.jpg)
2022 한국태양에너지학회 추계학술발표대회
김현목(라온엑스솔루션즈) / 황성목(한국에너지기술연구원 풍력연구팀)
Keywods
풍력 터빈 블레이드(Wind turbine blade), 유한요소해석(FE analysis), 복합재료(Composite material), 결함(Defect), 기계학습(Machine learning), 최적화(Optimization)
풍력 블레이드의 수요가 증가함에 따라 큰 사고와 비용을 초래하는 운용 중 파손에 대한 관리 중요성이 커지고 있지만, 블레이드의 결함 특성을 모두 파악하기에는 현실적으로 어려움이 있다.
이에 본 연구에서는 10kw급 정상 블레이드(1 Case)와 결함 블레이드(4 Cases) 시편을 제작하여 고유진동수와 모드 형상을 측정하고, 정상 및 비정상 상태의 구조 특성을 모두 표현할 수 있는 High-Fidelity FE Model 을 생성하였다. FE Model의 특성을 DoE를 통해 수집 및 분석하였고, 머신러닝을 활용한 예측모델 생성, 이를 기반으로 한 최적화를 적용하였다.
그 결과, 모드 형상 70%를 충족하는 조건에서 1 ~ 4차 고유진동수 3% 미만의 오차율을 나타내는 FE Model 을 생성하였다.
.jpg)
