CN119168106B 基于全息感知的水电机组疲劳累积预测方法及系统 （龙滩水电开发有限公司龙滩水力发电厂）

基于全息感知的水电机组疲劳累积预测方本发明公开了一种基于全息感知的水电机疲劳累积预测存在的难以获取巨型水电机组足2遍历所述运行数据处理信息集进行疲劳特征标识，根据标识结果根据所述疲劳累积关键特征进行数字孪生建模，构建目标水电机组的基于所述疲劳累积预测模型进行目标水电机组的模拟运行，按照预通过所述预设疲劳累积机制对所述模拟运行结果进行二次疲基于所述疲劳累积预测模型进行目标水电机组的模拟运行，按照预对目标水电机组设定模拟运行条件，所述模拟运行条件包含模基于所述模拟运行环境，启动所述疲劳累积预测模型按照所述基于所述模拟运行结果设定疲劳累积指标，按照所述疲劳累积指标构建根据第一评估结果对目标水电机组进行疲劳累积预测，输出第一疲劳累积预测结果，按照所述疲劳累积预测趋势图输出目标水电机组的所述第一疲劳累积预测通过所述预设疲劳累积机制对所述模拟运行结果进行二次疲基于目标水电机组进行动态影响监测分析，获取动态影响数据集通过所述预设疲劳累积机制基于所述材料变化影响数据、所述工况变遍历所述第二评估结果与所述第一评估结果进行比对校正，获取疲劳累积更新速率、3基于所述疲劳累积更新速率、所述疲劳累积潜在风险点更构建所述全息传感器阵列，按照所述阵列布局参数对所述全息传感器阵列进行布局，根据所述感知测试结果调整所述全息传感器阵列，基于调整信息调取历史运行疲劳数据记录档案，遍历所述运行数据处理信息基于所述疲劳特征判定所述运行数据处理信息集的多个疲基于所述多个疲劳等级对所述运行数据处理信息集的多个疲劳特基于所述疲劳累积关键特征将所述运行数据处理信息集按照预测时间尺度进行数据通过所述训练数据集、所述监督数据集，基于数字孪生技术训练所述疲根据所述验证数据集对所述疲劳累积预测模型的输出结果5.基于全息感知的水电机组疲劳累积预测系统，其水电机组实时感知模块，所述水电机组实时感知模块用于通过利用全关键特征提取模块，所述关键特征提取模块用于对所述实时运行状态疲劳累积预测模型构建模块，所述疲劳累积预测模型构建模块用水电机组疲劳评估模块，所述水电机组疲劳评估模块用于基于所述疲4第二疲劳累积预测结果获取模块，所述第二疲劳累积预水电机组疲劳评估模块进一步包括：对目标水电机组设定模拟运行第二预测结果获取模块进一步包括：基于目标水电机组进行5[0002]电力工业作为国民经济的支柱产业，其安全性和稳定性达到了提升水电机组疲劳累积预测的准确性和可靠性的技6[0009]在可能的实现方式中，基于所述疲劳累积预测模型进行目标水电机组的模拟运7模型进行目标水电机组的模拟运行，按照预设疲劳累积机制对模拟运行结果进行疲劳评[0020]图1为本申请实施例提供的基于全息感知的水电机组疲劳累积预测方法流程示意[0021]图2为本申请实施例提供的基于全息感知的水电机组疲劳累积预测系统结构示意[0023]上述说明仅是本申请技术方案的概述，为了能够更清楚8列的布局和配置参数，以确保传感器阵列能够有效地感知和收集水电机组的运行状态数9数据记录档案，遍历所述运行数据处理信息集与所述历史运行疲劳数据记录档案进行匹含了从运行数据处理信息集中提取出的与历史疲劳数据匹配的特征信息。还包括步骤运行疲劳数据记录档案中匹配得到的疲劳特征，对当前的运行数据处理信息集进行分析，关键特征将所述运行数据处理信息集按照预测时间尺度进行数据划分，生成训练数据集、[0037]步骤S600，通过所述预设疲劳累积机制对所述模拟运行疲劳累积潜在风险点更新所述第一疲劳累积预测结果，生成所述第二疲劳累积预测结果。成所述第二疲劳累积预测结果，提高目标水电机组未来疲劳累积预测的准确性和可靠性，[0039]在上文中，参照图1详细描述了根据本发明实施例的基于全息感知的水电机组疲[0052]本发明实施例所提供的基于全息感知的水电机组疲劳累积预测系统可执行本发[0053]虽然本申请对根据本申请的实施例的系统中的某