風力タービンは、主にブレード、ピッチ制御システム、ギアボックス、発電機、ヨー制御システム、およびハブなどの部分で構成されています。

ハブは風力タービンにおいてブレードの根元と風車の主軸を接続しており、ブレードには推力・トルク・曲げモーメントなどの複雑な交互荷重がかかり、ピッチ軸受を介してハブ、そして主駆動システムに速度が伝達されます。

したがって、風力タービン全体でハブの強度と寿命の要件を厳格に管理する必要があります。

ハブ構造の強度計算は非常に複雑な工学的な問題であり、既存の工学力学や弾性力学などの理論を利用しても、複雑な荷重に耐えるハブ構造の力の状態を正確に記述することは難しく、理論的な計算によるハブ強度や寿命の計算解を得ることは非常に困難となります。

本記事では、ハブ強度解析における背景と問題点をベースとして、データモデリングプラットフォームDTEmpowerによるモデリングおよびデータ分析を2ケース紹介します。

強度解析における問題点

風力タービンのハブに関する設計・強度解析には、以下のような問題点が挙げられます。

1．従来のハブ設計は、設計者の主観的要因の影響を強く受けることがあり、ハブの強度が通常過剰に確保され、生産コストを制御する要件を満たさないことがよくある

2．有限要素法を基にしたハブの強度解析手法は、多くの計算リソースと時間を要するため、研究開発期間が長くなることがあり、ハブ強度計算における制約要因となる

3．ハブの設計と最適化には、高精度な強度分析モデルへの依存が必要となる

DTEmpowerによるハブ強度解析とデータモデリング

ハブの力学的な挙動を正確に予測・強度判断を行うためには、データ駆動型の手法を使ってハブの力学的モデルを作成し、ハブの応力や信頼性を分析する手法があります。

この手法を採用するにあたり、データモデリングプラットフォームであるDTEmpowerを活用することで、既存データを使用したハブの強度解析を行うことが可能となります。

DTEmpowerは、ハブにかかる力や応力のデータを基に強度に関する高精度なモデルを作成し、ハブの強度評価を迅速に行うことができます。

ハブ強度解析データモデリングケース1

1．データセット紹介；

提供された計算プログラムに基づき、スマートサンプリング機能を組み合わせて、ハブ強度データセットが生成されました。

データセットの3次元入力はハブ上の3つのトルクを示し、5次元の出力は5箇所の応力を示しています。

目標は、入力と出力変数の間のマッピング関係を取得することとなります。

2．データモデリング方法と結果；

下記に示されるモデリング方法では、GBDT・ランダムフォレスト・AIAgentなどの複数のアルゴリズムを用いて回帰分析を行い、最終的に最も精度の高いモデルが選択されました。

図：DTEmpowerを使用したハブ強度解析のモデリングプロセスと結果

3．モデリング結果の評価；

AIAgentアルゴリズムを使用して、入力と出力変数の間のマッピング関係を適合させると、モデルのR2指数が99％以上に達し、他のトレーニングアルゴリズムよりも優れていることが判明しました。

ハブ強度解析データモデリングケース2

1．データセット紹介:；

提供された構造応力評価データセットには、15次元の入力があり、これは5箇所の測定ポイントにおける3方向荷重を示しています。

出力は9箇所の測定ポイントの応力で合計は27次元となり、このデータセットには2400のサンプルが含まれ、目標は測定ポイントの構造応力を迅速に評価することです。

2．データモデリング方法と結果；

下記の画像にあるデータモデリング方法は、ROD・MDI/MDAなどのデータ前処理技術を使用しています。

そして、異なる実験条件下でモデルの評価指標を比較しました。ここでRODは、回帰分析に基づく異常点検出手法です。

図：RODを使用したハブ強度のモデリング比較結果

まとめ

これらのデータモデリングやデータ分析は、DTEmpowerによる様々なアルゴリズムと手法を駆使して、ハブの荷重ー応力プロキシモデルを構築し、高精度のデータモデルの強度解析サポートを提供しています。

ケース1では、AIAgentのスマートトレーニングアルゴリズムを用いて回帰分析を行い、最終モデルのR2指数は0.99以上となりました。

ケース2では、ケース1のモデリング手法に基づき、ROD、MDI/MDA、AIAgentなどの効果的なモジュールを使用して、段階的かつ反復的にデータ分析、特徴抽出、トレーニングアルゴリズムを探索することで、最終的なモデルのR2指数は0.94まで向上しました。

DTEmpowerは、風力タービンのハブ強度分析を含めた多数のアプリケーションに対して、データモデリングソリューションを提供することができ、異常点の検出や特徴抽出、回帰分析などのテクノロジによる、高精度データモデルの構築支援を実現します。