基于数字孪生的海上风机智慧运维系统设计与实证研究

颜增; 许煜; 张书婷; 肖凡; 常誉环

doi:10.12184/wspcyycx2WSP2516-415534.20261003

PDF
Export
Share
Collection
Album

Volume 10, Issue 3

Views: 0 Downloads: 0

基于数字孪生的海上风机智慧运维系统设计与实证研究
基于数字孪生的海上风机智慧运维系统设计与实证研究
山东商业职业技术学院，山东济南 250103
Vol. 10, Issue 3, Pages: 147-152(2026)
Published：30 March 2026
DOI：10.12184/wspcyycx2WSP2516-415534.20261003
Accepted：

Scan QR Code

颜增,许煜,张书婷等.基于数字孪生的海上风机智慧运维系统设计与实证研究[J].创意与创新,2026,10(03):147-152.

颜增, 许煜, 张书婷, 肖凡 & 常誉环. (2026). 基于数字孪生的海上风机智慧运维系统设计与实证研究. Creativity and Innovation, 10(3), 147-152..
颜增,许煜,张书婷等.基于数字孪生的海上风机智慧运维系统设计与实证研究[J].创意与创新,2026,10(03):147-152. DOI： 10.12184/wspcyycx2WSP2516-415534.20261003.

颜增, 许煜, 张书婷, 肖凡 & 常誉环. (2026). 基于数字孪生的海上风机智慧运维系统设计与实证研究. Creativity and Innovation, 10(3), 147-152.. DOI： 10.12184/wspcyycx2WSP2516-415534.20261003.

摘要

针对海上风电机组运维面临的点位分散、故障响应滞后、数据价值挖掘不足等行业痛点，本文设计了一套融合数字孪生与深度学习技术的海上风机智慧运维系统。系统采用五层模块化架构，实现风机状态实时监测、故障智能诊断与预警、运维全流程精细化管控。基于黄海地区3个风电场9台2.5MW直驱型风机的实测数据开展实证验证，结果表明：系统故障预测准确率达92%（精确率90%、召回率92%，F1-score=0.91），轴承故障平均预警提前量达31天，综合运维成本较传统模式降低28%，故障响应时间缩短2.5小时。本研究为海上风电智能化运维提供了可行的工程化解决方案。

Abstract

关键词

Keywords

references

BIBI A, GRAJA O, DUAN F, et al. Machine learning-enabled virtual sensors for wind turbines: technologies, challenges, and pathways to digitization[C]//The Unified International Conference on Emerging Technologies in Cyber-Physical Systems and Industrial AI. Cham: Springer Nature Switzerland, 2024: 1151-1162.

AZZAM B, CORVES B, JACOBS G. Virtual sensor based on machine learning for estimating gearbox input loads in wind turbines[R]. Aachen: Chair for Wind Power Drives, RWTH Aachen University, 2024.

DIMITROV N, GÖCMEN T. Virtual sensors for wind turbines with machine learning-based time series models[J]. Wind Energy, 2022, 25(9): 1626-1645.

ENCALADA-DÁVILA Á, VIDAL Y, TUTIVÉN C. Strain virtual sensor for offshore wind turbine jacket supports: a time series transformer approach validated with Alpha Ventus wind farm data[J]. Mechanical Systems and Signal Processing, 2024, 231: 112653.

LEON-MEDINA J X, TIBADUIZA D A, PARÉS N, et al. Digital twin technology in wind turbine components: a review[J]. Intelligent Systems with Applications, 2024, 26: 200535.

梁川.基于特征提取和随机森林的风机故障诊断[J].科学技术创新,2020(26):55-58.