CN114091377A - 基于空间变化的动态双高斯风力机尾流风速的计算方法 - Google Patents

基于空间变化的动态双高斯风力机尾流风速的计算方法 Download PDF

Info

Publication number
CN114091377A
CN114091377A CN202210072028.0A CN202210072028A CN114091377A CN 114091377 A CN114091377 A CN 114091377A CN 202210072028 A CN202210072028 A CN 202210072028A CN 114091377 A CN114091377 A CN 114091377A
Authority
CN
China
Prior art keywords
wake
wind turbine
calculating
flow
gaussian
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
Application number
CN202210072028.0A
Other languages
English (en)
Other versions
CN114091377B (zh
Inventor
邱颖宁
刘毅
冯延晖
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.)
Nanjing University of Science and Technology
Original Assignee
Nanjing 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 Nanjing University of Science and Technology filed Critical Nanjing University of Science and Technology
Priority to CN202210072028.0A priority Critical patent/CN114091377B/zh
Publication of CN114091377A publication Critical patent/CN114091377A/zh
Application granted granted Critical
Publication of CN114091377B publication Critical patent/CN114091377B/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
    • 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
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Business, Economics & Management (AREA)
  • Mathematical Analysis (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Strategic Management (AREA)
  • General Engineering & Computer Science (AREA)
  • Operations Research (AREA)
  • Human Resources & Organizations (AREA)
  • Computational Mathematics (AREA)
  • Economics (AREA)
  • Data Mining & Analysis (AREA)
  • Algebra (AREA)
  • Marketing (AREA)
  • Fluid Mechanics (AREA)
  • Computing Systems (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Quality & Reliability (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Game Theory and Decision Science (AREA)
  • Development Economics (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • Wind Motors (AREA)

Abstract

本发明公开了一种基于空间变化的动态双高斯风力机尾流风速的计算方法，确定风力机转轮直径、推力系数，计算初始尾流半径；采集风力机来流风速，确定初始尾流膨胀系数、幂指数以及尾流风速极小值点相对轮毂中心线的径向距离，计算有效转轮直径；将风力机尾流区划分为紧邻转轮的尾流区、近尾流区和远尾流区，确定对应的尾流膨胀系数、幂指数，结合初始尾流半径，计算尾流半径分布；建立轮毂中心线两侧的尾流单边高斯廓线分布函数，计算尾流双高斯分布廓线；联立流过转轮的平均动量流量方程和推力计算公式，计算最大归一化速度衰减，进而计算尾流区速度衰减，确定尾流区速度分布。本发明提高了在全尾流区内计算尾流风速分布的准确性。

Description

基于空间变化的动态双高斯风力机尾流风速的计算方法
技术领域
本发明属于风电机组尾流计算技术领域，具体涉及一种基于空间变化的动态双高斯风力机尾流风速的计算方法。
背景技术
随着风力发电领域的发展，风电场的建设往往伴随着在有限的建设面积内尽可能多的安放风电机组设备，这一现象对使得风力机极易受到相邻的一台或多台风力机的尾流影响，给风电场发电效益带来不利。针对此问题，有必要对风电场内的尾流效应及对尾流效应的应对措施进行研究。而使用简单可靠的工程尾流模型能快速准确地预测尾流区速度分布，为风电场性能优化提供保障。但使用工程尾流模型精确计算尾流风速分布，必须对影响尾流发展的物理因素进行研究分析。一维Jensen模型为经典工程尾流模型，由Jensen[1]基于质量守恒提出，并由Katic等人进行改进。尽管一维Jensen模型能较为准确地反映尾流区风速衰减，但一维Jensen模型所得的尾流风速分布呈顶帽状，并认为尾流区风速与下游距离呈线性关系，与尾流区风速分布真实情况并不相符。Gao等人在一维Jensen模型的基础上，采用高斯函数描述尾流区速度分布，进一步得到二维Jensen-Gauss尾流模型[2]。Tian等人采用与高斯曲线类似的余弦曲线描述尾流区的速度衰减形状构造了二维尾流模型，并对一维Jensen中的尾流衰减系数k进行修正，得到了2D_k Jensen模型[3]。Keane构造了一个全流场内尾流风速呈对称性分布的二维双高斯尾流模型[4]。
以上文献报道的尾流模型均认为尾流在任意下游距离上呈对称性分布，但由CFD尾流模拟结果及实测结果表明，风力机转轮面与来流风的不对准、风力机变桨或风力机转轮转动以及塔影效应等因素造成的尾流中心两边的风速损失不均，使得近尾流区风速分布呈现不对称的双高斯分布。
[1] Jensen NO. A note on wind generator interaction. Roskilde,Denmark: Risø National Laboratory,1983.
[2] Gao XX, Yang HX, Lu L. Optimization of wind turbine layoutposition in a wind farm using a newly-developed two-dimensional wake model.Appl Energy 2016;174:192–200.
[3] Tian LL, Zhu WJ, Shen WZ, Zhao N, Shen ZW. Development andvalidation of a new two-dimensional wake model for wind turbine wakes. J WindEng Ind Aerodyn 2015;137:90–9.
[4] Keane A. Advancement of an analytical double-Gaussian full windturbine wake model, Renewable Energy, 2021;171;687-708。
发明内容
本发明的目的在于提供一种基于空间变化的动态双高斯风力机尾流风速的计算方法。
实现本发明目的的技术解决方案为：一种基于空间变化的动态双高斯风力机尾流风速的计算方法，具体步骤如下：
步骤1，根据风力机型号确定风力机转轮直径、推力系数，计算初始尾流半径；
步骤2，利用风电机组的SCADA系统采集风力机来流风速，确定初始尾流膨胀系数、幂指数以及尾流风速极小值点相对轮毂中心线的径向距离，计算有效转轮直径；
步骤3，根据尾流截面距离风力机的距离，将风力机尾流区划分为紧邻转轮的尾流区、近尾流区和远尾流区，确定对应的尾流膨胀系数、幂指数，结合初始尾流半径，计算尾流半径分布；
步骤4，根据尾流截面所处区域、尾流半径分布和尾流风速极小值点相对轮毂中心线的径向距离，建立轮毂中心线两侧的尾流单边高斯廓线分布函数，计算尾流双高斯分布廓线；
步骤5，联立流过转轮的平均动量流量方程和推力计算公式，计算最大归一化速度衰减；
步骤6，根据自适应性速度衰减公式、尾流双高斯分布廓线及最大归一化速度衰减计算尾流区速度衰减，进而确定尾流区速度分布。
进一步的，步骤1中，根据风力机型号确定风力机转轮直径d、推力系数CT，计算初始尾流半径ε，具体公式为：
Figure DEST_PATH_IMAGE001
式中，
Figure DEST_PATH_IMAGE002
。
进一步的，步骤2中，利用风电机组的SCADA系统采集风力机来流风速U∞，确定初始尾流膨胀系数k0、幂指数n0以及尾流风速极小值点相对轮毂中心线的径向距离rmin，计算有效转轮直径de，具体方法为：
选取风力机来流风速U∞对应的尾流膨胀系数、幂指数及尾流风速极小值点相对轮毂中心线的径向距离作为初始尾流膨胀系数k0、幂指数n0以及尾流风速极小值点相对轮毂中心线的径向距离rmin，根据风力机转轮直径d、初始尾流半径ε及尾流风速极小值点相对轮毂中心线的径向距离rmin计算有效转轮直径de，具体公式为：
Figure DEST_PATH_IMAGE003
进一步的，步骤3中，根据尾流截面距离风力机的距离x，将风力机尾流区划分为紧邻转轮的尾流区、近尾流区和远尾流区，计算对应的尾流膨胀系数k、幂指数n，结合初始尾流半径ε，计算尾流半径分布σ，具体方法为：
首先，根据尾流截面距离风力机的距离x，将风力机尾流区划分为紧邻转轮的尾流区、近尾流区和远尾流区：
若x小于等于0.8倍转轮直径，则对应的尾流截面位于紧邻转轮的尾流区；若x大于0.8倍转轮直径且小于等于7.0倍转轮直径，则对应的尾流截面位于近尾流区；若x大于7.0倍转轮直径，则对应的尾流截面位于远尾流区；
然后，根据尾流截面所处区域，计算对应的尾流膨胀系数k、幂指数n：
对于紧邻转轮的尾流区和远尾流区，对应的尾流膨胀系数k、幂指数n等于初始尾流膨胀系数k0、幂指数n0；对于近尾流区，先计算对应的尾流膨胀系数
Figure DEST_PATH_IMAGE004
， 幂指数
Figure DEST_PATH_IMAGE005
，式中，d为风力机转轮直径，a、b为经验系数，经验范围分别为0.5332≤a≤0.9864，-0.4634≤b≤-0.1231，c、d为经验系数，经验范围分别为0.4022≤c≤0.8382，-0.2995≤d≤-0.0572；
最后，结合初始尾流半径ε，计算尾流半径分布σ为：
Figure DEST_PATH_IMAGE006
。
进一步的，步骤4中，根据尾流截面所处区域、尾流半径分布σ和尾流风速极小值点相对轮毂中心线的径向距离 rmin ，建立轮毂中心线两侧的尾流单边高斯廓线分布函数D+(x)和D-(x)，计算尾流双高斯分布廓线f(r,σ(x))，具体方法为：
首先，建立轮毂中心线两侧的尾流单边高斯廓线分布函数D+(x)和D-(x)：
对于紧邻转轮的尾流区和远尾流区，尾流截面对应的单边高斯廓线分布D±(x)为：
Figure DEST_PATH_IMAGE007
式中，r为径向上任意点与轮毂中心线的距离，x为尾流截面距离风力机的距离；
对于近尾流区，尾流截面对应的单边高斯廓线分布D±(x)为：
Figure DEST_PATH_IMAGE008
式中，e、f、g为经验系数，经验范围分别为0.3623≤e≤0.8407，-0.5493≤f≤-0.0341，0.0162≤g≤0.0574；
然后，计算尾流双高斯分布廓线f(r,σ(x))为：
Figure DEST_PATH_IMAGE009
。
进一步的，步骤5中，联立流过转轮的平均动量流量方程和推力计算公式，计算最大归一化速度衰减C(x)，具体方法为：
首先，联立流过转轮的平均动量流量方程和推力计算公式，得到关于有效转轮直径de、推力系数CT和最大归一化速度衰减C(x)的方程式为：
Figure DEST_PATH_IMAGE010
M、N为误差函数，具体计算公式为：
Figure DEST_PATH_IMAGE011
式中，
Figure DEST_PATH_IMAGE012
，
Figure DEST_PATH_IMAGE013
，σ为尾流半径分布，x为尾流截面距离风力机的距离，尾流风速极小值点相对轮毂中心线的径向距离rmin；
然后，计算判别式S的值：
Figure DEST_PATH_IMAGE014
最后，根据判别式S的值对最大归一化速度衰减C(x)进行求解：
当S≥0时，方程所得实数根C-(x)为最大归一化速度衰减C(x)的解：
Figure DEST_PATH_IMAGE015
当S＜0时，方程所得复数根模长为最大归一化速度衰减C(x)的解：
Figure DEST_PATH_IMAGE016
。
进一步的，步骤6中，根据自适应性速度衰减公式、尾流双高斯分布廓线f(r,σ(x))及最大归一化速度衰减C(x)计算尾流区速度衰减ΔU，进而确定尾流区速度分布，具体方法为：
首先，根据自适应性速度衰减公式、尾流双高斯分布廓线函数f(r,σ(x))及最大归一化速度衰减C(x)计算尾流区速度衰减ΔU为：
Figure DEST_PATH_IMAGE017
然后，确定尾流区速度分布为：
Uw= U-ΔU。
一种基于空间变化的动态双高斯风力机尾流风速的计算系统，基于所述的基于空间变化的动态双高斯风力机尾流风速的计算方法，实现基于空间变化的动态双高斯风力机尾流风速计算。
一种计算机设备，其特征在于，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，基于所述的基于空间变化的动态双高斯风力机尾流风速的计算方法，实现基于空间变化的动态双高斯风力机尾流风速计算。
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，所述计算机程序被处理器执行时，基于所述的基于空间变化的动态双高斯风力机尾流风速的计算方法，实现基于空间变化的动态双高斯风力机尾流风速计算。
本发明与现有技术相比，其显著优点为：1）基于尾流随时间和空间沿下游距离产生的变化，呈现了尾流速度分布在不同尾流区由对称双高斯分布转变为不对称双高斯分布，再转变为对称双高斯分布的特性，同时，给出了控制尾流速度分布变化规律的有关物理参数的相应计算、修正方法，并以此方法计算的参数值为基础，计算得到不同下游距离处对应的尾流速度分布，实现对近尾流区和远尾流区尾流风速分布的准确预测，为风电场性能优化提供基础。2）在对尾流膨胀系数、幂指数的计算以及对单边高斯廓线分布函数的修正中考虑了经验系数，其易受来流风速、大气稳定度和环境粗糙度等因素的影响，通常需要基于实测数据或仿真结果拟合得到，最终得到的尾流风速分布预测结果更加精确。
附图说明
图1为基于空间变化的动态双高斯风力机尾流风速的计算方法的流程图；
图2为尾流风速双高斯分布演变示意图；
图3为本发明与CFD模拟结果的对比图。
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，所述的具体实施例是对本发明的解释而不是限定。
如图1所示，一种基于空间变化的动态双高斯风力机尾流风速的计算方法，具体步骤如下：
步骤1，基于风电场实时数据采集系统获得风力机来流风速U∞，根据风力机设计参数确定风力机转轮直径d、推力系数CT，计算初始尾流半径ε；
利用风电机组的SCADA系统采集机组实时来流风速U∞，利用风力机对应型号制作参数确定风力机转轮直径d，选定合适的风力机推力系数CT，利用风力机推力系数CT计算初始尾流半径ε，计算公式为：
Figure 533871DEST_PATH_IMAGE002
Figure 841224DEST_PATH_IMAGE001
步骤2，根据采集的来流风速U∞确定初始尾流膨胀系数k0、幂指数n0以及尾流风速极小值点相对轮毂中心线的径向距离rmin，计算有效转轮直径de；
选取来流风速U∞对应的尾流膨胀系数k、幂指数n及尾流风速极小值点相对轮毂中心线的径向距离rmin最佳拟合参数值作为初始尾流膨胀系数k0、幂指数n0以及尾流风速极小值点相对轮毂中心线的径向距离rmin；由风力机转轮直径d、初始尾流半径ε及尾流风速极小值点相对轮毂中心线的径向距离rmin计算有效转轮直径de，计算公式为：
Figure DEST_PATH_IMAGE018
步骤3，根据风力机下游距离x，判断其所处的尾流截面位于紧邻转轮的尾流区、近尾流区还是远尾流区；
若x小于约0.8倍转轮直径，则下游距离x所处的尾流截面位于紧邻转轮的尾流区；
若x大于约0.8倍转轮直径且小于约7.0倍转轮直径，则下游距离x所处的尾流截面位于近尾流区；
若x大于约7.0倍转轮直径，则下游距离x所处的尾流截面位于远尾流区。
步骤4，计算风力机下游距离x处对应的尾流膨胀系数k、幂指数n，结合初始尾流半径ε计算尾流半径分布σ；
对尾流膨胀系数k、幂指数n的计算根据下游距离x所处的尾流区的不同，分为两种情况：
(1)若下游距离x所处的尾流区为紧邻转轮的尾流区或远尾流区，则初始尾流膨胀系数k0、幂指数n0即为尾流膨胀系数k、幂指数n；
(2)若下游距离x所处的尾流区为近尾流区，则尾流膨胀系数k修正值为：
Figure DEST_PATH_IMAGE019
式中，d为风力机转轮直径，a、b为经验系数，其经验范围分别为0.5332≤a≤0.9864，-0.4634≤b≤-0.1231。
幂指数n修正值为：
Figure DEST_PATH_IMAGE020
式中，c、d为经验系数，其经验范围分别为0.4022≤c≤0.8382，-0.2995≤d≤-0.0572。
根据尾流膨胀系数k、幂指数n及初始尾流半径ε计算尾流半径分布σ，计算公式为：
Figure 450322DEST_PATH_IMAGE006
步骤5，根据风力机下游距离x，分别计算以轮毂中心线为轴两侧的尾流单边高斯廓线分布函数D+(x)和D-(x)；
对轮毂中心线两侧的单边高斯廓线分布函数D±(x)的计算根据下游距离x所处的尾流区的不同，分为两种情况：
(1)若下游距离x所处的尾流区为紧邻转轮的尾流区或远尾流区，则单边高斯廓线分布函数D±(x)计算公式为：
Figure 986477DEST_PATH_IMAGE007
式中，σ为尾流半径分布，r为径向上任意点与轮毂中心线的距离，rmin为尾流风速极小值点相对轮毂中心线的径向距离；
(2) 若下游距离x所处的尾流区为近尾流区，则单边高斯廓线分布函数D±(x)计算公式为：
Figure 193992DEST_PATH_IMAGE008
式中，e、f、g为经验系数，其经验范围分别为0.3623≤e≤0.8407，-0.5493≤f≤-0.0341，0.0162≤g≤0.0574。
步骤6，根据单边高斯廓线分布函数的结果建立尾流双高斯分布廓线函数f(r,σ(x))；
尾流双高斯分布廓线函数f(r,σ(x))计算公式为：
Figure 406668DEST_PATH_IMAGE009
步骤7，联立流过转轮的平均动量流量方程和推力计算公式，推导得到关于有效转轮直径de、推力系数CT和最大归一化速度衰减C(x)的方程式；
方程式如下：
Figure 63914DEST_PATH_IMAGE010
式中，M、N为误差函数：
Figure 653027DEST_PATH_IMAGE011
式中，
Figure 703330DEST_PATH_IMAGE012
，
Figure 352486DEST_PATH_IMAGE013
。
根据方程式可得方程判别式S，计算公式为：
Figure 247761DEST_PATH_IMAGE014
根据判别式S的值，对最大归一化速度衰减C(x)进行求解，其解存在两种情况：
(1)当S≥0时，方程所得实数根C-(x)为最大归一化速度衰减C(x)的解：
Figure 374985DEST_PATH_IMAGE015
(2)当S＜0时，方程所得复数根模长为最大归一化速度衰减C(x)的解：
Figure 554163DEST_PATH_IMAGE016
步骤8，根据自适应性速度衰减公式得到尾流区速度衰减ΔU，尾流区速度衰减ΔU计算公式为：
Figure 377150DEST_PATH_IMAGE017
根据尾流区速度衰减ΔU，可求解尾流区速度分布Uw= U∞-ΔU。
本发明还提出一种基于空间变化的动态双高斯风力机尾流风速的计算系统，基于所述的基于空间变化的动态双高斯风力机尾流风速的计算方法，实现基于空间变化的动态双高斯风力机尾流风速计算。
一种计算机设备，其特征在于，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，基于所述的基于空间变化的动态双高斯风力机尾流风速的计算方法，实现基于空间变化的动态双高斯风力机尾流风速计算。
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，所述计算机程序被处理器执行时，基于所述的基于空间变化的动态双高斯风力机尾流风速的计算方法，实现基于空间变化的动态双高斯风力机尾流风速计算。
实施例
为了验证本发明方案的有效性，将本发明计算的不同工况下的尾流速度分布与CFD尾流模拟结果进行对比。
本实施例中，尾流风速分布变化规律如图2所示，来流风经过转轮面后，在紧邻风力机的尾流区域内呈现对称双高斯分布，在后方的近尾流区内呈不对称双高斯分布，在远尾流区内呈单高斯分布。在图2中，U∞为来流风速，Uw为尾流区速度，r为径向上任意点与轮毂中心线的距离，d表示转轮直径。
步骤1)给定输入参数：来流风速U∞=11m/s；由设置的叶片推力计算风力机推力系数CT=0.546；转轮叶片直径d=70m；利用推力系数CT=0.546计算初始尾流半径ε。
步骤2)由来流风速U∞=11m/s选取最佳拟合参数值k=1.4575、n=0.58以及rmin=20m分别作为初始尾流膨胀系数k0、幂指数n0以及尾流风速极小值点相对轮毂中心线的径向距离rmin；由风力机转轮直径d、初始尾流半径ε及尾流风速极小值点相对轮毂中心线的径向距离rmin计算有效转轮直径de。
步骤3)判断所要计算的风力机下游距离x所处的尾流截面位于紧邻转轮的尾流区、近尾流区还是远尾流区。
步骤4)对处在紧邻转轮的尾流区和远尾流区的下游距离x，使用初始尾流膨胀系数k0=1.4574、幂指数n0=0.58作为尾流膨胀系数k、幂指数n，对处在近尾流区的下游距离x，使用经验系数修正公式
Figure DEST_PATH_IMAGE021
、
Figure DEST_PATH_IMAGE022
计算，此时a=0.9568，b=-0.3222，c=0.5022，d=-0.0927；利用尾流半径分布σ计算公式计算尾流半径随x的变化规律
Figure DEST_PATH_IMAGE023
。
步骤5)对处在紧邻转轮的尾流区和远尾流区的下游距离x，使用
Figure DEST_PATH_IMAGE024
计算以轮毂中心线为轴两侧的单边高斯廓线分布函数D±(x)，对处在近尾流区的下游距离x，使用经验系数修正公式
Figure DEST_PATH_IMAGE025
进行单边高斯廓线分布函数D±(x)修正，此时，e=0.6136，f=-0.2995，g=0.0391。
步骤6)由尾流双高斯分布廓线函数f(r,σ(x))计算公式求解不同下游距离处尾流双高斯分布廓线
Figure DEST_PATH_IMAGE026
。
步骤7)由下游距离x对应的尾流半径分布σ以及有效转轮直径de、尾流风速极小值点相对轮毂中心线的径向距离rmin计算最大归一化速度衰减C(x)。
步骤8)依据自适应性速度衰减公式以及最大归一化速度衰减C(x)、尾流双高斯分布廓线函数f(r,σ(x))计算得到尾流区速度衰减ΔU，即可求解尾流区速度分布Uw= U-ΔU。
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衰减与CFD模拟结果对比的情况。从图中可以看出，在紧邻转轮的尾流区内(x/d＜0.5)，本发明提出的尾流计算方法能很好地预测尾流风速在该区域内的对称双高斯分布，在轮毂中心处，模型预测结果与CFD模拟结果存在一定差异，该差异主要由风力机机舱对后方尾流流场的干扰引起。在后方的近尾流区(x/d＜7)，本发明提出的尾流计算方法基本可以预测尾流风速分布不对称的演变趋势，且在远尾流区(x/d＞7)，本发明提出的尾流计算方法对尾流风速的预测和CFD模拟结果基本吻合。总体看来，在尾流场全流域内，本发明提出的尾流计算方法能较好地预测尾流区速度衰减。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种基于空间变化的动态双高斯风力机尾流风速的计算方法，其特征在于，具体步骤如下：
步骤1，根据风力机型号确定风力机转轮直径、推力系数，计算初始尾流半径；
步骤2，利用风电机组的SCADA系统采集风力机来流风速，确定初始尾流膨胀系数、幂指数以及尾流风速极小值点相对轮毂中心线的径向距离，计算有效转轮直径；
步骤3，根据尾流截面距离风力机的距离，将风力机尾流区划分为紧邻转轮的尾流区、近尾流区和远尾流区，确定对应的尾流膨胀系数、幂指数，结合初始尾流半径，计算尾流半径分布；
步骤4，根据尾流截面所处区域、尾流半径分布和尾流风速极小值点相对轮毂中心线的径向距离，建立轮毂中心线两侧的尾流单边高斯廓线分布函数，计算尾流双高斯分布廓线；
步骤5，联立流过转轮的平均动量流量方程和推力计算公式，计算最大归一化速度衰减；
步骤6，根据自适应性速度衰减公式、尾流双高斯分布廓线及最大归一化速度衰减计算尾流区速度衰减，进而确定尾流区速度分布。
2.根据权利要求1所述的基于空间变化的动态双高斯风力机尾流风速的计算方法，其特征在于，步骤1中，根据风力机型号确定风力机转轮直径d、推力系数CT，计算初始尾流半径ε，具体公式为：
Figure 603280DEST_PATH_IMAGE001
式中，
Figure 207568DEST_PATH_IMAGE002
。
3.根据权利要求1所述的基于空间变化的动态双高斯风力机尾流风速的计算方法，其特征在于，步骤2中，利用风电机组的SCADA系统采集风力机来流风速U∞，确定初始尾流膨胀系数k0、幂指数n0以及尾流风速极小值点相对轮毂中心线的径向距离rmin，计算有效转轮直径de，具体方法为：
选取风力机来流风速U∞对应的尾流膨胀系数、幂指数及尾流风速极小值点相对轮毂中心线的径向距离作为初始尾流膨胀系数k0、幂指数n0以及尾流风速极小值点相对轮毂中心线的径向距离rmin，根据风力机转轮直径d、初始尾流半径ε及尾流风速极小值点相对轮毂中心线的径向距离rmin计算有效转轮直径de，具体公式为：
Figure 928792DEST_PATH_IMAGE003
。
4.根据权利要求1所述的基于空间变化的动态双高斯风力机尾流风速的计算方法，其特征在于，步骤3中，根据尾流截面距离风力机的距离x，将风力机尾流区划分为紧邻转轮的尾流区、近尾流区和远尾流区，计算对应的尾流膨胀系数k、幂指数n，结合初始尾流半径ε，计算尾流半径分布σ，具体方法为：
首先，根据尾流截面距离风力机的距离x，将风力机尾流区划分为紧邻转轮的尾流区、近尾流区和远尾流区：
若x小于等于0.8倍转轮直径，则对应的尾流截面位于紧邻转轮的尾流区；若x大于0.8倍转轮直径且小于等于7.0倍转轮直径，则对应的尾流截面位于近尾流区；若x大于7.0倍转轮直径，则对应的尾流截面位于远尾流区；
然后，根据尾流截面所处区域，计算对应的尾流膨胀系数k、幂指数n：
对于紧邻转轮的尾流区和远尾流区，对应的尾流膨胀系数k、幂指数n等于初始尾流膨胀系数k0、幂指数n0；对于近尾流区，先计算对应的尾流膨胀系数
Figure 36557DEST_PATH_IMAGE004
， 幂指数
Figure 447684DEST_PATH_IMAGE005
，式中，d为风力机转轮直径，a、b为经验系数，经验范围分别为0.5332≤a≤0.9864，-0.4634≤b≤-0.1231，c、d为经验系数，经验范围分别为0.4022≤c≤0.8382，-0.2995≤d≤-0.0572；
最后，结合初始尾流半径ε，计算尾流半径分布σ为：
Figure 8110DEST_PATH_IMAGE006
。
5.根据权利要求1所述的基于空间变化的动态双高斯风力机尾流风速的计算方法，其特征在于，步骤4中，根据尾流截面所处区域、尾流半径分布σ和尾流风速极小值点相对轮毂中心线的径向距离 rmin ，建立轮毂中心线两侧的尾流单边高斯廓线分布函数D+(x)和D-(x)，计算尾流双高斯分布廓线f(r,σ(x))，具体方法为：
首先，建立轮毂中心线两侧的尾流单边高斯廓线分布函数D+(x)和D-(x)：
对于紧邻转轮的尾流区和远尾流区，尾流截面对应的单边高斯廓线分布D±(x)为：
Figure 267446DEST_PATH_IMAGE007
式中，r为径向上任意点与轮毂中心线的距离，x为尾流截面距离风力机的距离；
对于近尾流区，尾流截面对应的单边高斯廓线分布D±(x)为：
Figure 760875DEST_PATH_IMAGE008
式中，e、f、g为经验系数，经验范围分别为0.3623≤e≤0.8407，-0.5493≤f≤-0.0341，0.0162≤g≤0.0574；
然后，计算尾流双高斯分布廓线f(r,σ(x))为：
Figure 77325DEST_PATH_IMAGE010
。
6.根据权利要求1所述的基于空间变化的动态双高斯风力机尾流风速的计算方法，其特征在于，步骤5中，联立流过转轮的平均动量流量方程和推力计算公式，计算最大归一化速度衰减C(x)，具体方法为：
首先，联立流过转轮的平均动量流量方程和推力计算公式，得到关于有效转轮直径de、推力系数CT和最大归一化速度衰减C(x)的方程式为：
Figure 859467DEST_PATH_IMAGE011
M、N为误差函数，具体计算公式为：
Figure 656915DEST_PATH_IMAGE013
式中，
Figure 847594DEST_PATH_IMAGE014
，
Figure 836410DEST_PATH_IMAGE015
，σ为尾流半径分布，x为尾流截面距离风力机的距离，尾流风速极小值点相对轮毂中心线的径向距离 rmin；
然后，计算判别式S的值：
Figure 138472DEST_PATH_IMAGE016
最后，根据判别式S的值对最大归一化速度衰减C(x)进行求解：
当S≥0时，方程所得实数根C-(x)为最大归一化速度衰减C(x)的解：
Figure 628359DEST_PATH_IMAGE017
当S＜0时，方程所得复数根模长为最大归一化速度衰减C(x)的解：
Figure 830801DEST_PATH_IMAGE018
。
7.根据权利要求1所述的基于空间变化的动态双高斯风力机尾流风速的计算方法，其特征在于，步骤6中，根据自适应性速度衰减公式、尾流双高斯分布廓线f(r,σ(x))及最大归一化速度衰减C(x)计算尾流区速度衰减ΔU，进而确定尾流区速度分布Uw，具体方法为：
首先，根据自适应性速度衰减公式、尾流双高斯分布廓线函数f(r,σ(x))及最大归一化速度衰减C(x)计算尾流区速度衰减ΔU为：
Figure 223474DEST_PATH_IMAGE019
然后，确定尾流区速度分布为：
Uw= U-ΔU。
8.一种基于空间变化的动态双高斯风力机尾流风速的计算系统，其特征在于，基于权利要求1-7任一项所述的基于空间变化的动态双高斯风力机尾流风速的计算方法，实现基于空间变化的动态双高斯风力机尾流风速计算。
9.一种计算机设备，其特征在于，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，基于权利要求1-7任一项所述的基于空间变化的动态双高斯风力机尾流风速的计算方法，实现基于空间变化的动态双高斯风力机尾流风速计算。
10.一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，所述计算机程序被处理器执行时，基于权利要求1-7任一项所述的基于空间变化的动态双高斯风力机尾流风速的计算方法，实现基于空间变化的动态双高斯风力机尾流风速计算。
CN202210072028.0A 2022-01-21 2022-01-21 基于空间变化的动态双高斯风力机尾流风速的计算方法 Active CN114091377B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210072028.0A CN114091377B (zh) 2022-01-21 2022-01-21 基于空间变化的动态双高斯风力机尾流风速的计算方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210072028.0A CN114091377B (zh) 2022-01-21 2022-01-21 基于空间变化的动态双高斯风力机尾流风速的计算方法

Publications (2)

Publication Number Publication Date
CN114091377A true CN114091377A (zh) 2022-02-25
CN114091377B CN114091377B (zh) 2022-05-13

Family

ID=80309016

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210072028.0A Active CN114091377B (zh) 2022-01-21 2022-01-21 基于空间变化的动态双高斯风力机尾流风速的计算方法

Country Status (1)

Country Link
CN (1) CN114091377B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN116757101A (zh) * 2023-08-21 2023-09-15 湖南科技大学 一种基于机理模型和神经网络的机舱风速修正方法和系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2010048152A1 (en) * 2008-10-20 2010-04-29 Drexel University Vertical axis wind turbine
US8810796B2 (en) * 2009-04-21 2014-08-19 Michigan Aerospace Corporation Light processing system and method
CN109992889A (zh) * 2019-04-02 2019-07-09 上海电气风电集团有限公司 风电场模型的建立方法及系统、尾流值计算方法及系统
CN112906320A (zh) * 2021-03-02 2021-06-04 中国长江三峡集团有限公司 一种三角函数分布的风力机尾流评估模型
CN112949217A (zh) * 2020-12-31 2021-06-11 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

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2010048152A1 (en) * 2008-10-20 2010-04-29 Drexel University Vertical axis wind turbine
US8810796B2 (en) * 2009-04-21 2014-08-19 Michigan Aerospace Corporation Light processing system and method
CN109992889A (zh) * 2019-04-02 2019-07-09 上海电气风电集团有限公司 风电场模型的建立方法及系统、尾流值计算方法及系统
CN112949217A (zh) * 2020-12-31 2021-06-11 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
CN112906320A (zh) * 2021-03-02 2021-06-04 中国长江三峡集团有限公司 一种三角函数分布的风力机尾流评估模型

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
ROBERTO BROGNA等: "A new wake model and comparison of eight algorithms for layout optimization of wind farms in complex terrain", 《APPLIED ENERGY》 *
XUYANG LI等: "Wind turbine power prediction considering wake effects with dual laser beam LiDAR measured yaw misalignment", 《APPLIED ENERGY》 *
刘清媛等: "基于激光雷达的海上风电场尾流垂直剖面特性分析", 《风能》 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN116757101A (zh) * 2023-08-21 2023-09-15 湖南科技大学 一种基于机理模型和神经网络的机舱风速修正方法和系统
CN116757101B (zh) * 2023-08-21 2023-11-07 湖南科技大学 一种基于机理模型和神经网络的机舱风速修正方法和系统

Also Published As

Publication number Publication date
CN114091377B (zh) 2022-05-13

Similar Documents

Publication Publication Date Title
CN114091377B (zh) 基于空间变化的动态双高斯风力机尾流风速的计算方法
Gao et al. Optimization of wind turbine layout position in a wind farm using a newly-developed two-dimensional wake model
Xudong et al. Shape optimization of wind turbine blades
He et al. A novel three-dimensional wake model based on anisotropic Gaussian distribution for wind turbine wakes
Barnes et al. Determining the impact of VAWT farm configurations on power output
CN111881572B (zh) 一种基于多目标优化的风电场协同偏航智能控制方法
CN115062563B (zh) 基于空间变化的风力机三维尾流风速计算方法
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
CN106286130A (zh) 基于scada数据的风电机组偏航控制参数优化方法
Shaaban et al. Optimization of H-Rotor Darrieus turbines' mutual interaction in staggered arrangements
Wu et al. Effects of lateral wind gusts on vertical axis wind turbines
Ali et al. Effects of instantaneous tangential velocity on the aerodynamic performance of an H-Darrieus wind turbine
Ghadirian et al. Considering induction factor using BEM method in wind farm layout optimization
Kuang et al. Characterization of wake interference between two tandem offshore floating vertical-axis wind turbines: Effect of platform pitch motion
CN109409019A (zh) 一种风力机叶片气动外形的预弯优化方法
Diaz et al. Full wind rose wind farm simulation including wake and terrain effects for energy yield assessment
CN115270605A (zh) 一种基于数据驱动的风电机组的疲劳载荷抑制方法
Ma et al. An innovative aerodynamic design methodology of wind turbine blade models for wind tunnel real-time hybrid tests based on genetic algorithm
Roga et al. DMST approach for analysis of 2 and 3 bladed type darrieus vertical axis wind turbine
Wu et al. Large eddy simulation of the layout effects on wind farm performance coupling with wind turbine control strategies
CN115310388B (zh) 空间变化的风力机三维不对称双高斯尾流风速计算方法
Shubham et al. Application of Richardson extrapolation method to aerodynamic and aeroacoustic characteristics of low Reynolds number vertical axis wind turbines
Zhang et al. Prediction of multiple-wake velocity and wind power using a cosine-shaped wake model
CN116245039A (zh) 海上风力发电场群的尾流评估方法及系统
CN113294297B (zh) 风电机组非线性模型预测转矩控制变权重调节方法

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
GR01 Patent grant
GR01 Patent grant