**浮式海上风力发电机短期系泊张力预测与压载控制的耦合计算框架研究**

《Journal of Marine Science and Engineering》:A Coupled Framework for Short-Term Mooring Tension Prediction and Ballast Control for Floating Offshore Wind Turbines

【字体: 大 中 小 】 时间:2026年09月19日 来源:Journal of Marine Science and Engineering 3.2

编辑推荐:

  浮式海上风力发电机(Floating Offshore Wind Turbines, FOWTs)承受六自由度运动及其系泊系统上的相关作用力。在风、浪、流联合荷载作用下,平台运动与系泊缆张力动态耦合。为在不重复运行高保真耦合仿真的情况下支持压载控制决策,本文开

  
浮式海上风力发电机(Floating Offshore Wind Turbines, FOWTs)承受六自由度运动及其系泊系统上的相关作用力。在风、浪、流联合荷载作用下,平台运动与系泊缆张力动态耦合。为在不重复运行高保真耦合仿真的情况下支持压载控制决策,本文开发了一个专门的耦合计算框架,将FAST-AQWA时域仿真、短期系泊张力预测与压载控制优化相结合。五个预测模型基于相同的滑动窗口数据集进行训练与评估。训练后,预测的系泊张力数据被用于压载控制计算。本研究中,双向长短期记忆网络(Bidirectional Long Short-Term Memory, BiLSTM)模型对系泊张力展现出最高的预测精度,模型预测控制(Model Predictive Control, MPC)则产生了更平滑的控制动作并显著降低了低频横摇和纵摇的幅值。所提出的框架为短期响应预测与压载控制的结合提供了实用方法,并表明在后续控制系统的设计考虑中必须纳入显式的系泊张力约束。
# 浮式海上风力发电机短期系泊张力预测与压载控制耦合框架研究——论文解读

## 一、研究背景与问题

随着近岸适宜场址日益紧缺,海上风电开发正逐步走向更深水域。浮式海上风力发电机(Floating Offshore Wind Turbine, FOWT)为深水区域的部署提供了更大的灵活性。在风、浪、流联合荷载作用下,FOWT的平台运动与系泊系统的动力响应之间存在紧密的动态耦合关系:系泊系统可为平台位置提供恢复力,同时其张力随平台运动和环境荷载而动态变化。因此,快速评估系泊反力对于结构安全和控制导向的运行均具有重要意义。

目前,高保真耦合数值模型虽能准确还原FOWT的气动-水动力-伺服-系泊(aero-hydro-servo-mooring)耦合响应,但计算成本过高,限制了其在重复性短期预测和控制计算中的应用。数据驱动方法因此被越来越多地用于FOWT响应预测领域,已有研究采用卷积神经网络(Convolutional Neural Network, CNN)、门控循环单元(Gated Recurrent Unit, GRU)、长短期记忆网络(Long Short-Term Memory, LSTM)及基于注意力机制(attention mechanism)的架构来预测平台运动状态和系泊张力的变化。这些研究表明深度学习模型能够捕捉FOWT响应的时序特征,短期预测结果也较为合理。然而,多数研究主要聚焦于预测精度,对如何将预测响应用于后续控制决策关注较少。在FOWT先进控制策略方面,模型预测控制(Model Predictive Control, MPC)因其能在优化过程中直接考虑执行器约束和预测系统响应而受到关注,但主动压载重分配(active ballast redistribution)所获关注仍然不足,尤其在同时考虑平台运动和系泊载荷的情况下。由此可见,短期系泊响应预测与压载控制应用之间仍存在显著的研究空白。

为填补这一空白,研究人员开发了一个集成数值框架,将FAST-AQWA耦合仿真、短期响应预测和压载控制评估融为一体,旨在评估短期响应预测能否有效支持压载控制决策并减少重复的高保真仿真。

## 二、关键技术方法

本研究采用OC4 DeepCwind半潜式浮式海上风力发电机(搭载NREL 5 MW风轮)为对象,通过FAST-AQWA耦合框架(命名为F2A)进行气动-水动力-伺服-系泊时域耦合仿真。环境条件设置为:不规则波采用JONSWAP谱(Sea State 4:有效波高Hs=3 m,谱峰周期Tp=8.6 s;Sea State 5:Hs=4 m,Tp=10 s),湍流风场采用Kaimal谱(平均风速14 m/s),定常流1 m/s,均沿正x轴方向。仿真输出的平台运动(垂荡、纵摇、横摇)和系泊缆张力数据经滑动窗口技术构建为多变量时序监督学习样本。研究人员比较了五种预测模型:CNN、BiLSTM、CNN-BiLSTM、Transformer和Transformer-BiLSTM,采用均方根误差(Root Mean Square Error, RMSE)、平均绝对误差(Mean Absolute Error, MAE)、决定系数R2和平均绝对百分比误差(Mean Absolute Percentage Error, MAPE)四项指标评估预测精度。压载控制采用三舱系统模型,在三舱总容积不变的约束下(各舱初始压载水量675 m3,允许范围80.42~804.25 m3,流量限制?0.2~0.2 m3/s),比较了粒子群优化(Particle Swarm Optimization, PSO)、遗传算法(Genetic Algorithm, GA)和MPC三种控制策略,并以F2A反馈重算验证最优压载方案在耦合系统中的实际可行性。

## 三、研究结果

### 3.1 数值仿真与验证

F2A耦合模型与OpenFAST在相同风环境下对OC4平台的纵荡和纵摇响应进行了对比验证,二者的均值水平和主要峰谷位置基本一致,表明耦合模型可作为压载控制研究的基础。

### 3.2 系泊张力短期预测结果

在Sea State 4条件下,BiLSTM模型在所有四项指标中均取得最优结果:RMSE为2.575 kN,MAE为1.987 kN,R2为0.9992,MAPE为0.136%。CNN模型表现最差,在张力突变附近偏差较大,因其卷积层提取局部模式时难以充分保持长程时序相关性。CNN-BiLSTM相比于纯CNN有所改善,但仍不如BiLSTM,表明卷积特征提取预处理并未给该数据集带来额外优势。Transformer和Transformer-BiLSTM模型表现中等,其注意力机制在当前样本量和序列长度条件下尚未充分发挥优势。

在Sea State 5条件下,系泊张力波动幅度更大、局部极值点更多,预测难度增加。BiLSTM再次取得四项指标最优(RMSE 4.669 kN,MAE 3.711 kN,R2 0.9968,MAPE 0.284%),尤其在400 s至800 s区间与参考数据高度吻合。CNN模型仅能近似总体趋势,无法跟踪快速局部变化。CNN-BiLSTM排名第二但误差仍大于BiLSTM。Transformer类模型在张力突变附近偏差较大。BiLSTM在两种海况下的散点图均紧贴1:1标准线,未出现系统性偏差,证实其可作为后续压载控制分析的可靠替代模型。

### 3.3 压载控制策略结果

在Sea State 5条件下对PSO、GA和MPC进行比较。MPC方法获得了最小的纵摇均方根(Roll Root Mean Square, RMS)值和横摇均方根(Pitch Root Mean Square, RMS)值,并产生了最小的控制指令增量,表明其控制指令序列最为平滑,有助于降低泵的开关频率。然而,MPC也消耗了较大的平均控制量。PSO则提供了最大的Vmax裕度(27.44),在防止水箱饱和方面更为保守;GA的平均驱动水平最低但指令波动最大。综合考虑姿态控制效果与压载运行稳定性,MPC被选用于后续验证。

MPC策略下的压载舱时程曲线显示,三舱水量在初始阶段快速调整并进入拟平衡状态,此后仅需小幅动态修正;所有舱的流量始终保持在?0.2至0.2 m3/s的限制范围内,未发生容积饱和。

经MPC压载重分配后,受控平台的横摇与纵摇响应幅值较未受控状态显著减小。低频姿态分量的统计结果表明,横摇均值从1.12°降至0.05°(降低约95.5%),纵摇均值从7.16°降至0.36°(降低约95.0%),中位值趋于零,说明平台姿态已有效恢复至平衡位置。但低频分量的标准差未明显降低(横摇从0.21°升至0.24°,纵摇从1.08°升至1.52°),表明压载控制主要校正平均姿态偏差,而非消除所有动态振荡,这与压载调节过程较慢的物理特性一致。

系泊张力方面,承载主要环境荷载的Mooring Line 1受益最为显著:平均张力从1482.8 kN降至1399.2 kN(降幅约5.6%),最大张力从2340.7 kN降至1861.7 kN(降幅约20.5%),标准差从152.0 kN降至125.9 kN。Mooring Lines 2和3的平均张力仅有小幅上升(分别从920.6 kN升至939.1 kN、从911.8 kN升至943.8 kN),表明所提方法主要通过将部分恢复载荷转移至另两根缆绳来缓解主缆的过度载荷集中,而非同时降低所有缆绳的张力。F2A反馈重算结果在可控与不可控情形的响应范围内,验证了调整后压载方案的动力学可行性。

## 四、讨论与结论

本研究提出了一套面向OC4 DeepCwind浮式风力发电机的压载控制方案,在风浪流同时作用下集成了FAST-AQWA耦合仿真、短期预测与压载控制优化,并通过F2A反馈重算进行验证。主要发现如下:(1)FAST-AQWA耦合模型为预测和控制提供了基础的动力学响应数据,三根系泊缆载荷分布不均,Mooring Line 1承载最大环境负荷。(2)五种预测模型中,BiLSTM在两个海况下均取得最佳短期预测性能,其优势源于双向循环结构和对时序依赖关系、相位变化及局部极值的有效刻画。(3)MPC在三种压载控制方法中姿态控制效果最优且指令最平滑,显著改善了平台低频姿态平衡,但标准差未降低,表明压载控制主要作用在于修正平均姿态偏移。(4)压载控制使主系泊缆的最大张力降低了约20.5%,但通过载荷再分配实现,而非全局卸载,说明姿态调节与系泊载荷优化并不完全等价,预测的系泊张力为控制器提供了未来系泊载荷状态的额外信息,使其能兼顾平台平衡与系泊系统响应。

研究结论表明,所提出的框架将短期响应预测与压载控制有效结合,BiLSTM可提供准确的短期响应估计,MPC在工程约束下可确定可行的压载重分配方案。然而,本研究的压载控制策略通过内部质量重分配来改变恢复特性,而非直接改变浮力,故不旨在替代可提供更快更强恢复力调整的主动浮力控制机制。未来研究应对压载重分配与主动浮力控制策略进行比较,并进一步考虑暂态环境条件、执行器动力学、能耗及不确定性效应。本研究主要证明了短期预测与压载控制集成的可行性,尚不能代表在所有运行工况下鲁棒性的完整验证。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号