CN113536487A - 一种基于双变量高斯函数的尾流计算方法、装置及存储介质 - Google Patents
一种基于双变量高斯函数的尾流计算方法、装置及存储介质 Download PDFInfo
- Publication number
- CN113536487A CN113536487A CN202110883109.4A CN202110883109A CN113536487A CN 113536487 A CN113536487 A CN 113536487A CN 202110883109 A CN202110883109 A CN 202110883109A CN 113536487 A CN113536487 A CN 113536487A
- Authority
- CN
- China
- Prior art keywords
- wake
- wake flow
- calculation method
- gaussian function
- flow
- 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
- 238000004364 calculation method Methods 0.000 title claims abstract description 43
- 238000000034 method Methods 0.000 claims abstract description 12
- 238000005259 measurement Methods 0.000 claims abstract description 5
- 230000006870 function Effects 0.000 claims description 22
- 238000004590 computer program Methods 0.000 claims description 17
- 230000006735 deficit Effects 0.000 claims description 6
- 238000011161 development Methods 0.000 abstract description 10
- 238000004088 simulation Methods 0.000 description 10
- 238000010248 power generation Methods 0.000 description 6
- 230000007547 defect Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000011084 recovery Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000003746 surface roughness Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 230000002860 competitive effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000010200 validation analysis 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
- G06F30/28—Design optimisation, verification or simulation using fluid dynamics, e.g. using Navier-Stokes equations or computational fluid dynamics [CFD]
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/08—Fluids
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Geometry (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Computer Hardware Design (AREA)
- Fluid Mechanics (AREA)
- Mathematical Physics (AREA)
- Computing Systems (AREA)
- Algebra (AREA)
- Computational Mathematics (AREA)
- Wind Motors (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于双变量高斯函数的尾流计算方法、装置及存储介质，属于风电机组尾流计算技术领域。首先根据现场测量数据，获得风电机组前方的来流速度、展向湍流强度、垂向湍流强度，风电机组的轮毂高度、叶轮直径和推力系数；计算得到尾流扩张系数；根据尾流扩张系数计算初始尾流半径；根据上面得到的尾流扩张系数和初始尾流半径计算展向和垂向的尾流半径；根据得到的展向和垂向的尾流半径，求得尾流区速度亏损。本发明采用的假设比传统尾流计算方法的假设更接近实际发展特点，使得本发明提出的尾流计算方法能更好预测尾流中心点的速度，同时还能给出展向和法向的尾流速度演化规律。
Description
技术领域
本发明属于风电机组尾流计算技术领域，具体涉及一种基于双变量高斯函数的尾流计算方法、装置及存储介质。
背景技术
近年来，风力发电技术取得了非常大的进步，发电成本迅速降低，目前已经能达到与常规火力发电技术同台竞争的水平。像风力发电这样的低成本绿色能源将逐步替代传统的化石能源，在能源体系中占据更为核心的地位。为了实现更大规模的发电量，风电规划正在走向集约化、基地化的发展路径，导致风电机组的尾流效应更为显著，影响整个风电场的发电量和各机组的疲劳载荷。然而，从科学研究和工程应用两方面看，如何定量刻画风电机组的尾流发展规律仍然面临着巨大的挑战。为方便工程应用，研究人员开发出了不同的解析尾流计算方法，也称尾流模型。
目前工程中使用较多的尾流计算方法是Jensen尾流模型[1]。该模型假设机组下游的尾流线性发展，且尾流在同一垂直平面内均匀分布，基于质量守恒定律和动量守恒定律，给出了一个简便易行的尾流计算方法。学者通过与风电场测试数据进行对比，发现Jensen模型采用的速度分布假设与实测结果差别较大，认为尾流速度应该遵循类似正/余弦的分布规律。基于上述考虑，田琳琳等提出了一个余弦尾流模型，并引入了机组湍流对尾流的影响。通过对大量实验数据和数值仿真结果进行数据拟合，Bastankhah等[2]认为尾流分布应该遵循高斯分布，创新性的提出了高斯尾流模型。该模型一经提出，引起了学术界的广泛关注，研究人员对其进行了大量的改进。高斯尾流模型基于合理的假设和严密的数学推导，能对尾流区内的速度分布提供较好的描述。和Jensen模型一样，高斯尾流模型也假设尾流线性扩张，因此需要通过实验或者数值仿真确定扩张系数。不同学者对如何确定尾流扩张系数进行了大量的研究，如Abkar等[3]通过对大涡模拟数据进行拟合后给出了和湍流强度相关的尾流扩张系数计算方法，而Fuertes等[4]提出采用风场实验数据来修正尾流扩张系数。与Jensen模型和高斯模型不同的是，Ishihara等[5]采用高精度风洞实验数据建立了一个非线性的高斯尾流模型。高斯模型通常认为风电机组的入流为均匀流场，而机组实际工作在大气边界层中，入流通常存在较大的切变，为此Sun等[6]假设入流速度满足对数律，提出了一个三维尾流模型，以考虑入流风沿高度方向的变化。
以上文献报道的尾流模型均假定在同一个流向位置速度亏损剖面遵循轴对称的高斯分布，即在展向和垂向遵循相同的分布规律。然而，高精度数值仿真结果表明，两个方向上的速度亏损恢复快慢并不相同，导致轴对称的高斯分布假设与实际情况并不相符。
发明内容
为了解决上述问题，本发明的目的在于提供一种基于双变量高斯函数的尾流计算方法、装置及存储介质，比传统尾流计算方法的假设更接近实际发展特点，能够更好地预测尾流中心点的速度，同时还能给出展向和法向的尾流速度演化规律。
本发明是通过以下技术方案来实现：
一种基于双变量高斯函数的尾流计算方法，包括：
S1：根据现场测量数据，获得风电机组前方的来流速度U∞、展向湍流强度Iy、垂向湍流强度Iz，风电机组的轮毂高度zh、叶轮直径D和推力系数Ct；
S2：假定无量纲的尾流速度亏损为双变量高斯函数，计算得到双变量高斯函数中的尾流扩张系数ky和kz；
S3：根据尾流扩张系数计算初始尾流半径∈y和∈z；
S4：根据S2得到的尾流扩张系数和S3得到的初始尾流半径计算展向和垂向的尾流半径σy和σz；
S5：根据S4得到的展向和垂向的尾流半径σy和σz，尾流区速度亏损ΔU根据下式求得：
其中，y和z为尾流区内平行于风轮平面内任一点到该平面内轮毂高度处的距离，D为风轮直径，Ct为对应来流风速下的推力系数，
zh是风电机组的轮毂高度。
优选地，S2中，尾流扩张系数ky＝γyIy，kz＝γzIz，其中γy和γz为经验系数。
进一步优选地，0.2≤γy≤1，0.2≤γz≤1。
优选地，S3中，初始尾流半径∈y和∈z根据下式计算得到：
∈y＝-1.91ky+0.34
∈z＝-1.91kz+0.34。
优选地，S4中，展向和垂向的尾流半径σy和σz根据下式计算得到：
优选地，S5中，得到尾流区速度亏损ΔU后，可以得出尾流区的速度分布Uw＝U∞-ΔU。
本发明还公开了一种计算机设备，包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述基于双变量高斯函数的尾流计算方法的步骤。
本发明还公开了一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序被处理器执行时实现上述基于双变量高斯函数的尾流计算方法的步骤。
与现有技术相比，本发明具有以下有益的技术效果：
本发明公开的基于双变量高斯函数的尾流计算方法，与当前主流的尾流计算方法相比，采用了双变量高斯函数假设，认为尾流在展向和垂向呈现出不同的发展规律，即展向的速度恢复比法向的速度恢复更快。由于本发明采用的假设比传统尾流计算方法的假设更接近风电机组尾流实际发展特点，使得本发明提出的尾流计算方法能更好预测尾流中心点的速度，同时还能给出展向和法向的尾流速度演化规律，从而能够对风电场发电量进行更好的评估。
进一步地，尾流扩张系数的计算中，考虑了经验系数，该系数与风电机组所处的环境密切相关，受到风速、风向、大气稳定度和地表粗糙度等因素影响，通常需要根据实测数据或仿真数据进行拟合得到，能够使计算结果更加精确。
附图说明
图1为本发明的方法流程图；
图2为实施例中构建尾流计算方法使用的控制体示意图；
图3为本发明提出的尾流计算方法得到的尾流区速度亏损分布图。
具体实施方式
下面以附图和具体实施例对本发明做进一步的详细说明，所述是对本发明的解释而不是限定。
本发明的基于双变量高斯函数的尾流计算方法，包括：
S1：根据现场测量数据，获得风电机组前方的来流速度U∞、展向湍流强度Iy、垂向湍流强度Iz，风电机组的轮毂高度zh、叶轮直径D和推力系数Ct。
S2：假定无量纲的尾流速度亏损为双变量高斯函数，计算得到双变量高斯函数中的尾流扩张系数ky和kz，尾流扩张系数ky＝γyIy，kz＝γzIz，其中γy和γz为经验系数，一般地，0.2≤γy≤1，0.2≤γz≤1。
S3：根据尾流扩张系数计算初始尾流半径∈y和∈z：
∈y＝-1.91ky+0.34
∈z＝-1.91kz+0.34。
S4：根据S2得到的尾流扩张系数和S3得到的初始尾流半径计算展向和垂向的尾流半径σy和σz：
S5：根据S4得到的展向和垂向的尾流半径σy和σz，尾流区速度亏损ΔU根据下式求得：
其中，y和z为尾流区内平行于风轮平面内任一点到该平面内轮毂高度处的距离，D为风轮直径，Ct为对应来流风速下的推力系数，
zh是风电机组的轮毂高度。可以得出尾流区的速度分布Uw＝U∞-ΔU。
为了验证本发明提出的尾流计算方法的有效性，下面将该方法计算的不同工况下尾流速度分布与文献中报道的大涡模拟结果进行对比，主要对比尾流扩张系数以及不同地表粗糙度和大气稳定度工况下的速度亏损分布。本发明对比的实例数据来源于参考文献[5]。
本发明采用图2所示的控制体，按照图1所示步骤构建尾流计算方法。在图2中，U∞是来流速度，Uw是尾流区速度，r是尾流区内平行于风轮平面内任一点到该平面内轮毂高度处的距离，D表示风轮直径。
下面以一个具体实施例对本发明的实施方式进行进一步的说明：
步骤1)：给定输入参数U∞＝8.5m/s,Iy＝0.065,Iz＝0.052,zh＝70m,D＝80m,Ct＝0.8。
步骤2)：由Iy＝0.065和Iz＝0.052，计算尾流扩张系数ky＝0.034和kz＝0.027，此时γy＝γz＝0.52。
步骤3)：根据尾流扩张系数计算初始尾流半径∈y＝0.275和∈z＝0.288。
步骤4)：利用线性尾流扩张公式计算尾流半径随x的变化规律
和
步骤5)：依据步骤4)得到的尾流半径σy和σz可以计算尾流区速度亏损
图3给出了本发明提出的尾流计算方法得到的尾流区速度亏损与大涡模拟结果对比情况。从图中可以看出，在近尾流区域(x/D＝4)，本发明提出的尾流计算方法基本能预测尾流演化趋势，在轮毂高度处，预测结果与大涡模拟结果有一定差距，主要是尾流计算方法没有考虑机舱对流场的干扰导致的。在远尾流区域，本发明提出的计算方法与大涡模拟结果吻合较好。总体来看，在整个尾流区内，本发明提出的尾流计算方法能较好地预测尾流速度亏损。
[1]Jensen N.A note on wind generator interaction:M-2411.Roskilde,Denmark:Riseo National Laboratory,1983.
[2]M.Bastankhah and F.Porte-Agel,“A new analytical model for windturbine wakes,”Renewable Energy,2014,70:116–123.
[3]Abkar,M.and F.Porté-Agel(2015).Influence of atmospheric stabilityon wind-turbine wakes:A large-eddy simulation study.Physics of Fluids,27(3):035104.
[4]Carbajo Fuertes F,Markfort C,Porté-Agel F.Wind turbine wakecharacterization with nacelle mounted wind lidars for analytical wake modelvalidation.Remote Sensing,2018,10(5):1-18.
[5]Ishihara T,Qian G.A new Gaussian-based analytical wake model forwind turbines considering ambient turbulence intensities and thrustcoefficient effects.Journal of Wind Engineering and Industria,l Aerodynamics,2018,177:275-292.
[6]Sun H,Yang H.Numerical investigation of the average wind speed ofa single wind turbine and development of a novel three-dimensional multiplewind turbine wake model.Renew Energy 2020；147:192–203.
本发明还提供一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现本发明所述基于双变量高斯函数的尾流计算方法的步骤。
本发明基于双变量高斯函数的尾流计算方法可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。本发明基于双变量高斯函数的尾流计算方法如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。
基于这样的理解，在示例性实施例中，还提供了一种计算机可读存储介质，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于该计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读存储介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。其中，所述计算机存储介质可以是计算机能够存取的任何可用介质或数据存储设备，包括但不限于磁性存储器(例如软盘、硬盘、磁带、磁光盘(MO)等)、光学存储器(例如CD、DVD、BD、HVD等)、以及半导体存储器(例如ROM、EPROM、EEPROM、非易失性存储器(NANDFLASH)、固态硬盘(SSD))等。
在示例性实施例中，还提供计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现所述基于双变量高斯函数的尾流计算方法的步骤。处理器可能是中央处理单元(CentralProcessingUnit，CPU)，还可以是其他通用处理器、数字信号处理器(DigitalSignalProcessor、DSP)、专用集成电路(ApplicationSpecificIntegratedCircuit，ASIC)、现成可编程门阵列(Field-ProgrammableGateArray，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。
需要说明的是，以上所述仅为本发明实施方式的一部分，根据本发明所描述的系统所做的等效变化，均包括在本发明的保护范围内。本发明所属技术领域的技术人员可以对所描述的具体实例做类似的方式替代，只要不偏离本发明的结构或者超越本权利要求书所定义的范围，均属于本发明的保护范围。
Claims (8)
1.一种基于双变量高斯函数的尾流计算方法，其特征在于，包括：
S1：根据现场测量数据，获得风电机组前方的来流速度U∞、展向湍流强度Iy、垂向湍流强度Iz，风电机组的轮毂高度zh、叶轮直径D和推力系数Ct；
S2：假定无量纲的尾流速度亏损为双变量高斯函数，计算得到双变量高斯函数中的尾流扩张系数ky和kz；
S3：根据尾流扩张系数计算初始尾流半径∈y和∈z；
S4：根据S2得到的尾流扩张系数和S3得到的初始尾流半径计算展向和垂向的尾流半径σy和σz；
S5：根据S4得到的展向和垂向的尾流半径σy和σz，尾流区速度亏损ΔU根据下式求得：
其中，y和z为尾流区内平行于风轮平面内任一点到该平面内轮毂高度处的距离，D为风轮直径，Ct为对应来流风速下的推力系数，
zh是风电机组的轮毂高度。
2.如权利要求1所述的基于双变量高斯函数的尾流计算方法，其特征在于，S2中，尾流扩张系数ky＝γyIy，kz＝γzIz，其中γy和γz为经验系数。
3.如权利要求2所述的基于双变量高斯函数的尾流计算方法，其特征在于，0.2≤γy≤1，0.2≤γz≤1。
4.如权利要求1所述的基于双变量高斯函数的尾流计算方法，其特征在于，S3中，初始尾流半径∈y和∈z根据下式计算得到：
∈y＝-1.91ky+0.34
∈z＝-1.91kz+0.34。
5.如权利要求1所述的基于双变量高斯函数的尾流计算方法，其特征在于，S4中，展向和垂向的尾流半径σy和σz根据下式计算得到：
6.如权利要求1所述的基于双变量高斯函数的尾流计算方法，其特征在于，S5中，得到尾流区速度亏损ΔU后，可以得出尾流区的速度分布Uw＝U∞-ΔU。
7.一种计算机设备，其特征在于，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至6任一项所述的基于双变量高斯函数的尾流计算方法的步骤。
8.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述的基于双变量高斯函数的尾流计算方法的步骤。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110883109.4A CN113536487A (zh) | 2021-08-02 | 2021-08-02 | 一种基于双变量高斯函数的尾流计算方法、装置及存储介质 |
| PCT/CN2022/070954 WO2023010812A1 (zh) | 2021-08-02 | 2022-01-10 | 一种基于双变量高斯函数的尾流计算方法、装置及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110883109.4A CN113536487A (zh) | 2021-08-02 | 2021-08-02 | 一种基于双变量高斯函数的尾流计算方法、装置及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113536487A true CN113536487A (zh) | 2021-10-22 |
Family
ID=78090117
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110883109.4A Pending CN113536487A (zh) | 2021-08-02 | 2021-08-02 | 一种基于双变量高斯函数的尾流计算方法、装置及存储介质 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN113536487A (zh) |
| WO (1) | WO2023010812A1 (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114417583A (zh) * | 2022-01-07 | 2022-04-29 | 华北电力大学 | 风电机组尾流速度损失的评估方法、装置及存储介质 |
| CN115345003A (zh) * | 2022-08-16 | 2022-11-15 | 哈尔滨工业大学 | 一种基于尾流分解方法的偏航风力机尾流速度亏损剖面预测方法 |
| WO2023010812A1 (zh) * | 2021-08-02 | 2023-02-09 | 中国华能集团清洁能源技术研究院有限公司 | 一种基于双变量高斯函数的尾流计算方法、装置及存储介质 |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116630546A (zh) * | 2023-06-07 | 2023-08-22 | 华北电力大学（保定） | 一种海上漂浮式风力机三维尾流模型 |
| CN116822172B (zh) * | 2023-06-14 | 2024-04-16 | 上海交通大学 | 基于升力面的串列式双风轮风力机气动计算方法和系统 |
| CN116720027B (zh) * | 2023-08-10 | 2023-10-20 | 长江三峡集团实业发展(北京)有限公司 | 一种考虑风力机阻塞效应的风电场发电量计算方法及装置 |
| CN117313399B (zh) * | 2023-10-13 | 2024-06-18 | 昆明理工大学 | 一种适用于复杂地形的水平轴风力机三维各向异性超高斯全尾流模型的建立及应用方法 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20030222795A1 (en) * | 2002-05-17 | 2003-12-04 | Holforty Wendy L. | Dynamic wake prediction and visualization with uncertainty analysis |
| WO2018007012A1 (en) * | 2016-07-06 | 2018-01-11 | Universität Stuttgart | Control system, wind turbine and control method |
| CN109376389A (zh) * | 2018-09-20 | 2019-02-22 | 南京航空航天大学 | 一种基于2D_k Jensen模型的三维尾流数值模拟方法 |
| CN111428424A (zh) * | 2020-03-06 | 2020-07-17 | 中国科学院力学研究所 | 一种基于螺旋度的亚格子涡粘模型的验证方法及装置 |
| 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 |
| CN112434252A (zh) * | 2020-11-27 | 2021-03-02 | 中国华能集团清洁能源技术研究院有限公司 | 一种考虑风电场局地环境因素的尾流计算方法 |
| CN112906321A (zh) * | 2021-03-03 | 2021-06-04 | 中国长江三峡集团有限公司 | 一种利用二维Frandsen尾流模型对风力机尾流进行计算的方法 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8082115B2 (en) * | 2009-11-16 | 2011-12-20 | Nrg Systems, Inc. | Data acquisition system for condition-based maintenance |
| CN110516328A (zh) * | 2019-08-14 | 2019-11-29 | 中国科学院寒区旱区环境与工程研究所 | 一种建立风电机出力仿真模型的方法 |
| CN112949217B (zh) * | 2020-12-31 | 2022-12-20 | 国家能源集团新能源技术研究院有限公司 | 风电机组尾流分区域建模及快速分析方法 |
| CN113536487A (zh) * | 2021-08-02 | 2021-10-22 | 华能新能源股份有限公司 | 一种基于双变量高斯函数的尾流计算方法、装置及存储介质 |
-
2021
- 2021-08-02 CN CN202110883109.4A patent/CN113536487A/zh active Pending
-
2022
- 2022-01-10 WO PCT/CN2022/070954 patent/WO2023010812A1/zh active Application Filing
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20030222795A1 (en) * | 2002-05-17 | 2003-12-04 | Holforty Wendy L. | Dynamic wake prediction and visualization with uncertainty analysis |
| WO2018007012A1 (en) * | 2016-07-06 | 2018-01-11 | Universität Stuttgart | Control system, wind turbine and control method |
| CN109376389A (zh) * | 2018-09-20 | 2019-02-22 | 南京航空航天大学 | 一种基于2D_k Jensen模型的三维尾流数值模拟方法 |
| CN111428424A (zh) * | 2020-03-06 | 2020-07-17 | 中国科学院力学研究所 | 一种基于螺旋度的亚格子涡粘模型的验证方法及装置 |
| 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 |
| CN112434252A (zh) * | 2020-11-27 | 2021-03-02 | 中国华能集团清洁能源技术研究院有限公司 | 一种考虑风电场局地环境因素的尾流计算方法 |
| CN112906321A (zh) * | 2021-03-03 | 2021-06-04 | 中国长江三峡集团有限公司 | 一种利用二维Frandsen尾流模型对风力机尾流进行计算的方法 |
Non-Patent Citations (2)
| Title |
|---|
| S XIE, C ARCHER: "Self‐similarity and turbulence characteristics of wind turbine wakes via large‐eddy simulation", 《WIND ENERGY》, vol. 18, no. 10, pages 1815 - 1838 * |
| 武英: "风电机组尾流二维解析模型研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》, no. 1, pages 042 - 492 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2023010812A1 (zh) * | 2021-08-02 | 2023-02-09 | 中国华能集团清洁能源技术研究院有限公司 | 一种基于双变量高斯函数的尾流计算方法、装置及存储介质 |
| CN114417583A (zh) * | 2022-01-07 | 2022-04-29 | 华北电力大学 | 风电机组尾流速度损失的评估方法、装置及存储介质 |
| CN114417583B (zh) * | 2022-01-07 | 2022-09-16 | 华北电力大学 | 风电机组尾流速度损失的评估方法、装置及存储介质 |
| CN115345003A (zh) * | 2022-08-16 | 2022-11-15 | 哈尔滨工业大学 | 一种基于尾流分解方法的偏航风力机尾流速度亏损剖面预测方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2023010812A1 (zh) | 2023-02-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113536487A (zh) | 一种基于双变量高斯函数的尾流计算方法、装置及存储介质 | |
| Sotoudeh et al. | Field tests and numerical modeling of INVELOX wind turbine application in low wind speed region | |
| Lee et al. | Blade pitch angle control for aerodynamic performance optimization of a wind farm | |
| Marten et al. | Implementation, optimization and validation of a nonlinear lifting line free vortex wake module within the wind turbine simulation code QBlade | |
| CN104794287B (zh) | 一种风工程尾流计算方法 | |
| CN104794357B (zh) | 一种二维尾流数值模拟方法 | |
| Yang et al. | Wake characteristics of a utility-scale wind turbine under coherent inflow structures and different operating conditions | |
| CN109992889B (zh) | 风电场模型的建立方法及系统、尾流值计算方法及系统 | |
| WO2022110938A1 (zh) | 一种考虑风电场局地环境因素的尾流计算方法 | |
| Wu et al. | Effects of lateral wind gusts on vertical axis wind turbines | |
| CN113626990B (zh) | 基于风功率预测测风塔的风电机组功率曲线验证方法 | |
| CN113627101A (zh) | 一种基于改进型ad/rsm模型的风力机尾流模拟方法 | |
| Hasan et al. | Experimental Study of the Wake Regions in Wind Farms | |
| CN115062563B (zh) | 基于空间变化的风力机三维尾流风速计算方法 | |
| Fan et al. | On the importance of wind turbine wake boundary to wind energy and environmental impact | |
| Li et al. | Numerical simulation of wind turbine wake based on extended k‐epsilon turbulence model coupling with actuator disc considering nacelle and tower | |
| CN116245039A (zh) | 海上风力发电场群的尾流评估方法及系统 | |
| Feng et al. | Componentwise influence of upstream turbulence on the far-wake dynamics of wind turbines | |
| CN114707437A (zh) | 一种水平轴风力机三维全尾流模型的建立方法 | |
| Wang et al. | Investigation of a new analytical wake prediction method for offshore floating wind turbines considering an accurate incoming wind flow | |
| Zhang et al. | Derivation and verification of three-dimensional wake model of multiple wind turbines based on super-Gaussian function | |
| Zhang et al. | Discussion on the spatial-temporal inhomogeneity characteristic of horizontal-axis wind turbine's wake and improvement of four typical wake models | |
| CN117556170A (zh) | 一种偏航风机的非高斯尾流风速损失分布预测方法 | |
| Shubham et al. | Effect of struts and central tower on aerodynamics and aeroacoustics of vertical axis wind turbines using mid-fidelity and high-fidelity methods | |
| CN109766611B (zh) | 一种考虑地形坡度的风电场功率简化预测方法 |
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 |