CN117167215A - 基于北斗定位的风电机组安全监测方法及系统 - Google Patents

Abstract

本发明公开了一种基于北斗定位的风电机组安全监测方法及系统，包括：获取目标风电机组的实时位置信息，根据所述实时位置信息对目标风电机组进行位置偏移分析，得到位置偏移分析信息；获取目标风电机组的实时受力信息，结合所述位置偏移分析信息进行受力异常分析，得到受力异常分析信息；根据所述位置偏移分析信息和受力异常分析信息对目标风电机组进行异常原因分析，并进行预警；获取恶劣天气时目标风电机组的位置变化信息和机组受力信息，对目标风电机组进行状态分析和事故预测，得到状态分析信息和事故预测信息；获取实时气象信息，判断是否能够进行补救，并制定补救方案。提供了更为可靠和实时的监测方法，以确保风电机组的安全性和性能。

Description

基于北斗定位的风电机组安全监测方法及系统

技术领域

本发明涉及风电机组安全监测技术领域，尤其涉及一种基于北斗定位的风电机组安全监测方法及系统。

背景技术

风电机组在可再生能源领域具有重要地位，然而，其安全性和稳定性常受到挑战，尤其是在复杂环境条件下，如海上风电机组。为了确保风电机组的安全运行，需要实时监测其状态和环境因素，以及时采取应对措施。现有的监测系统依赖于多种传感器和设备，以收集环境数据和机组状态信息，但在特殊环境条件下存在一定的限制。

海上风电机组的监测尤为复杂，因为其位置偏远，维护困难，并且常常受到极端天气条件的影响。现有监测系统在海上运行时可能面临数据传输困难、设备故障、不稳定的环境监测等问题。因此，如何准确的监测风电机组的安全是一个重要问题。

发明内容

本发明克服了现有技术的缺陷，提供了一种基于北斗定位的风电机组安全监测方法及系统，其重要目的在于提高风电机组的监测可靠性和安全性。

为实现上述目的本发明第一方面提供了一种基于北斗定位的风电机组安全监测法，包括：

获取目标风电机组的实时位置信息，根据所述实时位置信息对目标风电机组进行位置偏移分析，得到位置偏移分析信息；

获取目标风电机组的实时受力信息，结合所述位置偏移分析信息进行受力异常分析，得到受力异常分析信息；

根据所述位置偏移分析信息和受力异常分析信息对目标风电机组进行异常原因分析，并进行预警；

获取恶劣天气时目标风电机组的位置变化信息和机组受力信息，对目标风电机组进行状态分析和事故预测，得到状态分析信息和事故预测信息；

获取实时气象信息，判断是否能够进行补救，并制定补救方案。

本方案中，所述获取目标风电机组的实时位置信息，根据所述实时位置信息对目标风电机组进行位置偏移分析，具体包括：

获取目标风电机组的预设位置信息和极限位移距离信息，基于北斗定位系统获取目标风电机组的实时位置信息；

预设截取时间，根据截取时间对所述实时位置信息进行时序处理，得到单位时间内的风电机组位置信息；

将单位时间内的风电机组位置信息与预设位置信息进行计算，计算单位时间内风电机组的位置偏移距离，得到位置偏移距离信息；

根据所述位置偏移距离信息按照偏移距离大小进行排序，并根据排序结果绘制偏移趋势图；

将所述位置偏移距离信息与极限位移距离信息进行判断分析，得到位置偏移分析信息；

若所述位置偏移距离信息大于所述极限位移距离信息，则代表目标风电机组出现移动状况；

若所述位置偏移距离信息大于所述极限位移距离信息，则代表目标风电机组处于正常位移范围。

本方案中，所述获取目标风电机组的实时受力信息，结合所述位置偏移分析信息进行受力异常分析，具体包括：

获取目标风电机组的实时受力信息和位置偏移分析信息；

获取目标风电机组构造信息，基于数字孪生技术根据所述目标风电机组构造信息建立风电机组模型；

将所述实时受力信息和位置偏移信息输入至风电机组模型中进行场景模拟，得到场景模拟信息；

获取风电机组的正常受力基准信息，对所述场景模拟信息进行特征提取，提取受力方向和大小，得到受力特征信息；

将所述受力特征信息与正常受力基准信息进行判断，并计算差值，得到受力判断结果信息和差值计算信息；

结合受力判断结果信息和差值计算信息构成受力异常分析信息。

本方案中，所述根据所述位置偏移分析信息和受力异常分析信息对目标风电机组进行异常原因分析，并进行预警，具体包括：

获取位置偏移分析信息和受力异常分析信息；

对所述位置偏移分析信息进行特征提取，提取异常偏移方向和距离，得到异常特征信息；

基于大数据检索获取各种异常受力风电机组的异常特征信息，构成对比数据集；

基于随机森林算法构建异常受力原因分析模型，通过所述对比数据集进行深度学习和训练，得到符合期望的异常受力原因分析模型；

将所述异常特征信息和实时受力分析信息导入异常受力原因分析模型中进行受力分析，得到异常受力原因分析信息；

根据所述异常受力原因分析信息和位置偏移分析信息生成实时监测报告，对目标风电机组的异常状况进行预警提示。

本方案中，所述对目标风电机组进行状态分析和事故预测，具体包括：

获取恶劣天气时目标风电机组的位置变化信息和机组受力信息；

根据所述机组受力信息进行受力异常分析，得到第一分析结果信息；

获取目标风电机组的预设位置信息和极限位移距离信息，结合位置变化信息进行位置偏移分析，分析是否发生大幅度偏移；

将所述位置变化信息与所述预设位置信息进行计算，并与极限位移距离进行判断，得到实时位移分析信息；

根据所述实时位移分析信息对目标风电机组进行位置偏移分析，分析单位时间内目标风电机组的位置变化方向，并计算目标风电机组偏移速率，得到第二分析结果信息；

结合第一分析结果信息和第二分析结果信息得到状态分析结果信息；

获取实时气象信息，基于随机森林算法构建事故预测模型，将所述状态分析结果信息和实时气象信息进行事故预测，得到事故预测信息；

所述事故预测信息包括：偏移方向信息、偏移速率信息、偏移路线信息和预测事故信息。

本方案中，所述获取实时气象信息，判断是否能够进行补救，并制定补救方案，具体包括：

获取实时气象信息、事故预测信息和恶劣天气时目标风电机组的位置变化信息；

构建救援风险评估模型，将所述实时气象信息和事故预测信息进行补救风险评估，得到补救风险评估信息；

若补救风险评估信息为可以进行补救，则制定补救方案；

将目标风电机组的海域划分为N个子区域，基于聚类算法结合实时气象信息进行分类，得到分类子区域信息；

根据分类子区域信息和事故预测信息进行补救方案制定，得到候选补救方案信息；

对所述候选补救方案进行特征提取，提取路线距离并计算路程消耗时间，得到路程消耗时间信息；

将所述路程消耗时间信息作为权重，对初始补救方案进行加权计算，根据加权结果进行排序；

预设选取阈值，根据选取阈值选取最优补救方案，得到最优补救方案信息。

本发明第二方面提供了一种基于北斗定位的风电机组安全监测系统，该系统包括：存储器、处理器，所述存储器中包含基于北斗定位的风电机组安全监测方法程序，所述基于北斗定位的风电机组安全监测方法程序被所述处理器执行时实现如下步骤：

获取目标风电机组的实时位置信息，根据所述实时位置信息对目标风电机组进行位置偏移分析，得到位置偏移分析信息；

获取目标风电机组的实时受力信息，结合所述位置偏移分析信息进行受力异常分析，得到受力异常分析信息；

根据所述位置偏移分析信息和受力异常分析信息对目标风电机组进行异常原因分析，并进行预警；

获取恶劣天气时目标风电机组的位置变化信息和机组受力信息，对目标风电机组进行状态分析和事故预测，得到状态分析信息和事故预测信息；

获取实时气象信息，判断是否能够进行补救，并制定补救方案。

本发明公开了一种基于北斗定位的风电机组安全监测方法及系统，包括：获取目标风电机组的实时位置信息，根据所述实时位置信息对目标风电机组进行位置偏移分析，得到位置偏移分析信息；获取目标风电机组的实时受力信息，结合所述位置偏移分析信息进行受力异常分析，得到受力异常分析信息；根据所述位置偏移分析信息和受力异常分析信息对目标风电机组进行异常原因分析，并进行预警；获取恶劣天气时目标风电机组的位置变化信息和机组受力信息，对目标风电机组进行状态分析和事故预测，得到状态分析信息和事故预测信息；获取实时气象信息，判断是否能够进行补救，并制定补救方案。提供了更为可靠和实时的监测方法，以确保风电机组的安全性和性能。

附图说明

为了更清楚地说明本发明实施例或示例性中的技术方案，下面将对实施例或示例性描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以按照这些附图示出的获得其他的附图。

图1为本发明一实施例提供的一种基于北斗定位的风电机组安全监测方法流程图；

图2为本发明一实施例提供的一种基于北斗定位的风电机组安全监测方法的数据处理流程图；

图3为本发明一实施例提供的一种基于北斗定位的风电机组安全监测系统框图；

本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。

在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用其他不同于在此描述的其他方式来实施，因此，本发明的保护范围并不受下面公开的具体实施例的限制。

图1为本发明一实施例提供的一种基于北斗定位的风电机组安全监测方法流程图；

如图1所示，本发明提供了一种基于北斗定位的风电机组安全监测方法流程图，包括：

S102，获取目标风电机组的实时位置信息，根据所述实时位置信息对目标风电机组进行位置偏移分析，得到位置偏移分析信息；

获取目标风电机组的预设位置信息和极限位移距离信息，基于北斗定位系统获取目标风电机组的实时位置信息；

预设截取时间，根据截取时间对所述实时位置信息进行时序处理，得到单位时间内的风电机组位置信息；

将单位时间内的风电机组位置信息与预设位置信息进行计算，计算单位时间内风电机组的位置偏移距离，得到位置偏移距离信息；

根据所述位置偏移距离信息按照偏移距离大小进行排序，并根据排序结果绘制偏移趋势图；

将所述位置偏移距离信息与极限位移距离信息进行判断分析，得到位置偏移分析信息；

若所述位置偏移距离信息大于所述极限位移距离信息，则代表目标风电机组出现移动状况；

若所述位置偏移距离信息大于所述极限位移距离信息，则代表目标风电机组处于正常位移范围。

需要说明的是，首先，获取目标风电机组的预设位置信息和极限位移距离信息。这些信息用于确定风电机组的期望位置和允许的位置变化范围。然后，获取目标风电机组的实时位置信息，设定一个截取时间间隔，对实时位置信息进行时序处理，得到单位时间内的风电机组位置信息。这有助于分析风电机组位置的变化趋势。接着，将单位时间内的风电机组位置信息与预设位置信息进行比较，并计算出单位时间内风电机组的位置偏移距离。将计算得到的位置偏移距离信息按照大小进行排序，并根据排序结果绘制偏移趋势图。进而分析风电机组位置变化的趋势。然后，利用绘制的偏移趋势图，对位置偏移距离信息进行分析。识别是否存在位置异常或持续偏移的情况。最后，根据位置偏移距离信息与极限位移距离信息的比较，判断目标风电机组的状态。如果位置偏移距离信息超过了极限位移距离信息，表示风电机组出现了移动情况。否则，风电机组处于正常位移范围内。

S104，获取目标风电机组的实时受力信息，结合所述位置偏移分析信息进行受力异常分析，得到受力异常分析信息；

获取目标风电机组的实时受力信息和位置偏移分析信息；

获取目标风电机组构造信息，基于数字孪生技术根据所述目标风电机组构造信息建立风电机组模型；

将所述实时受力信息和位置偏移信息输入至风电机组模型中进行场景模拟，得到场景模拟信息；

获取风电机组的正常受力基准信息，对所述场景模拟信息进行特征提取，提取受力方向和大小，得到受力特征信息；

将所述受力特征信息与正常受力基准信息进行判断，并计算差值，得到受力判断结果信息和差值计算信息；

结合受力判断结果信息和差值计算信息构成受力异常分析信息。

需要说明的是，首先，获取实时受力信息（例如风速、风向、振动、应力等）和位置偏移分析信息（风电机组的实时位置和与预设位置的偏移情况）。获取目标风电机组的构造信息，这包括风机叶片、塔架、发电机、变桨系统等各个组件的结构和参数。这些信息用于数字孪生模型的构建。然后，利用数字孪生技术，根据目标风电机组的构造信息建立风电机组的数字模型。这个数字模型可以模拟风电机组在不同受力情况下的响应和行为。接着，将实时受力信息和位置偏移信息输入到风电机组数字模型中进行场景模拟。这允许系统模拟风电机组在当前受力和位置情况下的行为，包括受力分布、位移等。对场景模拟信息进行特征提取，包括提取受力方向和大小等关键特征。这有助于量化受力情况，并用于后续分析。将受力特征信息与风电机组的正常受力基准信息进行比较，判断是否存在受力异常情况。同时，计算差值，以确定受力的偏离程度。 结合受力判断结果信息和差值计算信息，形成受力异常分析信息。这个信息可以指示受力情况是否异常，以及异常的程度。

S106， 根据所述位置偏移分析信息和受力异常分析信息对目标风电机组进行异常原因分析，并进行预警；

获取位置偏移分析信息和受力异常分析信息；

对所述位置偏移分析信息进行特征提取，提取异常偏移方向和距离，得到异常特征信息；

基于大数据检索获取各种异常受力风电机组的异常特征信息，构成对比数据集；

基于随机森林算法构建异常受力原因分析模型，通过所述对比数据集进行深度学习和训练，得到符合期望的异常受力原因分析模型；

将所述异常特征信息和实时受力分析信息导入异常受力原因分析模型中进行受力分析，得到异常受力原因分析信息；

根据所述异常受力原因分析信息和位置偏移分析信息生成实时监测报告，对目标风电机组的异常状况进行预警提示。

S108，获取恶劣天气时目标风电机组的位置变化信息和机组受力信息，对目标风电机组进行状态分析和事故预测，得到状态分析信息和事故预测信息；

获取恶劣天气时目标风电机组的位置变化信息和机组受力信息；

根据所述机组受力信息进行受力异常分析，得到第一分析结果信息；

获取目标风电机组的预设位置信息和极限位移距离信息，结合位置变化信息进行位置偏移分析，分析是否发生大幅度偏移；

将所述位置变化信息与所述预设位置信息进行计算，并与极限位移距离进行判断，得到实时位移分析信息；

根据所述实时位移分析信息对目标风电机组进行位置偏移分析，分析单位时间内目标风电机组的位置变化方向，并计算目标风电机组偏移速率，得到第二分析结果信息；

结合第一分析结果信息和第二分析结果信息得到状态分析结果信息；

获取实时气象信息，基于随机森林算法构建事故预测模型，将所述状态分析结果信息和实时气象信息进行事故预测，得到事故预测信息；

所述事故预测信息包括：偏移方向信息、偏移速率信息、偏移路线信息和预测事故信息。

S110，获取实时气象信息，判断是否能够进行补救，并制定补救方案。

获取实时气象信息、事故预测信息和恶劣天气时目标风电机组的位置变化信息；

构建救援风险评估模型，将所述实时气象信息和事故预测信息进行补救风险评估，得到补救风险评估信息；

若补救风险评估信息为可以进行补救，则制定补救方案；

将目标风电机组的海域划分为N个子区域，基于聚类算法结合实时气象信息进行分类，得到分类子区域信息；

根据分类子区域信息和事故预测信息进行补救方案制定，得到候选补救方案信息；

对所述候选补救方案进行特征提取，提取路线距离并计算路程消耗时间，得到路程消耗时间信息；

将所述路程消耗时间信息作为权重，对初始补救方案进行加权计算，根据加权结果进行排序；

预设选取阈值，根据选取阈值选取最优补救方案，得到最优补救方案信息。

需要说明的是，首先，收集实时气象信息（如风速、风向、降雨等）、事故预测信息（包括可能的事故类型和风险评估）以及恶劣天气时目标风电机组的位置变化信息。然后，构建救援风险评估模型，该模型将实时气象信息和事故预测信息用于评估救援的风险程度。模型的输出是补救风险评估信息，用于指示救援是否可行以及潜在风险的程度。如果补救风险评估信息表明救援是可行的，系统将制定补救方案。通过，将目标风电机组的海域划分为N个子区域，并使用聚类算法结合实时气象信息对这些子区域进行分类。这有助于确定不同海域的气象特征和风险水平。然后，基于分类子区域信息和事故预测信息，制定候选补救方案，通过事故预测消息得到目标风电机组的偏移方向，根据偏移方向结合附近区域的气象情况来制定方案。这些方案包括不同的救援路线和策略，以适应不同海域的条件。然后，计算每个方案的路线距离和路程消耗时间。将路程消耗时间信息作为权重，对初始补救方案进行加权计算，以考虑不同方案的时间效益。预设一个选取阈值，根据选取阈值选取最优补救方案。最优方案通常是具有最低风险和最短时间的方案，以确保安全和高效的救援。

进一步的，获取目标风电机组的历史组件传感信息，预设多种异常值判断阈值，将历史组件传感信息与异常值判断阈值进行判断并统计次数，得到异常分析结果信息；获取异常受力原因分析信息和位置偏移分析信息；构建剩余寿命预测模型，根据异常受力分析信息、异常分析结果信息和位置偏移分析信息通过剩余寿命预测模型进行剩余寿命预测，得到剩余寿命预测信息；将所述剩余寿命信息与预设阈值进行判断，根据判断结果分析是否对目标风电机组进行延寿，得到延寿判断结果信息；基于大数据检索获取各种不同寿命的风电机组故障实例和延寿策略实例，构成实例对比数据集；基于主成分分析算法结合实例对比数据集进行寿命影响因素分析，得到影响因素分析信息；基于遗传算法构建延寿策略分析模型，通过实例对比数据集进行深度学习和训练；将延寿最大化作为优化目标并构建目标函数和约束条件，结合异常分析结果信息、异常受力分析信息和影响因素分析信息生成初始种群；预设停止准则，计算各种群的适应度值，与预设阈值进行判断，选取大于预设阈值的种群个体进行迭代优化，直至符合停止准则，得到最终解信息；根据所述最终解信息生成延寿策略，通过延寿策略对目标风电机组进行延寿并实时监测，获取延寿后的风电机组运行信息；根据风电机组运行信息计算目标风电机组的运行效率，得到运行效率信息；获取无故障风电机组的运行效率信息，与所述运行效率信息进行计算，得到差值信息；将所述差值信息与预设阈值进行判断，根据判断结果分析延寿后的风电机组是否符合预期效果，若差值信息小于预设阈值，则根据异常受力原因分析信息和异常分析结果信息生成需检修报告，并进行预警提示，以保证经济效益和安全性。

图2为本发明一实施例提供的一种基于北斗定位的风电机组安全监测方法的数据处理流程图；

如图2所示，本发明提供了一种基于北斗定位的风电机组安全监测方法的数据处理流程图，包括:

S202，获取目标风电机组的实时位置信息和实时受力信息,进行位置偏移分析和受力异常分析；

S204，根据所述位置偏移分析信息和受力异常分析信息进行异常原因分析；

S206，分析是否发生大幅度偏移，计算目标风电机组的位置变化速率，进行状态分析和事故预测；

S208，评估是否可以进行补救，并制定补救方案；

进一步的，基于北斗定位系统获取目标风电机组的历史位置变化信息和历史受力信息，获取正常受力基准信息和极限偏移位置信息；根据所述历史位置变化信息和极限偏移位置信息进行对比分析，构建历史位置变化图，分析极限偏移次数和频率，得到极限偏移分析信息；将所述历史受力信息和正常受力基准信息进行计算，得到差值计算信息；预设多个受力等级判断阈值，将差值计算信息与判断阈值进行判断，得到受力等级分析信息；获取目标风电机组构造信息，基于有限元算法构建磨损分析模型，将所述极限偏移分析信息和受力等级分析信息进行磨损分析，通过历史受力情况及历史偏移极限位置次数、时间和频率来分析固定装置的磨损和变化，得到磨损分析结果信息；预设维护判断阈值，将所述磨损分析结果信息与维护判断阈值进行判断，得到维护判断结果信息；根据所述维护判断结果信息进行维护预警，保障目标风电机组的安全性。

图3为本发明一实施例提供的一种基于北斗定位的风电机组安全监测系统框图3，该系统包括：存储器31、处理器32，所述存储器31中包含基于北斗定位的风电机组安全监测方法程序，所述基于北斗定位的风电机组安全监测方法程序被所述处理器32执行时实现如下步骤：

获取目标风电机组的实时位置信息，根据所述实时位置信息对目标风电机组进行位置偏移分析，得到位置偏移分析信息；

获取目标风电机组的实时受力信息，结合所述位置偏移分析信息进行受力异常分析，得到受力异常分析信息；

根据所述位置偏移分析信息和受力异常分析信息对目标风电机组进行异常原因分析，并进行预警；

获取恶劣天气时目标风电机组的位置变化信息和机组受力信息，对目标风电机组进行状态分析和事故预测，得到状态分析信息和事故预测信息；

获取实时气象信息，判断是否能够进行补救，并制定补救方案。

在本申请所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，如：多个单元或组件可以结合，或可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。

上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为单元显示的部件可以是、或也可以不是物理单元；既可以位于一个地方，也可以分布到多个网络单元上；可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。

另外，在本发明各实施例中的各功能单元可以全部集成在一个处理单元中，也可以是各单元分别单独作为一个单元，也可以两个或两个以上单元集成在一个单元中；上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。

本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、磁碟或者光盘等各种可以存储程序代码的介质。

或者，本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机、服务器、或者网络设备等）执行本发明各个实施例所述方法的全部或部分。而前述的存储介质包括：移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，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，可轻易想到变化或替换，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。

Claims (10)

1.一种基于北斗定位的风电机组安全监测方法，其特征在于，包括：

获取目标风电机组的实时位置信息，根据所述实时位置信息对目标风电机组进行位置偏移分析，得到位置偏移分析信息；

获取目标风电机组的实时受力信息，结合所述位置偏移分析信息进行受力异常分析，得到受力异常分析信息；

根据所述位置偏移分析信息和受力异常分析信息对目标风电机组进行异常原因分析，并进行预警；

获取恶劣天气时目标风电机组的位置变化信息和机组受力信息，对目标风电机组进行状态分析和事故预测，得到状态分析信息和事故预测信息；

获取实时气象信息，判断是否能够进行补救，并制定补救方案。

2.根据权利要求1所述的一种基于北斗定位的风电机组安全监测方法，其特征在于，所述获取目标风电机组的实时位置信息，根据所述实时位置信息对目标风电机组进行位置偏移分析，具体包括：

获取目标风电机组的预设位置信息和极限位移距离信息，基于北斗定位系统获取目标风电机组的实时位置信息；

预设截取时间，根据截取时间对所述实时位置信息进行时序处理，得到单位时间内的风电机组位置信息；

将单位时间内的风电机组位置信息与预设位置信息进行计算，计算单位时间内风电机组的位置偏移距离，得到位置偏移距离信息；

根据所述位置偏移距离信息按照偏移距离大小进行排序，并根据排序结果绘制偏移趋势图；

将所述位置偏移距离信息与极限位移距离信息进行判断分析，得到位置偏移分析信息；

若所述位置偏移距离信息大于所述极限位移距离信息，则代表目标风电机组出现移动状况；

若所述位置偏移距离信息大于所述极限位移距离信息，则代表目标风电机组处于正常位移范围。

3.根据权利要求1所述的一种基于北斗定位的风电机组安全监测方法，其特征在于，所述获取目标风电机组的实时受力信息，结合所述位置偏移分析信息进行受力异常分析，具体包括：

获取目标风电机组的实时受力信息和位置偏移分析信息；

获取目标风电机组构造信息，基于数字孪生技术根据所述目标风电机组构造信息建立风电机组模型；

将所述实时受力信息和位置偏移信息输入至风电机组模型中进行场景模拟，得到场景模拟信息；

获取风电机组的正常受力基准信息，对所述场景模拟信息进行特征提取，提取受力方向和大小，得到受力特征信息；

将所述受力特征信息与正常受力基准信息进行判断，并计算差值，得到受力判断结果信息和差值计算信息；

结合受力判断结果信息和差值计算信息构成受力异常分析信息。

4.根据权利要求1所述的一种基于北斗定位的风电机组安全监测方法，其特征在于，所述根据所述位置偏移分析信息和受力异常分析信息对目标风电机组进行异常原因分析，并进行预警，具体包括：

获取位置偏移分析信息和受力异常分析信息；

对所述位置偏移分析信息进行特征提取，提取异常偏移方向和距离，得到异常特征信息；

基于大数据检索获取各种异常受力风电机组的异常特征信息，构成对比数据集；

基于随机森林算法构建异常受力原因分析模型，通过所述对比数据集进行深度学习和训练，得到符合期望的异常受力原因分析模型；

将所述异常特征信息和实时受力分析信息导入异常受力原因分析模型中进行受力分析，得到异常受力原因分析信息；

根据所述异常受力原因分析信息和位置偏移分析信息生成实时监测报告，对目标风电机组的异常状况进行预警提示。

5.根据权利要求1所述的一种基于北斗定位的风电机组安全监测方法，其特征在于，所述对目标风电机组进行状态分析和事故预测，具体包括：

获取恶劣天气时目标风电机组的位置变化信息和机组受力信息；

根据所述机组受力信息进行受力异常分析，得到第一分析结果信息；

获取目标风电机组的预设位置信息和极限位移距离信息，结合位置变化信息进行位置偏移分析，分析是否发生大幅度偏移；

将所述位置变化信息与所述预设位置信息进行计算，并与极限位移距离进行判断，得到实时位移分析信息；

根据所述实时位移分析信息对目标风电机组进行位置偏移分析，分析单位时间内目标风电机组的位置变化方向，并计算目标风电机组偏移速率，得到第二分析结果信息；

结合第一分析结果信息和第二分析结果信息得到状态分析结果信息；

获取实时气象信息，基于随机森林算法构建事故预测模型，将所述状态分析结果信息和实时气象信息进行事故预测，得到事故预测信息；

所述事故预测信息包括：偏移方向信息、偏移速率信息、偏移路线信息和预测事故信息。

6.根据权利要求1所述的一种基于北斗定位的风电机组安全监测方法，其特征在于，所述获取实时气象信息，判断是否能够进行补救，并制定补救方案，具体包括：

获取实时气象信息、事故预测信息和恶劣天气时目标风电机组的位置变化信息；

构建救援风险评估模型，将所述实时气象信息和事故预测信息进行补救风险评估，得到补救风险评估信息；

若补救风险评估信息为可以进行补救，则制定补救方案；

将目标风电机组的海域划分为N个子区域，基于聚类算法结合实时气象信息进行分类，得到分类子区域信息；

根据分类子区域信息和事故预测信息进行补救方案制定，得到候选补救方案信息；

对所述候选补救方案进行特征提取，提取路线距离并计算路程消耗时间，得到路程消耗时间信息；

将所述路程消耗时间信息作为权重，对初始补救方案进行加权计算，根据加权结果进行排序；

预设选取阈值，根据选取阈值选取最优补救方案，得到最优补救方案信息。

7.一种基于北斗定位的风电机组安全监测系统，其特征在于，该系统包括：存储器、处理器，所述存储器中包含基于北斗定位的风电机组安全监测方法程序，所述基于北斗定位的风电机组安全监测方法程序被所述处理器执行时实现如下步骤：

获取目标风电机组的实时位置信息，根据所述实时位置信息对目标风电机组进行位置偏移分析，得到位置偏移分析信息；

获取目标风电机组的实时受力信息，结合所述位置偏移分析信息进行受力异常分析，得到受力异常分析信息；

根据所述位置偏移分析信息和受力异常分析信息对目标风电机组进行异常原因分析，并进行预警；

获取恶劣天气时目标风电机组的位置变化信息和机组受力信息，对目标风电机组进行状态分析和事故预测，得到状态分析信息和事故预测信息；

获取实时气象信息，判断是否能够进行补救，并制定补救方案。

8.根据权利要求7所述的一种基于北斗定位的风电机组安全监测系统，其特征在于，所述获取目标风电机组的实时位置信息，根据所述实时位置信息对目标风电机组进行位置偏移分析，具体包括：

获取目标风电机组的预设位置信息和极限位移距离信息，基于北斗定位系统获取目标风电机组的实时位置信息；

预设截取时间，根据截取时间对所述实时位置信息进行时序处理，得到单位时间内的风电机组位置信息；

将单位时间内的风电机组位置信息与预设位置信息进行计算，计算单位时间内风电机组的位置偏移距离，得到位置偏移距离信息；

根据所述位置偏移距离信息按照偏移距离大小进行排序，并根据排序结果绘制偏移趋势图；

将所述位置偏移距离信息与极限位移距离信息进行判断分析，得到位置偏移分析信息；

若所述位置偏移距离信息大于所述极限位移距离信息，则代表目标风电机组出现移动状况；

若所述位置偏移距离信息大于所述极限位移距离信息，则代表目标风电机组处于正常位移范围。

9.根据权利要求7所述的一种基于北斗定位的风电机组安全监测系统，其特征在于，所述获取目标风电机组的实时受力信息，结合所述位置偏移分析信息进行受力异常分析，具体包括：

获取目标风电机组的实时受力信息和位置偏移分析信息；

获取目标风电机组构造信息，基于数字孪生技术根据所述目标风电机组构造信息建立风电机组模型；

将所述实时受力信息和位置偏移信息输入至风电机组模型中进行场景模拟，得到场景模拟信息；

获取风电机组的正常受力基准信息，对所述场景模拟信息进行特征提取，提取受力方向和大小，得到受力特征信息；

将所述受力特征信息与正常受力基准信息进行判断，并计算差值，得到受力判断结果信息和差值计算信息；

结合受力判断结果信息和差值计算信息构成受力异常分析信息。

10.根据权利要求7所述的一种基于北斗定位的风电机组安全监测系统，其特征在于，所述对目标风电机组进行状态分析和事故预测，具体包括：

获取恶劣天气时目标风电机组的位置变化信息和机组受力信息；

根据所述机组受力信息进行受力异常分析，得到第一分析结果信息；

获取目标风电机组的预设位置信息和极限位移距离信息，结合位置变化信息进行位置偏移分析，分析是否发生大幅度偏移；

将所述位置变化信息与所述预设位置信息进行计算，并与极限位移距离进行判断，得到实时位移分析信息；

根据所述实时位移分析信息对目标风电机组进行位置偏移分析，分析单位时间内目标风电机组的位置变化方向，并计算目标风电机组偏移速率，得到第二分析结果信息；

结合第一分析结果信息和第二分析结果信息得到状态分析结果信息；

获取实时气象信息，基于随机森林算法构建事故预测模型，将所述状态分析结果信息和实时气象信息进行事故预测，得到事故预测信息；

所述事故预测信息包括：偏移方向信息、偏移速率信息、偏移路线信息和预测事故信息。