基于数字孪生赋能的风力发电预测方法、系统及计算机设备

本发明涉及风力发电技术领域，具体涉及基于数字孪生赋能的风力发电预测方法、系统及计算机设备。包括：建立叶片应力‑应变物理模型，结合空气动力学与薄板弯曲理论量化叶片载荷及疲劳损伤；整合气象、设备参数与运行数据，搭建多任务学习框架的数字孪生平台；并行执行主任务与辅助任务；通过风能转换方程计算理论发电量，融合RNN修正预测值；基于置信区间选择最优预测值，结合极端天气风险等级动态调整偏航角与桨距角，形成闭环控制。该方案实现发电预测误差降低18％、叶片寿命延长28％、极端天气预警提前72小时，显著提升发电效率与设备安全性。