CN110009736A - 三维尾流模型的建立方法、装置、设备及存储介质 - Google Patents
三维尾流模型的建立方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN110009736A CN110009736A CN201910369490.5A CN201910369490A CN110009736A CN 110009736 A CN110009736 A CN 110009736A CN 201910369490 A CN201910369490 A CN 201910369490A CN 110009736 A CN110009736 A CN 110009736A
- Authority
- CN
- China
- Prior art keywords
- wake flow
- wind speed
- gaussian profile
- wake
- model
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 31
- 238000004364 calculation method Methods 0.000 claims description 34
- 230000006870 function Effects 0.000 claims description 11
- 238000013519 translation Methods 0.000 claims description 11
- 238000006243 chemical reaction Methods 0.000 claims description 10
- 230000005611 electricity Effects 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 5
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 4
- 239000004744 fabric Substances 0.000 claims description 3
- 230000001939 inductive effect Effects 0.000 claims description 2
- 238000005457 optimization Methods 0.000 abstract description 6
- 238000010586 diagram Methods 0.000 description 16
- 230000003287 optical effect Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 230000005291 magnetic effect Effects 0.000 description 4
- 230000002093 peripheral effect Effects 0.000 description 3
- 230000002708 enhancing effect Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000010248 power generation Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000003749 cleanliness Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000001869 rapid Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- General Physics & Mathematics (AREA)
- Computer Graphics (AREA)
- Software Systems (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Aerodynamic Tests, Hydrodynamic Tests, Wind Tunnels, And Water Tanks (AREA)
Abstract
本发明实施例公开了一种三维尾流模型的建立方法、装置、设备及存储介质。首先基于预设尾流模型及质量守恒定律进行预测,获得初始垂直高度的尾流风速的高斯分布,然后获取来流风速的风切变曲线,并根据风切变曲线计算旋转角度,再然后对初始垂直高度的尾流风速的高斯分布按照旋转角度进行旋转修正,获得修正垂直高度的尾流风速的高斯分布,再然后对水平面的尾流速度进行预测,获得水平面尾流风速的高斯分布,最后根据修正垂直高度的尾流风速的高斯分布和水平面尾流风速高斯分布建立三维尾流模型。本发明实施例提供的三维尾流模型的建立方法,可以提高尾流模型预测尾流区风速分布的准确性,进而可以应用于风电场的布局优化以及风功率预测。
Description
技术领域
本发明实施例涉及风力发电技术领域,尤其涉及一种三维尾流模型的建立方法、装置、设备及存储介质。
背景技术
随着常规化石能源的不断消耗以及人们环保意识的增强,风能作为清洁无污染的可再生能源越来越得到世界各国的重视。据世界风能协会的最新报道,截至2017年年底,世界风机总装机容量达到539GW,并且总发电量可以满足全球电力需求的5%以上。然而风电产业在全世界各地快速发展的同时,也面临着众多亟待解决的问题。其中,尾流效应作为影响风电场布局优化以及发电量预测的重要因素而被得以广泛研究。风在流经上游风力机后,风速降低、湍流强度增大在下游形成尾流区的现象,称之为尾流效应。在当今具有多排风机布置的大型风电机组群内,尾流效应的存在不仅使下游风机出力下降、结构疲劳载荷增大,而且会影响到风力机的整体功率输出,相关研究也已表明风机尾流造成的平均功率损失接近10%-20%。因此,获得尾流区风速分布的准确数学表达式即尾流模型,对风电场内风力机的布局优化以及经济性运行起着至关重要的作用。
当前针对风电场尾流模型的研究,主要分为两类。一类是以Jensen尾流模型为代表的一维(1D)尾流模型,该模型在推导计算过程中,忽略湍流影响,假设尾流区半径与风机下游距离成线性增长关系,并且认为尾流区风速在径向分布为定值,且Jensen模型忽略湍流强度的影响严重低估了尾流的恢复。基于尾流区速度分布呈现高斯分布的特点,第二类以Jensen-Gaussian为代表的二维(2D)尾流模型被众多学者所提出,该类模型以风力机轮毂高度风速为来流风速,推导计算轮毂高度平面内的风速分布模型。虽然2D尾流模型经与实测数据验证很好的预测了风力机轮毂高度处水平面的风速分布情况,并且对于所处平坦地形的风电场(风力机轮毂高度一致)布局优化具有很好的效果,但是对于地处复杂地形且风力机轮毂中心高度不一致的风电场,仅有二维尾流模型很难预测出尾流区内风力机轮毂高度处所面临的风速分布情况。
发明内容
本发明实施例提供一种三维尾流模型的建立方法、装置、设备及存储介质,以实现风电场三维尾流模型的建立,可以提高尾流模型的准确性,以优化风电场内风力机的布局。
第一方面,本发明实施例提供了一种三维尾流模型的建立方法,包括:
基于预设尾流模型及质量守恒定律进行预测,获得初始垂直高度的尾流风速的高斯分布,其中,所述预设尾流模型包括Jensen模型和/或2D Jensen-Gauss模型,初始垂直高度的尾流风速的高斯分布的计算公式如下:其中,z表示距离轮毂中心的高度,uref为测风塔或激光雷达在已知高度zref测得的风速,zhub为风机轮毂中心高度;a为轴流诱导因子,由推力系数CT确定,CT=4a(1-a),r0为风力机转子半径;δz为高斯分布的标准差,与尾流半径rz的关系是rz=2.58δz=kzx+r0,kz为垂直高度尾流膨胀系数,其中,经验系数Kn取值为0.4,KJensen为膨胀系数,CT为轴向推力系数,x为距离风机的距离,D为风力机直径,Iv为垂直高度的湍流强度;
获取来流风速的风切变曲线,并根据所述风切变曲线计算旋转角度;其中,风切变曲线的公式如下:其中,uref为测风塔或激光雷达在已知高度zref测得的风速,zhub为风机轮毂中心高度,z+zhub为距离地面高度,a0为风剪切指数,根据风电场所处区域的地形和大气环境决定,工程中风切变指数a0由公式求出,v1和v2为已知高度z1和z2的实测风速;
对初始垂直高度的尾流风速的高斯分布按照所述旋转角度进行旋转修正,获得修正垂直高度的尾流风速的高斯分布,其中,旋转修正后的垂直高度的尾流风速的高斯分布的计算公式如下:
其中,u代表u(x,z),α表示旋转角度;(M,0)表示旋转点的坐标;
对水平面的尾流速度进行预测,获得水平面尾流风速的高斯分布,公式如下:其中,y表示在水平面上距离轮毂中心的距离,δy为高斯分布的标准差,与尾流半径ry的关系是ry=2.58δy=kyx+r0,ky为水平面尾流膨胀系数,经验系数Kn取值为0.4,KJensen为膨胀系数,CT为轴向推力系数,x为距离风机的距离,D为风力机直径,Iu为水平面的湍流强度;C为高度参数,此处为未知数;
根据所述修正垂直高度的尾流风速的高斯分布和所述水平面尾流风速高斯分布建立三维尾流模型。
进一步地,基于预设尾流模型及质量守恒定律进行预测,获得初始垂直高度的尾流风速的高斯分布,包括:
预测垂直高度的尾流风速的高斯分布,计算公式如下:其中,A、B和δz为未知参数,A为第一参数,B为第二参数,δz为高斯分布的标准差;
根据一维高斯分布的密度函数曲线性质及Jensen尾流模型中尾流线性扩张假设确定高斯分布的标准差;
基于预设尾流模型确定当垂直高度为尾流半径时,尾流风速与在轮毂处的来流风速相等,计算公式如下:其中,u(zhub)表示轮毂处的来流风速,rz表示尾流半径;当尾流半径趋于无穷大时,近似为0,获得第二参数的值;
获取质量守恒定律的计算公式:
其中,包括(-rz,-r0)和(r0,rz)两个范围;
根据所述第二参数的值和质量守恒定律的计算公式计算第一参数的值;表示如下:
将第一参数的值、第二参数的值及高斯分布的标准差代入所述预测垂直高度的尾流风速的高斯分布,获得初始垂直高度的尾流风速的高斯分布。
进一步地,根据所述风切变曲线计算旋转角度,包括:
计算所述风切变曲线中位于轮毂中心点的切线的斜率;
根据所述斜率确定旋转角度。
进一步地,对初始垂直高度的尾流风速的高斯分布按照所述旋转角度进行旋转修正,获得修正垂直高度的尾流风速的高斯分布,包括:
获取初始垂直高度的尾流风速的高斯分布曲线的旋转点,其中,旋转点的坐标为
若所述旋转点不是坐标原点,则将所述旋转点平移至坐标原点,平移后的曲线表达式为:
采用旋转公式对平移后的曲线按照旋转角度进行旋转,获得旋转后的曲线公式为:
将旋转后曲线平移至原旋转点位置处,获得修正垂直高度的尾流风速的高斯分布。
进一步地,根据所述修正垂直高度的尾流风速的高斯分布和所述水平面尾流风速高斯分布建立三维尾流模型,包括:
根据尾流区轴线上的任意一点计算高度参数,计算公式如下:
当x0确定时,可唯一确定u(x0,0,0),由u(x0,0,0)可确定高度参数C的值;
将所述高度参数的值代入所述水平面尾流风速高斯分布的公式中获得三维尾流模型。
第二方面,本发明实施例还提供了一种三维尾流模型的建立装置,该装置包括:
初始垂直高度的尾流风速的高斯分布获取模块,用于基于预设尾流模型及质量守恒定律进行预测,获得初始垂直高度的尾流风速的高斯分布,其中,所述预设尾流模型包括Jensen模型和/或2D Jensen-Gauss模型;
旋转角度计算模块,用于获取来流风速的风切变曲线,并根据所述风切变曲线计算旋转角度;
修正垂直高度的尾流风速的高斯分布获取模块,用于对初始垂直高度的尾流风速的高斯分布按照所述旋转角度进行旋转修正,获得修正垂直高度的尾流风速的高斯分布;
水平面尾流风速高斯分布获取模块,用于对水平面的尾流速度进行预测,获得水平面尾流风速高斯分布;
三维尾流模型建立模块,用于根据所述修正垂直高度的尾流风速的高斯分布和所述水平面尾流风速高斯分布建立三维尾流模型。
进一步地,所述初始垂直高度的尾流风速的高斯分布获取模块,还用于:
预测垂直高度的尾流风速的高斯分布;
根据一维高斯分布的密度函数曲线性质及Jensen尾流模型中尾流线性扩张假设确定高斯分布的标准差;
基于预设尾流模型确定当垂直高度为尾流半径时,尾流风速与在轮毂处的来流风速相等;
获取质量守恒定律的计算公式:
当尾流半径趋于无穷大时,获得第二参数的值;
根据所述第一参数的值和质量守恒定律的计算公式计算第一参数的值;
将第一参数的值和第二参数的值代入所述预测垂直高度的尾流风速的高斯分布,获得初始垂直高度的尾流风速的高斯分布。
进一步地,所述旋转角度计算模块,还用于:
计算所述风切变曲线中位于轮毂中心点的切线的斜率;
根据所述斜率确定旋转角度。
第三方面,本发明实施例还提供了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如本发明实施例所述的三维尾流模型的建立方法。
第四方面,本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如本发明实施例所述的三维尾流模型的建立方法。
本发明实施例,首先基于预设尾流模型及质量守恒定律进行预测,获得初始垂直高度的尾流风速的高斯分布,然后获取来流风速的风切变曲线,并根据风切变曲线计算旋转角度,再然后对初始垂直高度的尾流风速的高斯分布按照旋转角度进行旋转修正,获得修正垂直高度的尾流风速的高斯分布,再然后对水平面的尾流速度进行预测,获得水平面尾流风速的高斯分布,最后根据修正垂直高度的尾流风速的高斯分布和水平面尾流风速高斯分布建立三维尾流模型。本发明实施例提供的三维尾流模型的建立方法,通过由风切变曲线获得的旋转角度对初始垂直高度的尾流风速的高斯分布按照旋转角度进行旋转修正,然后结合水平面尾流风速高斯分布建立三维尾流模型,可以提高尾流模型预测尾流区风速分布的准确性,进而可以应用于风电场的布局优化以及风功率预测。
附图说明
图1是本发明实施例一中一种三维尾流模型的建立方法的流程图;
图2是本发明实施例一中的以风机轮毂中心为坐标原点建立的三维坐标系的示意图;
图3是本发明实施例一中的高斯分布示意图;
图4是本发明实施例一中的初始垂直高度的尾流风速的高斯分布的示意图;
图5是本发明实施例一中的计算旋转角度的示意图;
图6是本发明实施例一中的三维尾流模型与二维尾流模型的对比图;
图7是本发明实施例一中的三维尾流模型与Jensen模型和2D模型的对比图;
图8是本发明实施例二中的一种三维尾流模型的建立装置的结构示意图;
图9是本发明实施例三中的一种计算机设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1为本发明实施例一提供的一种三维尾流模型的建立方法的流程图,本实施例可适用于对风电场建立三维尾流模型的情况,如图1所示,该方法具体包括如下步骤:
步骤110,基于预设尾流模型及质量守恒定律进行预测,获得初始垂直高度的尾流风速的高斯分布。
其中,预设尾流模型包括Jensen模型和/或2D Jensen-Gauss模型。
为了准确描述远尾流区三维空间的风速分布情况,本实施例提出的尾流模型假设尾流速度U是空间三维函数,即U=U(x,y,z),并以风机轮毂中心为坐标原点建立三维坐标系:x方向表示尾流区轴线方向,理想情况下为来流风速方向;y方向表示尾流轴线侧向的水平方向;z方向垂直于尾流轴线且竖直向上。图2为本发明实施例中以风机轮毂中心为坐标原点建立的三维坐标系的示意图。
具体的,首先预测垂直高度的尾流风速的高斯分布,即尾流区下游位置x处,垂直高度方向风速呈高斯分布,计算公式如下:其中,A、B和δz为未知参数,A为第一参数,B为第二参数,z表示距离轮毂中心的高度,δz为高斯分布的标准差。
本实施例中,在预测垂直高度的尾流风速的高斯分布中,假设来流风速为轮毂中心高度处的风速,即风机前垂直高度方向上来流风速相等,用公式表示为:其中,uref为测风塔或激光雷达在已知高度zref测得的风速,zhub为风机轮毂中心高度。
图3为本发明实施例中的高斯分布示意图,由标准的一维高斯分布的密度曲线性质可知,在-2.58δ≤z≤2.58δ区间内,概率达99%。因此,可以用2.58δz近似表示尾流区半径,同时采用Jensen尾流模型中尾流线性扩张的假设,尾流半径rz与下风距离x呈线性关系:rz=2.58δz=kzx+r0,kz为垂直高度尾流膨胀系数,其中,经验系数Kn取值为0.4,KJensen为膨胀系数,在陆地上时,取0.075,在海上时,取0.035;CT为轴向推力系数,x为距离风机的距离,D为风力机直径,Iv为垂直高度的湍流强度。
基于预设尾流模型确定当垂直高度为尾流半径时,尾流风速与在轮毂处的来流风速相等。即当z=±rz时,u=u(zhub),计算公式如下:u(zhub)表示轮毂处的来流风速,rz表示尾流半径。依据Jensen模型的修正公式。当尾流半径rz趋于无穷大时,近似为0,从而获得第二参数B的值。
获取质量守恒定律的计算公式:
其中,包括(-rz,-r0)和(r0,rz)两个范围,为初始尾流速度即紧接着风机旋转平面后的尾流速度的分布,a为轴向诱导因子,由推力系数CT确定(由风机厂家技术手册可查),CT=4a(1-a),r0为风力机转子半径。
根据所述第二参数的值和质量守恒定律的计算公式计算第一参数的值。获得的第一参数、第二参数及高斯分布的标准差的表达式为,
最后将第一参数的值、第二参数的值及高斯分布的标准差代入所述预测垂直高度的尾流风速的高斯分布,获得初始垂直高度的尾流风速的高斯分布。初始垂直高度的尾流风速的高斯分布的计算公式如下:图4为本发明实施例中的初始垂直高度的尾流风速的高斯分布的示意图,如图4所示,风经过风机后,风速呈高斯分布。
步骤120,获取来流风速的风切变曲线,并根据风切变曲线计算旋转角度。
其中,风切变曲线的公式如下:其中,uref为测风塔或激光雷达在已知高度zref测得的风速,zhub为风机轮毂中心高度,z+zhub为距离地面高度,a0为风剪切指数,根据风电场所处区域的地形和大气环境决定,工程中风切变指数a0的在陆地上的典型值为0.14或由公式求出,v1和v2为已知高度z1和z2的实测风速。
具体的,根据风切变曲线计算旋转角度的方式可以是:计算风切变曲线中位于轮毂中心点的切线的斜率;根据斜率确定旋转角度。图5是本发明实施例中的计算旋转角度的示意图,如图5所示,旋转角度可以是风切变曲线中位于轮毂中心点的切线与竖直方向的夹角。
步骤130,对初始垂直高度的尾流风速的高斯分布按照旋转角度进行旋转修正,获得修正垂直高度的尾流风速的高斯分布。
具体的,首先获取初始垂直高度的尾流风速的高斯分布曲线的旋转点,本实施例中,旋转点的坐标为若旋转点不是坐标原点,则将旋转点平移至坐标原点,平移后的曲线表达式为:然后采用旋转公式对平移后的曲线按照旋转角度进行旋转,获得旋转后的曲线。旋转公式的表达式为:α表示旋转角度。旋转后的曲线的公式为:
最后将旋转后曲线平移至原旋转点位置处,获得修正垂直高度的尾流风速的高斯分布。旋转修正后的垂直高度的尾流风速的高斯分布的计算公式如下:
其中,u代表u(x,z),(M,0)表示旋转点的坐标。
步骤140,对水平面的尾流速度进行预测,获得水平面尾流风速的高斯分布。
公式如下:其中,y表示在水平面上距离轮毂中心的距离,δy为高斯分布的标准差,ry=2.58δy=kyx+r0,ry为尾流半径,ky为水平面尾流膨胀系数,经验系数Kn取值为0.4,KJensen为膨胀系数,在陆地上时,取0.075,在海上时,取值为0.04或0.05;CT为轴向推力系数,x为距离风机的距离,D为风力机直径,Iu为水平面的湍流强度;C为高度参数,此处为未知数。
步骤150,根据修正垂直高度的尾流风速的高斯分布和水平面尾流风速高斯分布建立三维尾流模型。
具体的,根据尾流区轴线上的任意一点计算高度参数,即在下风向x处任意高度z上,满足速度最小处符合垂直高度速度分布关系。即z=0,y=0时,满足以下关系,并根据如下关系求取高度参数C的值。计算公式如下:
当x0确定时,可唯一确定u(x0,0,0),由u(x0,0,0)可确定高度参数C的值。
在求得高度参数后,将高度参数的值代入水平面尾流风速高斯分布的公式中获得三维尾流模型。
本实施例的技术方案,首先基于预设尾流模型及质量守恒定律进行预测,获得初始垂直高度的尾流风速的高斯分布,然后获取来流风速的风切变曲线,并根据风切变曲线计算旋转角度,再然后对初始垂直高度的尾流风速的高斯分布按照旋转角度进行旋转修正,获得修正垂直高度的尾流风速的高斯分布,再然后对水平面的尾流速度进行预测,获得水平面尾流风速的高斯分布,最后根据修正垂直高度的尾流风速的高斯分布和水平面尾流风速高斯分布建立三维尾流模型。本发明实施例提供的三维尾流模型的建立方法,通过由风切变曲线获得的旋转角度对初始垂直高度的尾流风速的高斯分布按照旋转角度进行旋转修正,然后结合水平面尾流风速高斯分布建立三维尾流模型,可以提高尾流模型预测尾流区风速分布的准确性,进而可以应用于风电场的布局优化以及风功率预测。
本实施例中的三维尾流模型分为两部分:垂直高度尾流风速分布和水平面尾流风速分布;两者的结合即为三维尾流模型可对风电场三维空间风速进行详尽描述,根据工程实际需要,两部分又可分别使用,减少计算工作量,提高效率。
在一个实例中,图6为三维尾流模型与二维尾流模型的对比图,由图6可知,本发明的三维尾流模型可适用于复杂地形的风力发电。
在另一个实例中,图7为三维尾流模型与Jensen模型和2D模型的对比图,由图7可知,本发明实施例中的三维尾流模型更准确。
实施例二
图8为本发明实施例二提供的一种三维尾流模型的建立装置的结构示意图。如图8所示,该装置包括:
初始垂直高度的尾流风速的高斯分布获取模块210,用于基于预设尾流模型及质量守恒定律进行预测,获得初始垂直高度的尾流风速的高斯分布,其中,预设尾流模型包括Jensen模型和/或2D Jensen-Gauss模型;
旋转角度计算模块220,用于获取来流风速的风切变曲线,并根据风切变曲线计算旋转角度;
修正垂直高度的尾流风速的高斯分布获取模块230,用于对初始垂直高度的尾流风速的高斯分布按照旋转角度进行旋转修正,获得修正垂直高度的尾流风速的高斯分布;
水平面尾流风速高斯分布获取模块240,用于对水平面的尾流速度进行预测,获得水平面尾流风速高斯分布;
三维尾流模型建立模块250,用于根据修正垂直高度的尾流风速的高斯分布和水平面尾流风速高斯分布建立三维尾流模型。
可选的,初始垂直高度的尾流风速的高斯分布获取模块210,还用于:
获取预测垂直高度的尾流风速的高斯分布;
根据一维高斯分布的密度函数曲线性质及Jensen尾流模型中尾流线性扩张假设确定高斯分布的标准差;
基于预设尾流模型确定当垂直高度为尾流半径时,尾流风速与在轮毂处的来流风速相等;当尾流半径趋于无穷大时,获得第二参数的值;
获取质量守恒定律的计算公式;
根据第二参数的值和质量守恒定律的计算公式计算第一参数的值;
将第一参数的值、第二参数的值及高斯分布的标准差代入预测垂直高度的尾流风速的高斯分布,获得初始垂直高度的尾流风速的高斯分布。
可选的,旋转角度计算模块220,还用于:
计算风切变曲线中位于轮毂中心点的切线的斜率;
根据斜率确定旋转角度。
可选的,修正垂直高度的尾流风速的高斯分布获取模块230,还用于:
获取初始垂直高度的尾流风速的高斯分布曲线的旋转点;
若旋转点不是坐标原点,则将旋转点平移至坐标原点;
采用旋转公式对平移后的曲线按照旋转角度进行旋转,获得旋转后的曲线;
将旋转后曲线平移至原旋转点位置处,获得修正垂直高度的尾流风速的高斯分布。
可选的,三维尾流模型建立模块250,还用于:
根据尾流区轴线上的任意一点计算高度参数;
将高度参数的值代入水平面尾流风速高斯分布的公式中获得三维尾流模型。
上述装置可执行本发明前述所有实施例所提供的方法,具备执行上述方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节,可参见本发明前述所有实施例所提供的方法。
实施例三
图9为本发明实施例三提供的一种计算机设备的结构示意图。图9示出了适于用来实现本发明实施方式的计算机设备312的框图。图9显示的计算机设备312仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。设备312典型的是承担三维尾流模型的建立功能的计算设备。
如图9所示,计算机设备312以通用计算设备的形式表现。计算机设备312的组件可以包括但不限于:一个或者多个处理器316,存储装置328,连接不同系统组件(包括存储装置328和处理器316)的总线318。
总线318表示几类总线结构中的一种或多种,包括存储器总线或者存储器控制器,外围总线,图形加速端口,处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说,这些体系结构包括但不限于工业标准体系结构(Industry StandardArchitecture,ISA)总线,微通道体系结构(Micro Channel Architecture,MCA)总线,增强型ISA总线、多媒体电子标准协会(Video Electronics Standards Association,VESA)局域总线以及外围组件互连(Peripheral Component Interconnect,PCI)总线。
计算机设备312典型地包括多种计算机系统可读介质。这些介质可以是任何能够被计算机设备312访问的可用介质,包括易失性和非易失性介质,可移动的和不可移动的介质。
存储装置328可以包括易失性存储器形式的计算机系统可读介质,例如随机存取存储器(Random Access Memory,RAM)330和/或高速缓存存储器332。计算机设备312可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例,存储系统334可以用于读写不可移动的、非易失性磁介质(图9未显示,通常称为“硬盘驱动器”)。尽管图9中未示出,可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器,以及对可移动非易失性光盘(例如只读光盘(Compact Disc-Read Only Memory,CD-ROM)、数字视盘(Digital Video Disc-Read Only Memory,DVD-ROM)或者其它光介质)读写的光盘驱动器。在这些情况下,每个驱动器可以通过一个或者多个数据介质接口与总线318相连。存储装置328可以包括至少一个程序产品,该程序产品具有一组(例如至少一个)程序模块,这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块326的程序336,可以存储在例如存储装置328中,这样的程序模块326包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块326通常执行本发明所描述的实施例中的功能和/或方法。
计算机设备312也可以与一个或多个外部设备314(例如键盘、指向设备、摄像头、显示器324等)通信,还可与一个或者多个使得用户能与该计算机设备312交互的设备通信,和/或与使得该计算机设备312能与一个或多个其它计算设备进行通信的任何设备(例如网卡,调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口322进行。并且,计算机设备312还可以通过网络适配器320与一个或者多个网络(例如局域网(Local AreaNetwork,LAN),广域网Wide Area Network,WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器320通过总线318与计算机设备312的其它模块通信。应当明白,尽管图中未示出,可以结合计算机设备312使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、磁盘阵列(Redundant Arrays of IndependentDisks,RAID)系统、磁带驱动器以及数据备份存储系统等。
处理器316通过运行存储在存储装置328中的程序,从而执行各种功能应用以及数据处理,例如实现本发明上述实施例所提供的三维尾流模型的建立方法。
实施例四
本发明实施例四还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如本发明实施例所提供的三维尾流模型的建立方法。
当然,本发明实施例所提供的一种计算机可读存储介质,其上存储的计算机程序不限于如上所述的方法操作,还可以执行本发明任意实施例所提供的三维尾流模型的建立方法中的相关操作。
本发明实施例的计算机存储介质,可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括——但不限于无线、电线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)-连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (10)
1.一种三维尾流模型的建立方法,其特征在于,包括:
基于预设尾流模型及质量守恒定律进行预测,获得初始垂直高度的尾流风速的高斯分布,其中,所述预设尾流模型包括Jensen模型和/或2D Jensen-Gauss模型,初始垂直高度的尾流风速的高斯分布的计算公式如下:其中,z表示距离轮毂中心的高度,uref为测风塔或激光雷达在已知高度zref测得的风速,zhub为风机轮毂中心高度;a为轴流诱导因子,由推力系数CT确定,CT=4a(1-a),r0为风力机转子半径;δz为高斯分布的标准差,与尾流半径rz的关系是rz=2.58δz=kzx+r0,kz为垂直高度尾流膨胀系数,其中,经验系数Kn取值为0.4,KJensen为膨胀系数,CT为轴向推力系数,x为距离风机的距离,D为风力机直径,Iv为垂直高度的湍流强度;
获取来流风速的风切变曲线,并根据所述风切变曲线计算旋转角度;其中,风切变曲线的公式如下:其中,uref为测风塔或激光雷达在已知高度zref测得的风速,zhub为风机轮毂中心高度,z+zhub为距离地面高度,a0为风剪切指数,根据风电场所处区域的地形和大气环境决定,由公式求出,v1和v2为已知高度z1和z2的实测风速;
对初始垂直高度的尾流风速的高斯分布按照所述旋转角度进行旋转修正,获得修正垂直高度的尾流风速的高斯分布,其中,旋转修正后的垂直高度的尾流风速的高斯分布的计算公式如下:
其中,u代表u(x,z),α表示旋转角度;(M,0)表示旋转点的坐标;
对水平面的尾流速度进行预测,获得水平面尾流风速的高斯分布,公式如其中,y表示在水平面上距离轮毂中心的距离,δy为高斯分布的标准差,2.58δy=kyx+r0,ky为水平面尾流膨胀系数,经验系数Kn取值为0.4,KJensen为膨胀系数,CT为轴向推力系数,x为距离风机的距离,D为风力机直径,Iu为水平面的湍流强度;C为高度参数,此处为未知数;
根据所述修正垂直高度的尾流风速的高斯分布和所述水平面尾流风速高斯分布建立三维尾流模型。
2.根据权利要求1所述的方法,其特征在于,基于预设尾流模型及质量守恒定律进行预测,获得初始垂直高度的尾流风速的高斯分布,包括:
预测垂直高度的尾流风速的高斯分布,计算公式如下:其中,A、B和δz为未知参数,A为第一参数,B为第二参数,δz为高斯分布的标准差;
根据一维高斯分布的密度函数曲线性质及Jensen尾流模型中尾流线性扩张假设确定高斯分布的标准差;
基于预设尾流模型确定当垂直高度为尾流半径时,尾流风速与在轮毂处的来流风速相等,计算公式如下:其中,u(zhub)表示轮毂处的来流风速,rz表示尾流半径;当尾流半径趋于无穷大时,近似为0,获得第二参数的值;
获取质量守恒定律的计算公式:
其中,包括(-rz,-r0)和(r0,rz)两个范围
根据所述第二参数的值和质量守恒定律的计算公式计算第一参数的值;表示如下:
将第一参数的值、第二参数的值及高斯分布的标准差代入所述预测垂直高度的尾流风速的高斯分布,获得初始垂直高度的尾流风速的高斯分布。
3.根据权利要求1所述的方法,其特征在于,根据所述风切变曲线计算旋转角度,包括:
计算所述风切变曲线中位于轮毂中心点的切线的斜率;
根据所述斜率确定旋转角度。
4.根据权利要求1所述的方法,其特征在于,对初始垂直高度的尾流风速的高斯分布按照所述旋转角度进行旋转修正,获得修正垂直高度的尾流风速的高斯分布,包括:
获取初始垂直高度的尾流风速的高斯分布曲线的旋转点,其中,旋转点的坐标为
若所述旋转点不是坐标原点,则将所述旋转点平移至坐标原点,平移后的曲线表达式为:
采用旋转公式对平移后的曲线按照旋转角度进行旋转,获得旋转后的曲线公式为:
将旋转后曲线平移至原旋转点位置处,获得修正垂直高度的尾流风速的高斯分布。
5.根据权利要求1所述的方法,其特征在于,根据所述修正垂直高度的尾流风速的高斯分布和所述水平面尾流风速高斯分布建立三维尾流模型,包括:
根据尾流区轴线上的任意一点计算高度参数,计算公式如下:当x0确定时,可唯一确定u(x0,0,0),由u(x0,0,0)可确定高度参数C的值;
将所述高度参数的值代入所述水平面尾流风速高斯分布的公式中获得三维尾流模型。
6.一种三维尾流模型的建立装置,其特征在于,包括:
初始垂直高度的尾流风速的高斯分布获取模块,用于基于预设尾流模型及质量守恒定律进行预测,获得初始垂直高度的尾流风速的高斯分布,其中,所述预设尾流模型包括Jensen模型和/或2D Jensen-Gauss模型;
旋转角度计算模块,用于获取来流风速的风切变曲线,并根据所述风切变曲线计算旋转角度;
修正垂直高度的尾流风速的高斯分布获取模块,用于对初始垂直高度的尾流风速的高斯分布按照所述旋转角度进行旋转修正,获得修正垂直高度的尾流风速的高斯分布;
水平面尾流风速高斯分布获取模块,用于对水平面的尾流速度进行预测,获得水平面尾流风速高斯分布;
三维尾流模型建立模块,用于根据所述修正垂直高度的尾流风速的高斯分布和所述水平面尾流风速高斯分布建立三维尾流模型。
7.根据权利要求6所述的装置,其特征在于,所述初始垂直高度的尾流风速的高斯分布获取模块,还用于:
预测垂直高度的尾流风速的高斯分布;
根据一维高斯分布的密度函数曲线性质及Jensen尾流模型中尾流线性扩张假设确定高斯分布的标准差;
基于预设尾流模型确定当垂直高度为尾流半径时,尾流风速与在轮毂处的来流风速相等;当尾流半径趋于无穷大时,获得第二参数的值;
获取质量守恒定律的计算公式;
根据所述第二参数的值和质量守恒定律的计算公式计算第一参数的值;
将第一参数的值和第二参数的值代入所述预测垂直高度的尾流风速的高斯分布,获得初始垂直高度的尾流风速的高斯分布。
8.根据权利要求6所述的装置,其特征在于,所述旋转角度计算模块,还用于:
计算所述风切变曲线中位于轮毂中心点的切线的斜率;
根据所述斜率确定旋转角度。
9.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1-5中任一所述的三维尾流模型的建立方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-5中任一所述的三维尾流模型的建立方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910369490.5A CN110009736B (zh) | 2019-05-09 | 2019-05-09 | 三维尾流模型的建立方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910369490.5A CN110009736B (zh) | 2019-05-09 | 2019-05-09 | 三维尾流模型的建立方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110009736A true CN110009736A (zh) | 2019-07-12 |
CN110009736B CN110009736B (zh) | 2024-04-19 |
Family
ID=67175701
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910369490.5A Active CN110009736B (zh) | 2019-05-09 | 2019-05-09 | 三维尾流模型的建立方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110009736B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN112555096A (zh) * | 2020-11-27 | 2021-03-26 | 华北电力大学 | 风电机组偏航协同控制方法、装置、电子设备及存储介质 |
CN113283195A (zh) * | 2021-06-04 | 2021-08-20 | 集美大学 | 一种花洒出流参数预测方法、终端设备及存储介质 |
CN114398843A (zh) * | 2022-01-18 | 2022-04-26 | 中国大唐集团科学技术研究院有限公司中南电力试验研究院 | 一种适用于多种地形的三维尾流风速分布计算方法 |
CN115062563A (zh) * | 2022-08-18 | 2022-09-16 | 南京理工大学 | 基于空间变化的风力机三维尾流风速计算方法 |
CN115310388A (zh) * | 2022-10-13 | 2022-11-08 | 南京理工大学 | 空间变化的风力机三维不对称双高斯尾流风速计算方法 |
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 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150015869A1 (en) * | 2013-01-15 | 2015-01-15 | Raytheon Company | Ladar backtracking of wake turbulence trailing an airborne target for point-of-origin estimation and target classification |
US20170370348A1 (en) * | 2016-06-28 | 2017-12-28 | General Electric Company | System and Method for Assessing Farm-Level Performance of a Wind Farm |
WO2018007012A1 (en) * | 2016-07-06 | 2018-01-11 | Universität Stuttgart | Control system, wind turbine and control method |
CN108108562A (zh) * | 2017-12-27 | 2018-06-01 | 华北电力大学 | 一种基于高斯分布的风电机组尾流的解析建模方法 |
-
2019
- 2019-05-09 CN CN201910369490.5A patent/CN110009736B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150015869A1 (en) * | 2013-01-15 | 2015-01-15 | Raytheon Company | Ladar backtracking of wake turbulence trailing an airborne target for point-of-origin estimation and target classification |
US20170370348A1 (en) * | 2016-06-28 | 2017-12-28 | General Electric Company | System and Method for Assessing Farm-Level Performance of a Wind Farm |
WO2018007012A1 (en) * | 2016-07-06 | 2018-01-11 | Universität Stuttgart | Control system, wind turbine and control method |
CN108108562A (zh) * | 2017-12-27 | 2018-06-01 | 华北电力大学 | 一种基于高斯分布的风电机组尾流的解析建模方法 |
Non-Patent Citations (7)
Title |
---|
GAO XIAOXIA.ET AL: "Optimization of wind turbine layout position in a wind farm using a newly-developed two-dimensional wake model", 《APPLIED ENERGY》 * |
QING\'AN LI.ET AL: "Investigation of wake characteristic of a 30 kW rated power Horizontal Axis Wind Turbine with wake model and field measurement", 《APPLIED ENERGY》 * |
侯亚丽等: "风切变对风力机尾流湍流特征影响的研究", 《机械工程学报》, vol. 52, no. 16 * |
唐田: "大型风电场风电机组尾流模型及其应用研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》, no. 2 * |
张忠伟等: "基于高斯分布的尾流模型研究", 《风能》, no. 3 * |
张晓东等: "基于高斯分布的风电场尾流效应计算模型", 《华北电力大学学报(自然科学版)》, vol. 44, no. 5 * |
杨祥生等: "两种新修正工程模型对多台风力机尾流数值模拟分析", 《太阳能学报》, vol. 39, no. 4 * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN112555096A (zh) * | 2020-11-27 | 2021-03-26 | 华北电力大学 | 风电机组偏航协同控制方法、装置、电子设备及存储介质 |
CN112555096B (zh) * | 2020-11-27 | 2021-10-26 | 华北电力大学 | 风电机组偏航协同控制方法、装置、电子设备及存储介质 |
CN113283195A (zh) * | 2021-06-04 | 2021-08-20 | 集美大学 | 一种花洒出流参数预测方法、终端设备及存储介质 |
CN114398843A (zh) * | 2022-01-18 | 2022-04-26 | 中国大唐集团科学技术研究院有限公司中南电力试验研究院 | 一种适用于多种地形的三维尾流风速分布计算方法 |
CN114398843B (zh) * | 2022-01-18 | 2024-05-31 | 中国大唐集团科学技术研究院有限公司中南电力试验研究院 | 一种适用于多种地形的三维尾流风速分布计算方法 |
CN115062563A (zh) * | 2022-08-18 | 2022-09-16 | 南京理工大学 | 基于空间变化的风力机三维尾流风速计算方法 |
CN115062563B (zh) * | 2022-08-18 | 2022-11-18 | 南京理工大学 | 基于空间变化的风力机三维尾流风速计算方法 |
CN115310388A (zh) * | 2022-10-13 | 2022-11-08 | 南京理工大学 | 空间变化的风力机三维不对称双高斯尾流风速计算方法 |
CN115310388B (zh) * | 2022-10-13 | 2022-12-23 | 南京理工大学 | 空间变化的风力机三维不对称双高斯尾流风速计算方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110009736B (zh) | 2024-04-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110009736A (zh) | 三维尾流模型的建立方法、装置、设备及存储介质 | |
Gao et al. | Investigation and validation of 3D wake model for horizontal-axis wind turbines based on filed measurements | |
CN109376389B (zh) | 一种基于2D_k Jensen模型的三维尾流数值模拟方法 | |
Wu et al. | Modeling turbine wakes and power losses within a wind farm using LES: An application to the Horns Rev offshore wind farm | |
Batten et al. | Accuracy of the actuator disc-RANS approach for predicting the performance and wake of tidal turbines | |
Du et al. | A review of H-Darrieus wind turbine aerodynamic research | |
Shiraz et al. | Wind power potential assessment of roof mounted wind turbines in cities | |
CN104794357B (zh) | 一种二维尾流数值模拟方法 | |
Kaufmann et al. | An enhanced and validated performance and cavitation prediction model for horizontal axis tidal turbines | |
CN110322038B (zh) | 基于中尺度数据的风机自动排布的方法和设备 | |
Park et al. | Wind farm layout optimization using genetic algorithm and its application to Daegwallyeong wind farm | |
Payambarpour et al. | Investigation of blade number effect on hydraulic performance of in-pipe hydro savonius turbine | |
Silang et al. | Wind energy projection for the Philippines based on climate change modeling | |
Hogg et al. | UK Wind Energy Technologies | |
Gitifar et al. | Review of different vertical axis wind turbine modeling methods | |
Karadag et al. | Wind turbine integration to tall buildings | |
CN115204709B (zh) | 一种便于风电场选址的台风风险评估方法 | |
Naemi et al. | A hierarchical, physical and data-driven approach to wind farm modelling | |
Hao et al. | Wind loads characteristic of large wind turbine considering typhoon transit process | |
Rafiei et al. | Optimized configuration with economic evaluation for shrouded vertical axis wind turbines applicable for urban structures | |
CN110925147B (zh) | 一种风力发电机尾流追踪方法 | |
Bourabaa et al. | Wind potential evaluation around isolated pitched roof buildings | |
Klein et al. | Influence of jet flow on the Aerodynamics of a floating model wind turbine | |
Kozmar et al. | Wind load assessment in marine and offshore engineering standards | |
CN111475942A (zh) | 风资源质量的评估方法、系统、介质及电子设备 |
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 |