高校地质学报 ›› 2025, Vol. 31 ›› Issue (03): 312-323.DOI: 10.16108/j.issn1006-7493.2024032
潘文栋1,施 斌1*,孟志浩2,韩贺鸣3,魏广庆4
PAN Wendong1,SHI Bin1*,MENG Zhihao2,HAN Heming3,WEI Guangqing4#br#
摘要: 海床风电桩通常安装在工程性质较差的近海软土地层中,在外部复杂荷载的作用下容易发生较大偏转甚至失稳,影响整个风电系统的正常运转。在现有的风电桩稳定性研究中,对偏转的监测和预测是最经济有效的方法之一。鉴于传统监测方法的不足以及风电桩偏转变化的非线性,该文提出了一种基于超弱光纤光栅(UWFBG)和机器学习(ML)的海床风电桩偏转监测和预测新方法,并将其应用于山东半岛的一个海床风电桩案例研究中。利用UWFBG成功获得沿风电桩的连续应变数据,计算出风电桩的最大偏转角0.35°;分析了风速、风向和潮汐等荷载影响因素与桩顶转角之间关系,发现在盛行风向下,桩顶转角与风速呈正相关,与潮汐振幅呈负相关;在此基础上建立了 EEMD-PSO-SVR 预测模型并成功对风电桩偏转进行了预测,与实测值相比,预测结果均方根误差和平均绝对误差分别为分别为0.0438°和0.0358°,验证了所提出预测模型的准确性。
中图分类号: