海洋温差能发电测试平台设计及试验研究

为了验证海洋温差能发电技术的可行性,检验关键设备工作性能并提供可靠的数据支撑,设计并建造了一套50 kW级海洋温差能发电测试平台。通过建立有机朗肯循环系统数学模型,研究了冷热源温度对系统性能的影响,同时通过平台运行试验,验证了理论设计模型的准确性并测试了典型工况下系统的运行特性。结果表明:冷热海水温差越大,系统循环热效率越高;测试平台运行结果与模拟结果吻合良好,系统瞬时最大发电功率可达43.9 kW,平均循环热效率为2.49%。

青藏高原超高海拔地区风能开发试验与生态环境效应分析

青藏高原是世界上清洁能源最丰富的地区之一,但由于清洁能源的利用不足,当地仍然以牛粪等传统生物质能源作为居民主要生活能源。文章通过对西藏超高海拔地区(海拔5000 m以上)风能资源进行试验研究,梳理了风电与当地能源的供应关系,并全面分析了风力发电站的建设和运行对周边草原的噪声影响。结果表明:(1)当地居民对牦牛粪等生物质燃料的依赖程度很高,牦牛粪和其他生物质燃料的长期使用,阻碍了草原生态系统的物质循环和能量流动。(2)风力发电为当地居民提供了可靠的替代能源,试验风电场风力发电每年可为当地8410户家庭提供6000多万k W·h的清洁能源。(3)风力机运行期间会对周围600 m范围造成噪声污染。综上,超高海拔风电试验成果有助于推动当地能源绿色转型和维持草原生态平衡,同时也需进一步研究风力机运行对周围生态环境的潜在影响,包括对野生动物迁徙和栖息地的影响,以及对噪声和视觉干扰的管理。

基于随机森林的海上风电机组发电机轴承异常状态监测方法

发电机轴承是海上风电机组中重要的零部件,其状态直接影响了海上风电机组的运行状态和发电量。文章通过结合机理分析和数据驱动提出了基于随机森林的海上风电机组发电机轴承异常状态监测方法,该方法先通过机理分析选取变量、清洗数据和标定样本状态,然后通过数据驱动的方法对海上风电机组发电机轴承的状态进行预测。通过现场实际的海上风电机组SCADA数据对该模型进行验证,所述方法能够有效预测海上风电机组发电机轴承的状态,并且能有效避免对异常状态的误报和漏报。

基于CNN-LSTM的风力发电机组轴承异常检测

为保障风力发电机组的可靠运行,基于数据的机组异常状态检测尤为重要。文章提出一种基于级联深度学习模型的风力发电机组主轴承异常状态检测方法,首先利用风力发电机组机理知识和数据间的相关性选择与主轴承密切相关的参数,然后建立基于卷积神经网络(CNN)和长短记忆网络(LSTM)的观测参数与目标参数的逻辑关系,并且通过均方根误差评估模型预测温度与实际采集温度的差异。最后通过海上某风电场SCADA数据进行算例验证。结果表明:CNN-LSTM模型不仅能够更早得发现主轴承异常状态,还能够发现LSTM发现不了的主轴承异常特征。

基于空间框方法的海上叶片ABAQUS有限元分析

使用ABAQUS软件对海上长叶片进行仿真计算过程中,手动完成叶片分析的步骤耗时较长,根据软件自生成脚本,运用python软件对ABAQUS的仿真前处理步骤进行二次开发。对在二次开发过程中模型网格集合赋予铺层属性的一种空间框方法进行介绍,并对某80 m叶片进行仿真计算,施加静力载荷、极限载荷以及等效疲劳载荷的情况下对其位移、应变、安全系数结果与ANASYS有限元软件结果或试验结果进行对比分析,验证空间框方法的适用性。结果表明:ABAQUS软件有限元软件计算结果与试验结果误差满足规范要求,2种软件结果与试验误差的变化趋势基本一致,为ABAQUS叶片有限元分析提供一种集合创建二次开发方法。