CN109885845A - 一种风力发电机的尾流分析方法及系统 - Google Patents

一种风力发电机的尾流分析方法及系统 Download PDF

Info

Publication number
CN109885845A
CN109885845A CN201711273142.5A CN201711273142A CN109885845A CN 109885845 A CN109885845 A CN 109885845A CN 201711273142 A CN201711273142 A CN 201711273142A CN 109885845 A CN109885845 A CN 109885845A
Authority
CN
China
Prior art keywords
wind
wake
stage impeller
wind speed
wheel
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.)
Withdrawn
Application number
CN201711273142.5A
Other languages
English (en)
Inventor
龙泉
张超
王吉远
石一迪
张耀文
欧阳磊
刘澈
王朝
弥崧
赵树良
李新宇
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.)
Beijing Puhua Yineng Wind Power Technology Co Ltd
Original Assignee
Beijing Puhua Yineng Wind 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 Beijing Puhua Yineng Wind Power Technology Co Ltd filed Critical Beijing Puhua Yineng Wind Power Technology Co Ltd
Priority to CN201711273142.5A priority Critical patent/CN109885845A/zh
Publication of CN109885845A publication Critical patent/CN109885845A/zh
Withdrawn legal-status Critical Current

Links

Landscapes

  • Wind Motors (AREA)

Abstract

本发明公开了一种风力发电机的尾流分析方法及系统,方法为:获取湍流强度数据;将湍流强度数据输入预先建立的尾流模型,进行尾流分析,得到尾流模型分析结果;根据尾流模型分析结果,对无风切变和风切变两种入流情况下的尾流进行分析,得到尾流分析结果。本发明提供的基于多维数据的风机尾流分析方法,通过对尾流模型,及无风切变和风切变两种入流情况下的尾流进行分析,综合分析多维数据对风机尾流的影响,以实现稳定性好、可靠性高和成本低的优点。

Description

一种风力发电机的尾流分析方法及系统
技术领域:
本发明涉及风电领域,尤其涉及一种风力发电机的尾流分析方法及系统。
背景技术:
随着风电大力发展,风电场建设规模的扩大,在分析风电场接入电力系统时,需要考虑风电场输出功率波动范围大的特点。风能具有间歇性和随机波动性,风速的变化直接导致风电场的有功功率和无功功率的变化,输出功率很不稳定。当风电穿透全运行时会产生严重的影响,同时也会影响电能质量和经济调度以及电力竞价。因此,积极开展风电功率预测研究工作,提高预测的准确性,对电网调度、提高风电的接入能力以及减少系统运行成木等方而具有现实意义。
随着风电并网规模的不断提高,风力发电的不确定性和不可控性给电网的安全稳定经济运行带来诸多问题。因此需要对大规模风力发电的相关问题进行深入分析研究,尤其需要分析大规模风电集中并网情况下风机尾流效应对风电场运行情况的影响。
此外,单叶轮风力发电机的发电效率只能通过调节叶轮大小、叶片形状来实现,往往并不理想,急需提供一种双叶轮的风机结构,以根据风速做叶轮的选择和调整,同时对这种双叶轮结构的风机进行尾流效应分析也是面临的一大难题。
因此,现有技术中的缺陷是:基于多尾流模型的风机尾流分析,没有充分考虑多维数据对风机尾流的影响,使得存在稳定性差、可靠性低和成本高等缺陷,同时也不存在一种既可以对单叶轮风机进行尾流分析,又可以对特定的双叶轮结构的风机进行尾流分析的方法。
发明内容:
本发明的目的在于提供一种基于多维数据的风机尾流分析方法及系统,通过对尾流模型,及无风切变和风切变两种入流情况下的尾流进行分析,综合分析多维数据对风机尾流的影响,以实现稳定性好、可靠性高和成本低的优点。同时,本发明提出的方法既适用与单叶轮结构的风机,又适用于发明人提出的特定结构的双叶轮结构的风机,兼容性更佳。
本发明由如下技术方案实施:
第一方面提供了一种基于多维数据的风机尾流分析方法,包括如下步骤:
步骤S1,针对每一风机叶轮获取湍流强度数据;
步骤S2,将所述湍流强度数据输入预先建立的尾流模型,进行尾流分析,得到尾流模型分析结果;
步骤S3,根据所述尾流模型分析结果,对无风切变和风切变两种入流情况下的尾流进行分析,得到尾流分析结果。
在另一实施方式中,
所述预先建立的尾流模型,具体为:
设定尾流区域半径线性增长,且紧邻风轮后方尾流区域半径与风轮相同,求得风轮后轴向距离x位置处尾流区域半径r;
设定风轮后轴向距离x位置处风速沿径向均匀分布,根据质量守恒得到均匀风速v*;
根据质量守恒和均匀风速v*,以抛物线函数描述风速沿径向分布规律,得到轮毂高度水平面上任意点风速v;
基于尾流区域湍流强度对尾流恢复系数k的影响,根据叶片旋转附加湍流强度计算经验公式,得到尾流恢复系数k的计算公式;
将尾流恢复系数k代入风速v计算公式,得到风电机组尾流区风速分布的尾流模型。
在另一实施方式中,
所述轮毂高度水平面上任意点风速,具体为:
确定参考坐标系,以风轮中心为坐标原点,风轮旋转轴为x轴,径向为y轴,得到轮毂高度水平面各点位置坐标;
根据来流风速,对照机组推力系数随风速变化曲线得到机组该工况下推力系数;
将各输入参数代入抛物线尾流模型,得到轮毂高度水平面任意位置处风速。
在另一实施方式中,
所述步骤S3,具体为:
根据所述尾流模型分析结果,通过大涡模拟法得到网格尺度;
根据所述网格尺度,设定计算网格,得到计算域;
在风力机处于额定转速时,对无风切变和风切变两种入流情况的边界条件进行设定:
在无风切变入流情况下,根据风洞入口风速和所述湍流强度,得到所述计算域进流面的入流边界;
在风切变入流情况下,通过UDF设定入流风速,并结合所述湍流强度,得到所述计算域出流面的出流边界;
根据所述边界条件,通过SIMPLE算法对所述无风切变和风切变两种入流情况进行模拟计算,得到尾流分析结果。
在另一实施方式中,
所述计算网格采用非结构化四面体网格。
在另一实施方式中,
所述风机为双叶轮风力发电机,包括:
一级叶轮、二级叶轮和叶轮转速合并机构;所述叶轮转速合并机构具有第一输入轴、第二输入轴、第一输出轴和第二输出轴,所述一级叶轮与所述第一输入轴驱动连接,所述二级叶轮与所述第二输入轴驱动连接,所述第一输出轴通过第一离合器与第一发电机的输入轴驱动连接,所述第二输出轴通过第二离合器与所述第二发电机的输入轴驱动连接;
所述一级叶轮与所述二级叶轮同轴连接,所述一级叶轮的叶片长度大于所述二级叶轮的叶片长度,且工作时的旋转方向相反,所述一级叶轮位于所述二级叶轮的前方;
所述叶轮转速合并机构包括同轴设置的太阳轮、齿圈和行星架,所述行星架上设有多个行星轮,所述齿圈设有内齿和外齿,所述行星轮啮合在所述齿圈的内齿和所述太阳轮之间,所述第一输入轴设有驱动齿轮,所述驱动齿轮与所述齿圈的外齿啮合,所述第二输入轴与所述太阳轮的转轴连接,所述行星架的转轴通过中间轴与输出轴驱动连接,所述输出轴的一端形成所述第一输出轴,另一端形成所述第二输出轴;
当风速小于第一阈值时,对一级叶轮和二级叶轮的叶片进行变桨,使一级叶轮停止发电状态,二级叶轮处于旋转发电状态,第一离合器处于啮合状态,第二离合器出去分离状态;
当风速不小于第一阈值且不大于第二阈值时,对一级叶轮和二级叶轮的叶片进行变桨,使一级叶轮和二级叶轮均处于旋转发电状态,第一离合器处于啮合状态,第二离合器处于分离状态;
当风速大于第二阈值时,一级叶轮和二级叶轮均处于旋转发电状态,第一离合器和第二离合器均处于啮合状态。
第二方面还提供了一种基于多维数据的风机尾流分析系统,包括
数据获取模块,用于针对每一风机叶轮获取湍流强度数据;
尾流模型分析模块,用于将所述湍流强度数据输入预先建立的尾流模型,进行尾流分析,得到尾流模型分析结果;
尾流分析结果模块,用于根据所述尾流模型分析结果,对无风切变和风切变两种入流情况下的尾流进行分析,得到尾流分析结果。
在另一实施方式中,
所述尾流模型分析模块中包括尾流模型建立子模块,具体用于:
设定尾流区域半径线性增长,且紧邻风轮后方尾流区域半径与风轮相同,求得风轮后轴向距离x位置处尾流区域半径r;
设定风轮后轴向距离x位置处风速沿径向均匀分布,根据质量守恒得到均匀风速v*;
根据质量守恒和均匀风速v*,以抛物线函数描述风速沿径向分布规律,得到轮毂高度水平面上任意点风速v;
基于尾流区域湍流强度对尾流恢复系数k的影响,根据叶片旋转附加湍流强度计算经验公式,得到尾流恢复系数k的计算公式;
将尾流恢复系数k代入风速v计算公式,得到风电机组尾流区风速分布的尾流模型。
在另一实施方式中,
所述尾流模型建立子模块具体用于得到轮毂高度水平面上任意点风速:
确定参考坐标系,以风轮中心为坐标原点,风轮旋转轴为x轴,径向为y轴,得到轮毂高度水平面各点位置坐标;
根据来流风速,对照机组推力系数随风速变化曲线得到机组该工况下推力系数;
将各输入参数代入抛物线尾流模型,得到轮毂高度水平面任意位置处风速。
在另一实施方式中,
所述风机为双叶轮风力发电机,包括:
一级叶轮、二级叶轮和叶轮转速合并机构;所述叶轮转速合并机构具有第一输入轴、第二输入轴、第一输出轴和第二输出轴,所述一级叶轮与所述第一输入轴驱动连接,所述二级叶轮与所述第二输入轴驱动连接,所述第一输出轴通过第一离合器与第一发电机的输入轴驱动连接,所述第二输出轴通过第二离合器与所述第二发电机的输入轴驱动连接;
所述一级叶轮与所述二级叶轮同轴连接,所述一级叶轮的叶片长度大于所述二级叶轮的叶片长度,且工作时的旋转方向相反,所述一级叶轮位于所述二级叶轮的前方;
所述叶轮转速合并机构包括同轴设置的太阳轮、齿圈和行星架,所述行星架上设有多个行星轮,所述齿圈设有内齿和外齿,所述行星轮啮合在所述齿圈的内齿和所述太阳轮之间,所述第一输入轴设有驱动齿轮,所述驱动齿轮与所述齿圈的外齿啮合,所述第二输入轴与所述太阳轮的转轴连接,所述行星架的转轴通过中间轴与输出轴驱动连接,所述输出轴的一端形成所述第一输出轴,另一端形成所述第二输出轴;
当风速小于第一阈值时,对一级叶轮和二级叶轮的叶片进行变桨,使一级叶轮停止发电状态,二级叶轮处于旋转发电状态,第一离合器处于啮合状态,第二离合器出去分离状态;
当风速不小于第一阈值且不大于第二阈值时,对一级叶轮和二级叶轮的叶片进行变桨,使一级叶轮和二级叶轮均处于旋转发电状态,第一离合器处于啮合状态,第二离合器处于分离状态;
当风速大于第二阈值时,一级叶轮和二级叶轮均处于旋转发电状态,第一离合器和第二离合器均处于啮合状态。
本发明的优点:通过对尾流模型,及无风切变和风切变两种入流情况下的尾流进行分析,综合分析多维数据对风机尾流的影响,以实现稳定性好、可靠性高和成本低的优点。
附图说明:
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例一所提供的一种基于多维数据的风机尾流分析方法的流程图;
图2为本发明实施例一所提供的一种基于多维数据的风机尾流分析方法中风力机后方各位置上的垂直湍流强度剖面示意图;
图3为本发明实施例一所提供的一种基于多维数据的风机尾流分析装置的示意图。
图4为本发明实施例三提供的双叶轮风力发电机的结构示意图;
图5为本发明实施例三提供的叶轮转速合并机构的原理图。
具体实施方式:
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例一
第一方面,图1示出了本发明实施例所提供的一种基于多维数据的风机尾流分析方法的流程图;如图1所示,实施例一提供一种基于多维数据的风机尾流分析方法,包括:
步骤S1,获取湍流强度数据;
步骤S2,将湍流强度数据输入预先建立的尾流模型,进行尾流分析,得到尾流模型分析结果;
步骤S3,根据尾流模型分析结果,对无风切变和风切变两种入流情况下的尾流进行分析,得到尾流分析结果。基于尾流模型的分析结果,不同端流强度下,无风切变和风切变两种入流情况下对尾流的影响。
本发明提供的基于多维数据的风机尾流分析方法,其技术方案为:获取湍流强度数据;将湍流强度数据输入预先建立的尾流模型,进行尾流分析,得到尾流模型分析结果;根据尾流模型分析结果,对无风切变和风切变两种入流情况下的尾流进行分析,得到尾流分析结果。
本发明提供的基于多维数据的风机尾流分析方法,通过对尾流模型,及无风切变和风切变两种入流情况下的尾流进行分析,综合分析多维数据对风机尾流的影响,以实现稳定性好、可靠性高和成本低的优点。
作为本发明的优选实施例,预先建立的尾流模型,具体为:
设定尾流区域半径线性增长,且紧邻风轮后方尾流区域半径与风轮相同,求得风轮后轴向距离x位置处尾流区域半径r;
具体为:
引入尾流恢复系数k和x位置处尾流区域半径r,风轮半径为r0
r=r0+kx(1)
设定风轮后轴向距离x位置处风速沿径向均匀分布,根据质量守恒得到均匀风速v*;
具体为:应用质量守恒,通过以下公式:
其中,v1为紧邻风轮后尾流区风速,v0为来流风速,v*为x位置处均匀风速。
由风轮动量理论得知,
v1=(1-2a)v0(3)
其中,a为轴向诱导因子,与推力系数Ct有如下关系:
Ct=4a(1-a)(4)
联立公式(1)—(4)可得,
根据质量守恒和均匀风速v*,以抛物线函数描述风速沿径向分布规律,得到轮毂高度水平面上任意点风速v;
具体为:
引入风轮直径D=2r0,风轮后x距离处无量纲半径r1
假设风轮后轴向距离为x处,风速沿径向(y轴方向)呈抛物线状分布
v=Ay2+B(7)
当y=r1时风速恢复到来流风速。
Ar1 2+B=v0(8)
根据质量守恒,风轮后轴向距离为x处,均匀风速与抛物线状分布有相同的通量:
将公式(6)—(8)代入公式(9)求解得:
基于尾流区域湍流强度对尾流恢复系数k的影响,根据叶片旋转附加湍流强度计算经验公式,得到尾流恢复系数k的计算公式;
具体为:
尾流区域湍流强度包括两部分,环境湍流强度I0和叶片旋转附加湍流强度Ia
叶片旋转附加湍流强度Ia由经验公式(12)求得。
尾流恢复系数k由经验公式(13)求得,其中,κ为经验常数取值0.4,可根据具体湍流强度变化情况进行修正。
k≈κ×I(13)
将尾流恢复系数k代入风速v计算公式,得到风电机组尾流区风速分布的尾流模型。
具体为:
将尾流恢复系数k代入公式(10),得到一种风电机组尾流区风速分布的经验尾流模型——抛物线尾流模型,如公式(14)所示。
作为本发明的优选实施例,轮毂高度水平面上任意点风速,具体为:
确定参考坐标系,以风轮中心为坐标原点,风轮旋转轴为x轴,径向为y轴,得到轮毂高度水平面各点位置坐标;
根据来流风速,对照机组推力系数随风速变化曲线得到机组该工况下推力系数;
将各输入参数代入抛物线尾流模型,得到轮毂高度水平面任意位置处风速。
作为本发明的优选实施例,步骤S3,具体为:
根据尾流模型分析结果,通过大涡模拟法得到网格尺度;
所谓大涡模拟(Large eddy simulation,LES),是直接数值求解大尺度湍流,而对于小尺度湍流,仅利用模型考虑其对大尺度运动的作用,不直接进行求解。因此,LES需要对N-S方程进行空间过滤,过滤后的连续性方程和N-S方程如下:
式中,为x、y、z三个方向的速度(i=1,2,3分别对应着x、y、z三个方向);ρ为你流体密度,kg/m3;t为时间,s;p为流体压力,Pa;σi,j为由分子黏度引起的应力张量,定义为:
式中,μ为动力黏度,N·s/m2
τi,j为亚格子应力,定义为:
亚格子应力是过滤掉的小尺度脉动和可解的大尺度脉动间的动量输运。要实现大涡数值模拟,必须构造亚格子应力模型。本文所采取的亚格子应力模型是dynamicSmagorinsky-Lilly模型,该模型中Smagorinsky常数依据小尺度湍流流动信息进行动态改变,可以更好地捕捉近壁面的湍流特性,得到网格尺度。
根据网格尺度,设定计算网格,得到计算域;
具体为:
参照低速风速开口段实际尺寸,设定长方体计算域的高度和宽度,比如分别为2.5d和3.64d;
将风力机设置于计算域的中心,并设置风力机与进流面的距离,比如为2d,及风力机与出流面的距离。为了保证风力机尾流的充分扩散,本实施例中设置为20d,其中,d为风轮直径。
优选地,在叶面表面设置了首层高度为0.1mm,法向增长率为1.25,共21层的边界层网格。
经计算,检测该条件下叶片上的y+z值小于1,计算域的总网格数量为760万。
在风力机处于额定转速时,对无风切变和风切变两种入流情况的边界条件进行设定:
在无风切变入流情况下,根据风洞入口风速和湍流强度,得到计算域进流面的入流边界;
在风切变入流情况下,通过UDF设定入流风速,并结合湍流强度,得到计算域出流面的出流边界;
本实施例中,在无风切变入流情况下,设风洞入口风速为8m/s;湍流强度为0.4%;在风切变入流情况下,利用UDF依据以下公式设定入流风速:
式中,Vhub为风轮轮毂高度处风速,本实施例中Vhub=8m/s;Zhub为轮毂高度,Zhub=1.71m;α为风剪系数,α=0.2。模拟中同时考虑入流的湍流强度,其值也设置为0.4%。
根据边界条件,通过SIMPLE算法对无风切变和风切变两种入流情况进行模拟计算,得到尾流分析结果。
为了进行模拟计算,出流面采取压力出流,设置相对压力为零;计算域侧壁面和顶面采取对称边界;地面、叶片表面、塔架、机头均采取无滑移壁面边界;
采用SIMPLE算法进行模拟计算,具体为:
为了加快收敛速度,先进行稳态计算,当残差达到10-4后再以此为基础进行非稳态计算。风机叶片旋转一周所需时间是0.11s,叶片每旋转30计算一次,对应的时间步长为0.00917484s。为了确保流场的稳定性,计算中风轮共旋转15圈,后5圈中监测的扭矩系数,在后5圈内尾流的流动已达到稳定。
为了能计算得到所有变量,如x,y,z三个方的向速度、压力及湍流强度等的方均根,计算中提取了风轮旋转的后5圈中所有变量的600个瞬态数据样本。
为了保证模拟结果的正确性,计算中提取了入口风速为8m/s、湍流强度为5%时风力机在尖速比分别为4,4.5,5,5.5,6,6.5时的输出功率值,并将结果与风力机在预先进行风洞试验测得的功率值进行了比较,功率的计算值虽大于试验测量值,但两者随尖速比的变化规律基本相一致。计算值大于试验值有以下2个原因:
①计算所得功率为风轮的真实轴功率,而试验所得功率是由风力机输出电流和电压计算得到的,由于损失的存在,计算值必然大于试验测量值;
②计算中入口的湍流强度值为5%,而试验风洞入口的湍流强度为0.4%,入口湍流强度的提高将使风力机的输出功率有所提高,如在入口风速为8m/s,尖速比为5时,入口湍流强度设置为0.4%时,风力机功率为137W,而入口湍流强度设置为5%时,风力机功率为150W。
可见,虽然风力机功率的计算值与试验测量值之间存在差距,但排除以上两个原因所造成的误差后,可近似认为计算值与试验测量值是相符合的。也就是说,通过本实施例中的方法进行模型计算值是准确的,具有较高的参考价值。
尾流的湍流特征对处于下游的风力机的输出功率及受力有重要影响,而尾流的湍流特征又与风力机的入流情况之间关系密切。将风轮上游和下游多个位置(-1<y/d<20)处轮毂中心(x/d=0)处垂直方向(-1.2<z/d<1.2)的平均湍流强度值提取出来,如图2所示。
从图2中可以看到,在y/d=-1位置,有、无风切变两种入流情况下的湍流强度值是相同的,都接近于来流湍流强度值。随着距离风轮后方距离的增大,两种入流情况下的湍流强度都大幅度提高,如在y/d=2的位置,无风切变入流情况下的最大湍流强度值达到了10.86%;风切变入流情况下的最大湍流强度值几乎达到了14%。且两种入流情况下均存在四个湍流峰值,分别对应着叶片的叶根和叶尖区域。
随着距离风轮后方距离的继续增大,两种入流情况下的湍流强度开始变的不一样,如在y/d<5的尾流区域内,无风切变入流情况下尾流内湍流强度值逐渐增大,在y/d=5处,最大湍流强度值达到了12.13%;而风切变入流情况下尾流内湍流强度值在y/d=3处出现了降低,而在3<y/d<5的范围内,湍流强度值得变化不大,最大湍流强度值基本保持在10%左右。可以看到,在到y/d<=5的范围内,两种入流情况下尾流内湍流强度的变化规律虽略有不同,但总的来说两者的差距很小,最大湍流强度值都保持在10%左右。
在y/d>5的远尾流区域内,两种入流情况下尾流内湍流强度都开始降低,且两入流种情况下的剖面曲线也开始变的相似。到y/d=13的位置,两种入流情况下尾流内的湍流强度值都降到了2%以内。随后,随着距离风轮后方距离的继续增大,两种入流情况下,尾流内的湍流强度值再次出现不同:无风切变入流情况下尾流内的湍流强度值在y/d>13后出现增大,到到d>15后又再次降低;而风切变入流情况下,尾流内的湍流强度值在y/d>13后也出现的增大,但到y/d>18后才再次降低。在y/d=20的位置,风切变入流情况下的湍流强度大于无风切变入流情况下的。可以看到,虽然两种入流情况下尾流内的湍流强度的变化规律存在差别,但这种差别却不是很明显,在y/d>5的远尾流区域内,两种入流情况下的湍流强度都没有超过5%.
总体来说,在相同入流湍流强度条件下,风切变入流情况下尾流内湍流强度的变化规律与无风切变入流情况下的变化规律基本相似,风切变入流对尾流内湍流强度的影响较小。
通过上述方法可得出结论:在相同入流湍流强度条件下,风切变入流情况下尾流内湍流强度的变化规律与无风切变入流情况下的变化规律基本相似,风切变入流对尾流内湍流强度的影响较小。
其中,对流项离散采用中心差分格式。
其中,大涡模拟,英文简称LES(Large eddy simulation),是近几十年才发展起来的一个流体力学中重要的数值模拟研究方法。它区别于直接数值模拟(DNS)和雷诺平均(RANS)方法。其基本思想是通过精确求解某个尺度以上所有湍流尺度的运动,从而能够捕捉到RANS方法所无能为力的许多非稳态,非平衡过程中出现的大尺度效应和拟序结构,同时又克服了直接数值模拟由于需要求解所有湍流尺度而带来的巨大计算开销的问题,因而被认为是最具有潜力的湍流数值模拟发展方向。
其主要思想是大涡结构(又称拟序结构)受流场影响较大,小尺度涡则可以认为是各向同性的,因而可以将大涡计算与小涡计算分开处理,并用统一的模型计算小涡。在这个思想下,大涡模拟通过滤波处理,首先将小于某个尺度的旋涡从流场中过滤掉,只计算大涡,然后通过求解附加方程得到小涡的解。过滤尺度一般就取为网格尺度。显然这种方法比直接求解RANS方程和DNS方程效率更高,消耗系统资源更少,但却比湍流模型方法更精确。
作为本发明的优选实施例,计算网格采用非结构化四面体网格。
参见图3,第二方面,本发明提供一种基于多维数据的风机尾流分析系统10,包括:
数据获取模块101,用于获取湍流强度数据;
尾流模型分析模块102,用于将湍流强度数据输入预先建立的尾流模型,进行尾流分析,得到尾流模型分析结果;
尾流分析结果模块103,用于根据尾流模型分析结果,对无风切变和风切变两种入流情况下的尾流进行分析,得到尾流分析结果。
本发明提供的基于多维数据的风机尾流分析系统10,其技术方通过案为:通过数据获取模块101,获取湍流强度数据;通过尾流模型分析模块102,将湍流强度数据输入预先建立的尾流模型,进行尾流分析,得到尾流模型分析结果;通过尾流分析结果模块103,根据尾流模型分析结果,对无风切变和风切变两种入流情况下的尾流进行分析,得到尾流分析结果。
本发明提供的基于多维数据的风机尾流分析系统10,通过对尾流模型,及无风切变和风切变两种入流情况下的尾流进行分析,综合分析多维数据对风机尾流的影响,以实现稳定性好、可靠性高和成本低的优点。
作为本发明的优选实施例,尾流模型分析模块中包括尾流模型建立子模块,具体用于:
设定尾流区域半径线性增长,且紧邻风轮后方尾流区域半径与风轮相同,求得风轮后轴向距离x位置处尾流区域半径r;
设定风轮后轴向距离x位置处风速沿径向均匀分布,根据质量守恒得到均匀风速v*;
根据质量守恒和均匀风速v*,以抛物线函数描述风速沿径向分布规律,得到轮毂高度水平面上任意点风速v;
基于尾流区域湍流强度对尾流恢复系数k的影响,根据叶片旋转附加湍流强度计算经验公式,得到尾流恢复系数k的计算公式;
将尾流恢复系数k代入风速v计算公式,得到风电机组尾流区风速分布的尾流模型。
作为本发明的优选实施例,尾流模型建立子模块具体用于得到轮毂高度水平面上任意点风速:
确定参考坐标系,以风轮中心为坐标原点,风轮旋转轴为x轴,径向为y轴,得到轮毂高度水平面各点位置坐标;
根据来流风速,对照机组推力系数随风速变化曲线得到机组该工况下推力系数;
将各输入参数代入抛物线尾流模型,得到轮毂高度水平面任意位置处风速。
作为本发明的优选实施例,尾流分析结果模块103,具体用于:
根据尾流模型分析结果,通过大涡模拟法得到网格尺度;
根据网格尺度,设定计算网格,得到计算域;
在风力机处于额定转速时,对无风切变和风切变两种入流情况的边界条件进行设定:
在无风切变入流情况下,根据风洞入口风速和湍流强度,得到计算域进流面的入流边界;
在风切变入流情况下,通过UDF设定入流风速,并结合湍流强度,得到计算域出流面的出流边界;
根据边界条件,通过SIMPLE算法对无风切变和风切变两种入流情况进行模拟计算,得到尾流分析结果。
作为本发明的优选实施例,计算网格采用非结构化四面体网格。
实施例二
基于实施例一中的一种基于多维数据的风机尾流分析方法及系统,可进行风速预测,通过风速的预测,可预测风电功率,进而提高风电功率输出预测精度,具体方案如下:
根据尾流速度,基于动量守恒定律计算得出风电场中任一台风力机的输入风速;
根据输入风速,对所述输入风速进行尾流修正,得到修正后的输入风速;
将修正后的输入风速输入优化灰色GM(1,1)模型,得到预测风速,其中,优化灰色GM(1,1)模型预先根据修正后的输入风速和原始灰色GM(1,1)模型得到。
灰色系统理论是一种通过研究信息量极少且小确定性问题的方法。灰色GM(1,1)模型广泛应用于电力、交通、生物和计算机科学等领域的预测研究。灰色GM(1,1)模型能够在快速跟踪实时风速的情况下预测风速,但由于模型本身的累加性使其生成的预测结果序列较为平滑,不能克服风速预测中突变点上的预测效果不佳的问题。因此,本实施例在传统的原始灰色GM(1,1)模型的基础上进行了改进,用以提高风速预测精度。
为了解决传统原始灰色GM(1,1)预测模型对随机波动性大的数据序列进行预测时,预测误差较大的问题,在传统GM(1,1)模型的基础上采用数值逼近算法对预测模型进行优化改进,具体方法如下:
根据修正后的输入风速,通过原始灰色GM(1,1)模型得到第一预测风速;
根据第一预测风速,结合修正后的输入风速,生成优化灰色GM(1,1)模型,具体为:
μX(0)(i-1)+νX(i)=X'(i) (20)
式(20)中,μ、ν为待定系数,X'(i)为优化模型预测生成序列,X0(i-1)为前一时刻70m测风塔实时风速,X(i)为原始。
设|X'(i)-X0(i)|为t=i时的绝对误差,全部m个点的总误差平方和值取最小值,即:
对(21)求偏导,令dφ/dμ=0,dφ/dν=0得:GM(1,1)模型的预测值。
方程(22)、(23)可写成:
将实测风速值、未优化灰色预测值(通过原始GM(1,1)模型的预测值)分别带入公式(24)和(25)求解可得,μ=0.62、ν=0.36时优化模型预测误差最小,即优化灰色GM(1,1)模型的误差最小。优化后预测误差超过40%的预测点占总预测数的2.7%误差在20%-40%的预测点占总预测数的5.2%误差小于20%的预测点占总预测数的92.1%,模型预测效果较好。
其中,本实施例中通过动态时间序列神经网络预测模型进行风电功率预测,利用动态神经网络对时间序列进行预测时无须建立时间序列的具体数学模型;利用动态神经网络对时间序列进行预测无须考虑序列的复杂性及非线性等因素;动态神经网络对时间序列的预测有较好的预测精度。
实施例三
在本实施例中,实施例一中所述的基于多维数据的风机尾流分析方法及系统适用的风机可以是下述特定结构的双叶轮风力发电机,在分析尾流效应时,针对该双叶轮风力发电机中的每个叶轮执行实施例一中的方法步骤,即可以获得每个叶轮尾流效应的分析结果。
参见图4、5,其中图4为本实施例提供的双叶轮风力发电机的结构示意图,图5为本实施例提供的叶轮转速合并机构的原理图。
为了有效利用风能,提高发电功率,本实施例提供了下述风力发电机,包括:一级叶轮1、二级叶轮2和叶轮转速合并机构;所述叶轮转速合并机构具有第一输入轴31、第二输入轴32、第一输出轴41和第二输出轴42,所述一级叶轮1与所述第一输入轴31驱动连接,所述二级叶轮2与所述第二输入轴32驱动连接,所述第一输出轴41通过第一离合器与第一发电机的输入轴驱动连接,所述第二输出轴42通过第二离合器与所述第二发电机的输入轴驱动连接。
所述一级叶轮1与所述二级叶轮2同轴连接,所述一级叶轮1的叶片长度大于所述二级叶轮2的叶片长度,且工作时的旋转方向相反,所述一级叶轮1位于所述二级叶轮2的前方。
工作时,气流先通过一级叶轮1,再通过二级叶轮2,二级叶轮2的直径小于一级叶轮1,因此,二级叶轮2工作所需的最低风速也小于一级叶轮1。为了增加机头工作时的稳定性,一级叶轮1与二级叶轮2的转动方向相反,从而抵消扭矩。
其中,叶轮转速合并机构能够将一级叶轮1和二级叶轮2的转速合并,从而获得更大的输出转速,驱动发电机工作,从而有效利用剩余风能,提高发电效率。
所述叶轮转速合并机构包括同轴设置的太阳轮51、齿圈52和行星架53,所述行星架53上设有多个行星轮54,所述齿圈52设有内齿和外齿,所述行星轮54啮合在所述齿圈52的内齿和所述太阳轮51之间,所述第一输入轴31设有驱动齿轮55,所述驱动齿轮55与所述齿圈52的外齿啮合,所述第二输入轴32与所述太阳轮51的转轴连接,所述行星架53的转轴通过中间轴6与输出轴驱动连接,所述输出轴的一端形成所述第一输出轴41,另一端形成所述第二输出轴42。
例如,太阳轮51的转速为n1,齿圈52的转速为n2,行星架53的转速为n3,齿圈52内齿和太阳轮51的齿数比值为a,n3=(n1+a*n2)/(1+a)。从而实现转速和力矩的叠加。
在一个示例中,一级叶轮的叶片长度75m,二级叶轮的叶片长度35m。在一个发电机工作的情况下,且当仅有一级叶轮工作时,风机的启动风速4m/s,额定风速15m/s,安全风速25m/s,额定功率3MW,当仅有二级叶轮工作时,风机的启动风速3m/s,额定风速10m/s,安全风速25m/s,额定功率1.5MW。
由于低风速工作中,第一叶轮工作中的能量损耗较大,且功率低,为了使该风力发电机能够适应较大范围的风速,有效利用风资源,上述风力发电机的控制中涉及两个阈值,第一阈值为6m/s,第二阈值为10m/s。
具体控制方法如下:获得风速,当风速小于第一阈值时,对一级叶轮1和二级叶轮2的叶片进行变桨,使一级叶轮1停止发电状态,二级叶轮2处于旋转发电状态,第一离合器处于啮合状态,第二离合器处于分离状态。从而在低风速时启动风机进行发电,并减小风机发电过程中的内耗,提高发电效率。
当风速不小于第一阈值且不大于第二阈值时,对一级叶轮1和二级叶轮2的叶片进行变桨,使一级叶轮1和二级叶轮2均处于旋转发电状态,第一离合器处于啮合状态,第二离合器处于分离状态。从而通过第一叶轮进行高功率发电,并通过第二叶轮有效利用剩余风能。在该模式下,风机的最大功率能够达到4MW。
当风速大于第二阈值时,一级叶轮1和二级叶轮2均处于旋转发电状态,第一离合器和第二离合器均处于啮合状态。风速较大超过单台发电机所需的额定风速10m/s时,利用两台发电机同时发电,可达到最大发电功率为8MW,能够有效利用风能,提高发电功率,且不会增加叶轮的直径,避免叶片太长,增加制造、运输、和安装维护成本。
由于一级叶轮1的直径较大,当风力小于第一阈值时无法驱动一级叶轮1转动,因此调节一级叶轮1的桨叶,减小迎风面积,使气流经过一级叶轮1,直接驱动二级叶轮2转动,且为了减小启动风速,第二离合器处于分离状态,仅第一发电机工作。
当风力增大到第一阈值和第二阈值时,第一叶轮也开始转动,并通过第二叶轮有效利用剩余风能,第一叶轮和第二叶轮的转速经叶轮转速合并机构叠加后驱动第一发电机工作。
当风力继续增大到大于第二阈值后,由于叶轮的转速不能无限提升,但驱动力提高,将第二离合器啮合,同时驱动第一发电机和第二发电机发电,提高发电效率。
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、改进等,均应包含在本发明的保护范围之内。

Claims (10)

1.一种风力发电机的尾流分析方法,其特征在于,包括如下步骤:
步骤S1,针对每一风机叶轮获取湍流强度数据;
步骤S2,将所述湍流强度数据输入预先建立的尾流模型,进行尾流分析,得到尾流模型分析结果;
步骤S3,根据所述尾流模型分析结果,对无风切变和风切变两种入流情况下的尾流进行分析,得到尾流分析结果。
2.根据权利要求1所述的风力发电机的尾流分析方法,其特征在于,
所述预先建立的尾流模型,具体为:
设定尾流区域半径线性增长,且紧邻风轮后方尾流区域半径与风轮相同,求得风轮后轴向距离x位置处尾流区域半径r;
设定风轮后轴向距离x位置处风速沿径向均匀分布,根据质量守恒得到均匀风速v*
根据质量守恒和均匀风速v*,以抛物线函数描述风速沿径向分布规律,得到轮毂高度水平面上任意点风速v;
基于尾流区域湍流强度对尾流恢复系数k的影响,根据叶片旋转附加湍流强度计算经验公式,得到尾流恢复系数k的计算公式;
将尾流恢复系数k代入风速v计算公式,得到风电机组尾流区风速分布的尾流模型。
3.根据权利要求2所述的风力发电机的尾流分析方法,其特征在于,
所述轮毂高度水平面上任意点风速,具体为:
确定参考坐标系,以风轮中心为坐标原点,风轮旋转轴为x轴,径向为y轴,得到轮毂高度水平面各点位置坐标;
根据来流风速,对照机组推力系数随风速变化曲线得到机组该工况下推力系数;
将各输入参数代入抛物线尾流模型,得到轮毂高度水平面任意位置处风速。
4.根据权利要求1所述的风力发电机的尾流分析方法,其特征在于,
所述步骤S3,具体为:
根据所述尾流模型分析结果,通过大涡模拟法得到网格尺度;
根据所述网格尺度,设定计算网格,得到计算域;
在风力机处于额定转速时,对无风切变和风切变两种入流情况的边界条件进行设定:
在无风切变入流情况下,根据风洞入口风速和所述湍流强度,得到所述计算域进流面的入流边界;
在风切变入流情况下,通过UDF设定入流风速,并结合所述湍流强度,得到所述计算域出流面的出流边界;
根据所述边界条件,通过SIMPLE算法对所述无风切变和风切变两种入流情况进行模拟计算,得到尾流分析结果。
5.根据权利要求4所述的风力发电机的尾流分析方法,其特征在于,
所述计算网格采用非结构化四面体网格。
6.根据权利要求1-5任意一项所述的风力发电机的尾流分析方法,其特征在于:
所述风机为双叶轮风力发电机,包括:
一级叶轮、二级叶轮和叶轮转速合并机构;所述叶轮转速合并机构具有第一输入轴、第二输入轴、第一输出轴和第二输出轴,所述一级叶轮与所述第一输入轴驱动连接,所述二级叶轮与所述第二输入轴驱动连接,所述第一输出轴通过第一离合器与第一发电机的输入轴驱动连接,所述第二输出轴通过第二离合器与所述第二发电机的输入轴驱动连接;
所述一级叶轮与所述二级叶轮同轴连接,所述一级叶轮的叶片长度大于所述二级叶轮的叶片长度,且工作时的旋转方向相反,所述一级叶轮位于所述二级叶轮的前方;
所述叶轮转速合并机构包括同轴设置的太阳轮、齿圈和行星架,所述行星架上设有多个行星轮,所述齿圈设有内齿和外齿,所述行星轮啮合在所述齿圈的内齿和所述太阳轮之间,所述第一输入轴设有驱动齿轮,所述驱动齿轮与所述齿圈的外齿啮合,所述第二输入轴与所述太阳轮的转轴连接,所述行星架的转轴通过中间轴与输出轴驱动连接,所述输出轴的一端形成所述第一输出轴,另一端形成所述第二输出轴;
当风速小于第一阈值时,对一级叶轮和二级叶轮的叶片进行变桨,使一级叶轮停止发电状态,二级叶轮处于旋转发电状态,第一离合器处于啮合状态,第二离合器出去分离状态;
当风速不小于第一阈值且不大于第二阈值时,对一级叶轮和二级叶轮的叶片进行变桨,使一级叶轮和二级叶轮均处于旋转发电状态,第一离合器处于啮合状态,第二离合器处于分离状态;
当风速大于第二阈值时,一级叶轮和二级叶轮均处于旋转发电状态,第一离合器和第二离合器均处于啮合状态。
7.一种风力发电机的尾流分析系统,其特征在于,包括:
数据获取模块,用于针对每一风机叶轮获取湍流强度数据;
尾流模型分析模块,用于将所述湍流强度数据输入预先建立的尾流模型,进行尾流分析,得到尾流模型分析结果;
尾流分析结果模块,用于根据所述尾流模型分析结果,对无风切变和风切变两种入流情况下的尾流进行分析,得到尾流分析结果。
8.根据权利要求7所述的风力发电机的尾流分析系统,其特征在于,
所述尾流模型分析模块中包括尾流模型建立子模块,具体用于:
设定尾流区域半径线性增长,且紧邻风轮后方尾流区域半径与风轮相同,求得风轮后轴向距离x位置处尾流区域半径r;
设定风轮后轴向距离x位置处风速沿径向均匀分布,根据质量守恒得到均匀风速v*
根据质量守恒和均匀风速v*,以抛物线函数描述风速沿径向分布规律,得到轮毂高度水平面上任意点风速v;
基于尾流区域湍流强度对尾流恢复系数k的影响,根据叶片旋转附加湍流强度计算经验公式,得到尾流恢复系数k的计算公式;
将尾流恢复系数k代入风速v计算公式,得到风电机组尾流区风速分布的尾流模型。
9.根据权利要求8所述的风力发电机的尾流分析系统,其特征在于,
所述尾流模型建立子模块具体用于得到轮毂高度水平面上任意点风速:
确定参考坐标系,以风轮中心为坐标原点,风轮旋转轴为x轴,径向为y轴,得到轮毂高度水平面各点位置坐标;
根据来流风速,对照机组推力系数随风速变化曲线得到机组该工况下推力系数;
将各输入参数代入抛物线尾流模型,得到轮毂高度水平面任意位置处风速。
10.根据权利要求7-9任意一项所述的风力发电机的尾流分析系统,其特征在于:
所述风机为双叶轮风力发电机,包括:
一级叶轮、二级叶轮和叶轮转速合并机构;所述叶轮转速合并机构具有第一输入轴、第二输入轴、第一输出轴和第二输出轴,所述一级叶轮与所述第一输入轴驱动连接,所述二级叶轮与所述第二输入轴驱动连接,所述第一输出轴通过第一离合器与第一发电机的输入轴驱动连接,所述第二输出轴通过第二离合器与所述第二发电机的输入轴驱动连接;
所述一级叶轮与所述二级叶轮同轴连接,所述一级叶轮的叶片长度大于所述二级叶轮的叶片长度,且工作时的旋转方向相反,所述一级叶轮位于所述二级叶轮的前方;
所述叶轮转速合并机构包括同轴设置的太阳轮、齿圈和行星架,所述行星架上设有多个行星轮,所述齿圈设有内齿和外齿,所述行星轮啮合在所述齿圈的内齿和所述太阳轮之间,所述第一输入轴设有驱动齿轮,所述驱动齿轮与所述齿圈的外齿啮合,所述第二输入轴与所述太阳轮的转轴连接,所述行星架的转轴通过中间轴与输出轴驱动连接,所述输出轴的一端形成所述第一输出轴,另一端形成所述第二输出轴;
当风速小于第一阈值时,对一级叶轮和二级叶轮的叶片进行变桨,使一级叶轮停止发电状态,二级叶轮处于旋转发电状态,第一离合器处于啮合状态,第二离合器出去分离状态;
当风速不小于第一阈值且不大于第二阈值时,对一级叶轮和二级叶轮的叶片进行变桨,使一级叶轮和二级叶轮均处于旋转发电状态,第一离合器处于啮合状态,第二离合器处于分离状态;
当风速大于第二阈值时,一级叶轮和二级叶轮均处于旋转发电状态,第一离合器和第二离合器均处于啮合状态。
CN201711273142.5A 2017-12-06 2017-12-06 一种风力发电机的尾流分析方法及系统 Withdrawn CN109885845A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711273142.5A CN109885845A (zh) 2017-12-06 2017-12-06 一种风力发电机的尾流分析方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711273142.5A CN109885845A (zh) 2017-12-06 2017-12-06 一种风力发电机的尾流分析方法及系统

Publications (1)

Publication Number Publication Date
CN109885845A true CN109885845A (zh) 2019-06-14

Family

ID=66923348

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711273142.5A Withdrawn CN109885845A (zh) 2017-12-06 2017-12-06 一种风力发电机的尾流分析方法及系统

Country Status (1)

Country Link
CN (1) CN109885845A (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111577544A (zh) * 2020-05-22 2020-08-25 三一重能有限公司 风机控制方法、装置、设备及存储介质
CN111859789A (zh) * 2020-07-07 2020-10-30 中国科学院力学研究所 一种风力发电机的尾迹识别方法
CN112347611A (zh) * 2020-10-15 2021-02-09 华北电力大学 一种风力机远场尾流流向湍流度计算方法
CN113312763A (zh) * 2021-05-19 2021-08-27 上海交通大学 一种采用无量纲参数的离合器压力分布获取方法和装置
CN112347611B (zh) * 2020-10-15 2024-05-31 华北电力大学 一种风力机远场尾流流向湍流度计算方法

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111577544A (zh) * 2020-05-22 2020-08-25 三一重能有限公司 风机控制方法、装置、设备及存储介质
CN111859789A (zh) * 2020-07-07 2020-10-30 中国科学院力学研究所 一种风力发电机的尾迹识别方法
CN111859789B (zh) * 2020-07-07 2023-04-14 中国科学院力学研究所 一种风力发电机的尾迹识别方法
CN112347611A (zh) * 2020-10-15 2021-02-09 华北电力大学 一种风力机远场尾流流向湍流度计算方法
CN112347611B (zh) * 2020-10-15 2024-05-31 华北电力大学 一种风力机远场尾流流向湍流度计算方法
CN113312763A (zh) * 2021-05-19 2021-08-27 上海交通大学 一种采用无量纲参数的离合器压力分布获取方法和装置

Similar Documents

Publication Publication Date Title
Allaei et al. INVELOX: Description of a new concept in wind power and its performance evaluation
Dai et al. Research on power coefficient of wind turbines based on SCADA data
Quarton The evolution of wind turbine design analysis—a twenty year progress review
He et al. A novel three-dimensional wake model based on anisotropic Gaussian distribution for wind turbine wakes
Habash et al. Performance of a contrarotating small wind energy converter
CN103605912B (zh) 一种风电场功率外特性建模方法
CN102251926B (zh) 一种风力发电机湍流抑制方法
Foti et al. Wake meandering of a model wind turbine operating in two different regimes
CN106979126B (zh) 基于svr的风力发电机组高风速段有效风速估计方法
Yang et al. Visualization of the tip vortices in a wind turbine wake
CN109885845A (zh) 一种风力发电机的尾流分析方法及系统
CN107061158A (zh) 一种低风速下风力发电机的预测与跟踪控制方法
Behrouzi et al. Performance investigation of self-adjusting blades turbine through experimental study
CN109783828A (zh) 一种风电场中风电功率预测方法及系统
Baratchi et al. Assessment of blade element actuator disk method for simulations of ducted tidal turbines
Sarma et al. Experimental investigation of a two-bladed double stage Savonius-akin hydrokinetic turbine at low flow velocity conditions
Abo-Khalil et al. Dynamic modeling and control of wind turbines for grid-connected wind generation system
Duran Computer-aided design of horizontal-axis wind turbine blades
El Makdah et al. The influence of axial gusts on the output of low-inertia rotors
Bakar et al. Experimental Study of a Hybrid Turbine for Hydrokinetic Applications on Small Rivers in Malaysia
Schito Large Eddy Simulation of wind turbines: interaction with turbulent flow
Curran et al. Performance prediction of contrarotating Wells turbines for wave energy converter design
Wang et al. Study on fast prediction method of hydrodynamic load of floating horizontal axis tidal current turbine with pitching motion under free surface
Gerke et al. Validation of turbulence models through SCADA data
Verma et al. „Efficiency Measurement Techniques Of Hydro Kinetic Turbines: A Review‟

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
WW01 Invention patent application withdrawn after publication

Application publication date: 20190614

WW01 Invention patent application withdrawn after publication