赫尔大学对海上风力涡轮机寿命周期的研究项目得到了10万英镑的资金赞助。
该团队由计算机科学讲师尼娜·德特莱夫斯博士领导，将重点研究机器学习在帮助监测和预测海上风电场内任何风力涡轮机的疲劳程度方面可以发挥的作用。
该研究的一个特别关注点是风力涡轮机的桩基——风力涡轮机基础在水下延伸到海底的基础。
由于波浪、潮汐和天气的影响而产生的应力和应变，桩基是风力涡轮机最容易疲劳的部件之一。
赫尔大学领导的这项新研究得到了Supergen ORE Hub提供了10万英镑的资金支持。
新项目的主要研究者Dethlefs博士说：“对桩基疲劳的准确估计对于帮助做出决定是至关重要的，这些决定将有助于海上风力涡轮机的退役和更换，以及优化未来的设计和维护。”
“由于这些涡轮机所处的环境具有挑战性和不可预测性，因此对疲劳和磨损的准确预测往往会出现重大误差。”
“利用机器学习，我们希望能够更准确地预测涡轮的报废阶段。非常感谢Supergen ORE Hub对这项重要研究的支持。”
海上风能是英国实现具有法律约束力的2050年净零碳排放目标计划的关键，该计划的目标是到2030年将风能发电能力提高四倍。
最古老的海上风电桩基正迅速接近其设计寿命。下一代风力涡轮机的体积要大得多，但仍以单桩支撑结构为主。
希望机器学习和计算机技术的应用能提高对风机寿命周期的理解。
Dethlefs博士的研究得到了谢菲尔德大学Lizzy Cross教授、赫尔博士后研究员Agota Mockute博士以及项目合作伙伴Atkins、Eleven-I、TECOSIM、Jesmond Engineering和ORE Catapult组成的团队的支持。
莫库特博士说：“这个项目汇集了一支来自工业界和学术界的强大的跨学科团队，探索海上风电行业面临的一个非常现实的挑战。
“通过进一步了解单轴疲劳累积，从而了解风机的寿命结束状态，我们可以大幅提高这些机器退役、修理或更换或延长其寿命的效率。”
“英国首批安装的海上风力涡轮机，目前距离预计寿命结束仅几年。因此，这项研究将在他们下一个阶段的生命周期中发挥关键作用。”
Supergen ORE Hub通过其灵活的资助计划，将80万英镑分配给英国机构的8个项目，赫尔大学的经费作为其中之一，旨在支持对海上可再生能源的雄心勃勃的研究。
