Artificial Intelligence-Based Prediction of Natural Frequency of Monopile-Supported Offshore Wind Turbines

Dieses Kapitel untersucht die Anwendung künstlicher neuronaler Netzwerke (ANNs), um die natürliche Häufigkeit monopilgestützter Offshore-Windturbinen (MSOWTs) vorherzusagen. Die Studie befasst sich mit der kritischen Notwendigkeit, Resonanz zu vermeiden, die zu Strukturkollaps oder Ermüdung führen kann, indem sichergestellt wird, dass die Differenz zwischen Anregungsfrequenzen und Eigenfrequenzen 5% übersteigt. Die Forschung verwendet ein MISO-ANN-Modell (Multiple Input Single Output), das anhand von Daten, die mittels lateinischer Hypercube-Sampling-Methode (LHS) generiert wurden, trainiert und getestet wurde. Zu den wichtigsten Ergebnissen zählen die moderate negative Korrelation zwischen Eigenfrequenz und der Masse der Rotorgondel (RNA) und der Turmlänge sowie eine moderate positive Korrelation mit dem unteren Durchmesser des Turms. Die Studie hebt auch die schwache Korrelation der natürlichen Häufigkeit mit dem Verhältnis von Boden und Monopilhöhe unter Wasser hervor. Das entwickelte ANN-Modell reduziert effektiv die Berechnungskosten und stellt ein zuverlässiges Ersatzmodell zur Vorhersage der Eigenfrequenz von MSOWTs dar, das seinen praktischen Nutzen in realen technischen Anwendungen demonstriert.