CN115544883A - 一种漂浮式海上风电机组载荷和平台变形的在线测量方法及系统 - Google Patents

一种漂浮式海上风电机组载荷和平台变形的在线测量方法及系统 Download PDF

Info

Publication number
CN115544883A
CN115544883A CN202211229646.8A CN202211229646A CN115544883A CN 115544883 A CN115544883 A CN 115544883A CN 202211229646 A CN202211229646 A CN 202211229646A CN 115544883 A CN115544883 A CN 115544883A
Authority
CN
China
Prior art keywords
platform
wind turbine
offshore wind
floating offshore
floating
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202211229646.8A
Other languages
English (en)
Inventor
冯香恒
林勇刚
刘宏伟
顾亚京
李伟
张国豪
方江圆
刘友足
陈博文
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhejiang University ZJU
Original Assignee
Zhejiang University ZJU
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Zhejiang University ZJU filed Critical Zhejiang University ZJU
Priority to CN202211229646.8A priority Critical patent/CN115544883A/zh
Publication of CN115544883A publication Critical patent/CN115544883A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B21/00—Measuring arrangements or details thereof, where the measuring technique is not covered by the other groups of this subclass, unspecified or not relevant
    • G01B21/32—Measuring arrangements or details thereof, where the measuring technique is not covered by the other groups of this subclass, unspecified or not relevant for measuring the deformation in a solid
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
    • G01D21/00—Measuring or testing not otherwise provided for
    • G01D21/02—Measuring two or more variables by means not covered by a single other subclass
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M13/00—Testing of machine parts
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2113/00—Details relating to the application field
    • G06F2113/06—Wind turbines or wind farms
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2113/00—Details relating to the application field
    • G06F2113/08—Fluids
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E10/00—Energy generation through renewable energy sources
    • Y02E10/70—Wind energy
    • Y02E10/72—Wind turbines with rotation axis in wind direction

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Theoretical Computer Science (AREA)
  • Medical Informatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Software Systems (AREA)
  • Computer Hardware Design (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Wind Motors (AREA)

Abstract

本发明公开了一种漂浮式海上风电机组载荷和平台变形的在线测量方法及系统，仿真建立漂浮式海上风电机组的三维几何模型，确定风电机组的特征参数，在风电机组停机过程中，采集漂浮式平台的初始姿态信号；在风电机组运行过程中，通过传感器测量环境条件参数、机组状态参数并计算平台运动状态参数；计算得到机组的轴向推力、俯仰力矩，以及平台连杆的变形程度。本发明克服了传统直接测量大型风电机组载荷的困难，通过频域法，实现了机组轴向推力和机组俯仰力矩载荷在叶轮转子三倍频处的信号分离，通过时域法，解决了轴向推力在波浪频率处与波浪载荷难以实现频域分离的问题，本发明还通过采集到的平台运动状态，计算了平台连接杆件的变形。

Description

一种漂浮式海上风电机组载荷和平台变形的在线测量方法及 系统
技术领域
本发明涉及漂浮式海上风电机组测量领域，尤其涉及一种漂浮式海上风电机组载荷和平台变形的在线测量方法及系统。
背景技术
漂浮式海上风电目前正朝着机组大型化和商业化的方向发展，而制约浮式风机商业化的一个主要障碍就是成本问题。现有海洋漂浮式风电平台多借鉴海上石油平台，在安全性上追求万全而使得冗余度较高。因此需尽快有科学依据地发展漂浮式平台降成本设计技术，而降成本和“做减法”最关键的科学依据则是准确的结构载荷数据。
当下风电机组载荷测量方法多采用压电陶瓷、应变片、光纤光栅等方式测量叶片形变，进而计算叶片的挥舞弯矩和摆振弯矩。然而浮式风电机组位于深远海域且几何尺寸巨大，这种直接测量方法的安装维护过程往往十分困难且成本极大。叶片等结构的冗余度设计也使得结构的形变较小，测量信号往往容易受到外界干扰。此外，目前并未见大型风电机组轴向推力准确可靠的直接测量装置。
中国专利CN 206974681 U公开了一种风电机组载荷测量装置，包括控制设备，不间断电源，以及叶片长度方向上的多个应变片组。所述应变片组安装在叶片内壁上，包括两个具有温度补偿的XY型应变片，所述两个XY型应变片组成惠斯通全桥测量电路。每个测试截面上布置有挥舞方向和摆振方向的应变片组。但该装置只能测量叶片弯矩，不能测量机组轴向推力，且测量装置安装维修极为不便。
中国专利CN 216198692 U公开了一种风电机组载荷测量装置，包括位移检测单元及悬臂杆。位移检测单元内设有光电测距模块及温度测量模块。当载荷检测面受到交变载荷产生形变时，测量间隙大小就会发生变化，因此可以计算出检测区的应力大小。但是该方法仍然局限于测量局部区域的结构应力，无法测量机组轴向推力和机组俯仰力矩。
中国专利CN 110440965 A公开了一种漂浮式海流能机组的在线测量系统及方法。通过测量漂浮平台的俯仰角和加速度计算出海流能机组的轴向推力载荷。但是该装置仅适用于测量只有海流作用下的机组轴向推力，且仅能计算出机组轴向推力的稳态载荷，并未考虑风浪作用下的耦合影响，无法计算机组轴向推力的瞬态载荷和机组俯仰力矩载荷，且采用单一的姿态传感器难以保证数据准确性和稳定性。
发明内容
本发明目的在于针对现有技术的不足，提出一种漂浮式海上风电机组载荷和平台变形的在线测量方法及系统。
本发明的目的是通过以下技术方案来实现的：一种漂浮式海上风电机组载荷和平台变形的在线测量方法，该方法包括以下步骤：
(1)通过软件仿真建立漂浮式海上风电机组的三维几何模型，确定漂浮式海上风电机组的特征参数，包括质量、刚度和阻尼矩阵参数；
(2)在静水面以及风电机组停机过程中，通过传感器采集漂浮式平台的六自由度运动状态数据，记录平台结构的初始状态信号，即初始纵摇角度
Figure BDA0003880923550000021
(3)在风电机组运行过程中，通过传感器测量轮毂中心高度处风速v、波浪周期T和海流流速u环境条件参数；叶轮转速Ω和叶片桨距角β机组状态参数；通过姿态传感器计算得到平台的运动状态参数，包括纵摇角度为
Figure BDA0003880923550000022
纵摇角速度
Figure BDA0003880923550000023
纵摇角加速度
Figure BDA0003880923550000024
纵荡速度
Figure BDA0003880923550000025
和纵荡加速度
Figure BDA0003880923550000026
(4)根据步骤(2)-步骤(3)中的参数分别计算得到机组的轴向推力、俯仰力矩，以及平台连杆的变形程度。
进一步地，漂浮式海上风电机组的系统特征参数确定过程如下:
(2.1)在ANSYS-AQWA软件中建立漂浮式海上风电机组的分析模型，通过频域仿真分析，得到平台的静水刚度，不同波浪频率下的辐射阻尼和附加质量参数；
(2.2)在ANSYS-Mechanical软件中建立漂浮式海上风电机组的分析模型并添加步骤(1.1)中的附加质量，基于弱弹簧模型计算得到整个漂浮式海上风电机组的质量矩阵M和质心位置参数；
(2.3)在OPENFAST软件中建立风力机模型，依据不同风速、叶轮转速、叶片桨距角下风力机的气动线性化参数，得到风力机的气动阻尼参数；
(2.4)在FLUENT流体计算软件中完成平台在不同海流流速下的流场分析，得到平台的二次粘性阻尼参数，并将其线性化；
(2.5)根据步骤(2.1)-步骤(2.4)得到的参数值，在OPENFAST中建立漂浮式海上风电机组模型，在不同载荷作用下对建立漂浮式海上风电机组的动态响应进行仿真分析，得到漂浮式海上风电机组的刚度参数矩阵K；进一步地根据漂浮式海上风电机组质量和阻尼得到漂浮式海上风电机组的自然频率和阻尼频率。
进一步地，步骤(3)和步骤(4)中传感器需要预先通过运动状态自校准神经网络模型进行校准，具体如下：
1)采集过去一段时间内的历史环境条件、机组状态、平台运动状态数据加以噪声滤波处理和存储；
2)对于采集的不同时间的数据设定一种准确性因子，投运初期的数据准确性因子为1，随着时间推移，数据的准确性因子以抛物线形式不断降低至一个阈值。
3)以历史环境条件、机组状态数据为输入，平台运动状态数据为输出，建立运动状态自校准神经网络模型，该模型为一种由外部输入的非线性自回归神经网络模型，选取70％的存储数据作为训练样本，30％的存储数据作为验证样本；
4)实时采集一段时间内的环境条件、机组状态输入到非线性自回归神经网络模型中，计算得到参考平台运动状态数值，将传感器采集到的平台运动状态数据同参考平台运动状态数值作比较，筛选误差小于阈值的传感器数据，最终输出传感器数据平均值为：
Figure BDA0003880923550000031
其中n为正常状态传感器个数，θi表示第i个正常状态的传感器数据；
5)对于误差大于阈值的传感器数据(累计误差或零漂)，在其基础上增加一个修正项，其为一段时间内参考平台运动状态数值和采集平台运动状态数据之差的平均值。
进一步地，步骤(4)中漂浮式平台的六自由度运动状态的计算过程如下：
(4.1)某个传感器测量点的空间位置在大地坐标系下为(Xo,Yo,Zo)，在随体坐标系下为(Xb,Yb,Zb)，随体坐标系原点在大地坐标系下的坐标位置为(Xbo,Ybo,Zbo)。采集到的原始运动状态数据为横摇、纵摇、艏摇角度信号
Figure BDA0003880923550000032
横摇、纵摇、艏摇角速度信号
Figure BDA0003880923550000033
随体加速度信号
Figure BDA0003880923550000034
大地坐标系下坐标位置和随体坐标系下坐标位置之间的变换关系可以表示为：
Figure BDA0003880923550000035
其中T为坐标变换矩阵，其非线性程度极为严重，为此将其泰勒一阶展开，可线性简化为：
Figure BDA0003880923550000036
(4.2)将采集到的随体坐标系下的加速度信号
Figure BDA0003880923550000037
变换到大地坐标系下的纵荡、横荡、垂荡加速度
Figure BDA0003880923550000038
为：
Figure BDA0003880923550000039
(4.3)测量点纵摇角加速度
Figure BDA0003880923550000041
通过步骤(4.1)所述角速度信号
Figure BDA0003880923550000042
差分得到。
(4.4)测量点纵荡、横荡、垂荡速度信号
Figure BDA0003880923550000043
通过步骤(4.2)所述加速度信号
Figure BDA0003880923550000044
积分即可得到；
(4.5)测量点纵荡、横荡、垂荡方向的空间位置(Xo,Yo,Zo)通过步骤(4.4)所述速度信号
Figure BDA0003880923550000045
积分和步骤(4.1)所述坐标变换即可得到。
进一步地，步骤(6)中机组轴向推力的计算方法如下：
(1)将步骤(4)和步骤(5)采集的参数经过滤波器后，分别得到运动状态信号的低频段、波频段、高频段；
(2)根据风速v、叶轮转速Ω、叶片桨距角β确定漂浮式海上风电机组的气动阻尼C，根据流速v、波浪周期T确定漂浮式海上风电机组的粘性阻尼和辐射阻尼，进而确定漂浮式海上风电机组总阻尼矩阵c；
(3)根据流速-姿态模型，计算海流流速对平台纵摇角度的贡献
Figure BDA0003880923550000046
(4)低频段的时域轴向推力计算公式为：
Figure BDA0003880923550000047
式中K55为平台的纵摇刚度，h为机组轮毂中心到坐标参考点的距离；
Figure BDA0003880923550000048
为低通滤波后的纵摇角，截止频率为纵摇自然频率；
(5)波频段的时域轴向推力计算公式为：
Figure BDA0003880923550000049
式中C为气动阻尼值；
Figure BDA00038809235500000410
为带通滤波后的纵摇角速度，频率范围是波浪频率范围；
Figure BDA00038809235500000411
是带通滤波后的纵荡速度，频率范围是波浪频率范围；
(6)其中高频段3P，即叶轮旋转频率的三倍处的频域轴向推力幅值计算公式为：
Figure BDA00038809235500000412
式中ω为纵荡加速度的3P频率，ω＝3Ω，
Figure BDA00038809235500000413
为纵荡加速度3P频率处的信号幅值；K11、M11、c11分别是漂浮式风电机组的纵荡运动自由度的刚度、质量和阻尼；高频段3P的频域轴向推力相位计算公式为：
Figure BDA00038809235500000414
式中ωn为纵荡运动自由度的自然频率，Ψ0为3P频率纵荡加速度的相位；3P频率处的时域轴向推力F3P的计算公式为：F3P＝|F3P|sin(ωt+Ψ)，t表示时间；
(7)机组轴向推力为各频段的时域轴向推力的叠加，即F＝Flow+Fwave+F3P。
进一步地，步骤(6)中机组俯仰力矩的计算公式如下：
Figure BDA00038809235500000415
其中|Msum|表示的是合成俯仰力矩信号幅值，
Figure BDA00038809235500000416
是合成俯仰力矩正弦信号相对于机组轴向推力F3P信号的相位差。合成俯仰力矩信号幅值是机组俯仰力矩和机组轴向推力共同作用的结果，其计算公式为：
Figure BDA0003880923550000051
其中，
Figure BDA0003880923550000052
为纵摇角加速度3P频率处的信号幅值；M55、K55、c55分别是漂浮式风电机组的纵摇运动自由度的质量、刚度和阻尼。
进一步地，所述的流速-姿态模型创建过程如下：
在Fluent流体仿真软件中建立漂浮平台的分析模型，给定不同的入口流速，仿真得到平台不同的稳态纵摇角度，通过二次多项式拟合得到流速和平台纵摇角度的数学模型，
Figure BDA0003880923550000053
A1、A2、A3是多项式的拟合出来的系数；
进一步地，平台连杆变形的计算方法如下：
(1)每个平台连杆两端处的传感器采集数据并得到两个位置信息分别为(x1,,y1,z1)，(x2,y2,z2)；其对应的角度信号分别为
Figure BDA0003880923550000054
(2)连杆的拉伸量为
Figure BDA0003880923550000055
(3)连杆的扭转角度为
Figure BDA0003880923550000056
(4)连杆的相对弯曲角度为
Figure BDA0003880923550000057
本发明还提供了一种漂浮式海上风电机组载荷和平台变形的在线测量系统，该系统包括：
漂浮式海上风机模块，用于通过软件仿真建立漂浮式海上风电机组的三维几何模型，确定漂浮式海上风电机组的特征参数，包括质量、刚度和阻尼矩阵参数；
嵌入式传感系统，用于在静水面时和风电机组停机过程中，通过校准后的传感器采集漂浮式平台的六自由度运动状态数据，记录平台结构在静水时的运动状态信号，即初始姿态角度
Figure BDA0003880923550000058
并在风电机组运行过程中，通过校准后的传感器测量轮毂中心高度处风速v、波浪周期T和海流流速u环境条件参数；叶轮转速Ω和叶片桨距角β机组状态参数；基于步骤(3)中的漂浮式平台的六自由度运动状态数据计算平台的纵摇角度为
Figure BDA0003880923550000059
纵摇角速度
Figure BDA00038809235500000510
纵摇角加速度
Figure BDA00038809235500000511
纵荡速度
Figure BDA00038809235500000512
和纵荡加速度
Figure BDA00038809235500000513
平台运动状态参数；
计算机，用于基于嵌入式传感系统采集的参数数据，分别计算得到机组的轴向推力、俯仰力矩，以及平台连杆的变形程度。
进一步地，测量系统还包括数据库，为离线的数据存储设备，用于存储环境信息，运动响应信息，以及机组载荷信息。
本发明的有益效果：
1、本发明通过测量漂浮式平台的运动响应信号和载荷计算模型，辨识得到系统的输入源，即风力机机组轴向推力和俯仰力矩，这属于结构动力学中的第二类反问题，这是一种间接测量机组载荷的方法，避免了传统直接测量载荷的各种麻烦。同时可以基于平台不同测量点的位置信息来计算平台结构的变形情况。该方法可用于三大功能：一是可以通过变桨控制和调节压载水分布来保证风力机载荷和平台响应的安全稳定性；二是可以根据实时监控平台的载荷情况和平台变形情况，保证海上风电机组运行的安全性；三是采集到的平台运动响应和机组载荷数据，为平台和机组结构的优化设计提供数据参考。
2、本发明的运动状态自校准神经网络模型能够有效利用传感器的历史准确数据，对自身数据的准确性做一个评估和校准，有效解决传感器数据漂移的问题，提高了传感器在无人值守情况下长时间服役的稳定性。
3.本发明的载荷计算方法实现了机组轴向推力和机组俯仰力矩载荷在叶轮转子三倍频处的信号分离，通过气动阻尼的物理概念解决了轴向推力在波浪频率处与波浪载荷难以实现频域分离的问题。本发明能够准确有效地计算出机组轴向推力的各类载荷分量以及俯仰力矩的周期性载荷。
4.本发明能够实时监控漂浮式风力机载荷情况以及平台变形情况，能够及时评估和发现系统中的故障情况，保证漂浮式平台的安全，同时为漂浮式海上风电数字孪生模型的建立提供重要的数据来源。
附图说明
图1是本发明的漂浮式海上风电结构示意图。
图2是本发明的应用流程示意图。
图3是本发明的漂浮平台纵荡和纵摇自由度的辐射阻尼随频率变化曲线图。
图4是本发明的FAST仿真模型示意图。
图5是本发明的平台流场仿真模型网格示意图。
图6是本发明的流速-运动状态模型的拟合曲线示意图。
具体实施方式
以下结合附图对本发明具体实施方式作进一步详细说明。
参见图1，本实施案例的应用对象为漂浮式海上风力发电机，包括：
叶轮、机舱组件1，塔架2，控制舱3，浮筒4，连杆5，垂荡板6，连板7；四个漂浮体呈Y型连接，塔架放置于中间漂浮体上，嵌入式传感系统放置于四个浮筒上。
参见图2，本实施案例提供的漂浮式海上风电机组载荷的在线测量系统，包括：
漂浮式海上风机模块，用于通过软件仿真建立漂浮式海上风电机组的三维几何模型，确定漂浮式海上风电机组的特征参数，包括质量、刚度和阻尼矩阵参数；
嵌入式传感系统，用于在静水面时和风电机组停机过程中，通过校准后的传感器采集漂浮式平台的六自由度运动状态数据，记录平台结构在静水时的运动状态信号，即初始姿态角度
Figure BDA0003880923550000071
并在风电机组运行过程中，通过校准后的传感器测量轮毂中心高度处风速v、波浪周期T和海流流速u环境条件参数；叶轮转速Ω和叶片桨距角β机组状态参数；基于步骤(3)中的漂浮式平台的六自由度运动状态数据计算平台的纵摇角度为
Figure BDA0003880923550000072
纵摇角速度
Figure BDA0003880923550000073
纵摇角加速度
Figure BDA0003880923550000074
纵荡速度
Figure BDA0003880923550000075
和纵荡加速度
Figure BDA0003880923550000076
平台运动状态参数；嵌入式传感系统，固结于漂浮体上，与计算机无线通讯连接。
姿态传感器，内置于嵌入式传感系统中，用于采集漂浮平台的角度、角速度、线加速度信号；
计算机，用于接收嵌入式传感系统的运动响应信号；用于基于嵌入式传感系统采集的参数数据，分别计算得到机组的轴向推力、俯仰力矩，以及平台连杆的变形程度；具体包括如下模块：
信号处理模块，内置于计算机，对运动响应信号进行滤波和坐标变换及微积分处理；
载荷计算模块，内置于计算机，利用各个频段的运动响应信号，完成机组载荷的计算；
平台变形模块，内置于计算机，利用各个位置传感器数据，计算平台连杆的变形情况；
数据库，存储外界环境信息，机组运行状态和平台运动状态等信息。
本实施例所述的嵌入式传感系统共计四个，分别放置于四个浮筒的水平地面上，并通过螺钉或铁钉固定在平台上；每个嵌入式传感系统内置了三个相同的姿态传感器，并且以较大间距分散在传感系统的三个角落，以保证三个传感器不会同时被破坏；计算机放置于控制舱3内；嵌入式传感系统通过蓝牙与计算机无线通讯连接。
实施例2
本实施例提供的漂浮式海上风电机组载荷的在线测量方法，采用了实施例的在线测量系统，其步骤包括：
一：建立漂浮式海上风电结构的三维几何模型，并在仿真软件中计算得到整个系统六自由度质量、刚度、质心位置、自然频率，以及平台结构的水动阻尼和风力机气动阻尼等信息。
具体步骤如下：
1.建立漂浮式海上风电结构的三维几何模型，并确定其惯量属性。根据设计参数，在SolidWorks中建立漂浮式海上风电结构的三维几何模型，如图1所示，利用SolidWorks的测量工具完成对模型质心位置、质量、转动惯量的计算；
2.仿真确定漂浮式海上风电结构的水动特征参数。将SolidWorks中的几何模型导入ANSYS-DesignModeler中，通过后处理创建为面壳模型，进一步再导入HydrodynamicDiffraction模块中，完成漂浮式海上风电结构的水动力频域分析后，再导入HydrodynamicResponse模块中，给定初始位移，完成漂浮式海上风电结构的自由衰减仿真分析，进一步地得到辐射阻尼，如图3所示。
3.仿真确定漂浮式海上风电结构的气动阻尼参数。在OPENFAST V2.4软件中建立该漂浮式海上风力机模型，如图4所示，并完成气动载荷对来流风速的线性化仿真分析，依据不同风速、叶轮转速、叶片桨距角下风力机的气动线性化参数，得到风力机的气动阻尼参数。
4.仿真确定漂浮式海上风电结构的粘性阻尼参数和流速-纵摇角度映射模型。在FLUENT等流体计算软件中导入平台几何结构并划分网格，如图5所示。完成平台在不同海流流速下的流场分析，得到平台的二次粘性阻尼参数，并将其线性化；同时得到多组流速和平台稳态纵摇角度数据，绘制成表格，采用查表法，根据波浪频率确定辐射阻尼，根据来流风速确定气动阻尼，根据海流流速确定粘性阻尼，进而得到漂浮式海上风电机组的总阻尼参数矩阵c；并通过二次多项式拟合得到流速和平台纵摇角度的数学模型，如图6所示。
5.根据得到的参数值，在OPENFAST中建立漂浮式海上风电机组模型，在不同载荷作用下对建立漂浮式海上风电机组的动态响应进行仿真分析，得到漂浮式海上风电机组的刚度参数矩阵K；进一步地根据漂浮式海上风电机组质量和阻尼得到漂浮式海上风电机组自然频率和阻尼频率。二：仿真分析漂浮式海上风电系统的动力学响应，建立一种基于系统响应辨识系统载荷输入的载荷计算模型。在OPENFAST V2.4软件中仿真分析漂浮式海上风电系统的动力学响应，根据系统运动响应的频谱分析，确定低频、波频、高频滤波器的频带，对于高频机组载荷，采用频域法完成辨识，对于低频和波频机组载荷，采用时域法完成辨识。
三：将嵌入式传感系统放置在塔架内部的控制舱内，测量点位置为(X0,Y0,Z0)；并将嵌入式传感系统与计算机蓝牙无线连接，嵌入式传感系统内置了自校准神经网络模型，保证采集数据的稳定性和准确性，数据自校准处理具体如下：
1)采集过去一段时间内的历史环境条件、机组状态、平台运动状态数据加以噪声滤波处理和存储；
2)对于采集的不同时间的数据设定一种准确性因子，投运初期的数据准确性因子为1，随着时间推移，数据的准确性因子以抛物线形式不断降低至一个阈值为85％。
3)以历史环境条件、机组状态数据为输入，平台运动状态数据为输出，建立运动状态自校准神经网络模型，该模型为一种由外部输入的非线性自回归神经网络模型，选取70％的存储数据作为训练样本，30％的存储数据作为验证样本；
4)将实时采集到的环境条件、机组状态输入到神经网络模型中，计算得到参考平台运动状态数值，将传感器采集到的平台运动状态数据同参考平台运动状态数值作比较，筛选误差小于3％的传感器数据。最终输出正常状态的传感器数据平均值为：
Figure BDA0003880923550000081
其中n为该嵌入式传感系统内部正常状态传感器个数，θi表示第i个正常状态的传感器数据；
5)对于误差大于3％的传感器数据(通常是累计误差或零漂)，在其基础上增加一个修正项，其为一天内参考平台运动状态数值和采集平台运动状态数据之差的平均值。
四：利用所述的嵌入式传感系统测量平台的运动状态数据，计算机根据初始运动状态数据完成对应的信号处理，载荷计算，和平台连杆变形计算。
1.平台的六自由度运动状态的计算过程如下：
1)某个传感器测量点的空间位置在大地坐标系下为(Xo,Yo,Zo)，在随体坐标系下为(Xb,Yb,Zb)，随体坐标系原点在大地坐标系下的坐标位置为(Xbo,Ybo,Zbo)。采集到的原始运动状态数据为横摇、纵摇、艏摇角度信号
Figure BDA0003880923550000091
横摇、纵摇、艏摇角速度信号
Figure BDA0003880923550000092
随体加速度信号
Figure BDA0003880923550000093
大地坐标系下坐标位置和随体坐标系下坐标位置之间的变换关系可以表示为：
Figure BDA0003880923550000094
其中T为坐标变换矩阵，其非线性程度极为严重，为此将其泰勒一阶展开，可线性简化为：
Figure BDA0003880923550000095
2)将采集到的随体坐标系下的加速度信号
Figure BDA0003880923550000096
变换到大地坐标系下的纵荡、横荡、垂荡加速度
Figure BDA0003880923550000097
为：
Figure BDA0003880923550000098
3)测量点纵摇角加速度
Figure BDA0003880923550000099
通过步骤(4.1)所述角速度信号
Figure BDA00038809235500000910
差分得到。
4)测量点纵荡、横荡、垂荡速度信号
Figure BDA00038809235500000911
通过步骤(4.2)所述加速度信号
Figure BDA00038809235500000912
积分即可得到；
5)测量点纵荡、横荡、垂荡方向的空间位置(Xo,Yo,Zo)通过步骤(4.4)所述速度信号
Figure BDA00038809235500000913
积分和步骤(4.1)所述坐标变换即可得到。
2.机组轴向推力和俯仰力矩载荷计算过程如下：
(1)在机组停机和静水面时，测量得到平台的初始纵摇角度为
Figure BDA00038809235500000914
(2)在机组运行过程中，基于平台的六自由度运动状态计算得到平台的纵摇角度为
Figure BDA00038809235500000915
纵摇角速度
Figure BDA0003880923550000101
纵摇角加速度
Figure BDA0003880923550000102
纵荡速度
Figure BDA0003880923550000103
纵荡加速度
Figure BDA0003880923550000104
通过传感器得到轮毂高度处风速v，波浪周期T，海流流速u；叶轮转速Ω、叶片桨距角β。
(3)将采集的参数经过滤波器后，分别得到运动状态信号的低频段、波频段、高频段；
(4)根据风速v、叶轮转速Ω、叶片桨距角β确定漂浮式海上风电机组的气动阻尼C，根据流速u、波浪周期T确定漂浮式海上风电机组的粘性阻尼和辐射阻尼，进而确定漂浮式海上风电机组总阻尼矩阵c。
(5)根据流速-姿态模型，计算海流流速对平台纵摇角度的贡献为：
Figure BDA0003880923550000105
流速-姿态模型创建过程为：在Fluent流体仿真软件中建立漂浮平台的分析模型，给定不同的入口流速，仿真得到平台不同的稳态纵摇角度，通过二次多项式拟合得到流速和平台纵摇角度的数学模型，
Figure BDA0003880923550000106
A1、A2、A3是多项式的拟合出来的系数；
(6)低频段的轴向推力计算公式为：
Figure BDA0003880923550000107
式中K55为平台的纵摇刚度，h为机组轮毂中心到坐标参考点的距离；
Figure BDA0003880923550000108
为低通滤波后的纵摇角，截止频率为纵摇自然频率；
(7)其中波频段的轴向推力计算公式为：
Figure BDA0003880923550000109
式中C为气动阻尼值；
Figure BDA00038809235500001010
为带通滤波后的纵摇角速度，频率范围是波浪频率范围；
Figure BDA00038809235500001011
是带通滤波后的纵荡速度，频率范围是波浪频率范围；
(8)其中高频段3P，即叶轮旋转频率的三倍处的轴向推力幅值计算公式为：
Figure BDA00038809235500001012
式中ω为纵荡加速度的的3P频率，ω＝3Ω，
Figure BDA00038809235500001013
为纵荡加速度3P频率处的信号幅值。K11、M11、c11分别是漂浮式风电机组的纵荡运动自由度的刚度、质量和阻尼；高频段3P的频域轴向推力相位计算公式为：
Figure BDA00038809235500001014
式中ωn为纵荡运动自由度的自然频率，Ψ0为3P频率纵荡加速度的相位；3P频率处的时域轴向推力计算公式为：F3P＝|F3P|sin(ωt+Ψ)，t表示时间；
(9)机组轴向推力为各频段的轴向推力的叠加，即F＝Flow+Fwave+F3P。
(10)机组俯仰力矩计算公式为：
Figure BDA00038809235500001015
其中|Msum|表示的是合成俯仰力矩信号幅值，
Figure BDA00038809235500001016
是合成俯仰力矩正弦信号相对于机组轴向推力信号的相位差。
(11)步骤(10)中的合成俯仰力矩是机组俯仰力矩和机组轴向推力共同作用的结果，其计算公式为：
Figure BDA0003880923550000111
Figure BDA0003880923550000112
为纵摇角加速度3P频率处的信号幅值。M55、K55、c55分别是漂浮式风电机组的纵摇运动自由度的质量、刚度和阻尼。
3.连杆变形计算过程如下：
(1)每个平台连杆两端处的传感器采集数据并计算得到两个位置信息分别为(x1,,y1,z1)，(x2,y2,z2)；其对应的角度信号分别为
Figure BDA0003880923550000113
(2)连杆的拉伸量为
Figure BDA0003880923550000114
(3)连杆的扭转角度为
Figure BDA0003880923550000115
(4)连杆的相对弯曲角度为
Figure BDA0003880923550000116
六：将上述采集处理到的运动响应信号和载荷信息以实时数据显示在计算机的上位机界面上，实时可视化显示平台的姿态信息，并基于上述数据完成漂浮式海上风电机组安全调控，步骤如下：
(1)当检测到机组轴向推力波动较为剧烈时，可以通过独立变桨技术，完成载荷的平稳控制，降低疲劳损伤；
(2)当检测到平台连杆变形较为严重时，可以在线发出警报，提醒远程操作人员，及时安排维修工作；
(3)当检测到较大的平台纵摇角度时，可以通过调节浮体内部的压载水分布，使塔架处于竖直状态，增大叶轮迎风面积，提高发电功率；
(4)当检测到海洋环境较为剧烈时，此时通过向外吸取海水增加浮体内部压载水来降低平台质心位置；通过电机收紧悬链线来提高系泊系统刚度，叶片顺桨不发电降低气动载荷，进而提高平台的安全稳定性。
上述实施例用来解释说明本发明，而不是对本发明进行限制，在本发明的精神和权利要求的保护范围内，对本发明作出的任何修改和改变，都落入本发明的保护范围。

Claims (10)

1.一种漂浮式海上风电机组载荷和平台变形的在线测量方法，其特征在于，该方法包括以下步骤：
(1)通过软件仿真建立漂浮式海上风电机组的三维几何模型，确定漂浮式海上风电机组的特征参数，包括质量、刚度和阻尼矩阵参数；
(2)在静水面以及风电机组停机过程中，通过传感器采集漂浮式平台的六自由度运动状态数据，记录平台结构的初始状态信号，即初始纵摇角度
Figure FDA0003880923540000012
(3)在风电机组运行过程中，通过传感器测量轮毂中心高度处风速v、波浪周期T和海流流速u环境条件参数；叶轮转速Ω和叶片桨距角β机组状态参数；通过姿态传感器计算得到平台的运动状态参数，包括纵摇角度为
Figure FDA0003880923540000013
纵摇角速度
Figure FDA0003880923540000014
纵摇角加速度
Figure FDA0003880923540000015
纵荡速度
Figure FDA0003880923540000016
和纵荡加速度
Figure FDA0003880923540000011
(4)根据步骤(2)-步骤(3)中的参数分别计算得到机组的轴向推力、俯仰力矩，以及平台连杆的变形程度。
2.根据权利要求1所述的一种漂浮式海上风电机组载荷和平台变形的在线测量方法，其特征在于，漂浮式海上风电机组的系统特征参数确定过程如下:
(2.1)在ANSYS-AQWA软件中建立漂浮式海上风电机组的分析模型，通过频域仿真分析，得到平台的静水刚度，不同波浪频率下的辐射阻尼和附加质量参数；
(2.2)在ANSYS-Mechanical软件中建立漂浮式海上风电机组的分析模型并添加步骤(1.1)中的附加质量，基于弱弹簧模型计算得到整个漂浮式海上风电机组的质量矩阵M和质心位置参数；
(2.3)在OPENFAST软件中建立风力机模型，依据不同风速、叶轮转速、叶片桨距角下风力机的气动线性化参数，得到风力机的气动阻尼参数；
(2.4)在FLUENT流体计算软件中完成平台在不同海流流速下的流场分析，得到平台的二次粘性阻尼参数，并将其线性化；
(2.5)根据步骤(2.1)-步骤(2.4)得到的参数值，在OPENFAST中建立漂浮式海上风电机组模型，在不同载荷作用下对建立漂浮式海上风电机组的动态响应进行仿真分析，得到漂浮式海上风电机组的刚度参数矩阵K；进一步地根据漂浮式海上风电机组质量和阻尼得到漂浮式海上风电机组的自然频率和阻尼频率。
3.根据权利要求1所述的一种漂浮式海上风电机组载荷和平台变形的在线测量方法，其特征在于，步骤(3)和步骤(4)中传感器需要预先通过运动状态自校准神经网络模型进行校准，具体如下：
1)采集过去一段时间内的历史环境条件、机组状态、平台运动状态数据加以噪声滤波处理和存储；
2)对于采集的不同时间的数据设定一种准确性因子，投运初期的数据准确性因子为1，随着时间推移，数据的准确性因子以抛物线形式不断降低至一个阈值。
3)以历史环境条件、机组状态数据为输入，平台运动状态数据为输出，建立运动状态自校准神经网络模型，该模型为一种由外部输入的非线性自回归神经网络模型，选取70％的存储数据作为训练样本，30％的存储数据作为验证样本；
4)实时采集一段时间内的环境条件、机组状态输入到非线性自回归神经网络模型中，计算得到参考平台运动状态数值，将传感器采集到的平台运动状态数据同参考平台运动状态数值作比较，筛选误差小于阈值的传感器数据，最终输出传感器数据平均值为：
Figure FDA0003880923540000021
其中n为正常状态传感器个数，θi表示第i个正常状态的传感器数据；
5)对于误差大于阈值的传感器数据(累计误差或零漂)，在其基础上增加一个修正项，其为一段时间内参考平台运动状态数值和采集平台运动状态数据之差的平均值。
4.根据权利要求1所述的一种漂浮式海上风电机组载荷和平台变形的在线测量方法，其特征在于，步骤(4)中漂浮式平台的六自由度运动状态的计算过程如下：
(4.1)某个传感器测量点的空间位置在大地坐标系下为(Xo,Yo,Zo)，在随体坐标系下为(Xb,Yb,Zb)，随体坐标系原点在大地坐标系下的坐标位置为(Xbo,Ybo,Zbo)。采集到的原始运动状态数据为横摇、纵摇、艏摇角度信号
Figure FDA0003880923540000022
横摇、纵摇、艏摇角速度信号
Figure FDA0003880923540000023
随体加速度信号
Figure FDA0003880923540000024
大地坐标系下坐标位置和随体坐标系下坐标位置之间的变换关系可以表示为：
Figure FDA0003880923540000025
其中T为坐标变换矩阵，其非线性程度极为严重，为此将其泰勒一阶展开，可线性简化为：
Figure FDA0003880923540000026
(4.2)将采集到的随体坐标系下的加速度信号
Figure FDA0003880923540000027
变换到大地坐标系下的纵荡、横荡、垂荡加速度
Figure FDA0003880923540000028
为：
Figure FDA0003880923540000031
(4.3)测量点纵摇角加速度
Figure FDA0003880923540000032
通过步骤(4.1)所述角速度信号
Figure FDA0003880923540000033
差分得到。
(4.4)测量点纵荡、横荡、垂荡速度信号
Figure FDA0003880923540000034
通过步骤(4.2)所述加速度信号
Figure FDA0003880923540000035
积分即可得到；
(4.5)测量点纵荡、横荡、垂荡方向的空间位置(Xo,Yo，Zo)通过步骤(4.4)所述速度信号
Figure FDA0003880923540000036
积分和步骤(4.1)所述坐标变换即可得到。
5.根据权利要求2所述的一种漂浮式海上风电机组载荷和平台变形的在线测量方法，其特征在于，步骤(6)中机组轴向推力的计算方法如下：
(1)将步骤(4)和步骤(5)采集的参数经过滤波器后，分别得到运动状态信号的低频段、波频段、高频段；
(2)根据风速v、叶轮转速Ω、叶片桨距角β确定漂浮式海上风电机组的气动阻尼C，根据流速v、波浪周期T确定漂浮式海上风电机组的粘性阻尼和辐射阻尼，进而确定漂浮式海上风电机组总阻尼矩阵c；
(3)根据流速-姿态模型，计算海流流速对平台纵摇角度的贡献
Figure FDA0003880923540000037
(4)低频段的时域轴向推力计算公式为：
Figure FDA0003880923540000038
式中K55为平台的纵摇刚度，h为机组轮毂中心到坐标参考点的距离；
Figure FDA0003880923540000039
为低通滤波后的纵摇角，截止频率为纵摇自然频率；
(5)波频段的时域轴向推力计算公式为：
Figure FDA00038809235400000310
式中C为气动阻尼值；
Figure FDA00038809235400000311
为带通滤波后的纵摇角速度，频率范围是波浪频率范围；
Figure FDA00038809235400000312
是带通滤波后的纵荡速度，频率范围是波浪频率范围；
(6)其中高频段3P，即叶轮旋转频率的三倍处的频域轴向推力幅值计算公式为：
Figure FDA00038809235400000313
式中ω为纵荡加速度的3P频率，ω＝3Ω，
Figure FDA00038809235400000314
为纵荡加速度3P频率处的信号幅值；K11、M11、c11分别是漂浮式风电机组的纵荡运动自由度的刚度、质量和阻尼；高频段3P的频域轴向推力相位计算公式为：
Figure FDA00038809235400000315
式中ωn为纵荡运动自由度的自然频率，Ψ0为3P频率纵荡加速度的相位；3P频率处的时域轴向推力F3P的计算公式为：F3P＝|F3P|sin(ωt+Ψ)，t表示时间；
(7)机组轴向推力为各频段的时域轴向推力的叠加，即F＝Flow+Fwave+F3P。
6.根据权利要求1所述的一种漂浮式海上风电机组载荷和平台变形的在线测量方法，其特征在于，步骤(6)中机组俯仰力矩的计算公式如下：
Figure FDA0003880923540000041
其中|Msum|表示的是合成俯仰力矩信号幅值，
Figure FDA0003880923540000042
是合成俯仰力矩正弦信号相对于机组轴向推力F3P信号的相位差。合成俯仰力矩信号幅值是机组俯仰力矩和机组轴向推力共同作用的结果，其计算公式为：
Figure FDA0003880923540000043
其中，
Figure FDA0003880923540000044
为纵摇角加速度3P频率处的信号幅值；M55、K55、c55分别是漂浮式风电机组的纵摇运动自由度的质量、刚度和阻尼。
7.根据权利要求5所述的一种漂浮式海上风电机组载荷和平台变形的在线测量方法，其特征在于，所述的流速-姿态模型创建过程如下：
在Fluent流体仿真软件中建立漂浮平台的分析模型，给定不同的入口流速，仿真得到平台不同的稳态纵摇角度，通过二次多项式拟合得到流速和平台纵摇角度的数学模型，
Figure FDA0003880923540000045
A1、A2、A3是多项式的拟合出来的系数。
8.根据权利要求1所述的一种漂浮式海上风电机组载荷和平台变形的在线测量方法，其特征在于，平台连杆变形的计算方法如下：
(1)每个平台连杆两端处的传感器采集数据并得到两个位置信息分别为(x1,,y1,z1)，(x2,y2,z2)；其对应的角度信号分别为
Figure FDA0003880923540000046
(2)连杆的拉伸量为
Figure FDA0003880923540000047
(3)连杆的扭转角度为
Figure FDA0003880923540000048
(4)连杆的相对弯曲角度为
Figure FDA0003880923540000049
9.一种实现权利要求1-8任一项所述的方法的漂浮式海上风电机组载荷和平台变形的在线测量系统，其特征在于，该系统包括：
漂浮式海上风机模块，用于通过软件仿真建立漂浮式海上风电机组的三维几何模型，确定漂浮式海上风电机组的特征参数，包括质量、刚度和阻尼矩阵参数；
嵌入式传感系统，用于在静水面时和风电机组停机过程中，通过校准后的传感器采集漂浮式平台的六自由度运动状态数据，记录平台结构在静水时的运动状态信号，即初始姿态角度
Figure FDA00038809235400000410
并在风电机组运行过程中，通过校准后的传感器测量轮毂中心高度处风速v、波浪周期T和海流流速u环境条件参数；叶轮转速Ω和叶片桨距角β机组状态参数；基于步骤(3)中的漂浮式平台的六自由度运动状态数据计算平台的纵摇角度为
Figure FDA00038809235400000411
纵摇角速度
Figure FDA00038809235400000412
纵摇角加速度
Figure FDA0003880923540000051
纵荡速度
Figure FDA0003880923540000052
和纵荡加速度
Figure FDA0003880923540000053
平台运动状态参数；
计算机，用于基于嵌入式传感系统采集的参数数据，分别计算得到机组的轴向推力、俯仰力矩，以及平台连杆的变形程度。
10.根据权利要求9所述的漂浮式海上风电机组载荷和平台变形的在线测量系统，其特征在于，该系统还包括数据库，为离线的数据存储设备，用于存储环境信息，运动响应信息，以及机组载荷信息。
CN202211229646.8A 2022-10-08 2022-10-08 一种漂浮式海上风电机组载荷和平台变形的在线测量方法及系统 Pending CN115544883A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211229646.8A CN115544883A (zh) 2022-10-08 2022-10-08 一种漂浮式海上风电机组载荷和平台变形的在线测量方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211229646.8A CN115544883A (zh) 2022-10-08 2022-10-08 一种漂浮式海上风电机组载荷和平台变形的在线测量方法及系统

Publications (1)

Publication Number Publication Date
CN115544883A true CN115544883A (zh) 2022-12-30

Family

ID=84734429

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211229646.8A Pending CN115544883A (zh) 2022-10-08 2022-10-08 一种漂浮式海上风电机组载荷和平台变形的在线测量方法及系统

Country Status (1)

Country Link
CN (1) CN115544883A (zh)

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115931280A (zh) * 2023-03-09 2023-04-07 中国空气动力研究与发展中心低速空气动力研究所 铰链力矩风洞试验天平动态载荷实时监视预警方法及系统
CN117131637A (zh) * 2023-10-26 2023-11-28 中国海洋大学 漂浮式风力机混合数值仿真系统及方法
CN117195576A (zh) * 2023-09-18 2023-12-08 上海勘测设计研究院有限公司 一种漂浮式海上风电系统一体化设计校验方法
CN117450992A (zh) * 2023-09-21 2024-01-26 中国海洋工程研究院(青岛) 一种姿态与磨损监测预警方法和系统
CN117494605A (zh) * 2023-11-15 2024-02-02 华北电力大学 用于传动链载荷线性分析的浮式风机的线性模型构建方法
CN117744409A (zh) * 2024-02-19 2024-03-22 南京航空航天大学 海上浮式风机叶片变形与叶轮轮毂载荷预测方法及系统
CN117993303A (zh) * 2024-04-02 2024-05-07 上海勘测设计研究院有限公司 一种海上风电叶片变形的气动载荷校核方法
CN118013650A (zh) * 2023-12-02 2024-05-10 水电水利规划设计总院有限公司 大型漂浮式海上风机浮式基础和系泊系统的智能优化设计方法
CN118775152A (zh) * 2024-09-05 2024-10-15 中国电建集团华东勘测设计研究院有限公司 一种漂浮式风电机组的优化布置结构的协同控制方法

Cited By (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115931280B (zh) * 2023-03-09 2023-05-09 中国空气动力研究与发展中心低速空气动力研究所 铰链力矩风洞试验天平动态载荷实时监视预警方法及系统
CN115931280A (zh) * 2023-03-09 2023-04-07 中国空气动力研究与发展中心低速空气动力研究所 铰链力矩风洞试验天平动态载荷实时监视预警方法及系统
CN117195576A (zh) * 2023-09-18 2023-12-08 上海勘测设计研究院有限公司 一种漂浮式海上风电系统一体化设计校验方法
CN117450992B (zh) * 2023-09-21 2024-05-03 中国海洋工程研究院(青岛) 一种姿态与磨损监测预警方法和系统
CN117450992A (zh) * 2023-09-21 2024-01-26 中国海洋工程研究院(青岛) 一种姿态与磨损监测预警方法和系统
CN117131637A (zh) * 2023-10-26 2023-11-28 中国海洋大学 漂浮式风力机混合数值仿真系统及方法
CN117131637B (zh) * 2023-10-26 2024-01-26 中国海洋大学 漂浮式风力机混合数值仿真系统及方法
CN117494605A (zh) * 2023-11-15 2024-02-02 华北电力大学 用于传动链载荷线性分析的浮式风机的线性模型构建方法
CN117494605B (zh) * 2023-11-15 2024-11-12 华北电力大学 用于传动链载荷线性分析的浮式风机的线性模型构建方法
CN118013650A (zh) * 2023-12-02 2024-05-10 水电水利规划设计总院有限公司 大型漂浮式海上风机浮式基础和系泊系统的智能优化设计方法
CN117744409A (zh) * 2024-02-19 2024-03-22 南京航空航天大学 海上浮式风机叶片变形与叶轮轮毂载荷预测方法及系统
CN117993303A (zh) * 2024-04-02 2024-05-07 上海勘测设计研究院有限公司 一种海上风电叶片变形的气动载荷校核方法
CN117993303B (zh) * 2024-04-02 2024-06-11 上海勘测设计研究院有限公司 一种海上风电叶片变形的气动载荷校核方法
CN118775152A (zh) * 2024-09-05 2024-10-15 中国电建集团华东勘测设计研究院有限公司 一种漂浮式风电机组的优化布置结构的协同控制方法

Similar Documents

Publication Publication Date Title
CN115544883A (zh) 一种漂浮式海上风电机组载荷和平台变形的在线测量方法及系统
Aubault et al. Modeling of an oscillating water column on the floating foundation WindFloat
CN109026556B (zh) 风力发电机组的控制方法、设备以及系统
CN102072965B (zh) 使用叶片信号的风传感器系统
KR101706508B1 (ko) 풍력 발전기의 피로 해석 및 등가하중 해석 시스템
US20040151577A1 (en) Method and apparatus for wind turbine rotor load control
CN101725468A (zh) 使风力涡轮机对准风向的方法和风力涡轮机装置
Li et al. Typhoon resistance analysis of offshore wind turbines: A review
Liu et al. Motions of a 5 MW floating VAWT evaluated by numerical simulations and model tests
ES2882299T3 (es) Procedimiento de determinación de un factor de inducción para un aerogenerador de un sensor de detección a distancia por láser
Dai et al. Progress and challenges on blade load research of large-scale wind turbines
KR20130094071A (ko) 부유식 해상풍력발전 하부구조의 동적피로하중산출 시뮬레이션 방법
US20240410339A1 (en) Online indirect measurement method for pitching and yawing moments of wind or tidal current turbine
Cermelli et al. Experimental measurements of WindFloat 1 prototype responses and comparison with numerical model
CN106338384B (zh) 一种风力发电机组叶片全展向载荷测量方法
Lin et al. Field measurement, model updating, and response prediction of a large-scale straight-bladed vertical axis wind turbine structure
CN113495169B (zh) 风力机风轮前风速超声测量系统
CN114186407A (zh) 一种参数可自适应调整的风电场尾流速度场计算方法及系统
CN110440965B (zh) 一种漂浮式海流能机组载荷的在线测量系统及方法
CN112665766A (zh) 一种基于fbg的风机叶片载荷测量方法及应用
CN214944743U (zh) 一种海上风电机组载荷测试数据采集系统
Pitance et al. Experimental validation of Pharwen code using data from Vertical-axis wind turbines
CN113250915B (zh) 一种海上风电机组载荷测试装置及方法
Wang et al. A new fault detection strategy for wind turbine rotor imbalance based on multi-condition vibration signal analysis
Wang et al. Research on rapid calculation method of wind turbine blade strain for digital twin

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination