CN112035979A - 一种风电机组整机一体化优化设计方法、平台及寻优方法 - Google Patents
一种风电机组整机一体化优化设计方法、平台及寻优方法 Download PDFInfo
- Publication number
- CN112035979A CN112035979A CN202010918039.7A CN202010918039A CN112035979A CN 112035979 A CN112035979 A CN 112035979A CN 202010918039 A CN202010918039 A CN 202010918039A CN 112035979 A CN112035979 A CN 112035979A
- Authority
- CN
- China
- Prior art keywords
- design
- optimization
- complete machine
- model
- variables
- 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.)
- Pending
Links
- 238000013461 design Methods 0.000 title claims abstract description 260
- 238000005457 optimization Methods 0.000 title claims abstract description 208
- 238000000034 method Methods 0.000 title claims abstract description 51
- 238000012216 screening Methods 0.000 claims abstract description 16
- 238000013401 experimental design Methods 0.000 claims abstract description 14
- 238000002474 experimental method Methods 0.000 claims abstract description 6
- 230000008878 coupling Effects 0.000 claims description 23
- 238000010168 coupling process Methods 0.000 claims description 23
- 238000005859 coupling reaction Methods 0.000 claims description 23
- 230000004044 response Effects 0.000 claims description 18
- 230000005540 biological transmission Effects 0.000 claims description 16
- 238000004364 calculation method Methods 0.000 claims description 16
- 230000005611 electricity Effects 0.000 claims description 13
- 238000010248 power generation Methods 0.000 claims description 13
- 230000010354 integration Effects 0.000 claims description 6
- 238000011156 evaluation Methods 0.000 claims description 5
- 238000004088 simulation Methods 0.000 claims description 5
- 238000005516 engineering process Methods 0.000 abstract description 8
- 238000009826 distribution Methods 0.000 description 38
- 230000008569 process Effects 0.000 description 10
- 230000006870 function Effects 0.000 description 9
- 238000013400 design of experiment Methods 0.000 description 8
- 238000012360 testing method Methods 0.000 description 7
- 238000007667 floating Methods 0.000 description 5
- 238000010206 sensitivity analysis Methods 0.000 description 5
- 238000005452 bending Methods 0.000 description 4
- 238000010276 construction Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000012938 design process Methods 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 239000002131 composite material Substances 0.000 description 2
- 230000001186 cumulative effect Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012827 research and development Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 101150106232 MEP3 gene Proteins 0.000 description 1
- 101150051493 MEP4 gene Proteins 0.000 description 1
- 108010030544 Peptidyl-Lys metalloendopeptidase Proteins 0.000 description 1
- 101100162651 Schizosaccharomyces pombe (strain 972 / ATCC 24843) amt3 gene Proteins 0.000 description 1
- 230000002902 bimodal effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 108700041286 delta Proteins 0.000 description 1
- 238000005315 distribution function Methods 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 239000003733 fiber-reinforced composite Substances 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000001050 lubricating effect Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000013433 optimization analysis Methods 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 108010028075 procathepsin L Proteins 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 238000010977 unit operation Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/17—Mechanical parametric or variational design
-
- 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
- G06F2111/00—Details relating to CAD techniques
- G06F2111/04—Constraint-based CAD
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/06—Multi-objective optimisation, e.g. Pareto optimisation using simulated annealing [SA], ant colony algorithms or genetic algorithms [GA]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/08—Probabilistic or stochastic CAD
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/06—Wind turbines or wind farms
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
- Y02B10/00—Integration of renewable energy sources in buildings
- Y02B10/30—Wind power
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Wind Motors (AREA)
Abstract
本发明公开了一种风电机组整机一体化优化设计方法、平台和寻优方法；优化设计方法包括：S1、确定整机优化设计目标；S2、部件实验设计：搭建各部件实验设计和优化模型，筛选出各部件中对整机优化设计目标敏感的部件级关键设计变量；S3、整机实验设计：搭建整机模型，筛选出其中对整机优化目标敏感的整机级关键设计变量；S4、整机优化：以整机级关键设计变量为整机优化的设计变量，搭建优化设计平台。本发明提出了整机全局优化模块嵌套技术和部件优化分级技术，成功辨识了影响机组设计目标的部件级及整机级关键设计变量，以此为基础搭建优化设计平台及基于该平台进行寻优设计，解决了风电机组关键部件及子系统协同设计寻优难题，使整机或系统最优。
Description
技术领域
本发明涉及风电设计领域，特别是涉及一种风电机组整机一体化优化设计方法、平台及寻优方法。
背景技术
风电机组是由风轮转子、传动系统、控制系统、发电机、偏航系统、变桨系统、支撑系统、润滑和冷却系统等组成的多系统产品，其研发设计涉及空气动力学、机械设计、电气、控制、复合材料、多体动力学、结构力学等多学科多门类。
传统风电机组设计是搭建整机模型，进行载荷仿真，计算各部件载荷后用于指导部件的设计，部件的设计是基于特定载荷下的部件最优设计，而各部件之间是相互影响相互关联的，故风电机组各部件设计最优，未必整机或者系统最优。
由此可见，上述现有的风电机组设计在方法与使用上，显然仍存在有不便与缺陷，而亟待加以进一步改进。如何能创设一种新的风电机组优化设计方法，实属当前重要研发课题之一。
发明内容
本发明要解决的技术问题是提供一种新的风电机组优化设计方法，使其实现整机最优或系统最优，从而克服现有的风电机组关键部件及子系统协同设计寻优难的缺陷。
为解决上述技术问题，本发明采用如下技术方案：
一种风电机组整机一体化优化设计方法，包括：
S1、确定目标：设定整机优化设计目标；
S2、部件实验设计：搭建各部件实验设计和优化模型，其他部件不变的情况下，以所述整机优化设计目标为部件优化目标，对各部件进行优化并筛选出各部件中对所述整机优化设计目标敏感的部件级关键设计变量；
S3、整机实验设计：搭建整机模型，以所述部件级关键设计变量为整机优化的设计变量，以所述整机优化设计目标为目标，进行整机优化并筛选出其中对所述整机优化目标敏感的整机级关键设计变量；
S4、整机优化：以所述整机级关键设计变量为整机优化的设计变量，搭建用于优化的优化平台。
作为本发明进一步地改进，还包括S5、搭建近似模型：以S4中整机优化的数据为基础，建立整机级关键设计变量和输出响应之间的关系曲线，并以此为基础搭建全局优化近似模型。
进一步地，所述近似模型用下式来描述输入变量和输出响应之间的关系：
式中：
y(x)——响应实际值，是未知函数；
ε——近似值与实际值之间的随机误差，通常服从(0,σ2)的标准正态分布。
进一步地，所述S4中的整机优化为：先基于S3中整机级关键设计变量搭建由多个部件整合而成的整机设计模块，并结合风况模型形成多场耦合整机模型，同时搭建目标计算模型、载荷约束模型，形成所述优化平台；以所述整机级关键设计变量为整机优化的设计变量。
进一步地，所述S1中的整机优化设计目标为年度度电成本LCOE；所述S2中搭建各部件实验设计和优化模型包括：分别搭建叶片、塔筒、传动链、控制、载荷仿真、变桨系统、偏航系统对应的部件模型；所述S3中搭建整机模型包括：基于S2中的部件级关键设计变量搭建整机模型；所述S4中的整机优化，先基于S3中整机级关键设计变量搭建由多个部件整合而成的整机设计模块，并结合风况模型形成多场耦合整机模型，同时搭建整机成本模型、发电量模型、度电成本模型、载荷约束模型，形成一个优化平台。
进一步地，所述对整机优化设计目标年度度电成本LCOE敏感的整机级关键设计变量包括：设计等级参数、额定功率、叶轮直径、额定转速、轮毂高度、叶片尖部扭角、塔筒底部直径、主梁厚度、PID控制参数。
另一方面，本发明还提供了一种风电机组整机一体化优化设计平台，包括：整机设计模块、风况模块、多场耦合整机模型、载荷约束模型、整机优化设计目标计算模型；所述整机设计模块，其内部嵌套有多个部件模块，且整机设计模块的输入设计变量来源为：在部件级关键设计变量基础上筛选出来的整机级关键设计变量；所述整机设计模块及风况模块结合形成所述多场耦合整机模型；所述载荷约束模型，用于根据所述多场耦合整机模型，仿真不同输入变量对应的机组载荷；所述整机优化设计目标计算模型用于根据多场耦合整机模型，仿真不同输入变量对应的设计目标。
作为本发明进一步地改进，所述平台还包括近似模型，所述近似模型是以S4中整机优化的数据为基础，建立整机级关键设计变量和输出响应之间的关系曲线，并以此为基础搭建的。
进一步地，所述整机优化设计目标计算模型包括发电量模型、整机成本模型以及度电成本模型；所述发电量模型，用于根据不同输入变量计算年发电量；所述整机成本模型，用于根据不同输入变量计算整机成本；所述度电成本模型，用于根据年发电量及整机成本计算度电成本；所述平台还包括部件安全性评估模块，用于同时根据载荷情况计算出对应模型的安全裕度；作为一个约束条件，不满足安全裕度则被排除在外。
再一方面，本发明还提供了一种风电机组整机一体化寻优方法，其基于上述的风电机组整机一体化优化设计方法搭建的风电机组整机一体化优化设计平台进行寻优设计；或基于上述的风电机组整机一体化优化设计平台进行寻优设计；以在部件级关键设计变量基础上筛选出来的整机级关键设计变量为输入的设计变量，寻求最优解。
通过采用上述技术方案，本发明至少具有以下优点：
1、本发明提出了一种风电机组整机一体化优化设计方法，成功辨识了影响机组设计目标的部件级关键设计变量及整机级关键设计变量(关键设计因子)，以此为基础来搭建优化设计平台及基于该平台进行寻优设计，可以解决风电机组关键部件及子系统协同设计寻优难题。
2、本发明的优化设计方法，获取了完整的整机设计输入输出参数关系，构建了高精度全局优化设计近似模型，兼顾了优化设计的效率及准确性。
3、本发明搭建了风电机组整机一体化优化设计平台。提出了整机全局优化模块(整机设计模块)嵌套技术和部件优化分级技术，揭示了各部件特征参数、优化因子、响应机理和部件间的复杂约束关系，基于模型封装和串并联组合技术，创建了风电机组一体化优化设计平台。
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是本发明一实施例中风电机组整机一体化优化设计方法流程图(设计前期搭建平台阶段)；
图2是本发明一实施例中风电机组整机一体化优化设计平台结构框图；
图3是本发明一实施例中风电机组整机一体化优化设计方法(设计后期寻优应用阶段)逻辑图；
图4是四点支撑传动链结构图；
图5是传动链模块的优化流程图；
图6是传动链中优化变量的敏感性分析图，其中(a)是l1对应的散点图、(b)是l2对应的散点图、(c)是l3对应的散点图、(d)是各优化变量对传动链成本的影响对比图；
图7是叶片模块的优化流程图；
图8是各关键输入变量与输出响应(目标函数)之间的关系曲线图；其中，(a)是塔筒高度与目标函数之间的关系图；(b)是风轮半径与目标函数之间的关系图；(c)是额定功率与目标函数之间的关系图；(d)是风轮转速与目标函数之间的关系图。
具体实施方式
风电机组机型研发的性能指标评价标准多样化，比如最佳功率曲线Cp、年发电量、整机重量、整机成本等多指标，目标之间相互制约，之前也有大量学者研发多目标优化设计，但也很难找到兼顾所有目标的最优解。而本发明提出了整机全局优化模块嵌套技术和部件优化分级技术，成功辨识了影响机组设计目标的部件级关键设计变量及整机级关键设计变量，以此为基础来搭建优化设计平台及基于该平台进行寻优设计，可以解决风电机组关键部件及子系统协同设计寻优难题。其中，风电机组可为低风速、中风速、高风速等任意机型。
如图1所示，本实施例提供了一种风电机组整机一体化优化设计方法，包括：
S1、确定目标：设定整机优化设计目标；
S2、部件实验设计DOE：搭建各部件实验设计DOE和优化模型，其他部件不变的情况下，以整机优化设计目标为部件优化目标，对各部件进行优化并筛选出各部件中对整机优化设计目标敏感的部件级关键设计变量；
S3、整机实验设计DOE：搭建整机模型，以部件级关键设计变量为整机优化的设计变量，以整机优化设计目标为目标，进行整机优化并筛选出其中对整机优化目标敏感的整机级关键设计变量；
S4、整机优化：以所述整机级关键设计变量为整机优化的设计变量，搭建用于优化的优化平台。
S5、以S4中整机优化的数据为基础，建立整机级关键设计变量和输出响应之间的关系曲线，并以此为基础搭建全局优化近似模型。
下面将进行详细展开描述：
S1、确定目标：设定整机优化设计目标：
其中整机优化设计目标可以为度电成本最优、发电量最高、成本最低等等，本实施例优选以最优度电成本为例进行介绍。
S2、部件实验设计DOE：搭建各部件实验设计DOE和优化模型，其他部件不变的情况下，以整机优化设计目标为部件优化目标，对各部件进行优化并筛选出各部件中对整机优化设计目标敏感的部件级关键设计变量。
此部分属于部件级的优化部分，以下分别以传动链和叶片为例阐述部件优化过程：
(一)传动链优化
根据风电机组传动形式，风电机组可以分为直驱、半直驱和双馈三种类型。本实施例主要针对主流的四点支撑双馈风电机组进行优化设计分析，其结构如图4所示。图中，l1为轮毂中心距浮动轴承中心的距离；l2为浮动轴承中心距止推轴承中心距离；l3为止推轴承至齿轮箱中心距离。
以三个距离l1、l2、l3、叶轮转速、齿轮箱速比作为优化变量；以最优度电成本为优化目标；以主轴、轴承、齿轮箱和发电机选型要求作为约束条件进行传动链优化设计，建立传动链实验设计和优化模型，具体流程如图5所示。将轮毂中心极限和疲劳载荷通过力的平衡方程组式转换到浮动轴承和止推轴承上，进行轴承选型；根据传动链输入功率和扭矩，进行齿轮箱和发电机选型；根据轮毂中心极限和疲劳载荷，进行主轴优化；针对不同叶轮转速，对传动链进行优化。
式中，
为X方向的轴向力；
为Y方向的剪力；
为Z方向的剪力；
为Y方向的弯矩；
为Z方向的弯矩；Fxf为浮动轴承X方向上的载荷。
对上述各优化变量进行敏感性分析，筛选出针对传动链的部件级关键设计变量，以l1、l2、l3的筛选为例，参见图6(a、b、c、d)所示，可以看出，变量l1对传动链成本影响比较大，接近线性关系。l2、l3三个变量对传动链影响不敏感。从影响传动链成本的大小排序，参数依次为l1、l2、l3,对传动链敏感的部件级关键设计变量就包括l1。以此类推，找出对传动链敏感的所有部件级关键设计变量。
(二)叶片优化：
基于最优度电成本对叶片气动和结构进行优化设计，气动设计基于动量-叶素理论，气动参数包括弦长、扭角、厚度分布、预弯曲线；结构设计基于工程算法，优化变量包括主梁和辅梁厚度、叶根斜角布的分布以及厚度。进行实验设计，建立一套自下而上的叶片性能优化数值模型，将翼型气动系数分析、叶片气动设计、叶片结构设计等方面一体化到优化平台中，实现叶片部件自身的气动、结构、载荷、发电量等多学科优化，其设计流程如图7所示。
为使叶片主要功率输出段的截面弦长和扭角沿展向连续光滑分布，将弦长和扭角都采用贝塞尔曲线拟合，并且采用超过5点控制的贝塞尔曲线，既保证了曲线的变化自由度，又保证外型的光滑过度。风电叶片复合材料结构设计需要综合考虑叶片的静强度、疲劳强度、屈曲强度、结构刚度等方面是否满足使用要求，纤维增强复合材料同其它材料相比，静强度及疲劳强度性能优势明显，所以结构刚度在叶片设计在其中起着主导作用，直接关系到叶片挠度及运行过程中叶片到塔筒的安全距离。因此，优化时选择对净空/挠度进行约束。
与上述传动链筛选类似，对叶片的各优化变量进行敏感性分析，选取针对叶片的部件级关键设计变量，找出其中对度电成本影响较大的关键设计变量进行排序，筛选出其中对最优度电成本敏感的部件级关键设计变量，如叶片长度L1,弦长参数分布cx[2,0],弦长参数分布cx[2,1],弦长参数分布cx[3,0],弦长参数分布cx[3,1],弦长参数分布cx[4,1],扭角分布deltath1,扭角分布deltath2,扭角分布deltath3,扭角分布deltath4,预弯曲线分布prebendy[2],主梁厚度长度参数分布scx[1],主梁厚度长度参数分布scx[2],主梁厚度长度参数分布scx[4],主梁厚度宽度参数分布scy[2],主梁厚度宽度参数分布scy[4],翼型相对厚度分布参数tx[1,0],翼型相对厚度分布参数tx[2,0],翼型相对厚度分布参数tx[2,1],翼型相对厚度分布参数tx[3,0],翼型相对厚度分布参数tx[3,1],翼型相对厚度分布参数tx[4,1]……。
由于风电机组的部件(此处的部件包含子系统)较多，在此不一一赘述，可参考上述方法对塔筒、变桨系统、偏航系统、控制系统等进行一一优化，最终筛选出所有部件级别的关键设计变量。
S3、整机实验设计：
根据各个部件模型情况，一体化到整机大平台中，搭建整机模型，以部件级关键设计变量为整机优化的设计变量，以整机优化设计目标为目标，进行整机优化，找出各部件设计变量、以及设计变量之间的交互效应对设计变量的影响，并筛选出其中对所述整机优化目标敏感的整机级关键设计变量。
此步骤的方式同上述部件优化步骤，但此步骤属于整机级的筛选步骤，经该步骤，可筛选出对最优度电成本较为敏感的关键设计变量，本发明中筛选出的整机级关键设计变量包括：设计等级参数、额定功率、叶轮直径、额定转速、轮毂高度、叶片尖部扭角、塔筒底部直径、主梁厚度、PID控制参数。
S4、整机优化：
S3中根据整机实验设计DOE变量敏感性分析结果，得到整机级关键设计变量，此处先基于S3中整机级关键设计变量搭建由多个部件整合而成的整机设计模块，并结合风况模型形成多场耦合整机模型，同时搭建目标计算模型、载荷约束模型，形成一个优化平台，可基于此进行优化；所述优化平台的是以整机级关键设计变量为整机优化的设计变量。
配合图2所示，下面以年度度电成本LCOE为整机优化设计目标对优化设计平台的搭建进行阐述：
1)搭建子系统模块。先以多年风机设计经验搭建部件模块，单独模块有叶片模块、传动链模块、塔筒模块、控制载荷模块、变桨系统、偏航系统等子系统模块。上述几大模块就是日常设计过程的程序化。再将叶片、传动链、塔筒、控制、载荷等方面的设计优化过程统一到优化平台中，不仅包括过程设计、经验值或者系数修正等设计过程，还包括输入参数(设计变量)敏感性分析，用于指导后期新机型设计。
即将子系统模块全部整合进入平台，形成整机设计模块，形成的整机设计模块，其内部嵌套有上述多个部件模块，且整机设计模块的输入设计变量来源为：在部件级关键设计变量基础上筛选出来的整机级关键设计变量；对整机优化设计目标年度度电成本LCOE敏感的整机级关键设计变量包括：设计等级参数、额定功率、叶轮直径、额定转速、轮毂高度、叶片尖部扭角、塔筒底部直径、主梁厚度、PID控制参数。
2)搭建风况模块。根据IEC或GL标准，设计风模型和风电技术运行工况，不同情况组合是不同的输入，并将标准规定的所有工况全部包括进去，以确保机组安全可靠。
3)搭建多场耦合模型。整机设计模块及风况模块结合形成所述多场耦合整机模型；其是根据风场(空气动力学)、部件的结构场以及动力学、控制等多场耦合在一起，耦合即是综合考虑多个场的因素进行仿真计算与优化设计。目的是更精确、更贴近实际的仿真。
4)搭建载荷约束模型；
根据搭建的多场耦合模型，仿真不同输入变量对应的载荷(极限和疲劳)。同时根据载荷情况可以计算出对应模型的安全裕度；作为一个约束条件，不满足安全裕度则被排除在外，相当于搭建部件安全性评估模块。
5)搭建整机优化设计目标计算模型，整机优化设计目标计算模型用于根据多场耦合整机模型，仿真不同输入变量对应的设计目标。本实施例中，整机优化设计目标计算模型包括发电量模型、整机成本模型以及度电成本模型，其中：
发电量模型，用于根据搭建的多场耦合模型，仿真不同输入变量对应的机组功率(年发电量)；
整机成本模型，用于根据不同输入变量计算整机成本；一个输入变量对应一个机组即一个成本模型；
度电成本模块，用于根据年发电量及整机成本计算度电成本。
基于上述平台，以最优度电成本为目标进行优化，在该平台下可以运算求解，求出基于目前算法下的最优解，即最优度电成本和对应的输入变量值。有最优解对应的输入变量，则即是设计出一个机组。根据优化设计平台，可得出仿真数据库。
S5、以S4中整机优化的数据为基础，建立整机级关键设计变量和输出响应之间的关系曲线，并以此为基础搭建全局优化近似模型。因为整机变量角度较多，不一一累述，关键设计变量和输出响应之间的关系曲线，如塔筒高度、风轮半径、额定功率、风轮转速与目标函数之间的关系，详见附图8(a-d)，为搭建近似模型提供了数据。
近似模型用下式来描述输入变量和输出响应之间的关系：
式中：
y(x)——响应实际值，是未知函数；
ε——近似值与实际值之间的随机误差，通常服从(0,σ2)的标准正态分布。
该步骤以S4为基础，获取了完整的整机设计输入输出参数关系，构建了高精度全局优化设计近似模型，后期实际应用中的优化设计过程，可以该近似模型进行优化，其兼顾了优化设计的效率及准确性。
基于上述风电机组整机一体化优化设计平台或优化设计方法可进行寻优设计，其是以在部件级关键设计变量基础上筛选出来的整机级关键设计变量为输入的设计变量，寻求最优解。
风电机组整机设计有很多变量，比如功率、风轮直径、额定转速、塔筒高度等大量设计变量，也是这些变量构成无数风机的设计组合，哪些数据组合才是比较合适的风机呢？通过整机一体化优化设计平台实现优化设计，可确定一组数据为最优数据。
优化设计是各优化变量(优化设计变量)在满足一定约束的条件下，确定一组最佳参数使得优化目标值最小的过程。过程中，主要需要确定优化变量、优化目标、优化约束、优化输入和优化方法。
(1)优化变量。在优化过程中，首先需要确定各优化变量x＝{x1,...,xn}。风电机组可优化的变量有上百个。对于整机，需要优化的变量有机组额定功率、叶轮直径和塔筒高度等；对于叶片，需要优化的变量有翼型、弦长、扭角和厚度分布等；对于传动链，需要优化的变量有轴承类型、轴承跨距、叶轮额定转速、齿轮箱速比和发电机额定转速等；对于塔筒，需要优化的变量有截面直径、截面厚度和塔筒节数等。
(2)优化目标。本实施例选用最优平准化度电成本作为优化目标f(x)。平准化度电成本(Levelized Cost of Energy,LCOE)是衡量风电机组性能的一个重要指标，是对机组生命周期内的成本和发电量进行平准化后计算所得的发电成本，即生命周期内的成本现值/生命周期内的发电量现值。度电成本综合考虑建设成本、运维成本和发电量三个方面，采用下式进行计算。
式中，Pdynamic_cost为机组动态投资成本，包括机组成本、建设成本和建设期贷款利息；TO&M为机组运行时长；Ddepreciation为机组固定资产折旧额；Rtax为机组所得税率；PO&M为机组运维费用；Rdiscount为贴现率；Vresidual_value为机组固定资产残值；Eannual为机组年发电量。
(3)优化约束。在优化过程中，需对个优化变量进行一定约束。如对大型机组，要求叶尖速度小于90m/s，以保证机组具有良好的降噪性能；要求机组各部件强度和刚度满足设计要求，以保证机组具有良好的安全性能；要求机组各部件接口尺寸满足设计要求，以保证机组具有良好的装配性能。
(4)优化输入。在优化过程中，需要针对特定场址对机组进行优化，即需要给定优化输入。特定场址是影响风电机组运行的外部因素，可划分为风况、温度、地震、电网条件和考虑场地的土壤特性等。风况分为极限风况和湍流风况。极端风况采用IEC 61400-1中的极端风模型进行定义，主要参数为极限参考风速Vref；湍流风况采用IEC 61400-1中的湍流风模型进行定义，主要参数为特征湍流强度和风速频率分布。风速频率分布运用概率分布函数库进行拟合，包括威布尔分布(Weibull)、威布尔双峰分布(WW)、伽马威布尔分布(GW)、单截尾正态威布尔分布(NW)、对数正态分布(LN)、瑞利分布(R)以及不同阶数的最大熵函数(MEP3，MEP4，MEP5)。
(5)优化方法。风电机组设计的优化变量有上百个，需分析各设计变量对整机及子体统的敏感性影响，以确定关键优化变量。试验设计(Design of Experiment,DOE)为常用的分析方法，其通过对试验进行合理安排，以较小的试验规模(试验次数)、较短的试验周期和较低的试验成本，获得理想的试验结果并得出科学的试验结论。
配合图3所示，上述设计应用阶段的寻优方法包括：
S101、将整机级关键设计变量输入整机设计模块；
S102、根据整机设计模块获得的各部件属性参数及风况输入多场耦合整机模型；
S103、根据多场耦合模型，仿真不同输入变量对应的机组载荷(极限和疲劳)；
S104、根据多场耦合模型，仿真不同输入变量对应的机组功率，根据机组功率计算年发电量；
S105、同时根据载荷情况可以计算出对应模型的安全裕度；作为一个约束条件，不满足安全裕度则被排除在外；
S106、根据整机设计变量输入计算成本；
S107、根据成本计算模型和发电量，计算度电成本；
S108、进行系统优化运算求解，以度电成本为目标，求出基于目前算法下的最优解，即最优度电成本和对应的输入变量值。
最后将依据上述优化设计平台、优化设计方法，针对特定场址机组进行寻优分析：
分别以中高风速风电场(场址1)和低风速风电场(场址2)为例，采用上述优化设计方法及优化设计平台进行寻优设计。这两个风电场风速变化服从威布尔分布(参见下式)，风资源数据参见表1。
PW(Vhub)＝1-exp[-(Vhub/C)k)]
式中，PW为威布尔累计概率分布，即小于某一风速的概率；Vhub为轮毂处10分钟平均风速；C为威布尔分布尺度参数；k为威布尔分布形状参数。
表1示例风电场风资源数据
风电场1优化结果参见表2。
表2风电场1优化结果
由表2可知，度电成本为0.21元/度电，已达到风火同价水平。与市场主流机型相比，发电量提升约13％，叶片质量降低约2.8％，塔筒质量降低约8％，度电成本降低约16％。
风电场2优化结果参见表3。
表3风电场2优化结果
由表3可知，度电成本为0.26元/度电，已达到风火同价水平。与市场主流机型相比，发电量提升约9％，叶片质量降低约2.4％，塔筒质量降低约12.7％，度电成本降低约10.3％。
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 (10)
1.一种风电机组整机一体化优化设计方法，其特征在于，包括：
S1、确定目标：设定整机优化设计目标；
S2、部件实验设计：搭建各部件实验设计和优化模型，其他部件不变的情况下，以所述整机优化设计目标为部件优化目标，对各部件进行优化并筛选出各部件中对所述整机优化设计目标敏感的部件级关键设计变量；
S3、整机实验设计：搭建整机模型，以所述部件级关键设计变量为整机优化的设计变量，以所述整机优化设计目标为目标，进行整机优化并筛选出其中对所述整机优化目标敏感的整机级关键设计变量；
S4、整机优化：以所述整机级关键设计变量为整机优化的设计变量，搭建用于优化的优化平台。
2.根据权利要求1所述的风电机组整机一体化优化设计方法，其特征在于，还包括S5、搭建近似模型：
以S4中整机优化的数据为基础，建立整机级关键设计变量和输出响应之间的关系曲线，并以此为基础搭建全局优化近似模型。
3.根据权利要求2所述的风电机组整机一体化优化设计方法，其特征在于，所述近似模型用下式来描述输入变量和输出响应之间的关系：
式中：
y(x)——响应实际值，是未知函数；
ε——近似值与实际值之间的随机误差，通常服从(0,σ2)的标准正态分布。
4.根据权利要求1-3任一项所述的风电机组整机一体化优化设计方法，其特征在于，所述S4中的整机优化为：先基于S3中整机级关键设计变量搭建由多个部件整合而成的整机设计模块，并结合风况模型形成多场耦合整机模型，同时搭建目标计算模型、载荷约束模型，形成所述优化平台；以所述整机级关键设计变量为整机优化的设计变量。
5.根据权利要求4所述的风电机组整机一体化优化设计方法，其特征在于，所述S1中的整机优化设计目标为年度度电成本LCOE；
所述S2中搭建各部件实验设计和优化模型包括：分别搭建叶片、塔筒、传动链、控制、载荷仿真、变桨系统、偏航系统对应的部件模型；
所述S3中搭建整机模型包括：基于S2中的部件级关键设计变量搭建整机模型；
所述S4中的整机优化，先基于S3中整机级关键设计变量搭建由多个部件整合而成的整机设计模块，并结合风况模型形成多场耦合整机模型，同时搭建整机成本模型、发电量模型、度电成本模型、载荷约束模型，形成一个优化平台。
6.根据权利要求1-3任一项所述的风电机组整机一体化优化设计方法，其特征在于，所述对整机优化设计目标年度度电成本LCOE敏感的整机级关键设计变量包括：
设计等级参数、额定功率、叶轮直径、额定转速、轮毂高度、叶片尖部扭角、塔筒底部直径、主梁厚度、PID控制参数。
7.一种风电机组整机一体化优化设计平台，其特征在于，包括：整机设计模块、风况模块、多场耦合整机模型、载荷约束模型、整机优化设计目标计算模型；
所述整机设计模块，其内部嵌套有多个部件模块，且整机设计模块的输入设计变量来源为：在部件级关键设计变量基础上筛选出来的整机级关键设计变量；
所述整机设计模块及风况模块结合形成所述多场耦合整机模型；
所述载荷约束模型，用于根据所述多场耦合整机模型，仿真不同输入变量对应的机组载荷；
所述整机优化设计目标计算模型用于根据多场耦合整机模型，仿真不同输入变量对应的设计目标。
8.根据权利要求7所述的风电机组整机一体化优化设计平台，其特征在于，还包括近似模型，所述近似模型是以S4中整机优化的数据为基础，建立整机级关键设计变量和输出响应之间的关系曲线，并以此为基础搭建的。
9.根据权利要求7或8所述的风电机组整机一体化优化设计平台，其特征在于，所述整机优化设计目标计算模型包括发电量模型、整机成本模型以及度电成本模型；
所述发电量模型，用于根据不同输入变量计算年发电量；
所述整机成本模型，用于根据不同输入变量计算整机成本；
所述度电成本模型，用于根据年发电量及整机成本计算度电成本；
所述平台还包括部件安全性评估模块，用于同时根据载荷情况计算出对应模型的安全裕度；作为一个约束条件，不满足安全裕度则被排除在外。
10.一种风电机组整机一体化寻优方法，其特征在于，基于权利要求1-6任一项所述的风电机组整机一体化优化设计方法搭建的风电机组整机一体化优化设计平台进行寻优设计；或基于权利要求7-9任一项所述的风电机组整机一体化优化设计平台进行寻优设计；
以在部件级关键设计变量基础上筛选出来的整机级关键设计变量为输入的设计变量，寻求最优解。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010918039.7A CN112035979A (zh) | 2020-09-03 | 2020-09-03 | 一种风电机组整机一体化优化设计方法、平台及寻优方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010918039.7A CN112035979A (zh) | 2020-09-03 | 2020-09-03 | 一种风电机组整机一体化优化设计方法、平台及寻优方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112035979A true CN112035979A (zh) | 2020-12-04 |
Family
ID=73591994
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010918039.7A Pending CN112035979A (zh) | 2020-09-03 | 2020-09-03 | 一种风电机组整机一体化优化设计方法、平台及寻优方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112035979A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112765743A (zh) * | 2021-01-13 | 2021-05-07 | 国电联合动力技术有限公司 | 一种风电机组整机一体化设计多目标协同优化方法及装置 |
| CN112818489A (zh) * | 2021-02-23 | 2021-05-18 | 三一重能股份有限公司 | 风电机组设计方法及系统 |
| CN117010259A (zh) * | 2023-10-07 | 2023-11-07 | 中国船舶集团风电发展有限公司 | 风电机组门洞结构的优化方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109274121A (zh) * | 2018-11-15 | 2019-01-25 | 山东中车风电有限公司 | 一种风电场控制参数优化方法及系统 |
| CN109409013A (zh) * | 2018-12-10 | 2019-03-01 | 国电联合动力技术有限公司 | 一种低风速风电机组风轮智能优化设计方法 |
| KR102109493B1 (ko) * | 2019-04-10 | 2020-05-12 | 군산대학교산학협력단 | 풍력 터빈의 피로하중 모델 구축 방법 |
| CN111339713A (zh) * | 2020-03-13 | 2020-06-26 | 上海电气风电集团股份有限公司 | 风电场的优化设计方法、系统、电子设备和存储介质 |
| CN111461443A (zh) * | 2020-04-07 | 2020-07-28 | 上海电气风电集团股份有限公司 | 风电场的优化设计方法、系统、电子设备和存储介质 |
-
2020
- 2020-09-03 CN CN202010918039.7A patent/CN112035979A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109274121A (zh) * | 2018-11-15 | 2019-01-25 | 山东中车风电有限公司 | 一种风电场控制参数优化方法及系统 |
| CN109409013A (zh) * | 2018-12-10 | 2019-03-01 | 国电联合动力技术有限公司 | 一种低风速风电机组风轮智能优化设计方法 |
| KR102109493B1 (ko) * | 2019-04-10 | 2020-05-12 | 군산대학교산학협력단 | 풍력 터빈의 피로하중 모델 구축 방법 |
| CN111339713A (zh) * | 2020-03-13 | 2020-06-26 | 上海电气风电集团股份有限公司 | 风电场的优化设计方法、系统、电子设备和存储介质 |
| CN111461443A (zh) * | 2020-04-07 | 2020-07-28 | 上海电气风电集团股份有限公司 | 风电场的优化设计方法、系统、电子设备和存储介质 |
Non-Patent Citations (1)
| Title |
|---|
| 韩新月等: "双馈式风力发电机组传动链优化设计", 太阳能学报, vol. 39, no. 7, pages 1988 - 1993 * |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112765743A (zh) * | 2021-01-13 | 2021-05-07 | 国电联合动力技术有限公司 | 一种风电机组整机一体化设计多目标协同优化方法及装置 |
| CN112818489A (zh) * | 2021-02-23 | 2021-05-18 | 三一重能股份有限公司 | 风电机组设计方法及系统 |
| CN112818489B (zh) * | 2021-02-23 | 2023-09-22 | 三一重能股份有限公司 | 风电机组设计方法及系统 |
| CN117010259A (zh) * | 2023-10-07 | 2023-11-07 | 中国船舶集团风电发展有限公司 | 风电机组门洞结构的优化方法 |
| CN117010259B (zh) * | 2023-10-07 | 2024-02-20 | 中国船舶集团风电发展有限公司 | 风电机组门洞结构的优化方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Pao et al. | Control co-design of 13 MW downwind two-bladed rotors to achieve 25% reduction in levelized cost of wind energy | |
| CN112035979A (zh) | 一种风电机组整机一体化优化设计方法、平台及寻优方法 | |
| Bortolotti et al. | IEA Wind TCP Task 37: Systems engineering in wind energy-WP2. 1 Reference wind turbines | |
| Fuglsang et al. | Site‐specific design optimization of wind turbines | |
| CN112347611B (zh) | 一种风力机远场尾流流向湍流度计算方法 | |
| Marten et al. | Qblade guidelines | |
| Yao et al. | A gravo-aeroelastically scaled wind turbine rotor at field-prototype scale with strict structural requirements | |
| Dykes et al. | Effect of tip-speed constraints on the optimized design of a wind turbine | |
| Guo et al. | Analytical Formulation for Sizing and Estimating the Dimensions and Weight of Wind Turbine Hub and Drivetrain Components | |
| CN112765743A (zh) | 一种风电机组整机一体化设计多目标协同优化方法及装置 | |
| CN107590356B (zh) | 一种风力发电机组主轴轴承自动选型方法及存储设备 | |
| Thakker et al. | 3DCAD conceptual design of the next-generation impulse turbine using the Pugh decision-matrix | |
| Bortolotti et al. | System modeling frameworks for wind turbines and plants: Review and requirements specifications | |
| Shaler et al. | Loads assessment of a fixed‐bottom offshore wind farm with wake steering | |
| Mehta et al. | Drivers for optimum sizing of wind turbines for offshore wind farms | |
| CN109598053B (zh) | 低风速风电机组传动部件布局构建、智能优化方法和装置 | |
| Andersen | Sources of experience–theoretical considerations and empirical observations from Danish wind energy technology | |
| Batu et al. | Comparative study of the effect of chord length computation methods in design of wind turbine blade | |
| Kesikbaş | Investigations of upscaling effects for aerodynamic design of large wind turbine rotors by using bem theory and optimization | |
| Vesel Jr | Aero-structural optimization of a 5 MW wind turbine rotor | |
| Berg et al. | System ID modern control algorithms for active aerodynamic load control and impact on gearbox loading | |
| CN111597689A (zh) | 一种低风速风电机组传动链多目标寻优稳健协同设计方法 | |
| Mehta et al. | Turbine scaling for offshore wind farms | |
| El-Shahat et al. | Micro-small-scale horizontal axis wind turbine design and performance analysis for micro-grids applications | |
| Vali et al. | Rejecting wake-rotor overlapping load disturbances: An extension to active power control of wind farms |
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 |