研究背景
随着中国能源结构转型，风电装机量预计至2030年将达到9.4亿千瓦，全球占比达30%。风电并网系统呈现高复杂度和低透明度趋势，数字李生技术通过精细建模、实时仿真及虚实融合，可实现物理对象全生命周期准确映射，提升分析验证水平。风力发电正从“经验运行”走向“数据驱动、实时推演、主动优化”，数字李生支撑机组制造、场站运维、涉网分析全环节。
精细建模
- 机组建模：实现“气-弹-机-电”耦合建模，包括气动&机械模型、电气模型（EMT-DFIG/PMSG）、控制系统方案。
- 设备建模：对单台双馈风电机组，改进节点方程维数从63维降至≤15维，实现核心电气设备细粒度解耦。
- 场站建模：基于集电网络拓扑模型和小步长电磁暂态模型，建立大规模风电场集电系统的全电磁模型。
- 风场建模：考虑风电机组的动态尾流效应及机组间的流体耦合，建立风电场流体模型。
实时仿真
- 机组级实时仿真器：采用微秒延迟抢占式调度实时操作系统，多核CPU架构，仿真步长≤25us，支持高速接口。
- 集电网络实时仿真器：采用多层混合分网方法，实现集电网络高效仿真，仿真器与风电机群仿真器分离，提高系统扩展能力。
- 风场流体仿真器：基于CUDA实现CPU+GPU异构计算，赋能风场流体计算实时化，仿真计算速度最大提高264倍。
- 上位机软件：基于B/S架构设计，支持多端访问、多用户并发访问，功能包括风速生成、数据前处理、仿真模型构建、仿真控制、数据分析后处理。
虚实融合
- 数字底座：构建风电场全生命周期数字底座，包括精细化耦合模型与超实时仿真，通过“气-弹-机-电”耦合建模与多速率动态接口协同。
- 数据采集：利用无人机、测风雷达/测风塔、SCADA等多源数据，实现图像反演、数据量测、数据分类。
- 模型更新：通过特征筛选、相似度评价、智能优化更新数字李生模型，包括时序图神经网络构建多变量耦合筛选框架、神经变形相似度（PC-NWS）、群智能与强化学习算法。
李生应用
- 数字李生平台：依托CPU+GPU异构实时仿真内核与全生命周期高保真模型，构建高可解释数字李生体，支撑载荷优化、涉网特性验证、功率预测等智能应用。
- 可视化平台：呈现物理风机、李生风机运行数据、模型参数和更新结果。
- 应用场景：考虑疲劳载荷抑制的风电场有功优化控制、涉网特性与稳定验证、历史功率与气象数据驱动的风电超短期预测、智能运维决策方法。
研究结论
数字李生技术通过精细建模、实时仿真及虚实融合，可实现风电场全生命周期准确映射，提升分析验证水平，推动风电从“经验运行”走向“数据驱动、实时推演、主动优化”，实现载荷优化、涉网特性验证、功率预测等智能应用，推动运维范式从被动到主动转变。
