开云优惠体育网页版入口

专利名称：一种风力发电设备用干燥方法及装置

专利类型：发明专利

专利申请号：CN202410959292.5

专利申请（专利权）人：国网甘肃省电力公司酒泉供电公司,酒泉市兴达建筑安装工程有限责任公司
权利人地址：甘肃省酒泉市肃州区敦煌路8号

专利发明（设计）人：李安,郑建志,赵年年,向昱瑾,刘德祺,殷小军,王幼钧,杨丽梅,毛金霞

专利摘要：本发明提供一种风力发电设备用干燥方法及装置，属于风力发电技术领域；解决了面对不同干燥度指标下的干燥方法择优选择问题；具体如下：对风力发电设备预测数据进行获。欢愿稍锲骷预估参数进行获。欢栽す啦问屑扑，得到归一化预估参数；对归一化预估参数进行计算，得到预估参数系数；对归一化预估参数和预估参数系数进行计算，得到环境参数、位置参数和设备参数；对环境参数、位置参数和设备参数进行计算，得到检验干燥指标，并根据算法，得到预测模型；根据预测模型和预测数据，得到干燥度指标ZH2；根据检验干燥度指标ZH3进行分析，得到ZH2的分布情况；对ZH2的分布情况和ZH2进行分析，得到干燥方法择优区间。

主权利要求：
1.一种风力发电设备用干燥方法，其特征在于，所述干燥方法包括以下步骤：步骤S1：对风力发电设备当前环境温度、环境湿度、环境风速、环境大气压力以及降雨量进行获。玫交肪呈荩
对风力发电设备坡度和海平面高度进行获。玫轿恢檬荩
对设备硬度、设备耐热指标以及设备温度进行获。玫缴璞甘，将环境数据、位置数据和设备数据，记作预测数据；
步骤S2：对历史环境数据WE、历史位置数据WW、历史干燥度指数ZH1和历史设备数据WP进行获。玫皆す啦问
步骤S3：对预估参数进行计算，得到环境参数、位置参数和设备参数；根据得到的参数进行计算，得到检验干燥指标ZH3，并根据算法，得到预测模型；根据预测模型和预测数据，得到干燥度指标ZH2；
步骤S4：根据检验干燥度指标ZH3进行分析，得到当前干燥度指标ZH2的分布情况；对当前干燥度指标ZH2的分布情况和当前干燥度指标ZH2进行分析，得到干燥方法择优区间。
2.根据权利要求1所述的一种风力发电设备用干燥方法，其特征在于，所述步骤S1的工作流程如下：对风力发电设备工作过程中的温度进行获。玫交肪澄露群蜕璞肝露龋
对风力发电设备环境湿度进行获。玫交肪呈龋
对风力发电设备工作环境下的环境风速获。玫交肪撤缢伲
对风力发电设备环境气压进行获。玫交肪炒笃沽Γ
对风力发电设备环境雨量进行获。玫浇涤炅浚
对风力发电设备的坡度和海平面高度进行获。玫狡露群秃Ｆ矫娓叨龋
对风力发电设备干燥度指标进行获。玫礁稍锒戎副辏
对风力发电设备的设备硬度和设备耐热指标进行获。玫缴璞赣捕群蜕璞改腿戎副辏
将获取的当前环境温度、环境湿度、环境风速、环境大气压力、降雨量、坡度、海平面高度、设备硬度、设备耐热指标和设备温度传递给计算模块，记作预测数据，进入步骤S3。
3.根据权利要求1所述的一种风力发电设备用干燥方法，其特征在于，所述步骤S2的工作流程如下：对历史数据环境温度QT1、环境湿度QU1、环境风速QV1、环境大气压力QP1和降雨量QL1进行获。玫嚼坊肪呈荩
历史环境数据表示为：[QT1，QU1，QV1，QP1，QL1]；
对历史数据坡度QS1、海平面高度QG1进行获。玫嚼肺恢檬荩
历史位置数据表示为：[QS1，QG1]；
对历史数据设备硬度QQ1、设备耐热指标QC1，设备温度QW1进行获。玫嚼飞璞甘荩
历史设备数据表示：[QQ1，QC1，QW1]；
对历史数据干燥度指数进行获。玫嚼犯稍锒戎甘
对历史环境数据，历史位置数据，历史设备数据和历史干燥度指数进行列表组合，记作预估参数；
预估参数表示为：{[QT1，QU1，QV1，QP1，QL1],[QS1，QG1],[QQ1，QC1，QW1],ZH1}，进入步骤S3。
4.根据权利要求3所述的一种风力发电设备用干燥方法，其特征在于，所述步骤S3的工作流程如下：步骤S31：对预估参数进行计算，得到归一化预估参数；
步骤S32：对归一化预估参数进行计算，得到预估参数系数；
步骤S33：对归一化预估参数和预估参数系数进行计算，得到环境参数、位置参数和设备参数；
对环境参数、位置参数和设备参数进行计算，得到检验干燥指标；
步骤S34：对归一化环境数据、环境参数、归一化位置数据、位置参数、归一化设备数据、设备参数和检验干燥度指标ZH3进行计算，得到预测模型；
根据预测模型，对预测数据进行计算，得到当前设备干燥度指标ZH2。
5.根据权利要求4所述的一种风力发电设备用干燥方法，其特征在于，所述步骤S31的工作流程如下：对历史环境数据进行比较，得到环境数据最大值WEmax和环境数据最小值WEmin；
对历史环境数据和历史干燥指数ZH1进行计算，得到归一化环境温度VT1、归一化环境湿度VU1、归一化环境风速VV1、归一化环境大气压力VP1和归一化降雨量VL1；
；
；
；
；
；
对历史位置数据进行比较，得到位置数据最大值WWmax和位置数据最小值WWmin；
对历史位置数据和历史干燥指数ZH1进行计算，得到归一化坡度VS1和归一化海平面高度VG1；
；
；
对历史设备数据进行比较，得到设备数据最大值WPmax和设备数据最小值WPmin；
对历史设备数据和历史干燥指数ZH1进行计算，得到归一化设备硬度VQ1、归一化设备耐热指标VC1、归一化设备温度VW1；
；
；
；
将归一化环境温度VT1、归一化环境湿度VU1、归一化环境风速VV1、归一化环境大气压力VP1、归一化降雨量VL1、归一化坡度VS1、归一化海平面高度VG1、归一化设备硬度VQ1、归一化设备耐热指标VC1和归一化设备温度VW1，记作归一化预估参数。
6.根据权利要求5所述的一种风力发电设备用干燥方法，其特征在于，所述步骤S32的工作流程如下：对归一化预估参数进行计算，得到预估参数系数；
计算过程如下：
对归一化环境温度VT1、归一化环境湿度VU1、归一化环境风速VV1、归一化环境大气压力VP1、归一化降雨量VL1和历史干燥指数ZH1进行计算，得到环境温度系数 、环境湿度系数 、环境风速系数 、环境大气压力系数 和降雨量系数 ；
；
；
；
；
；
对归一化坡度VS1、归一化海平面高度VG1和历史干燥指数ZH1进行计算，得到坡度系数和海平面高度系数 ；
；
；
对归一化设备硬度VQ1、归一化设备耐热指标VC1、归一化设备温度VW1和历史干燥指数ZH1进行计算，得到设备硬度系数 、设备耐热指标系数 和设备温度系数 ；
；
；
；
将环境温度系数 、环境湿度系数 、环境风速系数 、环境大气压力系数 、降雨量系数 、坡度系数 、海平面高度系数 、设备硬度系数 、设备耐热指标系数和设备温度系数 ，记作预估参数系数，进入步骤S33。
7.根据权利要求6所述的一种风力发电设备用干燥方法，其特征在于，所述步骤S33的工作流程如下：对归一化环境温度VT1、归一化环境湿度VU1、归一化环境风速VV1、归一化环境大气压力VP1、归一化降雨量VL1、环境温度系数 、环境湿度系数 、环境风速系数 、环境大气压力系数 和降雨量系数 进行计算，得到环境参数；
；
对归一化坡度VS1、归一化海平面高度VG1、坡度系数 和海平面高度系数 进行计算，得到位置参数 ；
；
对归一化设备硬度VQ1、归一化设备耐热指标VC1、归一化设备温度VW1、设备硬度系数、设备耐热指标系数 和设备温度系数 进行计算，得到设备参数 ，进入步骤S34；
。
8.根据权利要求7所述的一种风力发电设备用干燥方法，其特征在于，所述的步骤S34工作流程如下：对环境数据ZN1、位置数据ZN2和设备数据ZN3进行比较，得到最大值ZNmax和最小值ZNmin；
对环境数据ZN1、位置数据ZN2、设备数据ZN3和检验干燥指数ZH3进行计算，得到归一化环境数据ZC1、归一化位置数据ZC2和归一化设备数据ZC3；
；
；
；
对环境参数、位置参数和设备参数进行计算，得到检验干燥指标ZH3；
ZH3=ZN1+ZN2+ZN3；
根据时间段，对环境数据ZC1、位置数据ZC2和设备数据ZC2进行划分，分为第一预估参数组、第二预估参数组、第三预估参数组、第四预估参数组；
第一预估参数组：ZC11、ZC21、ZC31；
第二预估参数组：ZC12、ZC22、ZC32；
第三预估参数组：ZC13、ZC23、ZC33；
第四预估参数组：ZC14、ZC24、ZC34；
利用建模工具，对第一预估参数组、第二预估参数组、第三预估参数组、第四预估参数组进行计算，得到预测模型；
根据划分比例，对第一预估参数组、第二预估参数组、第三预估参数组、第四预估参数组进行划分，得到训练集和测试集；
利用Python语言中的scikit?learn库，对训练集和数据集进行计算，得到预测模型；
利用高速计算硬件和预测模型，对预测数据进行计算，得到当前干燥度指标ZH2；
当前干燥度指标ZH2包括：第一干燥度指数参数组、第二干燥度指数参数组、第三干燥度指数参数组和第四干燥度指数参数组；进入步骤S4。
9.根据权利要求8所述的一种风力发电设备用干燥方法，其特征在于，所述步骤S4工作流程如下：对历史干燥度指标ZH3进行数据探索，得到数据特性和数据假设；
根据数据特性和数据假设，对当前干燥度指标ZH2进行统计分析，得到当前干燥度指标ZH2分布情况；
根据特征筛选规则，对当前干燥度指标ZH2进行筛。玫礁稍锊问齈1～Pz；
第一干燥度指数参数组、第二干燥度指数参数组、第三干燥度指数参数组以及第四干燥度指数参数组中的参数分别和阈值C进行比较；
若第一干燥度指数参数组至第四干燥度指数参数组中的参数小于阈值C，则对对应的预估参数进行筛。
若第一干燥度指数参数组至第四干燥度指数参数组中的参数大于阈值C，则选择对应的预估参数作为干燥参数，得到干燥参数P1～Pz；
根据干燥参数P1、干燥参数P2、干燥参数P3和当前干燥度指标ZH2分布区间，得到干燥择优区间；
根据干燥参数P1、干燥参数P2、干燥参数P3和当前干燥度指标ZH2分布区间，得到干燥择优区间；
若z为3，干燥择优区间划分如下：
若干燥度指标为：干燥参数P1、干燥参数P2、干燥参数P3分布情况如下：
45

若干燥度指标为：干燥参数P1、干燥参数P2、干燥参数P3分布情况如下：P1>45；P2<2；P3<20；
需要对风力发电设备进行初步干燥处理；
若干燥指标情况为：当干燥参数P1、干燥参数P2、干燥参数P3分布情况如下：P1<45；P2>3；P3>30；
需要对风力发电设备进行深度干燥处理；
若干燥指标情况为：当干燥参数P1、干燥参数P2、干燥参数P3分布不满足无需干燥、初步干燥和深度干燥的情况下，需要进行特殊干燥。
10.一种风力发电设备用干燥装置，适用于权利要求1～9任意一项所述的一种风力发电设备用干燥方法，其特征在于，所述干燥装置具体如下：采集模块：采集风力发电设备的所有环境数据和设备数据包括环境温度、环境湿度、环境风速、环境大气压力、降雨量、坡度、海平面高度、设备硬度、设备耐热指标和设备温度，记作预测数据传递给计算模块；
提取模块：根据判断部件位置，在历史数据中提取出对应的部件数据，得到环境温度QT1、环境湿度QU1、环境风速QV1、环境大气压力QP1、降雨量QL1、坡度QS1、海平面高度QG1、设备硬度QQ1、设备耐热指标QC1，设备温度QW1和历史干燥度指标ZH1，作为预估参数发送至第一计算模块至第四计算模块；
第一计算模块：对预估参数进行组合并进行最大最小?归一化计算，得到归一化预估参数；
对归一化预估参数进行组合，得到环境数据、环境参数、位置数据；
第二计算模块：对归一化预估参数进行计算，得到对应的预估参数系数；
第三计算模块：对归一化预估参数和预估参数系数进行计算，得到环境参数、位置参数和设备参数；
第四计算模块：对环境参数、位置参数和设备参数进行计算，得到检验干燥度指标ZH3；
根据决策树模型，对环境数据、环境参数、位置数据、位置参数、设备数据、设备参数和检验干燥度指标ZH3进行计算，得到预测模型，根据预测模型对预测数据进行计算，得到当前设备干燥度指标ZH2；
干燥择优模块：对检验干燥度指标ZH3进行数据探索，得到数据特性和数据假设；根据数据特性和数据假设，对当前干燥度指标ZH2进行统计分析，得到干燥方法择优区间。 说明书 : 一种风力发电设备用干燥方法及装置技术领域[0001] 本发明涉及风力发电技术领域，尤其涉及一种风力发电设备用干燥装置。背景技术[0002] 风力发电设备常常安装在海边或高地等风能资源丰富的区域，这些地方往往空气环境湿度大，盐雾等腐蚀性强，传统的干燥设备可能存在使用寿命短、效率低、维护不便等问题；因此我们发明一种风力发电设备用干燥方法及装置，面对风力发电设备不同干燥度指标下，选择更加适宜的干燥处理方法。[0003] 现有的风力发电设备用干燥过程存在以下不足：[0004] 设备复杂性：干燥系统的设计可能过于复杂，导致安装、操作和维护困难，增加了技术门槛和培训成本；当前存在的干燥方法数量繁多，面对不同的材料和干燥度指标，选择适宜的干燥方法进行处理较为困难；[0005] 自动化水平：一些干燥系统可能缺乏足够的自动化功能，数据的采集依赖人工监控和操作，这可能导致响应延迟和效率低下，直接影响到干燥过程的效率、可靠性和维护成本；[0006] 干燥效率：根据当前的环境情况和设备情况对干燥方法进行选择的时候会存在现有干燥设备可能存在效率低下的问题，无法快速有效地去除设备内部的水分，导致干燥时间延长和能耗增加。发明内容[0007] 针对现有技术存在的不足，本发明目的是提供一种风力发电设备用干燥方法，旨在解决面对不同干燥度指标下的干燥方法择优选择问题。[0008] 为了实现上述目的，本发明是通过如下的技术方案来实现：一种风力发电设备用干燥方法，所述干燥方法包括以下步骤：[0009] 步骤S1：对风力发电设备当前环境温度、环境湿度、环境风速、环境大气压力以及降雨量进行获。玫交肪呈荩籟0010] 对风力发电设备坡度和海平面高度进行获。玫轿恢檬荩籟0011] 对设备硬度、设备耐热指标以及设备温度进行获。玫缴璞甘，将环境数据、位置数据和设备数据，记作预测数据；[0012] 步骤S2：对历史环境数据WE、历史位置数据WW、历史干燥度指数ZH1和历史设备数据WP进行获。玫皆す啦问籟0013] 步骤S3：对预估参数进行计算，得到归一化预估参数；对归一化预估参数进行计算，得到预估参数系数；对归一化预估参数和预估参数系数进行计算，得到环境参数、位置参数和设备参数；对环境参数、位置参数和设备参数进行计算，得到检验干燥指标ZH3，并根据算法，得到预测模型；根据预测模型和预测数据，得到干燥度指标ZH2；[0014] 步骤S4：根据检验干燥度指标ZH3进行分析，得到当前干燥度指标ZH2的分布情况；对当前干燥度指标ZH2的分布情况和当前干燥度指标ZH2进行分析，得到干燥方法择优区间。[0015] 进一步地，所述步骤S1的工作流程如下：[0016] 对风力发电设备工作过程中的温度进行获。玫交肪澄露群蜕璞肝露龋籟0017] 对风力发电设备环境湿度进行获。玫交肪呈龋籟0018] 对风力发电设备工作环境下的环境风速获。玫交肪撤缢伲籟0019] 对风力发电设备环境气压进行获。玫交肪炒笃沽Γ籟0020] 对风力发电设备环境雨量进行获。玫浇涤炅浚籟0021] 对风力发电设备的坡度和海平面高度进行获。玫狡露群秃Ｆ矫娓叨龋籟0022] 对风力发电设备干燥度指标进行获。玫礁稍锒戎副辏籟0023] 对风力发电设备的设备硬度和设备耐热指标进行获。玫缴璞赣捕群蜕璞改腿戎副辏籟0024] 将获取的当前环境温度、环境湿度、环境风速、环境大气压力、降雨量、坡度、海平面高度、设备硬度、设备耐热指标和设备温度传递给计算模块，记作预测数据，进入步骤S3。[0025] 进一步地，所述步骤S2的工作流程如下：[0026] 对历史数据环境温度QT1、环境湿度QU1、环境风速QV1、环境大气压力QP1和降雨量QL1进行获。玫嚼坊肪呈荩籟0027] 历史环境数据表示为：[QT1，QU1，QV1，QP1，QL1]；[0028] 对历史数据坡度QS1、海平面高度QG1进行获。玫嚼肺恢檬荩籟0029] 历史位置数据表示为：[QS1，QG1]；[0030] 对历史数据设备硬度QQ1、设备耐热指标QC1，设备温度QW1进行获。玫嚼飞璞甘荩籟0031] 历史设备数据表示：[QQ1，QC1，QW1]；[0032] 对历史数据干燥度指数进行获。玫嚼犯稍锒戎甘籟0033] 对历史环境数据，历史位置数据，历史设备数据和历史干燥度指数进行列表组合，记作预估参数；[0034] 预估参数表示为：{[QT1，QU1，QV1，QP1，QL1],[QS1，QG1],[QQ1，QC1，QW1],ZH1}。[0035] 进一步地，所述步骤S3的工作流程如下：[0036] 步骤S31：对预估参数进行计算，得到归一化预估参数；[0037] 步骤S32：对归一化预估参数进行计算，得到预估参数系数；[0038] 步骤S33：对归一化预估参数和预估参数系数进行计算，得到环境参数、位置参数和设备参数；[0039] 对环境参数、位置参数和设备参数进行计算，得到检验干燥指标；[0040] 步骤S34：对归一化环境数据、环境参数、归一化位置数据、位置参数、归一化设备数据、设备参数和检验干燥度指标ZH3进行计算，得到预测模型；[0041] 根据预测模型，对预测数据进行计算，得到当前设备干燥度指标ZH2。[0042] 进一步地，所述步骤S31的工作流程如下：[0043] 对历史环境数据进行比较，得到环境数据最大值WEmax和环境数据最小值WEmin；[0044] 对历史环境数据和历史干燥指数ZH1进行计算，得到归一化环境温度VT1、归一化环境湿度VU1、归一化环境风速VV1、归一化环境大气压力VP1和归一化降雨量VL1；[0045] ；[0046] ；[0047] ；[0048] ；[0049] ；[0050] 对历史位置数据进行比较，得到位置数据最大值WWmax和位置数据最小值WWmin；[0051] 对历史位置数据和历史干燥指数ZH1进行计算，得到归一化坡度VS1和归一化海平面高度VG1；[0052] ；[0053] ；[0054] 对历史设备数据进行比较，得到设备数据最大值WPmax和设备数据最小值WPmin；[0055] 对历史设备数据和历史干燥指数ZH1进行计算，得到归一化设备硬度VQ1、归一化设备耐热指标VC1、归一化设备温度VW1；[0056] ；[0057] ；[0058] ；[0059] 将归一化环境温度VT1、归一化环境湿度VU1、归一化环境风速VV1、归一化环境大气压力VP1、归一化降雨量VL1、归一化坡度VS1、归一化海平面高度VG1、归一化设备硬度VQ1、归一化设备耐热指标VC1和归一化设备温度VW1，记作归一化预估参数。[0060] 进一步地，所述步骤S32的工作流程如下：[0061] 对归一化预估参数进行计算，得到预估参数系数；[0062] 计算过程如下：[0063] 对归一化环境温度VT1、归一化环境湿度VU1、归一化环境风速VV1、归一化环境大气压力VP1、归一化降雨量VL1和历史干燥指数ZH1进行计算，得到环境温度系数 、环境湿度系数 、环境风速系数 、环境大气压力系数 和降雨量系数 ；[0064] ；[0065] ；[0066] ；[0067] ；[0068] ；[0069] 对归一化坡度VS1、归一化海平面高度VG1和历史干燥指数ZH1进行计算，得到坡度系数 和海平面高度系数 ；[0070] ；[0071] ；[0072] 对归一化设备硬度VQ1、归一化设备耐热指标VC1、归一化设备温度VW1和历史干燥指数ZH1进行计算，得到设备硬度系数 、设备耐热指标系数 和设备温度系数 ；[0073] ；[0074] ；[0075] ；[0076] 将环境温度系数 、环境湿度系数 、环境风速系数 、环境大气压力系数、降雨量系数 、坡度系数 、海平面高度系数 、设备硬度系数 、设备耐热指标系数 和设备温度系数 ，记作预估参数系数，进入步骤S33。[0077] 进一步地，所述步骤S33的工作流程如下：[0078] 对归一化环境温度VT1、归一化环境湿度VU1、归一化环境风速VV1、归一化环境大气压力VP1、归一化降雨量VL1、环境温度系数 、环境湿度系数 、环境风速系数 、环境大气压力系数 和降雨量系数 进行计算，得到环境参数 ;[0079] ；[0080] 对归一化坡度VS1、归一化海平面高度VG1、坡度系数 和海平面高度系数 进行计算，得到位置参数 ；[0081] 对归一化设备硬度VQ1、归一化设备耐热指标VC1、归一化设备温度VW1、设备硬度系数 、设备耐热指标系数 和设备温度系数 进行计算，得到设备参数 ，进入步骤S34；[0082] 。[0083] 进一步地，所述的步骤S34工作流程如下：[0084] 对环境数据ZN1、位置数据ZN2和设备数据ZN3进行比较，得到最大值ZNmax和最小值ZNmin；[0085] 对环境数据ZN1、位置数据ZN2、设备数据ZN3和检验干燥指数ZH3[0086] 进行计算，得到归一化环境数据ZC1、归一化位置数据ZC2和归一化设备数据ZC3；[0087] ；[0088] ；[0089] ；[0090] 对环境参数、位置参数和设备参数进行计算，得到检验干燥指标ZH3；[0091] ZH3=ZN1+ZN2+ZN3；[0092] 根据时间段，对环境数据ZC1、位置数据ZC2和设备数据ZC2进行划分，分为第一预估参数组、第二预估参数组、第三预估参数组、第四预估参数组；[0093] 第一预估参数组：ZC11、ZC21、ZC31；[0094] 第二预估参数组：ZC12、ZC22、ZC32；[0095] 第三预估参数组：ZC13、ZC23、ZC33；[0096] 第四预估参数组：ZC14、ZC24、ZC34；[0097] 利用建模工具，对第一预估参数组、第二预估参数组、第三预估参数组、第四预估参数组进行计算，得到预测模型；[0098] 根据划分比例，对第一预估参数组、第二预估参数组、第三预估参数组、第四预估参数组进行划分，得到训练集和测试集；[0099] 利用Python语言中的scikit?learn库，对训练集和数据集进行计算，得到预测模型；[0100] 利用高速计算硬件和预测模型，对预测数据进行计算，得到当前干燥度指标ZH2；[0101] 当前干燥度指标ZH2包括：第一干燥度指数参数组、第二干燥度指数参数组、第三干燥度指数参数组和第四干燥度指数参数组；进入步骤S4。[0102] 进一步地，所述步骤S4工作流程如下：[0103] 对历史干燥度指标ZH3进行数据探索，得到数据特性和数据假设；[0104] 根据数据特性和数据假设，对当前干燥度指标ZH2进行统计分析，得到当前干燥度指标ZH2分布情况；[0105] 根据特征筛选规则，对当前干燥度指标ZH2进行筛。玫礁稍锊问齈1、P2和P3；[0106] 第一干燥度指数参数组、第二干燥度指数参数组、第三干燥度指数参数组以及第四干燥度指数参数组中的参数分别和阈值C进行比较；[0107] 特征筛选规则如下：[0108] 若预估参数小于阈值C，则对对应的预估参数进行筛。籟0109] 若预估参数大于阈值C，则选择对应的预估参数作为干燥参数P1、P2和P3；[0110] 根据干燥参数P1、干燥参数P2、干燥参数P3和当前干燥度指标ZH2分布区间，得到干燥择优区间；[0111] 根据干燥参数P1、干燥参数P2、干燥参数P3和当前干燥度指标ZH2分布区间，得到干燥择优区间；[0112] 干燥择优区间划分如下：[0113] 若干燥度指标为：干燥参数P1、干燥参数P2、干燥参数P3分布情况如下：[0114] 45
[0115] 无需对风力发电设备进行干燥处理；[0116] 若干燥度指标为：干燥参数P1、干燥参数P2、干燥参数P3分布情况如下：[0117] P1>45；P2<2；P3<20；[0118] 需要对风力发电设备进行初步干燥处理；[0119] 若干燥指标情况为：当干燥参数P1、干燥参数P2、干燥参数P3分布情况如下：[0120] P1<45；P2>3；P3>30；[0121] 需要对风力发电设备进行深度干燥处理；[0122] 若干燥指标情况为：当干燥参数P1、干燥参数P2、干燥参数P3分布不满足无需干燥、初步干燥和深度干燥的情况下，需要进行特殊干燥。[0123] 一种风力发电设备用干燥装置，所述干燥装置具体如下：[0124] 采集模块：采集风力发电设备的所有环境数据和设备数据包括环境温度、环境湿度、环境风速、环境大气压力、降雨量、坡度、海平面高度、设备硬度、设备耐热指标和设备温度，记作预测数据传递给计算模块；[0125] 提取模块：根据判断部件位置，在历史数据中提取出对应的部件数据，得到环境温度QT1、环境湿度QU1、环境风速QV1、环境大气压力QP1、降雨量QL1、坡度QS1、海平面高度QG1、设备硬度QQ1、设备耐热指标QC1，设备温度QW1和历史干燥度指标ZH1，作为预估参数发送至第一计算模块至第四计算模块；[0126] 第一计算模块：对预估参数进行组合并进行最大最小?归一化计算，得到归一化预估参数；[0127] 对归一化预估参数进行组合，得到环境数据、环境参数、位置数据；[0128] 第二计算模块：对归一化预估参数进行计算，得到对应的预估参数系数；[0129] 第三计算模块：对归一化预估参数和预估参数系数进行计算，得到环境参数、位置参数和设备参数；[0130] 第四计算模块：对环境参数、位置参数和设备参数进行计算，得到检验干燥度指标ZH3；[0131] 根据决策树模型：对环境数据、环境参数、位置数据、位置参数、设备数据、设备参数和检验干燥度指标ZH3进行计算，得到预测模型，根据预测模型对预测数据进行计算，得到当前设备干燥度指标ZH2；[0132] 干燥择优模块：对检验干燥度指标ZH3进行数据探索，得到数据特性和数据假设；根据数据特性和数据假设，对当前干燥度指标ZH2进行统计分析，得到干燥方法择优区间。[0133] 与现有技术相比，本发明的有益效果是：[0134] 采集智能化，利用传感器和地理系统对于风力发电设备的环境因素和位置因素进行快速获。岣吡耸莼袢〉乃俣，减少对于人工操作和检查的依赖。[0135] 干燥方法择优选择，根据采集到的环境因素和位置因素，结合预测模型进行计算，预测当前风力发电设备的干燥度指标，根据当前的干燥度指标对干燥方法进行择优选择。[0136] 实现系统化，对于数据的采集、模型的建立和干燥方法的择优整个过程形成一个完整的系统，能够快速高效的实现对于干燥方法的确定，能够更加有效的对于风力发电设备进行保护。附图说明[0137] 通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其他特征、目的和优点将会变得更明显：[0138] 图1为本发明干燥方法流程示意图；[0139] 图2为本发明模型构建示意图；[0140] 图3为本发明干燥装置流程示意图；[0141] 图4为本发明系统流程图。具体实施方式[0142] 请参阅图1、图2和图4，为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细地说明。[0143] 一种风力发电设备用干燥方法，包括以下步骤：[0144] 步骤S1：对风力发电设备环境温度、环境湿度、环境风速、环境大气压力以及降雨量进行获。玫交肪呈軿M1；[0145] 风力发电设备内部设置有温度传感器、环境湿度传感器、气压计、雨量计；[0146] 对风力发电设备坡度和海平面高度进行获。玫轿恢檬軿M2;[0147] 对设备硬度、设备耐热指标以及设备温度进行获。玫缴璞甘軿M3，将环境数据和设备数据，记作预测数据；[0148] 风力发电设备内部安装有温度传感器、监测系统以及环境湿度传感器，在风力发电设备安装区域内还设置有气压计以及雨量计；[0149] 对风力发电设备工作过程中的温度进行获。玫交肪澄露群蜕璞肝露龋籟0150] 对风力发电设备环境湿度进行获。玫交肪呈龋籟0151] 对风力发电设备工作环境下的环境风速获。玫交肪撤缢伲籟0152] 对风力发电设备环境气压进行获。玫交肪炒笃沽Γ籟0153] 对风力发电设备环境雨量进行获。玫浇涤炅浚籟0154] 通过读取地理信息系统进行读。苑缌Ψ⒌缟璞傅钠露群秃Ｆ矫娓叨冉谢袢。玫狡露群秃Ｆ矫娓叨龋籟0155] 对风力发电设备干燥度指标进行获。玫礁稍锒戎副辏籟0156] 需要说明的是，干燥度指标为现有风力发电设备维护过程中设定的指标，通过干燥度指标的大小的比较判断对于风力发电设备用干燥情况进行判断。[0157] 对风力发电设备的设备硬度和设备耐热指标进行获。玫缴璞赣捕群蜕璞改腿戎副辏籟0158] 将获取的当前环境温度、环境湿度、环境风速、环境大气压力、降雨量、坡度、海平面高度、设备硬度、设备耐热指标和设备温度传递给计算模块，记作预测数据。[0159] 需要说明的是，地理信息系统是一种集成的计算机系统，用于捕捉、存储、分析和展示地理空间数据；地理空间数据是与地球表面特定位置相关的数据；地理信息系统可以提供坡度、海平面高度等地形数据，以及可能的环境数据。[0160] 对风力发电设备检测设备和结构图纸读。玫缴璞赣捕群蜕璞改腿戎副辏籟0161] 对当前环境数据、位置数据和设备数据进行组合，记作预测数据；[0162] 预测数据表示为：{ZM1，ZM2，ZM3}；[0163] 需要说明的是，检测设备是面对风力发电设备进行专业检测的设备，包含：环境与可靠性试验设备、电气性能测试设备、机械性能测试设备和专项检测工具；[0164] 步骤S2：对数据记录模块进行读。崛±坊肪呈軼E、历史位置数据WW、历史干燥度指数ZH1和历史设备数据WP进行获。玫皆す啦问籟0165] 需要说明的是，数据记录模块是用于捕获、存储和有时处理数据的系统组件；这些模块可以集成在各种设备和系统中，以收集所需的信息供后续分析和使用；例如：数据采集系统、黑匣子、气象站、网络监控工具、智能仪表和传感器等，数据记录模块对风力发电设备所处环境的历史环境数据进行存储，在本申请文件中获取近三年环境数据作为历史环境数据，本申请文件中历史环境数据包括的历史数据环境温度QT1、环境湿度QU1、环境风速QV1、环境大气压力QP1和降雨量QL1均为近三年对应月份的平均值；[0166] 通过读取数据记录模块，对历史数据环境温度QT1、环境湿度QU1、环境风速QV1、环境大气压力QP1和降雨量QL1进行获。玫嚼坊肪呈軼E；[0167] 历史环境数据表示为：[QT1，QU1，QV1，QP1，QL1]；[0168] 通过读取数据记录模块，对历史数据坡度QS1、海平面高度QG1进行获。玫嚼肺恢檬軼W；[0169] 历史位置数据表示为：[QS1，QG1]；[0170] 通过读取数据记录模块，对历史数据设备硬度QQ1、设备耐热指标QC1，设备温度QW1进行获。玫嚼飞璞甘軼P；[0171] 历史设备数据表示：[QQ1，QC1，QW1]；[0172] 对历史数据干燥度指数进行获。玫嚼犯稍锒戎甘齔H1；[0173] 其中，ZH1为历史干燥度指数，获取对应指标的历史数据，是每次对于风力设备的维护记录,对风力设备维护过程中多个部件的干燥度数值进行获取的过程，历史干燥度指数ZH1为多个数据，具体根据部件可以润滑系统、冷却系统、电气系统和叶片，通过数据记录模块进行存储。[0174] 通过读取数据记录模块，对历史环境数据WE、历史位置数据WW、历史干燥度指数ZH1和历史设备数据WP进行列表组合，记作预估参数；[0175] 预估参数表示为：{[QT1，QU1，QV1，QP1，QL1],[QS1，QG1],[QQ1，QC1，QW1],ZH1}；[0176] 请参阅图3，步骤S3：对预估参数进行计算，得到预估函数；结合预测数据和预估函数对实时部件干燥度指标进行预估，得到当前干燥度指标ZH2；[0177] 步骤S3包括步骤S31、步骤S32、步骤S33和步骤S34；[0178] 步骤S31：对预估参数进行组合并进行最大最小?归一化计算，得到归一化预估参数；[0179] 对归一化预估参数进行组合，得到环境数据、环境参数、位置数据；[0180] 步骤S31工作流程如下：[0181] 对预估参数进行计算，得到归一化预估参数;[0182] 对历史环境数据WE进行比较，得到环境数据最大值WEmax和环境数据最小值WEmin；[0183] 对历史环境数据WE和历史干燥指数ZH1进行计算，得到归一化环境温度VT1、归一化环境湿度VU1、归一化环境风速VV1、归一化环境大气压力VP1和归一化降雨量VL1；[0184] ；[0185] ；[0186] ；[0187] ；[0188] ；[0189] 对历史位置数据WW进行比较，得到位置数据最大值WWmax和位置数据最小值WWmin；[0190] 对历史位置数据WW和历史干燥指数ZH1进行计算，得到归一化坡度VS1和归一化海平面高度VG1；[0191] ；[0192] ；[0193] 对历史设备数据WP进行比较，得到设备数据最大值WPmax和设备数据最小值WPmin；[0194] 对历史设备数据WP和历史干燥指数ZH1进行计算，得到归一化设备硬度VQ1、归一化设备耐热指标VC1、归一化设备温度VW1；[0195] ；[0196] ；[0197] ；[0198] 将归一化环境温度VT1、归一化环境湿度VU1、归一化环境风速VV1、归一化环境大气压力VP1、归一化降雨量VL1、归一化坡度VS1、归一化海平面高度VG1、归一化设备硬度VQ1、归一化设备耐热指标VC1和归一化设备温度VW1，记作归一化预估参数。[0199] 步骤S32：对归一化预估参数进行计算，得到对应的预估参数系数；[0200] 步骤S32工作流程如下：[0201] 对归一化环境温度VT1、归一化环境湿度VU1、归一化环境风速VV1、归一化环境大气压力VP1、归一化降雨量VL1和历史干燥指数ZH1进行计算，得到环境温度系数 、环境湿度系数 、环境风速系数 、环境大气压力系数 和降雨量系数 ；[0202] ；[0203] ；[0204] ；[0205] ；[0206] ；[0207] 对归一化坡度VS1、归一化海平面高度VG1和历史干燥指数ZH1进行计算，得到坡度系数 和海平面高度系数 ；[0208] ；[0209] ；[0210] 对归一化设备硬度VQ1、归一化设备耐热指标VC1、归一化设备温度VW1和历史干燥指数ZH1进行计算，得到设备硬度系数 、设备耐热指标系数 和设备温度系数 ；[0211] ；[0212] ；[0213] ；[0214] 将环境温度系数 、环境湿度系数 、环境风速系数 、环境大气压力系数、降雨量系数 、坡度系数 、海平面高度系数 、设备硬度系数 、设备耐热指标系数和设备温度系数 ，记作预估参数系数。[0215] 步骤S33：对归一化预估参数和预估参数系数进行计算，得到环境参数ZN1、位置参数ZN2和设备参数ZN3；[0216] 步骤S33工作流程如下：[0217] 对归一化环境温度VT1、归一化环境湿度VU1、归一化环境风速VV1、归一化环境大气压力VP1、归一化降雨量VL1、环境温度系数 、环境湿度系数 、环境风速系数 、环境大气压力系数 和降雨量系数 进行计算，得到环境参数 ；[0218] ；[0219] 对归一化坡度VS1、归一化海平面高度VG1、坡度系数 和海平面高度系数 进行计算，得到位置参数 ；[0220] ；[0221] 对归一化设备硬度VQ1、归一化设备耐热指标VC1、归一化设备温度VW1、设备硬度系数 、设备耐热指标系数 和设备温度系数 进行计算，得到设备参数 ；[0222] 。[0223] 步骤S34：对环境参数、位置参数和设备参数进行计算，得到检验干燥指标ZH3；[0224] 根据决策树模型，对环境数据、环境参数、位置数据、位置参数、设备数据、设备参数和检验干燥度指标ZH3进行计算，得到预测模型；[0225] 根据预测模型对预测数据进行计算，得到当前设备干燥度指标ZH2;[0226] 步骤S34工作流程如下：[0227] 对环境数据ZN1、位置数据ZN2和设备数据ZN3进行比较，得到最大值ZNmax和最小值ZNmin；[0228] 对环境数据ZN1、位置数据ZN2、设备数据ZN3和检验干燥指数ZH3[0229] 进行计算，得到归一化环境数据ZC1、归一化位置数据ZC2和归一化设备数据ZC3；[0230] ；[0231] ；[0232] ；[0233] 对环境参数、位置参数和设备参数进行计算，得到检验干燥指标ZH3；[0234] ZH3=ZN1+ZN2+ZN3。[0235] 根据时间段，对环境数据ZC1、位置数据ZC2和设备数据ZC2进行划分，分为第一预估参数组、第二预估参数组、第三预估参数组、第四预估参数组；[0236] 第一预估参数组：ZC11、ZC21、ZC31；[0237] 第二预估参数组：ZC12、ZC22、ZC32；[0238] 第三预估参数组：ZC13、ZC23、ZC33；[0239] 第四预估参数组：ZC14、ZC24、ZC34；[0240] 需要说明的是，时间段分为：6:00～12:00的第一时间段，12:00～14:00的第二时间段，14:00～19:00的第三时间段，19:00～6:00（次日）的第四时间段；本发明在此所列举的时间划分仅作参考，系统开发人员可以按照风力发电设备管理者的要求，自行变更时间段的划分。[0241] 利用建模工具，对第一预估参数组、第二预估参数组、第三预估参数组、第四预估参数组进行计算，得到预测模型；[0242] 根据划分比例，对第一预估参数组、第二预估参数组、第三预估参数组、第四预估参数组进行划分，得到训练集和测试集；[0243] 需要说明的是，划分比例为将数据集分割为训练集和测试集的比例，通常设置为70%用于训练，30%用于测试，具体数值可以根据模型构建人员对于模型构建需要自行进一步进行调整。[0244] 利用Python语言中的scikit?learn库，对训练集和数据集进行计算，得到预测模型；[0245] 需要说明的是，建模工具用与数据分析和建模任务，以下为常见的建模工具：Python语言、R语言、MATLAB、TensorFlow、PyTorch、SPSS和DataRobot等建模工具。[0246] 利用高速计算硬件和预测模型，对预测数据进行计算，得到当前干燥度指标ZH2;[0247] 当前干燥度指标ZH2包括：第一干燥度指数参数组、第二干燥度指数参数组、第三干燥度指数参数组和第四干燥度指数参数组；[0248] 需要说明的是，第一干燥度指数参数组、第二干燥度指数参数组、第三干燥度指数参数组和第四干燥度指数参数组划分步骤同对第一预估参数组、第二预估参数组、第三预估参数组和第四预估参数组一样，根据时间段和数据比例进行划分获。籟0249] 需要说明的是，高速计算硬件包括：高性能CPU/GPU、专业图形工作站或云计算资源；[0250] 步骤S4：根据检验干燥度指标ZH3进行分析，得到当前干燥度指标ZH2的分布情况；对当前干燥度指标ZH2的分布情况进行分析，得到干燥参数P1～Pz；[0251] 根据干燥参数P1……干燥参数Pz和当前干燥度指标ZH2分布区间，得到干燥择优区间；[0252] 步骤S4工作流程如下：[0253] 对检验干燥度指标ZH3进行数据可视化和季节性分析数据探索，得到数据特性和数据假设；[0254] 根据数据特性和数据假设，利用SPSS统计分析工具对当前干燥度指标ZH2进行统计分析，得到当前干燥度指标分布情况；[0255] 需要说明的是，干燥判断标准是一系列用于评估物质是否达到所需干燥程度的指标和方法。这些标准可能包括水分含量的定量分析、干燥时间的控制、外观和质地的直观检查、重量损失的测量、热重分析、吸湿性测试、化学和物理性能的测试以及微生物测试等。在不同的行业和应用中，干燥标准会根据产品特性、加工要求和安全规范来设定，应用过程中具体标准可由风力发电设备管理人员根据实际自行设定，以确保干燥过程满足质量和性能的要求。[0256] 需要说明的是，数据可视化分析是一种数据探索方法，利用图表展示数据的分布情况。[0257] 需要说明的是，季节性分析是一种数据探索方法，对于时间序列数据，分析是否存在周期性或季节性变化。[0258] 需要说明的是，SPSS是统计分析工具，提供高级统计分析功能，用户界面友好，适合社会科学领域的数据分析。[0259] 根据特征筛选规则，对当前干燥度指标ZH2进行筛。玫礁稍锊问齈1～Pz；[0260] 特征筛选规则如下：[0261] 第一干燥度指数参数组、第二干燥度指数参数组、第三干燥度指数参数组以及第四干燥度指数参数组中的参数分别和阈值C进行比较；[0262] 若第一干燥度指数参数组至第四干燥度指数参数组中的参数小于阈值C，则对对应的预估参数进行筛。籟0263] 若第一干燥度指数参数组至第四干燥度指数参数组中的参数大于阈值C，则选择对应的预估参数作为干燥参数，得到干燥参数P1～Pz；[0264] 需要说明的是，Pz表示第z个干燥参数；[0265] 需要说明的是，阈值C可以评估它们之间的线性关系强度，为现有技术设定数值，一般数值为0.75，高相关预估参数意味着特征与目标变量之间有较强的线性关系；低相关预估参数意味着特征与目标变量之间有较弱的线性关系，具体数值由模型训练人员自行设定。[0266] 若Z为3，根据干燥参数P1、干燥参数P2、干燥参数P3和当前干燥度指标ZH2分布区间，得到干燥择优区间；[0267] 干燥择优区间划分如下：[0268] 若干燥度指标为：干燥参数P1、干燥参数P2、干燥参数P3分布情况如下：[0269] 45
[0270] 无需对风力发电设备进行干燥处理；[0271] 若干燥度指标为：干燥参数P1、干燥参数P2、干燥参数P3分布情况如下：[0272] P1>45；P2<2；P3<20；[0273] 需要对风力发电设备进行初步干燥处理；[0274] 若干燥指标情况为：当干燥参数P1、干燥参数P2、干燥参数P3分布情况如下：[0275] P1<45；P2>3；P3>30；[0276] 需要对风力发电设备进行深度干燥处理；[0277] 若干燥指标情况为：当干燥参数P1、干燥参数P2、干燥参数P3分布不满足无需干燥、初步干燥和深度干燥的情况下，需要进行特殊干燥；[0278] 需要说明的是，特殊干燥是指根据特定的应用场景进行的干燥方法，例如在本文中对于风力发电设备的精密器件需要进行真空干燥和短路电流干燥法。[0279] 需要说明的是，上文中出现的45、155、2、3、20和30为干燥参数判断一般判断值，具体的判断标准值，可以由用户或系统开发人员，根据实际需要自行调整；[0280] 一种风力发电设备用干燥装置，所述干燥装置具体如下：[0281] 采集模块：采集风力发电设备的所有环境数据和设备数据包括环境温度、环境湿度、环境风速、环境大气压力、降雨量、坡度、海平面高度、设备硬度、设备耐热指标和设备温度，记作预测数据传递给计算模块；[0282] 提取模块：根据判断部件位置，在历史数据中提取出对应的部件数据，得到环境温度QT1、环境湿度QU1、环境风速QV1、环境大气压力QP1、降雨量QL1、坡度QS1、海平面高度QG1、设备硬度QQ1、设备耐热指标QC1，设备温度QW1和历史干燥度指标ZH1，作为预估参数发送至第一计算模块至第四计算模块；[0283] 第一计算模块：对预估参数进行组合并进行最大最小?归一化计算，得到归一化预估参数；[0284] 对归一化预估参数进行组合，得到环境数据、环境参数、位置数据；[0285] 第二计算模块：对归一化预估参数进行计算，得到对应的预估参数系数；[0286] 第三计算模块：对归一化预估参数和预估参数系数进行计算，得到环境参数、位置参数和设备参数；[0287] 第四计算模块：对环境参数、位置参数和设备参数进行计算，得到检验干燥度指标ZH3；[0288] 根据决策树模型：对环境数据、环境参数、位置数据、位置参数、设备数据、设备参数和检验干燥度指标ZH3进行计算，得到预测模型，根据预测模型对预测数据进行计算，得到当前设备干燥度指标ZH2；[0289] 干燥择优模块：对检验干燥度指标ZH3进行数据探索，得到数据特性和数据假设；根据数据特性和数据假设，对当前干燥度指标ZH2进行统计分析，得到干燥方法择优区间。[0290] 上述公式均是去量纲取其数值计算，公式是由采集大量数据进行软件模拟得到最近真实情况的一个公式，公式中的预设参数由本领域的技术人员根据实际情况进行设置，如存在权重系数和比例系数，其设置的大小是为了将各个参数进行量化得到的一个具体的数值，便于后续比较，关于权重系数和比例系数的大。灰挥跋觳问肓炕笫档谋壤叵导纯。[0291] 最后应说明的是：以上所述实施例，仅为本发明的具体实施方式，用以说明本发明的技术方案，而非对其限制，本发明的保护范围并不局限于此，尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。

专利地区：甘肃

专利申请日期：2024-07-17

专利公开日期：2024-11-01

专利公告号：CN118503656B