CN109359426A - 一种风力机叶片气动参数与控制器参数的联合优化方法 - Google Patents

Abstract

本发明公开了一种风力机叶片气动参数与控制器参数的联合优化方法，包括以下步骤：首先对初始种群进行定义，即对贝塞尔曲线的控制点赋初值；之后利用贝塞尔曲线的控制点生成风力机叶片气动外形；然后判断叶片气动外形是否满足约束条件，若满足约束条件，则对叶片的气动性能进行静态计算，并根据计算结果获取平均风能捕获效率，判断整体优化过程是否满足终止条件，若不满足，则利用遗传算法产生新一代种群，并转向第2步；若满足，则将最大的平均风能捕获效率对应的风力机叶片气动外形输出；若不满足约束条件，则进行判断整体优化是否满足终止条件之后的过程。本发明优化后的叶片能有效提升风力机平均风能捕获效率，优化模型具有实用性和有效性。

Description

一种风力机叶片气动参数与控制器参数的联合优化方法

技术领域

本发明属于风力机叶片优化设计领域，特别是一种风力机叶片气动参数与控制器参数的联合优化方法。

背景技术

近年来，低风速区域逐渐成为风资源开发的热点。低风速区域的风电场具有风速变化范围窄(集中在3-7m/s之间)、阵风频率高、风速变化梯度大、湍流强度大等特点。低风速区域的风速较低，大多数时间里的风速低于风力机额定风速，使得风力机长期运行在最大功率点跟踪(Maximum Power Point Tracking，MPPT)控制阶段。低风速区域的风速湍流强度较大，亦即风速波动较大，因此低风速区域中风力机MPPT控制效果受风速波动的影响更为明显、也更难获得理想的功率输出。传统优化设计中，往往只是通过优化控制器来改善跟踪效果，并未将气动参数考虑在内，无法消除低风速区域风速湍流强度大所带来的不利影响，也就无法获得最理想的输出功率。

此外，与高风速型风力机相比，适用于低风速区域的大型水平轴风力机具有大尺寸、大转动惯量和柔性化的特点，其慢动态特性使得风电机组气动参数与控制参数之间的耦合作用更强，因而利用传统风力机串行设计(即风力机气动、结构、控制分别单独设计)的方式难以设计出适用于低风速区域的大型风力发电机。

由此可知，现有的风力机风轮气动设计和单独优化控制器的方法已不能满足大型风力机的性能要求。因此，有必要将风力机气动参数和控制器参数联合起来进行分析，在风轮气动设计阶段就将控制参数的影响考虑在内，以便提高大型风力机的风能捕获效率。

发明内容

本发明所解决的技术问题在于提供一种风力机叶片气动参数与控制器参数的联合优化方法。

实现本发明目的的技术解决方案为：风力机叶片气动参数与控制器参数的联合优化方法，包括以下步骤：

步骤1、对初始种群进行定义，即对贝塞尔曲线的控制点赋初始值；

步骤2、利用贝塞尔曲线的控制点生成风力机叶片气动外形；

步骤3、判断所述风力机叶片气动外形是否满足约束条件，若满足，则执行步骤4；若不满足，则执行步骤6；

步骤4、对风力机叶片的气动性能进行静态计算；

步骤5、根据步骤4的计算结果求解目标函数，获得目标函数值即平均风能捕获效率P_favg；

步骤6、判断整体优化过程是否满足终止条件，若不满足，则利用遗传算法产生新一代种群，并转向步骤2；若满足，则将最大的平均风能捕获效率P_favg对应的风力机叶片气动外形输出，即获得风力机最优的叶片气动外形，完成优化过程。

本发明与现有技术相比，其显著优点：1)本发明考虑了大型风力机的慢动态特性及其导致的风力机气动特性与最大功率点跟踪控制之间的耦合作用，将控制器参数对叶片气动性能的影响考虑在内，优化结果更佳；2)本发明中选取弦长、扭角两个气动参数和转矩增益系数这一控制器参数作为设计变量，利用遗传算法搜索最优设计参数，进而设计出具有最佳闭环气动性能的叶片，能够提升大型风力机的平均风能捕获效率；3) 本发明能够改善大型风力机叶片的气动外形，在降低叶片加工难度的同时节省叶片制造成本。

下面结合附图对本发明作进一步详细描述。

附图说明

图1为本发明风力机叶片气动参数与控制器参数的联合优化方法流程图。

图2为本发明优化后的风力机叶片与初始叶片的气动外形对比图，其中图(A)为弦长沿叶片展向分布对比图，图(B)为扭角沿叶片展向对比图。本发明气动参数与控制器参数联合优化方法所得叶片标记为joint optimized，传统优化方法标记为traditionaloptimized，初始叶片标记为original。

具体实施方式

结合图1，本发明风力机叶片气动参数与控制器参数的联合优化方法，包括以下步骤：

步骤1、对初始种群进行定义，即对贝塞尔曲线的控制点赋初始值。初始种群包括：4个风力机叶片弦长控制点坐标、3个扭角控制点坐标、1个最优转矩增益系数K_opt；其中，风力机叶片弦长控制点坐标和扭角控制点坐标为气动参数，最优转矩增益系数为控制参数。该步骤具体为：

步骤1-1、利用贝塞尔曲线拟合初始风力机叶片的弦长曲线和扭角曲线，获得弦长和扭角控制点的初始值；

步骤1-2、根据风力机MPPT控制器参数获取最优转矩增益系数K_opt的初始值。

步骤2、利用贝塞尔曲线的控制点生成风力机叶片气动外形，其中风力机叶片气动外形包括风力机叶片弦长和扭角沿叶片展向的分布。

步骤3、判断风力机叶片气动外形是否满足约束条件，若满足，则执行步骤4；若不满足，则执行步骤6。其中约束条件为：

式中，c_max、c_min分别为设定的所允许的最大、最小风力机叶片弦长；t_max、t_min分别为设定的所允许的最大、最小风力机叶片扭角；y_c1、y_c2、y_c3、y_c4为风力机叶片弦长沿叶片展向分布的4个弦长控制点的坐标；y_t1、y_t2、y_t3为风力机叶片扭角沿叶片展向分布的3个扭角控制点的坐标。

步骤4、利用Bladed软件对风力机叶片的气动性能进行静态计算。

步骤5、根据步骤4的计算结果求解目标函数，获得目标函数值即平均风能捕获效率P_favg。具体为：

步骤5-1、从步骤4求取的结果中选取入流风速、风轮转速和风力机输出功率；

步骤5-2、根据步骤5-1选取的入流风速、风轮转速和风力机输出功率，求解目标函数，获得目标函数值即平均风能捕获效率P_favg：

其中，

式中，n为一个统计时段内的采样次数；P_cap为风轮捕获的风能，P_G为风力机输出功率，J为风轮转动惯量，ω为风轮转速，为风轮转速变化量；P_wy为入流风中所蕴含的风能，ρ为空气密度，R为风轮半径，ν为入流风速。

步骤6、判断整体优化过程是否满足终止条件，若不满足，则利用遗传算法产生新一代种群，并转向步骤2；若满足，则将最大的平均风能捕获效率P_favg对应的风力机叶片气动外形输出，即获得风力机最优的叶片气动外形，完成优化过程。其中终止条件为：

1)种群遗传代数达到200代；

2)遗传算法连续计算100代个体适应度函数的值未发生明显变化；

满足终止条件具体为：满足上述终止条件之一，即满足终止条件。

下面结合实施例对本发明进行详细描述。

实施例

利用英国Garrad Hassan Partners Limited公司(简称GH公司)开发的通过GL(德国劳埃船级社)认证的用于风电机组设计的专业软件Bladed进行仿真计算。风力机选用美国国家能源部可再生能源实验室(National Renewable Energy Laboratory，NREL)开发的5MW机型，原始叶片参数见表下1。

表1 5MW风力机叶片参数

计算P_favg所用湍流风速参数如表下2所示。

表2湍流风速参数

按照传统的优化方法，仅对叶片弦长和扭角这两个气动参数进行优化，而不考虑转矩增益系数这一控制器参数。利用遗传算法进行寻优，得到风力机叶片弦长和扭角沿展向的分布以及平均风能捕获效率P_favg。

然后，按照本发明提出的气动参数和控制器参数联合优化方法，在气动设计阶段即考虑控制器参数对风力机气动性能的影响，利用遗传算法同时对叶片弦长、扭角以及转矩增益系数K_opt这三个参数进行联合寻优，进而得到风力机叶片气动外形和平均风能捕获效率P_favg。

两种方法优化所得叶片的平均风能捕获效率如下表3：

表3仿真结果

从表3中的仿真结果可以看出：

1)与初始风力机的叶片相比，本发明提出的气动参数和控制器参数联合优化方法，可将平均风能捕获效率P_favg提升2.27％，因此能够明显改善风力机的气动性能；

2)与传统的优化方法相比，本发明提出的气动参数和控制器参数联合优化方法能够进一步提升平均风能捕获效率，具有实用性。

结合图2，对本发明优化后的风力机叶片与初始叶片的气动外形进行对比分析：

图2(A)为气动参数和控制器参数联合优化方法所得叶片与初始叶片的弦长分布对比图，从图中可以看出，除了靠近叶根的部分，气动参数和控制器参数联合优化方法所得叶片的弦长比初始叶片要小，这既节省了叶片的材料成本，又可以减小叶片载荷、进而提高风机运行的安全性。

图2(B)为气动参数和控制器参数联合优化方法所得叶片与初始叶片的扭角分布对比图，从图中可以看出，在靠近叶根及叶片中部位置上，气动参数和控制器参数联合优化方法得到的叶片扭角比初始叶片的扭角要小，而在靠近叶尖位置处，气动参数和控制器参数联合优化方法得到的叶片扭角比初始叶片的扭角要大，这使得采用气动参数和控制器参数联合优化方法得到的叶片要比原始叶片更加平滑，有利于叶片的加工制造。

由上述实施例，可以验证本发明提出的大型水平轴风力机叶片的气动参数与控制器参数联合优化方法，能够有效提升风力机的平均风能捕获效率，从而改善风力机的气动性能。此外，本发明还能够改善风力机叶片的气动外形，在降低叶片加工难度的同时节省叶片制造成本。

Claims (8)

1.一种风力机叶片气动参数与控制器参数的联合优化方法，其特征在于，包括以下步骤：

步骤1、对初始种群进行定义，即对贝塞尔曲线的控制点赋初始值；

步骤2、利用贝塞尔曲线的控制点生成风力机叶片气动外形；

步骤3、判断所述风力机叶片气动外形是否满足约束条件，若满足，则执行步骤4；若不满足，则执行步骤6；

步骤4、对风力机叶片的气动性能进行静态计算；

步骤5、根据步骤4的计算结果求解目标函数，获得目标函数值即平均风能捕获效率P_favg；

步骤6、判断整体优化过程是否满足终止条件，若不满足，则利用遗传算法产生新一代种群，并转向步骤2；若满足，则将最大的平均风能捕获效率P_favg对应的风力机叶片气动外形输出，即获得风力机最优的叶片气动外形，完成优化过程。

2.根据权利要求1所述的风力机叶片气动参数与控制器参数的联合优化方法，其特征在于，步骤1所述对初始种群进行定义，即对贝塞尔曲线控制点赋初值，具体为：

步骤1-1、利用贝塞尔曲线拟合初始风力机叶片的弦长曲线和扭角曲线，获得弦长和扭角控制点的初始值；

步骤1-2、根据风力机MPPT控制器参数获取最优转矩增益系数K_opt的初始值。

3.根据权利要求1或2所述的风力机叶片气动参数与控制器参数的联合优化方法，其特征在于，步骤1中所述初始种群包括：4个风力机叶片弦长控制点坐标、3个扭角控制点坐标、1个最优转矩增益系数K_opt；其中，风力机叶片弦长控制点坐标和扭角控制点坐标为气动参数，最优转矩增益系数为控制参数。

4.根据权利要求3所述的风力机叶片气动参数与控制器参数的联合优化方法，其特征在于，步骤2所述风力机叶片气动外形包括风力机叶片弦长和扭角沿叶片展向的分布。

5.根据权利要求4所述的风力机叶片气动参数与控制器参数的联合优化方法，其特征在于，步骤3中所述约束条件为：

式中，c_max、c_min分别为设定的所允许的最大、最小风力机叶片弦长；t_max、t_min分别为设定的所允许的最大、最小风力机叶片扭角；y_c1、y_c2、y_c3、y_c4为风力机叶片弦长沿叶片展向分布的4个弦长控制点的坐标；y_t1、y_t2、y_t3为风力机叶片扭角沿叶片展向分布的3个扭角控制点的坐标。

6.根据权利要求1所述的风力机叶片气动参数与控制器参数的联合优化方法，其特征在于，步骤4具体为利用Bladed软件对风力机叶片的气动性能进行静态计算。

7.根据权利要求1所述的风力机叶片气动参数与控制器参数的联合优化方法，其特征在于，步骤5具体为：

步骤5-1、从步骤4求取的结果中选取入流风速、风轮转速和风力机输出功率；

步骤5-2、根据步骤5-1选取的入流风速、风轮转速和风力机输出功率，求解目标函数，获得目标函数值即平均风能捕获效率P_favg：

其中，

式中，n为一个统计时段内的采样次数；P_cap为风轮捕获的风能，P_G为风力机输出功率，J为风轮转动惯量，ω为风轮转速，为风轮转速变化量；P_wy为入流风中所蕴含的风能，ρ为空气密度，R为风轮半径，ν为入流风速。

8.根据权利要求1所述的风力机叶片气动参数与控制器参数的联合优化方法，其特征在于，步骤6中所述终止条件为：

1)种群遗传代数达到200代；

2)遗传算法连续计算100代个体适应度函数的值未发生明显变化；

所述满足终止条件具体为：满足上述终止条件之一，即满足终止条件。