第六届国际结构健康监测与完整性管理会议在郑州顺利召开

11月9日-11日，中国仪器仪表学会和河南工业大学联合主办的第六届国际结构健康监测与完整性管理会议在郑州顺利召开。本次会议由中国仪器仪表学会和河南工业大学联合主办，中国仪器仪表学会设备结构健康监测与预警分会、河南工业大学土木工程学院、电气工程学院、机电工程学院、郑州大学土木工程学院、华北水利水电大学土木与交通学院、河南理工大学土木工程学院等单位承办，国家市场监管总局结构健康监测技术创新中心、全国设备结构健康监测标准化工作组、河南工程学院等单位协办。

会议目的：为加强国内外结构健康监测领域的学术交流，搭建国内外结构健康监测技术合作平台，促进我国结构健康监测技术在国际领域的不断发展，全面推动结构健康监测技术在机械装备、航空航天、土木工程等领域的应用。

其中专题14主题是能源和电力设备结构健康监测，吸引了来自世界各地的学者参与。专题14于2024年11月10日在黄河迎宾馆Room7及11月11日在Room6进行。其中会议出席的作报告专家有：

戴巨川 湖南科技大学 教授

付德义 华中电力科学研究院 教授

严祯荣 上海工程大学 教授

朱萍玉 广州大学 教授

彭迪康 华北电力大学 博士

金晓航 浙江工业大学机械工程学院 副教授

腾伟 华北电力大学能源动力与机械工程学院 教授

杜朝辉 西北工业大学航海学院 副教授

霍元明 上海工程大学机械与汽车工程学院 副教授

主旨报告：

应邀演讲:《利用历史现场数据研究风力涡轮机风能捕获能力的演变》——戴巨川（湖南科技大学）

摘要

在“双碳”战略的背景下，风电行业具有巨大的潜力。根据中国国家统计局发布的《国民经济和社会发展统计公报》，2023年风力发电占总发电量的9.4%。随着风电行业的大规模发展，单个机组的容量也在增加，20兆瓦的海上风力发电机已接入电网发电。随着风力发电机使用寿命的增加，其捕获风能的能力（WECC）相应下降。有效评估这种演化行为在运营和维护中起着关键作用。然而，目前缺乏有效的评估方法和案例研究来揭示现场这种演化行为。为了解决这一问题，从风力发电机的能量信息提取策略出发，构建了WECC演化模型。提出了一种基于数据驱动的时间常数确定方法，并结合移动平均滤波来抑制高频扰动风速的影响。此外，还采用了偏差补偿方法来克服机舱风速数据的固有缺陷。在此基础上，根据现场SCADA数据的特点，构建了确定最大功率点跟踪（MPPT）运行边界的模式，以获得可靠的比较区间。以中国南方某风电场的SCADA数据为例，计算并分析了两台2兆瓦风力发电机组WECC在四年期间的变化特性。研究结果表明，所提出的方法可以有效地揭示风力发电机组WECC的变化特性。分析结果为风力发电机组性能退化量化评估提供了新的思路和基础，为风力发电机组进入“中年”和“老年”阶段后的运行、维护和性能提升提供了重要的知识支持。

应邀演讲:《基于传动系统试验台的风力发电机试验技术》——付德义(中国电力科学研究院)

摘要

海上风电是全球风电发展的主要方向之一，但面临机组规模大、并网输电方式多样、运行工况复杂、电网相关特点等挑战。为了保证海上风电的可靠运行和友好并网，迫切需要建立完善的海上风电并网检测能力。海上风电现场测试受环境和电网条件的制约，且测试条件不可控，成本高、周期长、结果不完整。德国、丹麦等风力发电发达国家建立了全尺寸的地面动力传动试验台，对风力发电机组的运行特性进行了全面的研究。中国还没有完全具备这种能力，这已经形成了一个技术瓶颈。

特邀演讲:基于热偏差的超超临界锅炉失效与风险评估研究——严祯荣(上海工程科技大学)

摘要

面对超临界锅炉在深度调峰条件下长期使用、易损坏和失效的问题，主要压力部件出现了大量的管漏等安全问题。研究表明，炉内烟气热偏差和工质热偏差是主要危险部件失效的主要原因之一。本文运用物理力学热分析方法，对主要风险部件的失效模式、失效机理和风险评价方法进行了研究。针对主要风险部分，提出了风险管理策略和检查策略。主要风险部件分为4个区，分别是输送水和省煤器系统、分离器启动和水冷却系统、过热蒸汽系统和再热蒸汽系统。94年部分。38544管或管件。影响部件失效的主要风险有四种危险有害因素。根据提出的四个失效概率因子，结果表明：螺旋管水冷壁螺旋段失效概率最大，达到5级，螺旋管水冷壁垂直段失效概率次之，达到4级。失效案例的文献和统计数据也验证了这四个因素的计算方法，这四个因素属于主要的风险成分失效概率。是可行的。运用系统研究的方法，提出了螺旋管水冷壁的风险管理策略和检查策略。结合螺旋管水冷壁失效机理，研究并得出了一套系统测试方法，包括以控制系统模型设计为主要基础的设计文件识别方法、rt100% + mt100%检测技术。焊缝的外观检验与测量技术、接头处的通球及内窥镜检验技术、y射线检测技术、ToFD检测技术和鳍片的特殊超声波检测技术。

特邀演讲:利用ALGNC-LSTM的风力涡轮机传动系统故障预警时空特征融合方法——腾伟(华北电力大学)

摘要

风电传动系统故障和失效问题日益严重，已引起制造商和运营商的广泛关注。然而，现有的风电传动系统故障预警模型忽略了SCADA数据的空间或时间维度特征信息，降低了故障预警的置信度，限制了模型的通用性。提出了一种结合邻接矩阵可学习图卷积网络（ALGCN）和长短期记忆网络（LSTM）的时空特征融合方法，用于风电传动系统早期故障预警。采用MIC方法计算监测SCADA参数之间的相关性，并在此基础上构建风力机传动系统的图结构。然后，并行利用ALGCN和LSTM网络提取时空信息。最后，针对传动系统中不同的关键部件，设计了各自测量的预测误差作为部件状态的健康指标。从训练数据中使用这些指标计算阈值，并通过将这些指标与阈值进行比较来警告故障。对风电机组实际运行数据的测试表明，所提出的ALGCN-LSTM模型在健康状态预测和故障状态预警方面具有优越性。

《风力涡轮机无转速瞬时角速度估算》——彭迪康(华北电力大学)

摘要

准确的瞬时角速度估计对风力机振动分析的有效性至关重要。然而。由于在许多应用中对成本节约的需求增加和安装困难，基于振动的速度估计方法近年来引起了越来越多的关注。虽然提出了许多方法来提高估计的瞬时角速度的准确性，但试图找到一种适合特定应用的技术仍然很困难，因为它不是那么简单地评估估计的IAS精度的准确性。因此，估计的国际会计准则的准确性无法进一步提高。我们建立了新的理论和方法来评估没有转速计的IAS估计精度。通过统计方法确定国际会计准则估计的准确性，并对其瞬时误差进行评估，从而进一步提高国际会计准则的准确性。本报告以风力发电机为例，探讨了瞬时角速度估计方法及其进一步改进的思路。

《风力发电机的状态监测》——金晓航（吕同学）

摘要

基于深度学习算法的数据驱动方法为智能故障诊断带来了新的机遇和挑战。这些“端到端”数据建模方法在智能维护中的应用面临信息挖掘浅显、模型透明度低等问题。这些问题影响了数据驱动方法在故障诊断和预测中实现高精度、鲁棒性和可解释性的效果。利用多种传感器监测数据，并结合设备结构和工作机制的先验信息，深度神经网络和其他人工智能方法被用于复杂设备的可解释故障诊断和预测研究。本文以风力发电机为例，分享了在可解释故障诊断和预测中的一些思路。

主持人：

严祯荣 上海工程大学 教授

腾伟 华北电力大学能源动力与机械工程学院 教授

会议上还有颁奖证书环节，参会人员认真聆听并积极与汇报专家讨论，现场十分热烈，并在会后交换了联系方式，以便后续讨论并展开合作。

在本次活动中，志愿者践行者奉献的精神，以传递爱心报以社会，为本次活动的准备以及召开付出了不少的努力以及精力，在此我们对他们的付出表以感谢！

志愿者风采

更多精彩

撰稿人:康美玲 孙海登

图文编辑：康美玲 孙海登（土木建筑学院研2403）

审校：杨阳

审核：王影