基于数字孪生的风电混塔损伤预测方法和系统

本发明提供一种基于数字孪生的风电混塔损伤预测方法和系统，方法包括获取风电混塔的多源数据；其中，多源数据包括结构响应数据、环境载荷数据及历史运维数据；基于建筑信息模型与有限元模型融合技术，构建风电混塔的数字孪生模型；将多源数据输入数字孪生模型，以实现风电混塔与数字孪生模型的实时映射，并经数字孪生模型得到风电混塔的实时结构状态数据；将多源数据和实时结构状态数据输入预先训练的LSTM‑GRU混合神经网络模型，并结合注意力机制预测风电混塔的损伤演化趋势；基于损伤演化趋势，利用多目标粒子群算法生成风电混塔的维护方案，实现了维修成本、发电损失和风险等级的平衡优化，整体提升了风电混塔的运维效率和安全性。