Oct, 2023

基于空间自回归方法的人口型风电场监测

PDF
TL;DR风力发电场操作者面临的重要挑战是降低运维成本。结构健康监测提供了通过最小化不必要的维护出差以及延长涡轮使用寿命来降低成本的手段。基于人口的结构健康监测可以通过为多个结构（即涡轮）实施一个系统来进一步减少健康监测系统的成本。同时，结构人口内共享的数据可能改善结构行为的预测。为了在人口 / 农场水平监测涡轮性能，一个重要的初始步骤是构建一个描述所有涡轮在正常条件下行为的模型。本文提出了一个能明确捕捉由尾流效应引起的涡轮之间的时空相关性的人口水平模型。所提出的模型是基于高斯过程的空间自回归模型，这里称为 GP-SPARX 模型。这种方法的发展有以下原因：(a) 它反映了我们对尾流效应的物理理解，(b) 它受益于基于随机数据的学习者。通过提供一个案例研究，展示了 GP-SPARX 模型在捕捉时空变化方面的能力，以及它在健康监测系统中的潜在适用性。
wind farm operatorsstructural health monitoringpopulation-based monitoringturbine performancegaussian process-based model
发现论文，激发创造
  • 使用层次贝叶斯模型进行离岸风力涡轮机结构异常检测

    利用分层贝叶斯模型对海上风电场结构进行人口型结构健康监测，并推断预期的土壤刚度分布，以进行异常检测。

    Feb, 2024

  • 走向风险资讯的 PBSHM：人群作为分层系统

    本文提出了一种基于概率风险的决策框架，其中将基于群体的结构健康监测方法（PBSHM）应用于具有共同特征的结构群体，并以风力发电场的库存为例，展示了该方法的决策过程。

    Mar, 2023

  • 基于贝叶斯神经网络的海上风电结构物的农场范围虚拟负载监测

    通过基于数据的 Bayesian 神经网络模型，实现在全风电场范围内非全监测风机的虚拟负载监测，解决因负载监测不全而难以进行生命周期管理的问题，同时提高了负载预测的准确度。

    Oct, 2022

  • 频率响应函数的层次贝叶斯建模

    本文讨论了采用层次贝叶斯方法的结构健康监测策略，解决了人员差异，数据缺失和变化的挑战，并为一小批通用直升机叶片开发了概率 FRF 模型。

    Jul, 2023

  • 风电场状态监测的概率多层感知机

    通过使用基于概率多层感知器的正常行为建模以及通过微调进行迁移学习，我们提供了一种风电场的条件监测系统。该模型基于从主管控制和数据采集（SCADA）系统中提取的特征，预测风力涡轮机在正常运行状态下的输出功率。它的优势在于可以使用至少数年的 SCADA 数据进行训练，可以将风电场中所有风力涡轮机的 SCADA 数据作为特征进行整合，假设输出功率遵循具有异方差的正态密度，并且可以通过从所有其他风力涡轮机的数据中借力来预测一个风力涡轮机的输出。我们通过一个真实的 SCADA 数据示例展示了我们模型的性能，证明其优于其他概率预测模型。

    Apr, 2024

  • 基于无人机辅助监测的风力涡轮机在线动态可靠性评估

    本文介绍了一种基于无人机辅助监测的风力涡轮机在线可靠性评估方法。

    Nov, 2022

  • 设备健康评估：风力发电机性能的时序分析

    利用 SCADA 数据和先进的时间序列方法（FNN 和 LSTM 网络），我们预测不同风力涡轮的发电量，同时提出了集成 FNN 和 LSTM 模型的新方法以提高预测的稳定性和准确性。此外，我们应用机器学习技术来检测风力涡轮性能的退化，从而实现主动维护策略和健康评估。这些研究结果突显了为不同涡轮提供自动化定制的重要性。值得注意的是，该研究方法不仅适用于风力涡轮，还可在各种机械设备中扩展，突出了我们研究的多样性和适用性。

    Mar, 2024

  • 通过人工智能增强的符号回归发现完整风力涡轮尾流的可解释数学表达式

    通过基因符号回归算法，本研究提出了一个可解释的数学表达式，用于在整个尾流区预测尾流的速度缺失，从而弥补了现有的解析尾流模型在近尾流区的预测能力不足的问题。

    Jun, 2024

  • 结构健康监测应用中随机裂纹扩展过程的代理建模

    通过利用高斯过程回归模型，构建计算高效、概率化的代理模型来对裂纹的随机扩展进行建模，实现对不确定性源的精确表示，并成功地应用于裂纹监测和损伤预测领域。

    Oct, 2023

  • 利用图注意力和频率增强机制提高短期风速预测的准确性

    本文提出了一种基于图注意力和频率增强机制的图注意力频率增强时空风速预测模型 (GFST-WSF)，该模型采用变压器架构进行时间特征提取，并采用图注意力网络 (GAT) 进行空间特征提取，从而提高短期风速预测的准确性。在案例研究中，GFST-WSF 在 6-24 小时预测范围内的风速预测中表现出比其他基线更好的性能。

    May, 2023