CN109190187B - 一种基于多物理模型的风电场尾流计算方法及系统 - Google Patents

一种基于多物理模型的风电场尾流计算方法及系统 Download PDF

Info

Publication number
CN109190187B
CN109190187B CN201810909033.6A CN201810909033A CN109190187B CN 109190187 B CN109190187 B CN 109190187B CN 201810909033 A CN201810909033 A CN 201810909033A CN 109190187 B CN109190187 B CN 109190187B
Authority
CN
China
Prior art keywords
wake
model
rix
wind
larsen
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201810909033.6A
Other languages
English (en)
Other versions
CN109190187A (zh
Inventor
袁凌
褚景春
潘磊
董健
李润祥
张亦澄
尹铁男
牟金磊
袁飞
赵斌
罗方正
杨帆
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guodian United Power Technology Co Ltd
Original Assignee
Guodian United Power Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Guodian United Power Technology Co Ltd filed Critical Guodian United Power Technology Co Ltd
Priority to CN201810909033.6A priority Critical patent/CN109190187B/zh
Publication of CN109190187A publication Critical patent/CN109190187A/zh
Application granted granted Critical
Publication of CN109190187B publication Critical patent/CN109190187B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/06—Power analysis or power optimisation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种基于多物理模型的风电场尾流计算方法及系统，该方法包含以下步骤：(1)建立网格化的风电场地形等高线数据的三维实体模型；(2)求解出Larsen尾流模型和基于雷诺平均Navier‑Stokes方程的CFD尾流模型,获得尾流流场风速VLarsen和VCFD；(3)计算风机位点处地形复杂度RIX数值；(4)根据地形复杂度RIX进行两种模型的选择和融合。本发明在风电场尾流计算过程中，加入地形复杂度RIX参考量，根据地形的复杂程度进行尾流模型的选择和融合，兼顾了计算精度与计算能耗，保证计算速度的同时使得尾流区域更加符合真实流场。

Description

一种基于多物理模型的风电场尾流计算方法及系统
技术领域
本发明涉及风电场优化控制领域，特别是涉及一种基于多物理模型的风电场尾流计算方法及系统。
背景技术
在风电场中，气流吹过风机叶片带动风机转动，由于风机的转动及叶片对气流的阻挡作用，在风机下风向产生尾流作用。在尾流区域内，不仅仅造成风速降低致使风资源利用率降低，同时所产生的湍流、涡流影响会影响下游机组的使用寿命。因此在风电场规划前期需应认真考虑，审慎控制机位布置状况，保证机组安全性的同时最大化的考虑风电场的整体经济效益。
研究风机尾流效应方法，通常有两种。一种是以半经验模型为主导的Park，Jansen、Larsen等尾流模型。在不考虑湍流等因素的前提下，假定风机尾流区域按照一定模型方式进行扩散，计算效率可以得到保证，但尾流效应往往预估不足。另一种是基于雷诺平均Navier-Stokes(N-S)方程的CFD尾流模拟计算，由于充分考虑了湍动能特性，可以较为准确的预估尾流分布情况，但计算量非常大，计算效率得不到保证。
由此可见，上述现有的风电场尾流计算方法，显然仍存在有不便与缺陷，而亟待加以进一步改进。如何能创设一种既能兼顾计算精度与计算能耗，又能在保证计算速度的同时使得尾流区域更加符合真实流场的风电场尾流计算方法及系统,成为当前业界急需改进的目标。
发明内容
本发明要解决的技术问题是提供一种既能兼顾计算精度与计算能耗，又能在保证计算速度的同时使得尾流区域更加符合真实流场的风电场尾流计算方法及系统，从而克服现有技术的不足。
为解决上述技术问题，本发明采用如下技术方案：
一种基于多物理模型的风电场尾流计算方法，该方法包含以下步骤：
(1)建立网格化的风电场地形等高线数据的三维实体模型；
(2)求解出Larsen尾流模型和基于雷诺平均Navier-Stokes方程的CFD尾流模型,获得尾流流场风速VLarsen和VCFD；
(3)计算风机位点处地形复杂度RIX数值；
(4)采用地形复杂度RIX的两个阈值A、B对尾流模型进行控制，所述A<B；
当RIX<A时，采用Larsen尾流模型结果；
当A≤RIX≤B时，采用CFD尾流模型与Larsen尾流模型进行融合，获得尾流流场风速；
当RIX>B时，采用CFD尾流模型结果。
作为本发明进一步地该技能，所述步骤(1)具体为：根据风电场及周边范围内的地形等高线数据及粗糙度数据，建立等高线数据及粗糙度数据的三维实体模型，确定风电场上方空气流场区域并建立流场区域网格。
作为本发明进一步地改进，所述步骤(2)具体为：根据测风塔处统计的风速、风向、风频数据，推算出风机位点处的对应数据，进而求解出Larsen尾流模型和基于雷诺平均Navier-Stokes方程的CFD尾流模型,获得尾流流场风速VLarsen和VCFD；
A.求解Larsen尾流模型；B.求解雷诺平均Navier-Stokes尾流模型。A、Larsen尾流模型可表述为
ΔU为风机后x处的衰减风速，其中U0为机头风速，A为风机扫风面积，CT为风电机组推力系数，无量纲混合长C1可由以下公式得出：
其中由R9.＝0.5Rnb+min(h,Rnb)]和Rnb＝max[1.08D,1.08D+21.7Ia-0.05,计算得出x0与无量纲混合长C1。
另一个重要参量尾流影响半径Rw公式如下：
B、求解雷诺平均Navier-Stokes尾流模型
湍动模型将由Navier-Stokes方程描述，如下：
由上述可知，N-S方程可分解为质量守恒和牛顿第二定律，其中ρ为空气密度，t为时间，P为静压力，ui为速度分量，Fi为体积力分量。为使方程闭合，需对粘性应力张量τij表述如下：
μ为层流粘性系数，变形率张量
δij为Kerodiler函数，当i＝j时为1，当i≠j时为0。雷诺应力表述如下：
这里我们选用标准的kε湍动模型来求解得出，同时湍流粘性为cu取0.09。
进一步地，所述步骤(3)具体为：
a)计算位置为圆心，取一固定角度θ和半径R，借助步骤(1)的等高线将固定角度θ内的所有半径R分为若干段；
b)计算每条线段的倾角，制定倾角阈值大于阈值/>的线段条数记为RIXslope，等高线划分的总线段条数记为RIXsum；
c)该固定角度θ内的RIX为
)最终的计算点RIX值为所有半径RIX值的算术平均值，即：
所述RIX表示为计算点处的地形复杂度，为第i个扇区倾角大于/>的线段条数，/>为第i个扇区等高线划分的总线段数，n为扇区个数＝360°/θ。
进一步地，所述步骤(3)的a)中，角度θ为30°、半径R为3.5KM。
进一步地，所述步骤(3)的所述b)中，倾角阈值为0.3。
进一步地，所述步骤(4)中，A取值为0.1，B取值为0.3。
进一步地，所述Larsen尾流模型替换为Jansen尾流模型。
本发明还提供了一种基于多物理模型的风电场尾流计算系统，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述方法的步骤。
由于在尾流区域内，不仅仅造成风速降低致使风资源利用率降低，同时所产生的湍流、涡流影响会影响下游机组的使用寿命，因此在风电场建设前期需要对风机后的尾流区域做出准确评估。本发明在风电场尾流计算过程中，加入地形复杂度(RIX)参考量，根据地形的复杂程度选择Larsen尾流模型，或基于雷诺平均Navier-Stokes方程的CDF尾流模型，或是两种尾流模型的融合模型，兼顾了计算精度与计算能耗，保证计算速度的同时使得尾流区域更加符合真实流场。
附图说明
上述仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，以下结合附图与具体实施方式对本发明作进一步的详细说明。
图1是本发明实施例中建立的风电场区域网格图；
图2是本发明实施例中测风塔处统计的风向、风频数据玫瑰图(A)及风速分布图(B)；
图3是本发明实施例的尾流计算流程图。
具体实施方式
配合图3所示，本实施例中的基于多物理模型的风电场尾流计算方法，包括如下步骤：
步骤1：建立风电场区域网格：根据风电场及周边范围内的地形等高线数据及粗糙度数据，建立等高线数据及粗糙度数据的三维实体模型，确定风电场上方空气流场区域并建立流场区域网格，其结果如图1所示。
步骤2：根据步骤1中的风电场区域网格及测风塔测风数据，求解Larsen尾流模型和基于雷诺平均Navier-Stokes方程的CFD尾流模型获得尾流流场的风速。需对测风塔处的测风数据进行数据清洗，依据统计的风速风向风频数据，推算出风机位点处的对应数据，测风塔处的统计数据结构如图2所示，此处采用测风塔的统计数据推算风机位点处的对应数据，而非直接采用实测数据，使其计算结果更稳定和可靠。
对两尾流模型进行求解，其具体步骤如下：
A、Larsen尾流模型可表述为
ΔU为风机后x处的衰减风速，其中U0为机头风速，A为风机扫风面积，CT为风电机组推力系数，无量纲混合长C1可由以下公式得出：
其中由R9.＝0.5Rnb+min(h,Rnb)]和Rnb＝max[1.08D,1.08D+21.7Ia-0.05,,计算得出x0与无量纲混合长C1。
另一个重要参量尾流影响半径Rw公式如下：
上述ΔU对应尾流流场风速VLarsen。
B、求解基于雷诺平均Navier-Stokes方程的CFD尾流模型
湍动模型将由Navier-Stokes方程描述，如下：
由上述可知，N-S方程可分解为质量守恒和牛顿第二定律，其中ρ为空气密度，t为时间，P为静压力，ui为速度分量，Fi为体积力分量。为使方程闭合，需对粘性应力张量τij表述如下：
μ为层流粘性系数，变形率张量
δij为Kerodiler函数，当i＝j时为1，当i≠j时为0。雷诺应力表述如下：
这里我们选用标准的kε湍动模型来求解得出，同时湍流粘性为cu取0.09；
根据上述公式可计算出速度分量ui，速度分量ui及同理计算出来的其它方向的速度分量结合，最后可计算出速度张量U,U对应尾流流场风速VCFD，上述计算方法是本领域的公知常识。
步骤3：确定地形复杂度(RIX)数值，即以计算位置为圆心，本实施例采用每30°取3.5KM半径，借助等高线将每条半径分为若干段，并计算每条线段的倾角，根据大量实践经验发现坡度倾角大于0.3易出现气流与地表分离，因此取倾角阈值为0.3，半径中倾角大于0.3的线段数目与该段半径被等高线划分的总线段的比就是半径对应的RIX值。最终的计算点RIX值为所有半径RIX值的算术平均值。因此可由以下公式表述：
RIX表示为计算点位处的地形复杂度，为第i个扇区倾角大于0.3的线段条数，/>为第i个扇区等高线划分的总线段数，n为扇区个数，以30°扇区为例，n为12。
步骤4：对两种尾流模型结果进行适当选择或进行算法融合，得到更加准确的尾流流场。采用RIX＝0.1和RIX＝0.3两个阈值对尾流模型进行控制，即：
当RIX＜0.1时，采用Larsen尾流模型结果；
当0.1≤RIX≤0.3时，采用基于雷诺平均Navier-Stokes方程的CFD尾流模型与Larsen尾流模型融合结果；
当RIX＞0.3时，采用基于雷诺平均Navier-Stokes方程的CFD尾流模型结果；
其融合公式为：
上述阈值0.1，0.3为根据实际经验得出的优选阈值，根据不同的风电场情况，该数值可变。
通过以上两模型融合可以数值模拟出空气流场区域的风速，并优化风电场风速模型。
上述实施例的风电场尾流计算方法，以Larsen尾流模型和基于雷诺平均Navier-Stokes方程的CFD尾流模型为基础，根据地形复杂程度对其进行选择或融合，其中的Larsen尾流模型也可替换为Jansen尾流模型，两者效果类似。上述Larsen尾流模型、基于雷诺平均Navier-Stokes方程的CFD尾流模型，Jansen尾流模型均为现有的成熟技术，本发明在求解上述尾流模型的基础上，加入地形的复杂度(RIX)参考量，采用依据地形的复杂程度对尾流模型采用不同的模型融合策略，该方法提升了计算精度并降低计算能耗。混合模型策略在保证计算速度的同时使得尾流区域更加符合真实流场。
本实施例还提供了一种基于上述多物理模型的风电场尾流计算系统，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述方法的步骤。采用上述风电场尾流计算系统，可以在风电场建设前期需要对风机后的尾流区域做出准确评估。
以上所述，仅是本发明的较佳实施例而已，并非对本发明作任何形式上的限制，本领域技术人员利用上述揭示的技术内容做出些许简单修改、等同变化或修饰，均落在本发明的保护范围内。

Claims (9)

1.一种基于多物理模型的风电场尾流计算方法，其特征在于，该方法包含以下步骤：
(1)建立网格化的风电场地形等高线数据的三维实体模型；
(2)求解出Larsen尾流模型和基于雷诺平均Navier-Stokes方程的CFD尾流模型,获得尾流流场风速VLarsen和VCFD；
(3)计算风机位点处地形复杂度RIX数值,具体为：
a)计算位置为圆心，取一固定角度θ和半径R，借助步骤(1)的等高线将固定角度θ内的所有半径R分为若干段；
b)计算每条线段的倾角，制定倾角阈值大于阈值/>的线段条数记为RIXslope，等高线划分的总线段条数记为RIXsum；
c)该固定角度θ内的RIX为
d)最终的计算点RIX值为所有半径RIX值的算术平均值，即：
所述RIX表示为计算点处的地形复杂度，为第i个扇区倾角大于/>的线段条数，为第i个扇区等高线划分的总线段数，n为扇区个数＝360°/θ；
(4)采用地形复杂度RIX的两个阈值A、B对尾流模型进行控制，所述A<B；
当RIX<A时，采用Larsen尾流模型结果；
当A≤RIX≤B时，采用CFD尾流模型与Larsen尾流模型进行融合，获得尾流流场风速；
当RIX>B时，采用CFD尾流模型结果。
2.根据权利要求1所述的基于多物理模型的风电场尾流计算方法，其特征在于，所述步骤(1)具体为：根据风电场及周边范围内的地形等高线数据及粗糙度数据，建立等高线数据及粗糙度数据的三维实体模型，确定风电场上方空气流场区域并建立流场区域网格。
3.根据权利要求1所述的基于多物理模型的风电场尾流计算方法，其特征在于，所述步骤(2)具体为：根据测风塔处统计的风速、风向、风频数据，推算出风机位点处的对应数据，进而求解出Larsen尾流模型和基于雷诺平均Navier-Stokes方程的CFD尾流模型,获得尾流流场风速VLarsen和VCFD；
所述雷诺平均Navier-Stokes方程的CFD尾流模型根据标准的k-ε湍动模型来求解得出。
4.根据权利要求1所述的基于多物理模型的风电场尾流计算方法，其特征在于，所述步骤(3)的a)中，角度θ为30°。
5.根据权利要求1所述的基于多物理模型的风电场尾流计算方法，其特征在于，所述步骤(3)的a)中，半径R为3.5KM。
6.根据权利要求1所述的基于多物理模型的风电场尾流计算方法，其特征在于，所述步骤(3)的所述b)中，倾角阈值为0.3。
7.根据权利要求1-6任一项所述的基于多物理模型的风电场尾流计算方法，其特征在于，所述步骤(4)中，A取值为0.1，B取值为0.3。
8.根据权利要求1-6任一项所述的基于多物理模型的风电场尾流计算方法，其特征在于，所述Larsen尾流模型替换为Jansen尾流模型。
9.一种基于多物理模型的风电场尾流计算系统，其特征在于，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述权利要求1至8任一项所述的方法的步骤。
CN201810909033.6A 2018-08-10 2018-08-10 一种基于多物理模型的风电场尾流计算方法及系统 Active CN109190187B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810909033.6A CN109190187B (zh) 2018-08-10 2018-08-10 一种基于多物理模型的风电场尾流计算方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810909033.6A CN109190187B (zh) 2018-08-10 2018-08-10 一种基于多物理模型的风电场尾流计算方法及系统

Publications (2)

Publication Number Publication Date
CN109190187A CN109190187A (zh) 2019-01-11
CN109190187B true CN109190187B (zh) 2023-08-08

Family

ID=64920976

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810909033.6A Active CN109190187B (zh) 2018-08-10 2018-08-10 一种基于多物理模型的风电场尾流计算方法及系统

Country Status (1)

Country Link
CN (1) CN109190187B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110110457B (zh) * 2019-05-13 2020-05-12 扬州大学 一种复杂地形风电场的噪声分布预测方法
CN113656973B (zh) * 2021-08-20 2022-06-14 华北电力大学 风电场的尾流混合模拟方法、系统、装置及介质
CN117454721B (zh) * 2023-12-21 2024-03-22 浙江远算科技有限公司 基于数字仿真实验的风电场尾流叠加效应评估方法和介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103886179A (zh) * 2014-02-25 2014-06-25 国家电网公司 一种基于尾流效应分群的风电场风机聚合方法
CN103996074A (zh) * 2014-05-07 2014-08-20 河海大学 基于cfd和改进pso的复杂地形风电场微观选址方法
CN104200097A (zh) * 2014-08-29 2014-12-10 重庆大学 风电场风电机组布局选址方法
CN104699936A (zh) * 2014-08-18 2015-06-10 沈阳工业大学 基于cfd短期风速预测风电场的扇区管理方法
CN104820741A (zh) * 2015-04-24 2015-08-05 山东大学 兼顾风场分散性与机组差异性的风电场动态等值方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2877741B1 (en) * 2012-07-27 2019-04-24 Texas Tech University System System and method for evaluating wind flow fields using remote sensing devices

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103886179A (zh) * 2014-02-25 2014-06-25 国家电网公司 一种基于尾流效应分群的风电场风机聚合方法
CN103996074A (zh) * 2014-05-07 2014-08-20 河海大学 基于cfd和改进pso的复杂地形风电场微观选址方法
CN104699936A (zh) * 2014-08-18 2015-06-10 沈阳工业大学 基于cfd短期风速预测风电场的扇区管理方法
CN104200097A (zh) * 2014-08-29 2014-12-10 重庆大学 风电场风电机组布局选址方法
CN104820741A (zh) * 2015-04-24 2015-08-05 山东大学 兼顾风场分散性与机组差异性的风电场动态等值方法

Also Published As

Publication number Publication date
CN109190187A (zh) 2019-01-11

Similar Documents

Publication Publication Date Title
CN109086534B (zh) 一种基于cfd流体力学模型的风电场尾流订正方法及系统
Ma et al. Airfoil optimization to improve power performance of a high-solidity vertical axis wind turbine at a moderate tip speed ratio
Zanforlin et al. Effects of the Reynolds number and the tip losses on the optimal aspect ratio of straight-bladed Vertical Axis Wind Turbines
Krogstad et al. “Blind Test 3” calculations of the performance and wake development behind two in-line and offset model wind turbines
CN109190187B (zh) 一种基于多物理模型的风电场尾流计算方法及系统
Krogstad et al. “Blind test” calculations of the performance and wake development for a model wind turbine
CN110088463B (zh) 风力涡轮电场级载荷管理控制
Tian et al. Prediction of multi-wake problems using an improved Jensen wake model
He et al. A novel three-dimensional wake model based on anisotropic Gaussian distribution for wind turbine wakes
Marten et al. Implementation, optimization and validation of a nonlinear lifting line free vortex wake module within the wind turbine simulation code QBlade
CN107194097A (zh) 基于风电场气动模拟和风速风向数据的分析方法
CN103890383A (zh) 控制风力涡轮机的方法及相关系统
Han et al. Large eddy simulation for atmospheric boundary layer flow over flat and complex terrains
Tabib et al. Industrial scale turbine and associated wake development-comparison of RANS based Actuator Line Vs Sliding Mesh Interface Vs Multiple Reference Frame method.
CN108717593A (zh) 一种基于风轮面等效风速的微观选址发电量评估方法
Hasan et al. Experimental Study of the Wake Regions in Wind Farms
Baratchi et al. A modified implementation of actuator line method for simulating ducted tidal turbines
Zhao et al. Research on the rotor speed and aerodynamic characteristics of a dynamic yawing wind turbine with a short-time uniform wind direction variation
Mirsane et al. An innovative method of investigating the wind turbine’s inflow speed in a wind farm due to the multiple wake effect issue
CN109992893A (zh) 一种螺旋桨气动外形优化设计方法
Rengma et al. Performance analysis of a two bladed Savonius water turbine cluster for perennial river-stream application at low water speeds
CN110925147B (zh) 一种风力发电机尾流追踪方法
JP7390616B2 (ja) 風車後流演算装置、及び風車後流演算方法
CN110968942A (zh) 一种基于周边环境的风电机组的性能评估方法
McTavish Identification of wind turbine testing practices and investigation of the performance benefits of closely-spaced lateral wind farm configurations

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant