modeling of quasi-static thrust load of wind turbines based on 1 s scada data

نمذجة حمل الدفع شبه الساكن لتوربينات الرياح استناداً إلى بيانات نظام سكادا (SCADA) بدقة ثانية واحدة

Clicks: 204
ID: 164376
2018
Free PDF
Article Quality & Performance Metrics
Overall Quality
Not rated
Combines reader engagement with the AI quality analysis. This article has not been analysed, so there is no overall score — reader engagement is measured and shown alongside.
AI Quality Assessment
Not analyzed
Readership in this journal
Popular

Ranked #20 of 36 articles by views in girişimcilik ve kalkınma dergisi

Most read Least read

Bar heights use a square-root scale.

Mint this article as an NFT
Not yet minted

Create a permanent, verifiable on-chain record of this article on the Scimatic Network. The NFT is held in your Journament account, and you can withdraw it to your own wallet at any time.

5 SUSD one-off · no wallet required
Sign in to mint
Abstract
A reliable load history is crucial for a fatigue assessment of wind turbines. However, installing strain sensors on every wind turbine is not economically feasible. In this paper, a technique is proposed to reconstruct the thrust load history of a wind turbine based on high-frequency Supervisory Control and Data Acquisition (SCADA) data. Strain measurements recorded during a short period of time are used to train a neural network. The selection of appropriate input parameters is performed based on Pearson correlation and mutual information. Once the training is done, the model can be used to predict the thrust load based on SCADA data only. The technique is validated on two different datasets, one consisting of simulation data (using the software FAST v8, created by Jonkman and Jonkman, 2016) obtained in a controllable environment and one consisting of measurements taken at an offshore wind turbine. In general, the relative error between simulated or measured and predicted thrust load barely exceeds 15 % during normal operation.
يُعدّ وجود سجل أحمال موثوق أمرًا بالغ الأهمية لتقييم كلال توربينات الرياح. ومع ذلك، فإن تركيب مستشعرات الانفعال على كل توربين رياح ليس مجديًا من الناحية الاقتصادية. تقترح هذه الورقة تقنيةً لإعادة بناء سجل حمل الدفع لتوربين رياح استنادًا إلى بيانات عالية التردد لنظام التحكم الإشرافي وتحصيل البيانات (SCADA). تُستخدم قياسات الانفعال المسجلة خلال فترة زمنية قصيرة لتدريب شبكة عصبية، ويجري اختيار متغيرات المدخلات المناسبة بناءً على ارتباط بيرسون والمعلومات المتبادلة. وبمجرد اكتمال التدريب، يمكن استخدام النموذج للتنبؤ بحمل الدفع بالاعتماد على بيانات SCADA فقط. تم التحقق من صحة هذه التقنية باستخدام مجموعتي بيانات مختلفتين: تتكون الأولى من بيانات محاكاة (باستخدام برمجية FAST v8، التي طورها Jonkman وJonkman، 2016) تم الحصول عليها في بيئة قابلة للتحكم، بينما تتكون الأخرى من قياسات مأخوذة من توربين رياح بحري. وبوجه عام، بالكاد يتجاوز الخطأ النسبي بين حمل الدفع المتوقع وذلك المحاكى أو المقاس نسبة 15% أثناء التشغيل الطبيعي.
Reference Key
noppe2018windmodeling Use this key to autocite in the manuscript while using SciMatic Manuscript Manager or Thesis Manager
Authors N. Noppe, W. Weijtjens, C. Devriendt
Are you one of these authors? Claim your profile
Journal girişimcilik ve kalkınma dergisi
Year 2018
DOI
10.5194/wes-3-139-2018
URL
https://www.wind-energ-sci.net/3/139/2018/wes-3-139-2018.pdf
Keywords
renewable energy sources

Citations

No citations found. To add a citation, contact the admin at info@scimatic.org

Comments

No comments yet. Be the first to comment on this article.