CN109635342B - 一种基于Fluent的风机尾流自动获取方法 - Google Patents

一种基于Fluent的风机尾流自动获取方法 Download PDF

Info

Publication number
CN109635342B
CN109635342B CN201811353723.4A CN201811353723A CN109635342B CN 109635342 B CN109635342 B CN 109635342B CN 201811353723 A CN201811353723 A CN 201811353723A CN 109635342 B CN109635342 B CN 109635342B
Authority
CN
China
Prior art keywords
fluent
fan
file
wake flow
acquisition method
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
CN201811353723.4A
Other languages
English (en)
Other versions
CN109635342A (zh
Inventor
刘震卿
李秋明
张冲
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.)
Huazhong University of Science and Technology
Original Assignee
Huazhong University of Science and Technology
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 Huazhong University of Science and Technology filed Critical Huazhong University of Science and Technology
Priority to CN201811353723.4A priority Critical patent/CN109635342B/zh
Publication of CN109635342A publication Critical patent/CN109635342A/zh
Application granted granted Critical
Publication of CN109635342B publication Critical patent/CN109635342B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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

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)
  • Structures Of Non-Positive Displacement Pumps (AREA)
  • Control Of Positive-Displacement Air Blowers (AREA)

Abstract

本发明属于风机尾流计算相关技术领域，其公开了一种基于Fluent的风机尾流自动获取方法，该方法包括以下步骤：(1)将风机的翼型参数文件、气动力参数文件、叶尖风速比及风轮半径分别输入选定的三个不同的致动模型，利用C++自编模块计算风机气动荷载(2)该C++自编模块导出Fluent用户自定义函数文件及Fluent日志文件；(3)该Fluent日志文件完成Fluent求解器的基本设置后，采用批处理模块自动开启所述Fluent求解器并将该Fluent用户自定义函数文件及所述Fluent日志文件导入所述Fluent求解器，进而所述Fluent求解器完成风机尾流的自动化仿真。本发明适用性较好，灵活性较高。

Description

一种基于Fluent的风机尾流自动获取方法
技术领域
本发明属于风机尾流计算相关技术领域，更具体地，涉及一种基于Fluent的风机尾流自动获取方法。
背景技术
近几年风力发电发展迅速，也成为新能源领域的研究热点。而上游机组产生的尾流减速与湍流大效应将降低下游机组的发电效率、增加载荷，严重影响下游机组的运行性能，故开展风机尾流的数值模拟是十分必要的。
目前，本领域技术人员已经做了一些研究，如因风机翼型复杂，利用全几何化模型进行全数值模拟，导致贴体网格划分十分困难，网格数量巨大，其中通常做法是采用致动模型进行仿真，但是致动类方法对仿真人员的专业知识要求较高，需精通计算流体力学以及风机空气动力学方可完成。相应地，本领域存在着发展一种适用性较好的基于Fluent的风机尾流自动获取方法的技术需求。
发明内容
针对现有技术的以上缺陷或改进需求，本发明提供了一种基于Fluent的风机尾流自动获取方法，其基于风机尾流获取方法的特点，研究及设计了一种适用性较好的基于Fluent的风机尾流自动获取方法。所述自动获取方法为非专业人士利用致动模型进行风机尾流仿真提供了一种便捷方法，可操作性强，避免了非专业人士需要学习UDF语言与Fluent的设置流程，使得非专业人员在了解基本参数意义的情况下简单方便的在Fluent中实现风力发电机致动模型的加入与计算，无需额外的手动操作，如此大大降低了致动模型计算的专业门槛，降低了利用致动模型实现风机尾流数值仿真的难度，能够更高效地完成风机尾流的数值模拟。
为实现上述目的，本发明提供了一种基于Fluent的风机尾流自动获取方法，该自动获取方法包括以下步骤：
(1)将风机的翼型参数文件、气动力参数文件、叶尖风速比及风轮半径分别输入选定的三个不同的致动模型，进而在C++自编模块计算获得风机气动荷载；
(2)将所述风机气动荷载转变为风轮对气流的反作用力，进而所述C++自编模块导出用户自定义函数文件(UDF)及Fluent日志文件，所述用户自定义函数文件(UDF)用于在风机位置处的气流添加体积力源项；
(3)所述Fluent日志文件完成Fluent求解器的基本设置后，采用批处理模块自动开启所述Fluent求解器并将所述用户自定义函数文件(UDF)及所述Fluent日志文件导入所述Fluent求解器，进而所述Fluent求解器完成风机尾流的自动化仿真。
进一步地，三个不同的致动模型分别为ADM致动模型、ADM-R致动模型及ALM致动模型。
进一步地，所述ADM致动模型用于计算轴向诱导力，所述轴向诱导力是根据推力系数求出的。
进一步地，所述C++自编模块基于叶素动量理论，其用于计算风机所受的气动荷载。
进一步地，所述用户自定义函数文件(UDF)用于在风机位置处的气流添加体积力源项，以表征风机对原流场的扰动特性。
进一步地，所述批处理模块采用windows批处理脚本或者批处理程序模块。
进一步地，所述用户自定义函数文件(UDF)及所述Fluent日志文件分别为后缀为.c的文件及后缀为.jou的文件。
进一步地，叶片相对空气流速Vrel采用以下公式计算获得：
Figure BDA0001865536790000031
式中，a为轴向诱导因子；a′为切向诱导因子；Ω为叶轮转速；r为截面所在半径；U∞为远场风速。
总体而言，通过本发明所构思的以上技术方案与现有技术相比，本发明提供的基于Fluent的风机尾流自动获取方法主要具有以下有益效果：
1.所述获取方法基于Fluent软件、C++自编模块及批处理模块来实现风机尾流的自动化仿真，避免了非专业人士需要学习UDF语言与Fluent的设置流程，使得非专业人员在了解基本参数意义的情况下简单方便的在Fluent中实现风力发电机致动模型的加入与计算，无需额外的手动操作，适用性较强，灵活性较好。
2.所述自动化获取方法简便快捷，可操作性强，易于推广使用，能够高效地完成风机尾流的数值模拟。
3.所述用户自定义函数文件(UDF)用于在风机位置处的气流添加体积力源项，以表征风机对原流场的扰动特性，提高了实际与模拟的贴合度，进而提高了风机尾流仿真结果的准确性。
附图说明
图1是本发明提供的基于Fluent的风机尾流自动获取方法的流程示意图。
图2是图1中的基于Fluent的风机尾流自动获取方法涉及的叶素的三维示意图。
图3是图2中的叶素的受力示意图。
图4是图1中的基于Fluent的风机尾流自动获取方法涉及的叶素的截面示意图。
图5是图4中的截面的受力示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
请参阅图1，本发明提供的基于Fluent的风机尾流自动获取方法，所述自动获取方法主要包括以下步骤：
步骤一，将风机的翼型参数文件、气动力参数文件、叶尖风速比及风轮半径分别输入选定的三个不同的致动模型，进而在C++自编模块计算获得风机气动荷载。
请参阅图2、图3、图4及图5，三个不同的致动模型均能够与所述Fluent软件耦合，三个不同的致动模型分别为ADM致动模型、ADM-R致动模型及ALM致动模型。可以理解，在其他实施方式中，所述ADM致动模型、所述ADM-R致动模型及所述ALM致动模型可以嵌入所述Fluent软件。
(1)ADM致动模型
ADM致动模型采用标准致动盘方法，其仅计算轴向诱导力T，并且假定轴向诱导力在风轮平面均匀分布，根据推力系数
Figure BDA0001865536790000041
可求出T，动量方程x方向源项fx进而由式(1)确定：
Figure BDA0001865536790000042
式中，AD为叶轮扫过面积；Δx为网格顺风向长度；U∞为远场风速，CT为风机推力系数，ρ为空气密度。
(2)ADM-R致动模型
ADM-R致动模型采用带旋转的致动盘方法，其基于叶素动量(BEM)理论，将叶片沿径向分割为若干叶素，每个叶素受到的升力dL与阻力dD由式(2)计算得到：
Figure BDA0001865536790000051
式中，α为攻角，Cl和Cd分别为升力系数与阻力系数，由升阻力系数曲线插值得到；c和r分别为截面弦长与截面所在半径；Vrel为叶片相对空气流速，由图3所示的局部速度矢量图求解：
Figure BDA0001865536790000052
式中，a为轴向诱导因子；a′为切向诱导因子；Ω为叶轮转速。根据BEM理论，作用于叶素的推力dT和力矩dQ可分别由式(4)与式(5)计算获得：
Figure BDA0001865536790000053
Figure BDA0001865536790000054
而根据动量守恒定理，dT与dQ可分别由式(6)与式(7)计算：
dT＝2πrdr·ρU∞(1-a)2aU∞ (6)
dQ＝2πrdr·ρU∞(1-a)2a′r2U∞ (7)
联立式4～7迭代求解a和a′。由于BEM理论假设翼展方向无穷大，且动量理论仅适用于轴向诱导因子较小的情况，进而引入普朗特损失因子和葛劳渥特损失因子加以修正。将dL与dD分解为轴向诱导力dFx和切向诱导力dFθ，最后各叶片位于r的诱导力合力
Figure BDA0001865536790000055
沿微圆环平均，微圆环面积为2πrδr，则控制体内的体积力源项为：
Figure BDA0001865536790000056
式中，B为叶片数。
(3)ALM致动模型
ADM-R致动模型采用致动线方法，其假定诱导力在风轮环向均匀分布，ALM方法舍弃该假定，对于给定的叶尖速度比λ可求出Ω，进而确定任意时刻各叶素扫过的网格，然后在对应网格上施加单位体积力源项，诱导力的求解思路与ADM-R方法一致，fi按式(9)计算获得：
Figure BDA0001865536790000061
其中，V为叶片扫过网格的体积。
步骤二，将所述风机气动荷载转变为风轮对气流的反作用力，进而所述自编函数模型导出用户自定义函数文件(UDF)及Fluent日志文件，所述用户自定义函数文件(UDF)用于在风机位置处的气流添加体积力源项。其中，所述用户自定义函数文件(UDF)及所述Fluent日志文件分别为后缀为.c的文件及后缀为.jou的文件。
具体地，所述自编模块基于叶素动量理论，其用于计算风机所受的气动荷载，并输出风机尾流仿真所需的两类文件，分别为所述用户自定义函数文件(UDF)及所述Fluent日志文件，所述用户自定义函数文件(UDF)用于在风机位置处的气流添加体积力源项，以表征风机对原流场的扰动特性。所述Fluent日志文件用于完成Fluent求解器的相关设置，以及对所述自定义函数文件的编译及加载过程。
步骤三，所述Fluent日志文件完成Fluent求解器的基本设置后，采用批处理模块自动开启所述Fluent求解器并将所述用户自定义函数文件(UDF)及所述Fluent日志文件导入所述Fluent求解器，进而所述Fluent求解器完成风机尾流的自动化仿真。本实施方式中，所述批处理模块采用windows批处理脚本或者批处理程序模块。
本发明提供的基于Fluent的风机尾流自动获取方法，所述获取方法基于空气动力学知识及C++自编程序模块，实现了风机所受风荷载的自动计算。同时，通过Windows批处理脚本自动开启Fluent并导入用户自定义函数文件(UDF)及Fluent日志文件以完成风机尾流的自动化仿真。
本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种基于Fluent的风机尾流自动获取方法，其特征在于，该方法包括以下步骤：
(1)将风机的翼型参数文件、气动力参数文件、叶尖风速比及风轮半径分别输入选定的三个不同的致动模型，进而在C++自编模块计算获得风机气动荷载；
(2)将所述风机气动荷载转变为风轮对气流的反作用力，进而所述C++自编模块导出用户自定义函数文件及Fluent日志文件，所述用户自定义函数文件用于在风机位置处的气流添加体积力源项；
(3)所述Fluent日志文件完成Fluent求解器的基本设置后，采用批处理模块自动开启所述Fluent求解器并将所述用户自定义函数文件及所述Fluent日志文件导入所述Fluent求解器，进而所述Fluent求解器完成风机尾流的自动化仿真。
2.如权利要求1所述的基于Fluent的风机尾流自动获取方法，其特征在于：三个不同的致动模型分别为ADM致动模型、ADM-R致动模型及ALM致动模型。
3.如权利要求2所述的基于Fluent的风机尾流自动获取方法，其特征在于：所述ADM致动模型用于计算轴向诱导力，所述轴向诱导力是根据推力系数求出的。
4.如权利要求1所述的基于Fluent的风机尾流自动获取方法，其特征在于：所述C++自编模块基于叶素动量理论，其用于计算风机所受的气动荷载。
5.如权利要求1所述的基于Fluent的风机尾流自动获取方法，其特征在于：所述用户自定义函数文件用于在风机位置处的气流添加体积力源项，以表征风机对原流场的扰动特性。
6.如权利要求1所述的基于Fluent的风机尾流自动获取方法，其特征在于：所述批处理模块采用windows批处理脚本或者批处理程序模块。
7.如权利要求1所述的基于Fluent的风机尾流自动获取方法，其特征在于：所述用户自定义函数文件及所述Fluent日志文件分别为后缀为.c的文件及后缀为.jou的文件。
8.如权利要求1所述的基于Fluent的风机尾流自动获取方法，其特征在于：叶片相对空气流速Vrel采用以下公式计算获得：
Figure FDA0001865536780000021
式中，a为轴向诱导因子；a′为切向诱导因子；Ω为叶轮转速；r为截面所在半径；U∞为远场风速。
CN201811353723.4A 2018-11-14 2018-11-14 一种基于Fluent的风机尾流自动获取方法 Active CN109635342B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811353723.4A CN109635342B (zh) 2018-11-14 2018-11-14 一种基于Fluent的风机尾流自动获取方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811353723.4A CN109635342B (zh) 2018-11-14 2018-11-14 一种基于Fluent的风机尾流自动获取方法

Publications (2)

Publication Number Publication Date
CN109635342A CN109635342A (zh) 2019-04-16
CN109635342B true CN109635342B (zh) 2022-03-15

Family

ID=66068067

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811353723.4A Active CN109635342B (zh) 2018-11-14 2018-11-14 一种基于Fluent的风机尾流自动获取方法

Country Status (1)

Country Link
CN (1) CN109635342B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117313236A (zh) * 2023-09-23 2023-12-29 哈尔滨工业大学 基于机器学习的特种无人机桨叶平面形状优化的设计方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
基于FLUENT的风力发电机流场仿真研究;张福成;《中国优秀硕士论文全文数据库》;20121015;第1,8-27,61页 *
基于致动盘模型的单台风电机组尾流流场模拟;褚景春;《分布式能源》;20180630;第10-14页 *
风力机尾流流场的数值模拟;朱翀;《中国优秀硕士学位论文全文数据库》;20150215;全文 *
风电机组半经验尾流模型改进方法研究;崔岩松;《中国优秀硕士学位论文全文数据库》;20180315;全文 *

Also Published As

Publication number Publication date
CN109635342A (zh) 2019-04-16

Similar Documents

Publication Publication Date Title
Saleem et al. Aerodynamic performance optimization of an airfoil-based airborne wind turbine using genetic algorithm
Ohya et al. Numerical studies of flow around a wind turbine equipped with a flanged-diffuser shroud using an actuator-disk model
Belloni et al. An investigation of ducted and open-centre tidal turbines employing CFD-embedded BEM
CN110566506B (zh) 轴流压气机拟s1流面反问题设计方法
Hand et al. A low-order model for offshore floating vertical axis wind turbine aerodynamics
CN106919731B (zh) 一种用于不同风向角的风电机组尾流确定方法
CN106407577B (zh) 一种模拟风力机尾流的改进致动面模型建立方法
Saleem et al. Performance of buoyant shell horizontal axis wind turbine under fluctuating yaw angles
CN113742861B (zh) 一种适用于风力发电机风洞试验的叶片模型优化设计方法
Almohammadi et al. 2-D-CFD analysis of the effect of trailing edge shape on the performance of a straight-blade vertical axis wind turbine
Zhao et al. Numerical investigation on the flow characteristics of a supercritical CO2 centrifugal compressor
CN109635342B (zh) 一种基于Fluent的风机尾流自动获取方法
Zheng et al. Blade geometry optimization for axial flow compressor
CN205779470U (zh) 一种钝后缘风力机翼型环量控制装置
CN117592388A (zh) 一种基于cfd的风电场多机尾流模拟方法
Martinez et al. Aerodynamic analysis of wind turbine rotor blades
Zhang et al. Design and research of high-performance low-speed wind turbine blades
CN112199777A (zh) 一种适用于模化仿生前缘流场特征的方法
CN105787217B (zh) 一种飞机用波纹翼型的优化设计方法
Madsen An analytical linear two-dimensional actuator disc model and comparisons with computational fluid dynamics (CFD) simulations
Coton et al. An unsteady prescribed wake model for vertical axis wind turbines
Burger et al. Wind turbine airfoil performance optimization using the vortex lattice method and a genetic algorithm
CN111898074B (zh) 一种翼型气动力系数计算方法及系统
Hosseinkhani et al. Performance Prediction of a SANDIA 17-m Vertical Axis Wind Turbine Using Improved Double Multiple Streamtube
Yan et al. Vorticity dynamics diagnosis of the internal flow field in a high-load counter-rotating compressor

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