驗(yàn)證了風(fēng)電機(jī)組孿生模型的準(zhǔn)確性。發(fā)電機(jī)輸出功率、電磁轉(zhuǎn)矩和高速軸轉(zhuǎn)速均隨風(fēng)速的波動(dòng)趨勢(shì)而變化，并顯示了在全風(fēng)況下風(fēng)力機(jī)的各個(gè)運(yùn)行區(qū)域。

因WindPACT 1.5 MW雙饋風(fēng)電機(jī)組為NREL經(jīng)過嚴(yán)格運(yùn)算驗(yàn)證后設(shè)計(jì)的研究型風(fēng)電機(jī)組，無(wú)實(shí)際運(yùn)行數(shù)據(jù)，故使用FAST離線運(yùn)行結(jié)果作為驗(yàn)證孿生模型準(zhǔn)確性的對(duì)照校驗(yàn)值［18-19］。根據(jù)式（4）計(jì)算孿生模型在平均風(fēng)速為8 m/s湍流風(fēng)下發(fā)電機(jī)功率、轉(zhuǎn)矩以及轉(zhuǎn)速這3個(gè)重要生產(chǎn)參數(shù)下的動(dòng)態(tài)準(zhǔn)確性，計(jì)算結(jié)果如表4所示。由結(jié)果可知，孿生模型動(dòng)態(tài)準(zhǔn)確性相比穩(wěn)態(tài)準(zhǔn)確性有所降低，分析其原因主要是孿生模型與FAST離線模型因發(fā)電機(jī)模型和扭矩控制不一致而導(dǎo)致額定轉(zhuǎn)速、扭矩不同。

孿生模型是風(fēng)電機(jī)組數(shù)字孿生體的重要組成與基礎(chǔ)，在實(shí)時(shí)傳輸并接收風(fēng)電機(jī)組實(shí)體高速軸轉(zhuǎn)速、電磁轉(zhuǎn)矩等狀態(tài)量的同時(shí)，孿生模型也可精確模擬并運(yùn)算出生產(chǎn)現(xiàn)場(chǎng)無(wú)法測(cè)量的重要參數(shù)，如葉片擺振方向剪切力、擺振方向應(yīng)力、葉根揮舞方向彎矩、塔筒頂端前后方向偏移量等參量［20］，并能實(shí)現(xiàn)實(shí)時(shí)監(jiān)測(cè)以及后處理等功能。

以風(fēng)電機(jī)組葉片1節(jié)點(diǎn)2為例，其受力變化與對(duì)比如圖7所示。湍流風(fēng)下葉片1節(jié)點(diǎn)2所受軸向力呈現(xiàn)一定的周期性變化，揮舞方向剪切力的大小隨風(fēng)速的變換而變化，擺振方向剪切力呈周期性變化，均符合變化規(guī)律。孿生模型在參數(shù)變化的動(dòng)態(tài)特性上與FAST離線運(yùn)行結(jié)果具有較高一致性，進(jìn)一步驗(yàn)證孿生模型的準(zhǔn)確性，且這些載荷信息可為葉片狀態(tài)監(jiān)測(cè)與壽命評(píng)估提供數(shù)據(jù)參考。

3.2 Fuhrl?nder 2.5 MW雙饋風(fēng)電機(jī)組建模仿真

為進(jìn)一步驗(yàn)證該孿生建模方案在搭建實(shí)際風(fēng)電機(jī)組孿生模型時(shí)的準(zhǔn)確性及有效性，基于某風(fēng)電場(chǎng)Fuhrl?nder 2.5 MW

雙饋風(fēng)電機(jī)組設(shè)計(jì)參數(shù)及實(shí)際運(yùn)行數(shù)據(jù)搭建實(shí)際風(fēng)電機(jī)組孿生模型并驗(yàn)證孿生模型在實(shí)時(shí)仿真時(shí)的精度，其主要設(shè)計(jì)參數(shù)如表5所示。

從某風(fēng)電場(chǎng)Fuhrl?nder 2.5 MW雙饋風(fēng)電機(jī)組的運(yùn)行歷史SCADA數(shù)據(jù)中選取連續(xù)10條采樣序列，采樣間隔為3000 s，仿真前利用前一采樣序列的實(shí)際運(yùn)行數(shù)據(jù)，如風(fēng)輪轉(zhuǎn)速、發(fā)電機(jī)轉(zhuǎn)速、發(fā)電機(jī)轉(zhuǎn)矩等對(duì)搭建的孿生模型進(jìn)行初始化。各采樣點(diǎn)實(shí)際風(fēng)速輪轂處水平分量如圖8所示。

根據(jù)實(shí)際參數(shù)獲取情況，本文選擇發(fā)電機(jī)功率、發(fā)電機(jī)轉(zhuǎn)速、風(fēng)輪轉(zhuǎn)速等3個(gè)重要可測(cè)生產(chǎn)參數(shù)在孿生模型和FAST簡(jiǎn)化模型下與各采樣點(diǎn)實(shí)際運(yùn)行數(shù)據(jù)進(jìn)行對(duì)比驗(yàn)證。在搭建FAST簡(jiǎn)化模型時(shí)，由于該模型為根據(jù)實(shí)體風(fēng)力機(jī)搭

建而成，為此將該簡(jiǎn)化模型的控制進(jìn)行升級(jí)，以確保對(duì)比的真實(shí)性。不僅設(shè)計(jì)變槳控制，同時(shí)將扭矩控制也以動(dòng)態(tài)鏈接庫(kù)的形式體現(xiàn)在FAST簡(jiǎn)化模型中，相較于WindPACT 1.5 MW FAST離線模型的扭矩控制更為復(fù)雜和精細(xì)。

由圖9可看出，風(fēng)電機(jī)組孿生模型在發(fā)電機(jī)功率、發(fā)電機(jī)轉(zhuǎn)速、風(fēng)輪轉(zhuǎn)速等3個(gè)重要生產(chǎn)參數(shù)上都較好地接近于實(shí)際風(fēng)電機(jī)組的運(yùn)行數(shù)據(jù)，在長(zhǎng)時(shí)間尺度實(shí)時(shí)仿真時(shí)獲得了較好的仿真精度。由于采樣間隔較長(zhǎng)，根據(jù)式（3）計(jì)算孿生模型在長(zhǎng)時(shí)間尺度實(shí)時(shí)仿真時(shí)上述3個(gè)重要生產(chǎn)參數(shù)下的穩(wěn)態(tài)準(zhǔn)確性，計(jì)算結(jié)果如表6所示。

接著，從某風(fēng)電場(chǎng)Fuhrl?nder 2.5 MW雙饋風(fēng)電機(jī)組的運(yùn)行歷史數(shù)據(jù)中選取連續(xù)100條采樣序列，采樣間隔為該風(fēng)電場(chǎng)SCADA系統(tǒng)的數(shù)據(jù)最小采樣間隔——300 s，仿真之前利

用當(dāng)前時(shí)刻前一采樣序列的實(shí)際運(yùn)行數(shù)據(jù)對(duì)搭建的孿生模型進(jìn)行初始化。如圖10所示，實(shí)際風(fēng)速涉及2.7～13 m/s范圍，實(shí)時(shí)仿真時(shí)輸入風(fēng)速信息，包括水平方向風(fēng)速、風(fēng)向、湍流強(qiáng)度、時(shí)間戳等，數(shù)字孿生系統(tǒng)可實(shí)現(xiàn)最快0.01 s/條風(fēng)速+風(fēng)向信息輸入下的實(shí)時(shí)仿真。

同樣的，根據(jù)實(shí)際參數(shù)獲取情況，選擇發(fā)電機(jī)功率、發(fā)電機(jī)轉(zhuǎn)速、風(fēng)輪轉(zhuǎn)速等3個(gè)重要可測(cè)生產(chǎn)參數(shù)分別在孿生模型和FAST簡(jiǎn)化模型下與實(shí)際運(yùn)行數(shù)據(jù)進(jìn)行對(duì)比驗(yàn)證。由圖11可看出，風(fēng)電機(jī)組孿生模型在發(fā)電機(jī)功率、發(fā)電機(jī)轉(zhuǎn)速、風(fēng)輪轉(zhuǎn)速等3個(gè)重要生產(chǎn)參數(shù)上都較好地接近于實(shí)際風(fēng)電機(jī)組的運(yùn)行數(shù)據(jù)，在短時(shí)間尺度下實(shí)時(shí)仿真時(shí)同樣獲得了較高的仿真精度。孿生模型相較于FAST簡(jiǎn)化模型也更接近于實(shí)際風(fēng)電機(jī)組的運(yùn)行數(shù)據(jù)。分析原因可知，孿生模型采用更為精細(xì)的電力系統(tǒng)相量模型，而FAST簡(jiǎn)化模型則是動(dòng)態(tài)鏈接庫(kù)形式的扭矩控制；孿生模型在Simulink中搭建變流器控制等電氣控制策略，相較于簡(jiǎn)化模型控制策略更為精細(xì)化、更加完整、更接近實(shí)體。

最后根據(jù)式（4）計(jì)算孿生模型在短時(shí)間尺度下實(shí)時(shí)仿真時(shí)上述3個(gè)重要生產(chǎn)參數(shù)下的動(dòng)態(tài)準(zhǔn)確性，計(jì)算結(jié)果如表7所示。由表7可知，孿生模型在3個(gè)重要生產(chǎn)參數(shù)方面均具有較好的準(zhǔn)確性，同時(shí)說明在實(shí)時(shí)仿真時(shí)孿生模型可較好地映射實(shí)際風(fēng)電機(jī)組的各項(xiàng)生產(chǎn)參數(shù)，為后續(xù)基于孿生模型搭建數(shù)字孿生系統(tǒng)及平臺(tái)奠定堅(jiān)實(shí)基礎(chǔ)。

4 結(jié) 論

本文提出一種更為切實(shí)可行的新風(fēng)電機(jī)組孿生建模方法。該方法首先通過FAST建立風(fēng)電機(jī)組風(fēng)速模型、空氣動(dòng)力學(xué)模型以及結(jié)構(gòu)動(dòng)力學(xué)模型；其次在Simulink中建立電氣系統(tǒng)模型與控制策略模型，從而實(shí)現(xiàn)對(duì)風(fēng)電機(jī)組多耦合精細(xì)化孿生建模；最后根據(jù)該方法建立WindPACT 1.5 MW雙饋風(fēng)電機(jī)組與某風(fēng)電場(chǎng)Fuhrl?nder 2.5 MW雙饋風(fēng)電機(jī)組孿生模型，并通過設(shè)計(jì)標(biāo)準(zhǔn)與實(shí)際運(yùn)行數(shù)據(jù)對(duì)孿生模型仿真運(yùn)行結(jié)果進(jìn)行驗(yàn)證。對(duì)比結(jié)果表明，運(yùn)用該方法搭建的孿生模型具有較高的準(zhǔn)確性，并且驗(yàn)證了運(yùn)用此孿生模型，實(shí)現(xiàn)風(fēng)電機(jī)組孿生系統(tǒng)實(shí)時(shí)仿真，以及對(duì)風(fēng)力機(jī)現(xiàn)場(chǎng)不可測(cè)數(shù)據(jù)進(jìn)行孿生模擬的可行性與有效性，為最終實(shí)現(xiàn)數(shù)字孿生風(fēng)電機(jī)組系統(tǒng)精確監(jiān)測(cè)與健康管理奠定堅(jiān)實(shí)基礎(chǔ)，具有較好的應(yīng)用價(jià)值。后續(xù)將基于風(fēng)電機(jī)組孿生模型及其孿生模擬所得不可測(cè)數(shù)據(jù)對(duì)風(fēng)力機(jī)各關(guān)鍵部件進(jìn)行壽命評(píng)估與狀態(tài)監(jiān)測(cè)的研究。

［參考文獻(xiàn)］

［1］ LEE J， ZHAO F， DUTTON A， et al. Global wind report 2019［C］//Global Wind Energy Council， Brussels， Belgium， 2020.

［2］ DIAO J， ZHAO H， LI B， et al. Refined modeling and real-time simulation of DFIG based wind farm［C］//IEEE IAS Industrial and Commercial Power System Asia， Weihai， China， 2020.

［3］ 苗風(fēng)麟， 施洪生， 張小青. 風(fēng)力發(fā)電機(jī)組多領(lǐng)域耦合模型及動(dòng)態(tài)響應(yīng)分析［J］. 中國(guó)電機(jī)工程學(xué)報(bào)， 2015， 35（7）： 1704-1712.

MIAO F L， SHI H S， ZHANG X Q. Modelling of wind turbines coupled in multi-domain and dynamic response analysis［J］. Proceedings of the CSEE， 2015， 35（7）： 1704-1712.

［4］ GRIEVES M. Digital twin： manufacturing excellence through virtual factory replication［J］. White paper， 2014， 1： 1-7.

［5］ TAO F， CHENG J F， QI Q L， et al. Digital twin-driven product design， manufacturing and service with big data ［J］. The international journal of advanced manufacturing technology， 2018， 94（9）： 3563-3576.

［6］ MOGHADAM F K， REBOU?AS G F D S， NEJAD A R. Digital twin modeling for predictive maintenance of gearboxes in floating offshore wind turbine drivetrains［J］. Forschung im ingenieurwesen， 2021， 85（2）： 273-286.

［7］ ZHAO H， HU W F， LIU Z Y， et al. A CapsNet-based fault diagnosis method for a digital twin of a wind turbine gearbox［C］//ASME Power Conference， online， 2021.

［8］ BALDASSARRE A， CERUTI A， et al. Towards a digital twin realization of the blade system design study wind turbine blade［J］. Wind and structures， 2019， 28（5）： 271-284.

［9］ CHETAN M， YAO S L， GRIFFITH D T. Multi-fidelity digital twin structural model for a sub-scale downwind wind turbine rotor blade［J］. Wind energy， 2021， 24（12）： 1368-1387.

［10］ PARVARESH A， ABRAZEH S， MOHSENI S， et al. A novel deep learning backstepping controller-based digital twins technology for pitch angle control of variable speed wind turbine［J］. Designs， 2020， 4（2）： 15.

［11］ PIMENTA F， PACHECO J， BRANCO C M， et al. Development of a digital twin of an onshore wind turbine using monitoring data［J］. Journal of physics： conference series， 2020， 1618（2）： 022065.

［12］ SIVALINGAM K， SEPULVEDA M， SPRING M， et al. A review and methodology development for remaining useful life prediction of offshore fixed and floating wind turbine power converter with digital twin technology perspective［C］//2018 2nd International Conference on Green Energy and Applications， Singapore， 2018.

［13］ GRIEVES M W. Virtually intelligent product systems： digital and physical twins［M］. USA： American Institute of Aeronautics and Astronautics， 2019： 175-200.

［14］ TAO F， ZHANG M， LIU Y S， et al. Digital twin driven prognostics and health management for complex equipment［J］. CIRP annals， 2018， 67（1）： 169-172.

［15］ 張辰源， 陶飛. 數(shù)字孿生模型評(píng)價(jià)指標(biāo)體系［J］. 計(jì)算機(jī)集成制造系統(tǒng)， 2021， 27（8）： 2171-2186.

ZHANG C Y， TAO F. Evaluation index system for digital twin" "model［J］." "Computer" "integrated" "manufacturing systems， 2021， 27（8）： 2171-2186.

［16］ DYKES K L， RINKER J. WindPACT reference wind turbines［R］. NREL/TP-5000-67667， 2018.

［17］ JONKMAN J. Fast theory manual［M］. National Renewable Energy Laboratory， Golden， CO， 2013.

［18］ 楊超. 風(fēng)電機(jī)組動(dòng)態(tài)載荷特性及主動(dòng)抑制策略研究［D］. 重慶： 重慶大學(xué)， 2015.

YANG C. Active control strategies and characteristics of dynamic loads of wind turbine generator systems［D］. Chongqing： Chongqing University， 2015.

［19］ LI B， ZHAO H R， DIAO J C， et al. Design of real-time co-simulation platform for wind energy conversion system［J］. Energy reports， 2020， 6（sup2）： 403-409.

［20］ WANG X， GAO D W， WANG J， et al. Implementations and evaluations of wind turbine inertial controls with FAST and digital real-time simulations［J］. IEEE transactions on energy conversion， 2018， 33（4）： 1805-1814.

RESEARCH ON WIND TURBINE MODELING BASED ON

DIGITAL TWIN TECHNOLOGY

Shang Haiyong1，2，Liu Liqiang1，2，Qi Yongsheng1，2，Li Yongting1，2

（1. Institute of Electric Power， Inner Mongolia University of Technology， Hohhot 010080， China；

2. Inner Mongolia Key Laboratory of Electrical Energy Conversion Transmission and Control， Hohhot 010051， China）

Abstract：In response to the problem that the previous digital twin modeling of the wind turbine is limited by different research purposes or the function of a single software， which makes it challenging to establish the whole model of the wind turbine， a new wind turbine twin modeling method is proposed. The method first relies on the FAST wind performance module to build the steady-state and the random turbulent wind model， the real-time wind speed model of wind farms. Then the aerodynamics module and the structural dynamics module are used to build the geometric and dynamics models of critical components such as wind turbine blade and towers respectively. Finally， the wind turbine electrical system model and control strategy were built in Simulink， which resulted in a complete twin model of the wind turbine. The twin modeling approach was validated for WindPACT 1.5 MW doubly-fed wind turbine and Fuhrl?nder 2.5 MW doubly-fed wind turbine at a wind farm， and the results showed that the twin model has a high accuracy of all essential production parameters compared to the design standard and actual operation data under different wind speed models. In addition， the feasibility and validity of the twin model were further demonstrated by real-time simulation of the wind turbine digital twin system and twin simulation of the unmeasurable data in the field.

Keywords：wind turbines； digital twin； twin modeling； accuracy； real-time simulation； twin simulation