论文部分内容阅读
中国风电已经进入平价上网、竞价上网新阶段,延长风电机组服役寿命是降低风电场全生命周期度电成本的重要方法。疲劳损伤评估技术可以精准确定风电机组重要部件的剩余服役时间,为风电场延寿决策及技改升级提供关键依据;状态诊断技术可以提前识别风电机组关键部件的运行状态,能够为消除异常运行工况提供数据支撑,延长风电机组服役寿命。因此,本文围绕风电机组疲劳损伤评估及叶片结冰状态诊断展开研究。主要工作包括:1.揭示了限功率运行对风电机组塔筒螺栓疲劳损伤的影响规律,可为频繁限电的风电机组的疲劳寿命评估提供理论支撑。首先,利用GH Bladed风电机组载荷仿真软件计算风电机组塔筒截面在不同限功率程度时的时序疲劳载荷;然后,采用Schmidt-Neuper工程应力算法、雨流计数法、线性累积疲劳损伤理论计算塔筒螺栓疲劳损伤;最后,定量分析湍流强度、风速及限功率程度对风电机组塔筒螺栓疲劳损伤的影响规律,并基于假设的限功率场景对比是否考虑限功率运行对疲劳寿命的影响大小。以某型2 MW风电机组为例进行验证,结果表明:当风电机组风速较低时,限功率运行与不限功率运行时的螺栓疲劳损伤差别不大;当风电机组风速较高时,限功率运行时的螺栓疲劳损伤远小于不限功率时的疲劳损伤。2.揭示了二阶涡激振动对风电机组高柔塔焊缝疲劳损伤的影响规律,可为高柔塔风电机组的疲劳寿命评估提供理论依据。首先,基于GH Bladed风电机组载荷仿真软件建立高柔塔风电机组模型,并通过模态分析得到高柔塔二阶固有频率及模态振型;然后,基于风电机组涡激振动载荷分析标准,计算二阶涡激振动作用时塔筒各高度处的惯性力;最后,定量分析二阶涡激振动对风电机组塔筒疲劳损伤影响趋势,并与一阶涡激振动进行对比。以某型2 MW高柔塔风电机组为例进行验证,结果表明:二阶涡激振动会使塔筒发生屈服破坏并加速疲劳破坏,严重缩短风电机组疲劳寿命,增加了倒塔的风险。3.提出了基于机器学习的风电机组机舱底座疲劳损伤评估方法,可为风资源差异较大的山地风电机组提供高效、可靠的疲劳寿命评估结果。首先,对风电机组载荷的关键环境影响因素进行排列组合得到不同来流风况,计算不同来流风况对应的风电机组轮毂中心处载荷,并形成来流风况-疲劳载荷数据库;其次,基于准静态法及Signed Von Mises等效应力计算方法得到风电机组机舱底座危险节点处的应力时间序列;再次,基于疲劳损伤量相等原则将应力时间序列转化为等效疲劳应力,并形成来流风况-等效疲劳应力数据库;最后,基于支持向量回归(Support Vector Regression,SVR)算法、最小绝对收缩选择算子(Least Absolute Shrinkage and Selection Operator,LASSO)算法、随机森林(Random Forest,RF)算法、极限梯度提升(Extreme Gradient Boosting,XGBoost)算法和全连接神经网络(Deep Neural Network,DNN)算法等5种机器学习算法分别建立来流风况与等效疲劳应力之间的非线性映射关系模型。以某型2.5 MW风电机组机舱底座为例进行验证,结果表明:对于全生命周期等效疲劳应力预测而言,预测误差最小的机器学习算法为SVR算法,各误差评估指标均维持在较低水平,约为0.383%;预测误差最大的机器学习算法为LASSO算法,各误差评估指标均维持在较高水平,约为10.037%;RF算法、XGBoost算法、DNN算法均能取得较好的预测效果,预测误差约为1%。4.提出了基于混合特征及Stacked-XGBoost算法的风电机组叶片结冰诊断方法,可显著提升风电机组叶片结冰的诊断精度及泛化能力。首先,基于叶片结冰过程机理及滑动窗口算法,构建了包含短时特征和长时特征的混合特征;然后,基于Stacking集成学习算法及XGBoost机器学习算法,提出了基于Stacked-XGBoost风电机组叶片结冰诊断模型;最后,基于风电机组数据采集与监视控制(Supervisory Control And Data Acquisition,SCADA)系统数据深入分析混合特征及叶片结冰诊断模型的准确性及泛化能力,并与RF、支持向量机(Support Vector Machine,SVM)、XGBoost等算法展开对比测试。以两个不同风电场的6台风电机组在冬季结冰期内的SCADA数据为例进行验证,结果表明:与原始特征相比,应用混合特征后所有算法的结冰诊断准确率平均提升19.51%;与单模型算法相比,所提Stacked-XGBoost结冰诊断模型的诊断准确率提升0.55%至6.91%。揭示的疲劳损伤影响规律及提出的基于机器学习的疲劳损伤评估方法能够实现在役风电机组疲劳损伤的快速、精准评估,为风电场延寿改造及技改升级提供理论支撑及方法基础;提出的基于混合特征及Stacked-XGBoost算法的风电机组叶片结冰诊断方法能够准确识别叶片结冰状态,对于及时消除由于叶片结冰导致的疲劳寿命缩短、输出功率降低等方面的负面影响至关重要。