在线监测风力发电厂使用数字双模型

近年来,有重要的海上风电技术和产业的发展,与bottom-fixed风力涡轮机完全商业化进入市场和浮动风力涡轮机。减少运营支出(OPEX)海上风力涡轮机通过改善风力涡轮机可用基于预测性维护涡轮机的关键组件可以大大有助于减少意外的维护成本和更可持续的发展海上风力能源在未来。为此,数字双模型是一个推动者。数字双模型预测或状态维修的挑战主要来自:

•找到最小模型来捕获各种动态和相关故障机制广泛的风力发电机,风力发电厂和电网的支持组件。

•获取的数据处理算法和连续处理架构能够处理的实时方面数字双模型,不同模型之间的异构数据交换和优化数字双框架。

•开发解决方案,比如图形数据库知识和领域本体,以确保有效的数据处理连续、自动化和半自动化的更新连接的数字表示的资产。

•识别模型和测量不确定度的来源,不同步骤的数字双模型实现和减轻其影响。

这是我们的荣幸邀请研究人员的所有不同方面的实现数字双模型预测设备的维护海上风力涡轮机和发电厂送他们的贡献这一研究课题的风能部分能源研究前沿》杂志上。雷竞技rebat本研究主题欢迎最初的研究和评论文章有助于数字化的关键技术挑战双模型结构的智能监控,旋转,电气和电子系统和组件的风力涡轮机(陆上或海上,bottom-fixed或浮动)和发电厂,其中包括(但不限于)使用效率计算的模型,模型更新算法,可以实时执行,随机建模和统计技术来处理不确定性。这个研究课题涵盖数字双胞胎的三层模型的实现,即数据采集和传输层(传感器和数据采集);存储和处理数据通过平台层(动态和退化模型);和决策支持应用程序层(维护计划和优化)。

本研究主题邀请各种形式的贡献数字双造型的预见性维护风力发电厂。感兴趣的领域包括(但不限于):

•风力涡轮机和农场的分析和数值模拟

•逆工程基于响应测量

•分布式和分散的计算模型参数的实时估计

•代孕造型涡轮响应

•信号处理信号去噪和特征选择

•统计方法和随机模型建模和减轻不确定性

•物理——和基于机器学习的退化模型

•结构健康监测的风力涡轮机

•电力电子健康监测,电缆和其他网格元素

•电力铁路系统状态监测

•SCADA-based状态监测

•传感器和数据采集

•优化维修管理

•优化风电场和涡轮机控制器采用数字双模型

•发展数字双胞胎优化风电场的开发和农业集群