Resumen

El sistema de accionamiento del aerogenerador es uno de los componentes clave para convertir la energía eólica en energía eléctrica. La predicción de la vida útil del sistema de accionamiento es muy importante para el mantenimiento del aerogenerador. Con el aumento de la capacidad, el sistema de la turbina eólica se ha vuelto más complicado. En consecuencia, para la predicción de la vida útil del sistema de accionamiento, es necesario tener en cuenta los problemas de fusión de información múltiple de los grandes datos, la cuantificación de las cargas dinámicas que varían en el tiempo, y el análisis del acoplamiento de múltiples daños. Con el fin de resolver los desafíos anteriores, en este estudio se propone el análisis de la vida de fatiga y el método de evaluación teniendo en cuenta la interacción de múltiples daños acoplados. Se introduce la teoría jerárquica bayesiana con tecnología de física de fallos para tratar la incertidumbre del sistema de accionamiento de la turbina eólica. A continuación, se establece un modelo de análisis de rendimiento variable en el tiempo basado en el mecanismo de fallo de la competencia de los daños múltiples acoplados. Además, se introduce la tecnología del Internet de las Cosas (IoT) y se combina con el modelo propuesto. A través de la recopilación de datos por parte de IoT, se puede obtener la curva de tiempo-estrés del sistema de accionamiento. Un caso de estudio sobre la estimación de la vida de fatiga restante del sistema de accionamiento se utiliza para ilustrar la eficacia del método propuesto.

• Materias:Agua Ingeniería de estructuras Asfalto Acero Concreto
• Subjects:Water Structural engineering Asphalt Steel Concrete
• Palabras claves:sistema de accionamiento, predicción del accionamiento, sistema de accionamiento de la turbina, predicción de la vida útil, modelo de análisis del rendimiento, accionamiento de la turbina eólica, mantenimiento del viento, teoría bayesiana jerárquica, tecnología de física de fallos, internet de las cosas
• Keywords:drive system, prediction of drive, turbine drive system, life prediction, performance analysis model, wind turbine drive, maintenance of wind, hierarchical bayesian theory, fault physics technology, internet of things