海上风电个人思考

基于应变模态的风机塔筒根部疲劳裂纹损伤检测研究
专业术语:
EOV Essential Ocean Variable 基本海洋变量
EOC = Environmental and Operational Conditions 环境和操作条件 也可以说是安装环境
SHM = 结构健康监测
SCADA = Supervisory Control And Data Acquisition(数据采集与监视控制系统)。
一句话:它是让人类坐在控制室里,就能看到并操作几百公里外一整套工业设施的那套系统。
它不是单个软件,而是一整套体系。名字里已经把职能说完了:
Data Acquisition(数据采集):把现场的传感器数据收上来
Supervisory Control(监视控制):看情况、下指令
1、当前采样率未知
2、机组到底有多少
2.1、神泉二的机组 重点监测机型只有5台 一般监测的风机有样本没??(有 但是剩下的风机只有二轴的加速度计)
3、表格中 160 和 2560 分别是什么意思 我们加速度计只有两轴 但是大多数论文有三轴 少一个z轴 有许多有效信息 好处是多模态是大家的目标 现有的做的比较少
3.1、振动信号都是利用加速度计测量出来的。
4、表格中加速度计和具体安装位置没有相关一一对应。未知 有具体位置但是对不上,这个不太关键
5、我们只有单桩 我们应当聚焦于单一类型 主流的是
6、判断管坏不坏和冲刷的研究都有
7、徐闻单桩风机重点监测 1 9 24 只有三个非重点监测只有唯一一个 双向加速度计
8、如果要造坏的数据集坏 是仿真呢还是像006这样造一个实体缩放模型。 感觉难度有点大。有造实体模型的可能性吗?
9、对于风电转动和海洋风浪对于结构的影响应该怎么处理 现在比较好的想法是103的文章参考 让机器自己滤掉这些工况信息
10、有没有可能拿到SCADA数据 比如某个时间段机组的状态如何 是否运行 机组转速多少 包括当时的工况信息 风浪流
11、需要有钢材的S-N疲劳数据?用于应力的雨刷计数,算剩余寿命?
12、方向是主打落地应用 还是说 有科研创新?
13、为啥有模型更好 可以手动模拟螺丝松动 裂纹情况。
向老师汇报:
1、当前有什么。 当前默认方向是自监督的异常监测系统
2、有没有相关文献支撑 相关文献和我们预想方向的助力是什么。比如44台机组和我们当前只有少量的机组。
3、当前遇到了什么问题 大体的解决方案是什么 数据不清晰 不知道数据代表什么 图纸看不懂
4、还是数据相关 要数据图纸 以及相关的SCDAD信息
应力方面的相关思考: 应变 → 主应力 → 雨流计数 → S-N → Miner
-N 曲线法适合寿命早期,断裂力学法适合寿命后期(p.7)
"They find that the S-N curves method is suitable"
→ 原文:S-N 曲线法适合结构寿命早期,断裂力学法适合寿命后期;对象为 50 m 水深导管架(Shittu 等)。
006 基于卷积神经网络的海上风力发电机导管架基础仅振动响应结构健康监测
在 2.7 m 高的实验室钢导管架(32 根 S275JR 杆件)上,用 8 个三轴加速度计(24 通道)采集 100 组白噪声激振试验,把多通道振动信号按传感器列归一化到 [0,255]、切成 256 点(16×16)滑窗、每传感器一通道拼成 24 通道灰度图,喂给 7 层卷积 CNN 做 4 分类(完好杆 / 复制杆 / 5 mm 裂纹杆 / 松螺栓)。加数据增强后验证集全部指标 ≥99.86%、总体准确率 99.90%;不加增强时准确率 93.81%。它的价值在于"信号→多通道图像"这套预处理流水线可直接借用;但它只做闭集状态分类,不做定位、不做严重度定量、不识别未知损伤,也没有波浪荷载与全尺寸验证。 很优秀 和我们做的研究很像 但是其是三轴加速度计 我们是二向加速度计 可惜006 这篇文章是既有塔筒也有导管架的 感觉做的有点多了 一开始做研究应该从小抓起 而且他只有单一的加速度计 我们的模态比较多 他用的是卷积神经网络 对于神经网络 数据处理这块讲述的十分详细

024 使用无监督异常检测方法识别海上风力涡轮机单桩基础周围的冲刷
用 NREL 5 MW 单桩式海上风机(OpenFAST 气-水-伺服-弹性耦合 + MATLAB 多弹簧土-结相互作用模型)塔筒 9 个测点的加速度数据,只用"健康(无冲刷)"样本训练「USFS-GL 无监督特征选择 + OCSVM 单类分类器」流程,即可判出基础冲刷是否存在:冲刷深度 >3 m 时准确率约 100%(作者总结为 ≥95%),3 m 约 88.9%–93.1%,1–2 m 基本不可靠(约 46%–75%)。全部加速度数据为数值仿真(环境工况取自 Celtic Sea M5 浮标 2022/2023 实测),模型只判断有无冲刷、不给冲刷深度,适用风速被明确限制在 8–13 m/s、波高 <3m。 这个是判断岩土冲刷的 准确度非常高 和我们想做的方向有一点偏差 偏向检测冲刷了多少岩土 他这个多是数值仿真 环境变量取决于真实数据 也是只有健康样本 无冲刷的
103 海上风电场的自监督基于振动的结构健康监测:现场部署与异常事件检测 它把"判断结构有没有坏"换成一个不需要任何标注的问题——"这段振动谱是哪台风机发出来的"——用"机队对比"逼模型学会忽略环境与运行工况(EOC),最后丢掉分类头、只留编码器,用隐空间置信度报警。 通俗版:44 个一模一样的双胞胎,在不同房间、用不同音量念不同稿子,让你只听声音判断"这是老几"。内容和音量都没用,最后你手里只剩音色。练出来的不是认字能力,是声纹识别能力。**这个用了三轴加速度计的振动 44台都只有1个加速度计 可以说和我们普通的非常相像 我们普通监测的风电也只有一台加速度计 有参考意义 有异常会主动报警**
112 基于应变模态的风电机组塔筒根部疲劳裂纹损伤检测研究
:风力发电机塔筒根部所受弯矩大易产生疲劳裂纹,及早地检测发现裂纹有利于防止风机倒塌破坏。研究 一种基于应变模态的塔筒根部疲劳裂纹损伤识别方法。首先建立塔筒的振动微分方程和应变模态 ;然后构建风机模 型并进行模态分析 ,研究塔筒损伤前后固有频率 、位移和应变模态振型的差异 ;最后建立应变模态变化率的疲劳裂纹 识别指标,并基于最小二乘法拟合应变模态变化率与损伤程度的数学关系。结果表明:塔筒受损前后固有频率和位移模态振型无显著改变,无法进行损伤定位;应变模态振型在受损处出现峰值突变,且损伤程度越高突变越明显;应变模态变化率与损伤程度呈正相关,采用六次多项式可拟合出两者的关系。但是这篇论文其实相当局限,他只研究了根部的损坏,其次这种损坏只有可能在某一处的应力才能发现 但是提供了一种建模方法
022 海上风力发电机导管架支撑结构中的 螺栓松动检测
海上风力涡轮机是在恶劣海洋环境中运行的大型结构,随着时间的推移容易产生结构损伤。对风力涡轮机的结 构健康进行持续监测,对于早期损伤检测和预防灾难性故障至关重要。本研究提出了一种检测海上风力涡轮机 导管架支撑结构中螺栓松动的方法论。由于动力载荷和涡轮机结构的振动,螺栓连接会随着时间推移而自行松 动,如果不加检测,这种松动可能导致节点疲劳和故障。目视检查在检测螺栓松动方面存在局限性,尤其是在 水下部件等难以接近的区域。基于振动的结构健康监测能够实现连续的自动化检测。本工作使用了从缩比风力 涡轮机实验室模型中在不同模拟健康和损伤条件下采集的振动数据。该方法论使用主成分分析对数据进行转换, 并计算新测量值相对于基线健康数据集的马氏距离。超过统计学确定的阈值的距离表明存在异常行为和损伤。 所提出技术的一个关键优势是,它只需要来自未损伤(健康)结构的振动数据来建立基线模型和阈值。损伤条 件下的振动数据仅用于测试该方法论并展示其性能。事实上,该技术对早期螺栓松动损伤表现出极佳的检测准 确率,且误报率极低。没有用到深度学习的思想
但可惜其研究的是具有导管架的结构 我们现有的两个图纸好像都是单桩结构 022和006是同一个实验室出品的

093 陆上钢制风力涡轮机的结构健康监测
本研究介绍了一套安装在意大利一座45米高钢制风力塔上的结构监测系统的开发情况。该监测系统由安装在塔壁 上的16个应变片组成,以45°的四个惠斯通电桥形式排列,并与热电偶一起安装在距地面21米处(塔架的半高处)。 此外,沿塔架高度还布置了若干加速度计(其中一个位于应变片旁边)。风速和风向直接从涡轮机自身的监测系 统获取。设计该监测系统是因为,由于总高度较原设计有所降低,塔架出现了共振问题。实际上,所研究的塔架 最初设计高度为65米,但后来为了符合当地法规,高度降低到了目前的尺寸。因此,为了确保安全运行并避免因 位移增加而导致的过度疲劳,转子的速度被手动限制,从而导致能源生产大幅减少。研究结果展示了监测共振问 题的重要性。文中讨论了在两种不同工作条件下获得的损伤指标之间的差异:塔架在限制运行能力下工作,以及 塔架在最大容量下工作(处于共振状态)。
109 基于测量应变和虚拟载荷传感器的风力涡轮机结构部件与主轴承连续寿命监测技术
决定风力涡轮机寿命延长需要通过与其设计寿命进行比较,以评估主要承载部件的剩余使用寿 命。本工作聚焦于两种根本不同部件的寿命评估:作为结构部件的塔架和作为旋转部件的主轴承。本 文提出了一种方法,结合高频SCADA、加速度计、塔底和叶片根部应变片电桥以及有限的设计信息, 以持续估计部件载荷及其随后的疲劳损伤累积。该工作应用于配备大量监测仪器的丹麦技术大学研究 风机(一台维斯塔斯 V52模型),其中叶片根部和塔底的应变片使用连续校准方法校准了近10年,无 需操作员输入。结果发现,塔底以及前主轴承和后主轴承的寿命估计分别为2952年、282年和566年, 这反映了与风力机设计风级 IA相比,风机所在位置的平均风速较低。其次,研究了虚拟载荷传感器能 否替代塔架应变片。通过结合SCADA、机舱加速度计和叶片根部应变片来部署长短期记忆(LSTM) 神经网络,获得了 consistent 的塔底应变信号估计和长期损伤累积,寿命变异性为 ±5%。对于输入 集合简化的虚拟载荷传感器,观察到其对塔底累积损伤存在系统性的低估,并提出了一种修正方法。 最后,基于载荷测量研究了环境条件(包括来流的湍流强度和剪切指数)对主轴承寿命的影响。使用 简单的传动系统热模型评估了主轴承修正后的寿命 L10 m 。定位主轴承中的疲劳载荷由风机推力曲线 的峰值驱动,在额定风速下观察到更高的载荷。在额定风速下观察到更高的湍流强度会使主轴承寿命 更长,这可以通过推力载荷的湍流平均来解释。 可以用于评估塔筒的剩余寿命 用的就是雨流计数 后期用断裂力学法??
039 基于分形维数的海上风机基础损伤诊断
海上风电的成本竞争力在很大程度上取决于其将预防性维护转变为基于状态的维护的能力。也 就是说,通过监测风力涡轮机(WT)的实际状态来决定何时需要进行何种维护。特别是,用于监测 基础(支撑结构)状态的结构健康监测(SHM)在海上固定式风机中至关重要。在本研究中,提出 了一种SHM策略,用于在线监测服役期间的海上导管架式风机基础。标准的SHM技术,如具有已知 输入激励的导波,无法直接应用于始终存在风和波浪等未知外部扰动的特定场景。为应对这一挑战, 提出了一种基于机器学习方法的仅振动响应结构健康监测策略。在此意义上,分形维数被提出作为 识别和分类不同类型损伤的合适特征。所提出的概念验证技术在经历不同类型损伤的实验室内按比 例缩小的导管架风机基础中得到了验证。
这也是 006 022 那个实验室的 用的同一个模型
046试验性混凝土风力发电机塔的运行模态分析与有限元模型修正
它的对象很接地气:中国南方沿海一座 5.5 MW 单桩海上机组的塔筒。目标是解决一个老问题——塔筒模态频率会被环境与工况(EOC)带着走,导致你分不清"频率变了"是结构坏了还是天气变了。它具体做了什么
监测对象:中国南方沿海一座 5.5 MW 单桩机组的塔筒,装了 5 个双轴加速度计,高程分别是 0 / 16.18 / 33.38 / 57.68 / 82.73 m(相对底法兰平面)。数据分两期:2020-05~2020-11、2021-09~2022-03——中间因仪器故障中断了约 10 个月。
第一步:自动把模态频率抠出来。用 SSI(随机子空间)出稳定图,再用 DBSCAN 聚类(ε=0.25、MinPts=10),最后拿 MAC > 0.8 跟参考振型比对,判定"这到底是不是物理模态"。跟踪的是塔筒前两阶弯曲模态——前后向(FA)和侧向(SS)。前处理参数是:重采样 10 Hz、0.1–2 Hz 四阶 Butterworth 带通、单次 1800 s 窗、阶次 1–100。
第二步:补工况数据(这是它最有参考价值的一步)。现场没有海洋实测,作者用 ERA5 再分析补了 6 个量:有效波高 SWH、平均浪周期 MWP、海平面气压 MSL、100 m 处东西/南北风速 E100/N100、海表温度 SST。加上 SCADA 的 4 个(有功功率、转速、桨距角、风速),凑成 10 个 EOC。
其中有个极容易漏掉、但直接决定结果的坑:ERA5 落在机组位置的那个格点包含陆地,不能直接用——作者取最近的 3 个纯海域格点求平均来代表机位周边海况。这一步要是跳了,后面全白做。
第三步:用 ML 把 EOC 从频率里减掉。SVR / RF / XGB 三种回归 + 贝叶斯优化(TPE 采样 + EI 采集函数,跑 10000 轮),目标是让模型学会"给定当前海况和运行状态,频率应该是多少",然后取残差作为对 EOC 不敏感的特征。
有点用 后续可能能用到 不过没用到神经网络 比较老的论文了

浙公网安备 33010602011771号