تخمین آسیب فرسودگی زیرساخت های جکت توربین بادی فراساحلی با فرامدل ها
چکیده
یکی از اصلی‌ترین بخش‌های ساختاری توربین‌های بادی فراساحلی زیرساخت آن‌ها است که شکاف بین بستر دریا و پایه‌ی برج را پر می‌کند. یک مفهوم ممکن مورداستفاده در اعماق آبی نزدیک برای توربین‌های دارای توان نرخ بالا، جکت است. این ساختار توسط چندین اثر محیطی از قبیل باد و فشار امواج یا بارهای گریز از مرکز ناشی از حرکت گردشی برانگیخته می‌شود. به‌منظور رسیدن به هزینه‌های رقابتی انرژی ضروری است که هزینه‌های سرمایه‌ای طول عمر را با استفاده از طراحی استوار و مبتنی بر قابلیت اطمینان، به حداقل برسانیم. با این‌حال، یک رویکرد بهینه‌سازی مبتنی بر شبیه‌سازی بر روی مدل مقیاس کامل نیازمند ظرفیت عددی بالایی است. در این مطالعه، مسئله‌ی ارزیابی طول عمر فرسودگی دارای هزینه‌ی عددی با استفاده از یک رویکرد فرا مدل مورد بررسی قرار می‌گیرد. عملکرد دو راه‌حل فرا مدل، یعنی Kriging و مدل پیش‌بین دامنه (Interval Predictor Model) باهم مقایسه می‌شود. علی‌الخصوص، رفتار متفاوت دامنه‌های اطمینان احتمالاتی رگرسیون Kriging و مرزهای دامنه‌ی IPM موردبحث قرار می‌گیرد.
1- مقدمه
بر اساس وضعیت کنونی دانش، طراحی ساختاری زیرساخت‌ها برای مبدل‌های انرژی بادی فراساحلی شامل هزاران شبیه‌سازی دامنه زمانی به‌منظور پوشش دادن تمامی ترکیب‌های ممکن پارامترهای محیطی است. در تلاش برای رسیدن به یک بهینه‌سازی طراحی استوار برای این ساختارها، روش‌هایی برای ارزیابی آسیب فرسودگی دارای کارایی محاسباتی بسیار مطلوب هستند. در یک بهینه‌سازی طراحی قوی، مدل باید به‌صورت مکرر مورد ارزیابی قرار گیرد. به‌عنوان‌مثال، برای هر طراحی و مجموعه‌ی مربوطه‌ی پارامترهای بهینه‌سازی، یک تکثیر عدم قطعیت کامل باید اجرا شود. برای تکثیر عدم قطعیت‌های یافت شده در پارامترهای تصادفی و غیردقیق، این امر ضروری است. هنگامی‌که خروجی‌ها از مدل‌های رایانه‌ای نیازمند قدرت بالای محاسباتی استخراج می‌شوند، تعداد کل شبیه‌سازی‌های موردنیاز باعث می‌شود که محاسبه غیرعملی شود. در این مطالعه، مسئله‌ی ارزیابی آسیب فرسودگی نیازمند محاسبات بالا، با استفاده از دو فرا مدل مورد بررسی قرار می‌گیرد. به‌منظور اجتناب از استفاده از فرضیات شخصی و اغلب توجیه نشده، عدم دقت و ابهام داده‌ها را می‌توان با استفاده از مفاهیم احتمالات غیردقیق حل نمود. احتمال غیردقیق بخش‌های احتمالاتی و مجموعه‌ی نظری را در یک تئوری متحد باهم ترکیب می‌کند که اجازه‌ی شناسایی مرزهای احتمالاتی برای رخدادهای مدنظر را به دست می‌دهد [1].
Abstract
One of the main structural components of offshore wind turbines is the substructure which bridges the gap between seabed and tower foot. One possible concept employed in intermediate water depths for turbines with high-rated power is the jacket. This structure is excited by several environmental impacts like wind and wave loads or centrifugal loads from the rotor motion. In order to reach competitive costs of energy, it is crucial to minimize the lifetime capital expenses by means of robust and reliability-based design. However, a simulation-based optimization approach on the full scale model requires high numerical capacity. In this work, the problem of numerically expensive fatigue life evaluation is addressed by the utilization of a meta-model approach. The performance of two meta-models solutions, namely Kriging and Interval Predictor Model, is compared. In particular, the different behavior of the probabilistic confidence intervals of the Kriging regression and the interval bounds of the IPM is discussed.
1. Introduction
According to the state of the art, the structural design of substructures for offshore wind energy converters involves commonly thousands of time-domain simulations in order to cover all occurring combinations of environmental parameters. On the way to a robust design optimization of these structures, methods for computationally efficient fatigue damage evaluation are highly desirable. In a robust design optimization, the model needs to be evaluated repeatedly. As an example, for each design and the corresponding set of optimization parameters, a full uncertainty propagation must be carried out. It is necessary to propagate the uncertainties found in stochastic and imprecise parameters. When the outputs are computed from numerically demanding computer models, the total number of required simulations makes the computation infeasible. In this work, the problem of numerical demanding fatigue damage evaluation is addressed by the utilization of two meta-models. To avoid the inclusion of subjective and often unjustified hypotheses, the imprecision and vagueness of the data can be treated by using concepts of imprecise probabilities. Imprecise probability combines probabilistic and set theoretical components in a unified theory allowing the identification of bounds on probabilities for the events of interest [1].
چکیده
1- مقدمه
2- شبیه‌سازی و حالات بار طراحی
3- فرا مدل‌ها برای تحلیل استوار و کمی‌سازی عدم قطعیت
3-1- Kriging
3-2- مدل پیش بینی کننده دامنه‌ای
4- مثال عددی
4-1- تحلیل حساسیت عمومی
4-2- نتایج برای مدل Kriging
4-3- نتایج مدل پیش بینی کننده دامنه‌ای
5- نتیجه‌گیری‌ها و مطالعات آتی
Abstract
1. Introduction
2. Simulation and Design Load Cases
3. Meta-models for robust analysis and uncertainty quantification
3.1. Kriging
3.2. Interval Predictor Model
4. Numerical Example
4.1. Global Sensitivity Analysis
4.2. Results of the Kriging Model
4.3. Results of the Interval Predictor Model
5. Conclusions and further work
- ترجمه فارسی مقاله با فرمت ورد (word) با قابلیت ویرایش، بدون آرم سایت ای ترجمه
- ترجمه فارسی مقاله با فرمت pdf، بدون آرم سایت ای ترجمه