融合数据驱动与频率分解.pdf

1、融合数据驱动与频率分解的浮式风机系泊张力融合数据驱动与频率分解的浮式风机系泊张力超短期预测实测应用超短期预测实测应用作者：康艺柔，程正顺，许波峰，陈鹏，胡志强作者：康艺柔，程正顺，许波峰，陈鹏，胡志强日期：日期：20242024-8 8-1717汇报人：康艺柔汇报人：康艺柔上海交通大学上海交通大学船建学院船建学院1.研究背景2.方法论3.案例研究4.结果与讨论5.结论目 录32024-8-17 康艺柔|SJTU研究背景 浮式风机系统：运维是浮式风电场全生命周期成本中最重要部分之一Source:https:/ 康艺柔|SJTU研究背景 高故障率和短间隔：超短期(Ultra-Short-Term

2、5分钟)预测可避免潜在故障发生4Source:Li&Soares(2022)浮式风机系统及其各部件的故障概率预测52024-8-17 康艺柔|SJTU研究背景 现有的浮式风机动力响应预测方法：效率、方法、准确性和实时不确定性挑战5数值模拟特点：低成本挑战：准确性需改进 依赖先决条件特点：可控环境挑战：缩尺问题 设备要求高特点：可靠数据挑战：有限的公开数据 存在不确定性中长期数值验证实时监测水池模型测试实时测试62024-8-17 康艺柔|SJTU研究背景 AI 应用：长短期记忆（Long Short-Term Memory，LSTM）网络具有进行超短期预测的可行性。6Wang et al,20

3、22Wu et al,2020浮式生产卸油轮的系泊张力预测风机功率预测1.研究背景2.方法论3.案例研究4.结果与讨论5.结论目 录82024-8-17 康艺柔|SJTU方法论 LSTM-FD：基于频率分解（FD）和LSTM网络的浮式风机动力响应超短期预测方法892024-8-17 康艺柔|SJTU方法论 预处理：复杂频率分量的浮动风机响应增加了超短期预测的难度9系泊张力的功率谱密度分析原始信号的频域分解小波变换时域频域全频带分频带 1分频带 N102024-8-17 康艺柔|SJTU方法论 编-解码器 LSTM 网络：更灵活性、泛化能力更好，有效处理长序列并捕捉时间依赖性10编-解码器 LS

4、TM 网络移动窗口输出序列输入时间步编码器解码器112024-8-17 康艺柔|SJTU方法论 超短期预测：基于子信号LSTM网络，通过叠加原理获得全频带预报1130秒的涌浪运动预报(0 0.005)Hz:由低频风引起(0.005 0.02)Hz:由纵荡自然周期引起(0.02 0.05)Hz:由纵摇自然周期引起(0.05 0.3)Hz:由波浪引起共振LSTM 网络1.研究背景2.方法论3.案例研究4.结果与讨论5.结论目 录132024-8-17 康艺柔|SJTU案例研究 Hywind Scotland 漂浮风场：自2017年开始运营，拥有五个6MW的立柱式浮式风机13HS4 FWT14202

5、4-8-17 康艺柔|SJTU案例研究 锚泊系统：基础平台通过一个三点系泊系统固定14Floater/TowerBridle upper endMain lineBridlesLine 1,bridle 1Line 3,bridle 2Line 1,bridle 2Line 2,bridle 1Line 2,bridle 2Line 3,bridle 1North20m吊索的布置和编号特性值单位水深100m锚的半径640m系泊点的吃水深度20.6m系泊缆的数量3-外壁连接点0.8m分段名称（从上到下）锚链主缆-分段长度50609.7m直径132147mm杨氏模量5394143624MPa分段干

6、重348.5432.2kg/m分段湿重3.40303.8707kN/m系泊系统的具体参数152024-8-17 康艺柔|SJTU案例研究 案例分析：2018年1月至7月的实测数据，工况5为测试集，其余数据用于训练集15工况日期msm/sm/sdegdegdeg12018/1/6 8:004.410.913.70.2117111922018/1/9 9:403.29.313.90.0913114630332018/1/14 15:404.28.720.40.321651742442018/2/13 1:202.16.