CN115186452A - 风电机组极限载荷的仿真方法、装置及电子设备 - Google Patents
风电机组极限载荷的仿真方法、装置及电子设备 Download PDFInfo
- Publication number
- CN115186452A CN115186452A CN202210701381.0A CN202210701381A CN115186452A CN 115186452 A CN115186452 A CN 115186452A CN 202210701381 A CN202210701381 A CN 202210701381A CN 115186452 A CN115186452 A CN 115186452A
- Authority
- CN
- China
- Prior art keywords
- simulation
- parameters
- wind turbine
- turbine generator
- wind
- 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
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
-
- 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
- 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
- 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
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/70—Wind energy
- Y02E10/72—Wind turbines with rotation axis in wind direction
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
本发明提供了风电机组极限载荷的仿真方法、装置及电子设备;其中,该方法包括:获取风电机组的整机数学模型和仿真参数;其中,仿真参数包括极限工况参数和控制参数,极限工况参数包括:风速和风向,控制参数包括:变桨速率、停机收桨速率和PID控制参数;基于Isight优化软件,根据仿真参数对整机数学模型进行极限载荷仿真,得到风电机组的仿真结果;其中,仿真结果包括:轮毂合弯矩、偏航合弯矩和偏航扭矩。该仿真方法,通过搭建的风电机组的整机数学模型和仿真参数,不仅可以实现风电机组的极限载荷的仿真,便于后续节省风电机组的成本;还提高了极限载荷仿真效率,具有较好的实用价值。
Description
技术领域
本发明涉及风力发电技术领域,尤其是涉及风电机组极限载荷的仿真方法、装置及电子设备。
背景技术
随着能源消耗日益增长和环境保护的需求增加,可再生新能源开发越来越受重视,其中风力发电是发展最快的新能源之一,风力发电机组(简称风电机组)设计则成为风能行业至关重要的技术。其中载荷仿真计算的准确性直接关系到各个部件的安全性,因此,载荷仿真具有重要意义。
在实际应用中,风电机组的载荷主要分为极限载荷和疲劳载荷;其中,疲劳载荷是指由于风电机组启动、停机、偏航动作以及不断变化的风所引起的经常性载荷,极限载荷则是指风电机组在极限的工作状况下所能承受住的最大载荷,若个别工况较大,将会极大提高风电机组中各个部件的设计载荷,从而导致风电机组的成本较大。因此,如何有效地控制和优化风电机组的极限载荷是亟需解决的问题。
发明内容
有鉴于此,本发明的目的在于提供风电机组极限载荷的仿真方法、装置及电子设备,以缓解上述问题,不仅实现了风电机组的极限载荷的仿真确定,便于后续节省风电机组的成本;还提高了极限载荷仿真效率,具有较好的实用价值。
第一方面,本发明实施例提供了一种风电机组极限载荷的仿真方法,该方法包括:获取风电机组的整机数学模型和仿真参数;其中,仿真参数包括极限工况参数和控制参数,极限工况参数包括:风速和风向,控制参数包括:变桨速率、停机收桨速率和PID控制参数;基于Isight优化软件,根据仿真参数对整机数学模型进行极限载荷仿真,得到风电机组的仿真结果;其中,仿真结果包括:轮毂合弯矩、偏航合弯矩和偏航扭矩。
可选地,上述获取仿真参数的步骤,包括:获取风电机组对应的风资源集合;其中,风资源集合包括风速集和风向集;根据风速集中的多个风速和风向集中的多个风向,生成多个极限工况方案,以及每个极限工况方案对应的极限工况参数。
可选地,上述获取仿真参数的步骤,还包括:获取初始参数,以及初始参数中每个参数对应的取值范围;其中,初始参数包括:初始变桨速率、初始停机收桨速率和初始PID控制参数;按照ASA优化算法对初始参数中每个参数进行优化,得到控制参数。
可选地,上述根据仿真参数对整机数学模型进行极限载荷仿真,得到风电机组的仿真结果的步骤,包括:获取约束条件;其中,约束条件包括:风轮转速、净空值和塔底加速度值;判断仿真结果是否满足约束条件;如果否,则根据仿真参数重新对整机数学模型进行极限载荷仿真,直至仿真结果满足约束条件。
可选地,上述方法还包括:如果仿真结果满足约束条件,判断仿真结果是否满足对应的最优解条件;其中,最优解条件为根据对应的预设最优值确定;如果否,则根据仿真参数重新对整机数学模型进行极限载荷仿真,直至仿真结果满足对应的最优解条件。
可选地,上述方法还包括:如果仿真结果满足对应的最优解条件,输出仿真结果并进行显示。
可选地,上述获取风电机组的整机数学模型的步骤,包括:获取多个模块和映射关系集;其中,多个模块包括:叶片模型、传动链模型、塔筒模型、变桨系统、偏航系统和控制系统;映射关系集包括任意两个模块之间的映射关系;根据多个模块和映射关系集,构建得到风电机组的整机数学模型。
第二方面,本发明实施例还提供一种风电机组极限载荷的仿真装置,该装置包括:获取模块,用于获取风电机组的整机数学模型和仿真参数;其中,仿真参数包括极限工况参数和控制参数,极限工况参数包括:风速和风向,控制参数包括:变桨速率、停机收桨速率和PID控制参数;仿真模块,用于基于Isight优化软件,根据仿真参数对整机数学模型进行极限载荷仿真,得到风电机组的仿真结果;其中,仿真结果包括:轮毂合弯矩、偏航合弯矩和偏航扭矩。
第三方面,本发明实施例还提供一种电子设备,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,处理器执行计算机程序时实现上述第一方面的方法的步骤。
第四方面,本发明实施例还提供一种计算机可读存储介质,计算机可读存储介质上存储有计算机程序,计算机程序被处理器运行时执行上述第一方面的方法的步骤。
本发明实施例带来了以下有益效果:
本发明实施例提供了风电机组极限载荷的仿真方法、装置及电子设备,获取风电机组的整机数学模型和仿真参数,并基于Isight优化软件,根据仿真参数对整机数学模型进行极限载荷仿真,得到风电机组的仿真结果,从而通过搭建的风电机组的整机数学模型和仿真参数,不仅可以实现风电机组的极限载荷的仿真,便于后续节省风电机组的成本;还提高了极限载荷仿真效率,具有较好的实用价值。
本发明的其他特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点在说明书以及附图中所特别指出的结构来实现和获得。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式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,下面描述中的附图是本发明的一些实施方式,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为本发明实施例提供的一种风电机组极限载荷的仿真方法的流程图;
图2为本发明实施例提供的另一种风电机组极限载荷的仿真方法的流程图;
图3为本发明实施例提供的一种偏航扭矩Mz的示意图;
图4为本发明实施例提供的一种偏航合弯矩Mxy的示意图;
图5为本发明实施例提供的一种轮毂合弯矩Myz的示意图;
图6为本发明实施例提供的一种仿真结果示意图;
图7为本发明实施例提供的一种风电机组极限载荷的仿真装置的示意图;
图8为本发明实施例提供的一种电子设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合附图对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例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做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。
在实际应用中,风电机组通过风轮和风之间的相互作用,将风中的动能转化成电能。其中,风切变、风的轴向偏移和风轮旋转所引起的周期性气动力以及湍流与动力学因素所导致的随机脉动力是风电机组产生疲劳载荷的来源,也是影响风力机峰值载荷的重要因素。由于风电机组各部件和风的运动造成外部环境力的相互作用,不仅使风电机组产生所需要的能量,也使部件结构产生应力,这些结构应力将直接影响风电机组的强度和寿命。因此,设计一台具有竞争力的风电机组必须要满足低成本,能长期产生能量的要求,即风电机组的设计不仅要具备能量转换的功能,还需具有坚固的结构,以便承受所负担的载荷。
其中,风电机组的载荷主要分为极限载荷和疲劳载荷;在风电机组设计中,载荷仿真主要是基于IEC 61400标准中定义的风况等级设置多种工况,包括但不仅限于:发电工况、有故障发电工况、启动、正常停机、紧急停机、待机、有故障待机以及运输、装配、维护和修理八种工况,由于极限载荷对部件的重量和成本具有重要意义,因此,如何有效地控制和优化风电机组的极限载荷是亟需解决的问题。
基于此,本发明实施例提供了风电机组极限载荷的仿真方法、装置及电子设备,不仅可以实现风电机组的极限载荷的仿真确定,便于后续节省风电机组的成本;还提高了极限载荷仿真效率,具有较好的实用价值。
为便于对本实施例进行理解,下面首先对本发明实施例提供的一种风电机组极限载荷的仿真方法进行详细介绍。
本发明实施例提供了一种风电机组极限载荷的仿真方法,如图1所示,该方法包括以下步骤:
步骤S102,获取风电机组的整机数学模型和仿真参数;
在实际应用中,风电机组的设计载荷工况(DLC,Design Load Case)存在多种规定,包括但不仅限于IEC61400-1标准和DS472标准等,但无论采用哪种标准仿真工况,工况的数量都达到数千个,因此,为了提高仿真效率,本发明实施例采用参数化模型搭建,即搭建风电机组的整机数学模型。
具体地,首先获取多个模块和映射关系集;其中,多个模块包括但不仅限于:叶片模型、传动链模型、塔筒模型、变桨系统、偏航系统和控制系统;映射关系集包括任意两个模块之间的映射关系;根据多个模块和映射关系集,构建得到风电机组的整机数学模型,如将叶片模型、传动链模型、塔筒模型、变桨系统、偏航系统搭建好,且,均与控制系统连接,并在相连的两个模块之间设置好对应的映射关系。特别地,控制系统还可以根据载荷仿真类型,分为极限载荷仿真控制模块和疲劳载荷仿真控制模块,从而实现不同类型的载荷仿真。
此外,对于上述整机数学模型,为了进行仿真优化控制,还需设置控制参数。其中,仿真参数包括极限工况参数和控制参数,极限工况参数包括:风速和风向,控制参数包括:变桨速率、停机收桨速率和PID(Proportion Integral Differential)控制参数。
其中,对于极限工况参数,获取过程如下:获取风电机组对应的风资源集合;其中,风资源集合包括风速集和风向集;根据风速集中的多个风速和风向集中的多个风向,生成多个极限工况方案,以及每个极限工况方案对应的极限工况参数。具体地,风速集中包括多个风速,如Vr-2、Vr和Vr+2等,风向集中包括多个风向,如-8deg、0deg和8deg等,通过对外界的风资源集合进行DOE(Design Of Experiment,试验设计)设计,可以得到多个工况方案,如任一风速和任一风向即可组合成一个工况方案,也可以多个风速和多个风向组成一个工况方案,具体可以根据实际情况进行设置。这里本发明实施例主要针对与极限载荷进行仿真,故通过DOE设计可以得到多个极限工况方案,包括但不仅限于有故障发电极限工况方案和紧急停机极限工况方案等,并根据每个极限工况的风速和风向得到对应的极限工况参数,以便根据极限工况参数对风电机组在该极限工况方案下的极限载荷进行仿真。
此外,对于控制参数的获取过程如下:获取初始参数,以及初始参数中每个参数对应的取值范围;其中,初始参数包括:初始变桨速率、初始停机收桨速率和初始PID控制参数;此外,初始参数还包括各个模块对应的控制子参数等,然后,按照ASA(AdaptiveSimulated Annealing,自适应模拟退火算法)优化算法对初始参数中每个参数进行优化,得到控制参数。
具体地,控制参数包括各个极限工况方案分别对应的控制参数(也可称为因子),如下表1所示:
表1
其中,变桨速率包括电网掉电故障极限工况方案中的停机变桨速率,快速停机、安全链故障极限工况方案中的快速停机变桨速率等,以及还包括偏航故障、正常停机工况方案中的正常停机变桨速率等,同理,停机收桨速率包括各个极限工况方案对应的停机收桨速率,以及,PID控制参数也可称为变桨PTD控制参数,包括比例增益、积分增益、桨距角(即当实际桨距角超过该值时,增益调度开始执行)和增益因子(即桨距角对应的增益因子)等,此外,控制参数中还包括极限工况方案对应的其它参数,如停机变桨速率时长和切出时长等,具体可以根据实际情况进行设置。
需要说明的是,上述控制参数中的各个参数,还设置有因子数,这里因子数指每个参数的数量,具体可以根据实际极限工况方案进行设置。
步骤S104,基于Isight优化软件,根据仿真参数对整机数学模型进行极限载荷仿真,得到风电机组的仿真结果;其中,仿真结果包括:轮毂合弯矩、偏航合弯矩和偏航扭矩。
确定上述极限工况参数和控制参数之后,电子设备基于内置的Isight优化软件,并根据极限工况参数和控制参数对风电机组的整机数学模型进行极限载荷仿真,以得到风电机组的仿真结果。其中,对于极限载荷的仿真,风电机组的主要响应部件即关键部件包括:叶片叶根部位载荷、轮毂处弯矩、偏航轴承的弯矩和塔架塔底载荷弯矩等,因此,极限载荷主要的响应参数如下表2所示:
表2
根据上表2可知,极限载荷的响应参数主要包括:叶根载荷、旋转轮毂载荷(即旋转轮毂坐标系下的轮毂载荷)、固定轮毂载荷(即固定轮毂坐标系下的轮毂载荷)、偏航轴承载荷和塔筒载荷,在仿真过程中,对风电机组的整机数学模型,输入仿真参数,并以极限载荷的响应参数为目标函数,进行优化控制即Min计算,可以得到极限载荷的仿真结果;其中,对应的极限载荷的仿真结果主要包括:轮毂合弯矩Myz、偏航合弯矩Mxy和偏航扭矩Mz。
可选地,在上述根据仿真参数对整机数学模型进行极限载荷仿真的过程中,该方法还包括:获取约束条件;其中,约束条件包括:风轮转速、净空值和塔底加速度值;判断仿真结果是否满足约束条件;如果否,则根据仿真参数重新对整机数学模型进行极限载荷仿真,直至仿真结果满足约束条件。具体地,约束条件如下表3所示:
表3
风轮转速 | ≤0.3 |
净空值 | ≥0.3*Static |
塔底加速度值 | ≤0.1g |
即上述得到极限载荷的仿真结果之后,判断仿真结果中是否满足约束条件,即判断轮毂合弯矩Myz、偏航合弯矩Mxy和偏航扭矩Mz是否满足风轮转速约束即对应的风轮转速不超过0.3,同时是否满足净空值约束即对应的净空值≥0.3*Static和塔底加速度值约束即对应的塔底加速度值≤0.1g,如果存在一个约束未满足,则说明仿真结果不满足约束条件,此时需根据仿真参数重新对整机数学模型进行极限载荷仿真,即根据仿真参数执行迭代优化过程,直至仿真结果满足约束条件。
此外,该方法还包括:如果仿真结果满足约束条件,判断仿真结果是否满足对应的最优解条件;其中,最优解条件为根据对应的预设最优值确定;如果否,则根据仿真参数重新对整机数学模型进行极限载荷仿真,直至仿真结果满足对应的最优解条件。具体地,当仿真结果满足约束条件时,此时,电子设备判断仿真结果是否满足对应的最优解条件,如判断轮毂合弯矩是否满足对应的最优解条件(或最优解范围),这里最优解条件可以为根据轮毂合弯矩最优值确定的预设范围,轮毂合弯矩最优值可以根据历史仿真结果或实际值确定,如果满足,说明此时输出的轮毂合弯矩为符合条件的仿真值,如果不满足,则还需根据仿真参数执行迭代优化过程,直至轮毂合弯矩满足最优解条件;同理,偏航合弯矩和偏航扭矩可以参考轮毂合弯矩,本发明实施例在此不再详细赘述。
因此,当轮毂合弯矩、偏航合弯矩和偏航扭矩均满足对应的最优解条件时,电子设备输出仿真结果并进行显示,如通过显示模块如电子屏等进行显示,以便操作人员根据显示的极限载荷仿真结果后期对风电机组进行设计,以减轻风电机组的重量和成本。
本发明实施例提供的风电机组极限载荷的仿真方法,获取风电机组的整机数学模型和仿真参数,并基于Isight优化软件,根据仿真参数对整机数学模型进行极限载荷仿真,得到风电机组的仿真结果,从而通过搭建的风电机组的整机数学模型和仿真参数,不仅可以实现风电机组的极限载荷的仿真,便于后续节省风电机组的成本;还提高了极限载荷仿真效率,具有较好的实用价值。
在图1的基础上,本发明实施例提供了另一种风电机组极限载荷的仿真方法,该方法重点描述了对极限载荷的迭代优化仿真过程。如图2所示,该方法包括以下步骤:
步骤S202,设置i=i+1;具体地,设置迭代次数i,其中,首次执行仿真过程时,i=0,每迭代一次i+1;
步骤S204,对风资源进行DOE设计,得到极限工况参数;具体地,对外界的风资源集合进行DOE设计,以得到多个工况方案以及每个极限工况方案对应的极限工况参数;这里极限工况参数包括风速和风向;
步骤S206,对初始参数进行ASA优化,得到控制参数;即按照ASA优化算法对初始参数中每个参数进行优化,得到控制参数,这里控制参数包括:变桨速率、停机收桨速率和PID控制参数等,具体可以参考前述实施例;
步骤S208,搭建风电机组的整机数学模型;需要说明的是,这里步骤S204、步骤S206和步骤S208的先后顺序可以根据实际情况进行设置,也可以设置同时执行,本发明实施例在此不作限制说明。
步骤S210,根据极限工况参数和控制参数以及整机数学模型,进行极限载荷仿真;如根据GL2010或者IEC61400标准,Isight优化软件进行极限载荷仿真计算;
步骤S212,获取仿真结果;具体地,对仿真计算完的各极限工况进行后处理统计,如统计叶根、轮毂、偏航和塔架等关键部件的载荷,以得到包含轮毂合弯矩、偏航合弯矩和偏航扭矩的仿真结果;
步骤S214,判断仿真结果是否满足约束条件;其中,约束条件包括:风轮转速、净空值和塔底加速度值,即判断轮毂合弯矩、偏航合弯矩和偏航扭矩是否满足风轮转速约束,同时是否满足净空值约束和塔底加速度值约束,如果有任一不满足,则返回步骤S202进入下一个循环;如果均满足,则执行步骤S216;
步骤S216,判断仿真结果是否满足对应的最优解条件;即当仿真结果满足约束条件时,判断轮毂合弯矩、偏航合弯矩和偏航扭矩是否满足对应的最优解条件,如果有任一不满足,则返回步骤S202进入下一个循环;如果均满足,则执行步骤S218;
步骤S218,输出仿真结果。
为了便于理解,这里举例说明。
(1)采用根据三种风速:额定风速-2、额定风速、额定风速+2,两种风向(各风速下的对应的最大风向角度,分正负两种)组成多个极限工况方案,以及每个极限工况方案对应的极限工况参数,需要说明的是,对于每个极限工况方案,偏航角和误差均一样;
(2)基于ASA优化算法得到控制参数;这里控制参数包括但不仅限于:大偏航故障变桨速率、大偏航发电机转速斜率、偏航误差桨距角、发电机加速度桨距角等;具体地,首先输入初始控制参数,并定义初始控制参数中每个参数的可变范围,然后根据ASA优化算法优化得到控制参数;
(3)基于Isight优化软件,确立整机数学模型的极限载荷的响应参数,并根据极限工况参数和控制参数对整机数学模型进行迭代优化仿真计算,以得到满足约束条件和对应的最优解条件的仿真结果,如图3所示的偏航扭矩Mz的示意图,其中,1表示Yawmz_min-9.4对应的曲线,2表示Yawmz_min-10.4对应的曲线,3表示Yawmz_min12.4对应的曲线;同理,偏航合弯矩Mxy的示意图如图4所示,其中,1表示Yawmxy-9.4对应的曲线,2表示Yawmxy-10.4对应的曲线,3表示Yawmxy12.4对应的曲线;轮毂合弯矩Myz的示意图如图5所示,其中,1表示Hubmyz-9.4对应的曲线,2表示Hubmyz-10.4对应的曲线,3表示Yawmyz12.4对应的曲线。
对于上述三种风速和两种风向组成的五种极限工况方案,其仿真结果如图6示,其中,方案5较优,轮毂载荷即轮毂合弯矩Myz降低了4.86%,偏航载荷即偏航合弯矩Mxy降低了9.4%,偏航载荷即偏航扭矩Mz降低了6.79%,从而有效了降低了风电机组关键部件的载荷,实现了风电机组重量和成本的降低。
此外,还可以对仿真结果进行分析,如分析偏航扭矩、偏航合弯矩和轮毂合弯矩的敏感性,这里敏感性指该参数变化对总结果的影响程度,以便操作人员根据仿真结果中每个参数的敏感性,更加精准地对风电机组进行设计,在减少风电机组的重量和成本的基础上,进一步保证了风电机组的可靠性运行。
综上,本发明实施例提供的风电机组极限载荷的仿真方法,具有以下优点:①搭建整机数学模型,并基于整机数学模型进行极限载荷仿真,提高了极限载荷仿真效率;②基于ASA优化算法,对控制参数进行优化,有效减少风电机组关键部件的载荷,如可以降低2.5%以上;③采用DOE试验设计极限工况方案和极限工况参数,以及迭代优化过程中,嵌套ASA优化算法,进一步提高了仿真结果的精准度,从而更加精确地减少风电机组的重量和成本;④通用性好,如调整工况参数和控制参数,还可以实现风电机组中其它关键部件的载荷仿真,从而有效降低风电机组的载荷,进而降低了风电机组的重量和成本,具有较好的实用价值。
对应于上述方法实施例,本发明实施例还提供了一种风电机组极限载荷的仿真装置,如图7所示,该装置包括:获取模块71和仿真模块72;其中,各个模块的功能如下:
获取模块71,用于获取风电机组的整机数学模型和仿真参数;其中,仿真参数包括极限工况参数和控制参数,极限工况参数包括:风速和风向,控制参数包括:变桨速率、停机收桨速率和PID控制参数;
仿真模块72,用于基于Isight优化软件,根据仿真参数对整机数学模型进行极限载荷仿真,得到风电机组的仿真结果;其中,仿真结果包括:轮毂合弯矩、偏航合弯矩和偏航扭矩。
本发明实施例提供的风电机组极限载荷的仿真装置,获取风电机组的整机数学模型和仿真参数,并基于Isight优化软件,根据仿真参数对整机数学模型进行极限载荷仿真,得到风电机组的仿真结果,从而通过搭建的风电机组的整机数学模型和仿真参数,不仅可以实现风电机组的极限载荷的仿真,便于后续节省风电机组的成本;还提高了极限载荷仿真效率,具有较好的实用价值。
可选地,上述获取模块71还用于:获取风电机组对应的风资源集合;其中,风资源集合包括风速集和风向集;根据风速集中的多个风速和风向集中的多个风向,生成多个极限工况方案,以及每个极限工况方案对应的极限工况参数。
可选地,上述获取模块71还用于:获取初始参数,以及初始参数中每个参数对应的取值范围;其中,初始参数包括:初始变桨速率、初始停机收桨速率和初始PID控制参数;按照ASA优化算法对初始参数中每个参数进行优化,得到控制参数。
可选地,上述仿真模块72还用于:获取约束条件;其中,约束条件包括:风轮转速、净空值和塔底加速度值;判断仿真结果是否满足约束条件;如果否,则根据仿真参数重新对整机数学模型进行极限载荷仿真,直至仿真结果满足约束条件。
可选地,上述装置还包括:如果仿真结果满足约束条件,判断仿真结果是否满足对应的最优解条件;其中,最优解条件为根据对应的预设最优值确定;如果否,则根据仿真参数重新对整机数学模型进行极限载荷仿真,直至仿真结果满足对应的最优解条件。
可选地,上述装置还包括:如果仿真结果满足对应的最优解条件,输出仿真结果并进行显示。
可选地,上述获取模块71还用于:获取多个模块和映射关系集;其中,多个模块包括:叶片模型、传动链模型、塔筒模型、变桨系统、偏航系统和控制系统;映射关系集包括任意两个模块之间的映射关系;根据多个模块和映射关系集,构建得到风电机组的整机数学模型。
本发明实施例提供的风电机组极限载荷的仿真装置,与上述实施例提供的风电机组极限载荷的仿真方法具有相同的技术特征,所以也能解决相同的技术问题,达到相同的技术效果。
本发明实施例还提供一种电子设备,包括处理器和存储器,存储器存储有能够被处理器执行的机器可执行指令,处理器执行机器可执行指令以实现上述风电机组极限载荷的仿真方法。
参见图8所示,该电子设备包括处理器100和存储器101,该存储器101存储有能够被处理器100执行的机器可执行指令,该处理器100执行机器可执行指令以实现上述风电机组极限载荷的仿真方法。
进一步地,图8所示的电子设备还包括总线102和通信接口103,处理器100、通信接口103和存储器101通过总线102连接。
其中,存储器101可能包含高速随机存取存储器(RAM,Random Access Memory),也可能还包括非不稳定的存储器(non-volatile memory),例如至少一个磁盘存储器。通过至少一个通信接口103(可以是有线或者无线)实现该系统网元与至少一个其他网元之间的通信连接,可以使用互联网,广域网,本地网,城域网等。总线102可以是ISA(IndustrialStandard Architecture,工业标准结构总线)总线、PCI(Peripheral ComponentInterconnect,外设部件互连标准)总线或EISA(Enhanced Industry StandardArchitecture,扩展工业标准结构)总线等。上述总线可以分为地址总线、数据总线、控制总线等。为便于表示,图8中仅用一个双向箭头表示,但并不表示仅有一根总线或一种类型的总线。
处理器100可能是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法的各步骤可以通过处理器100中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器100可以是通用处理器,包括中央处理器(Central Processing Unit,简称CPU)、网络处理器(Network Processor,简称NP)等;还可以是数字信号处理器(DigitalSignal Processor,简称DSP)、专用集成电路(Application Specific IntegratedCircuit,简称ASIC)、现场可编程门阵列(Field-Programmable Gate Array,简称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。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器101,处理器100读取存储器101中的信息,结合其硬件完成前述实施例的方法的步骤。
本实施例还提供一种机器可读存储介质,机器可读存储介质存储有机器可执行指令,机器可执行指令在被处理器调用和执行时,机器可执行指令促使处理器实现上述风电机组极限载荷的仿真方法。
本发明实施例所提供的风电机组极限载荷的仿真方法、装置和电子设备的计算机程序产品,包括存储了程序代码的计算机可读存储介质,所述程序代码包括的指令可用于执行前面方法实施例中所述的方法,具体实现可参见方法实施例,在此不再赘述。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统和装置的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
另外,在本发明实施例的描述中,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
所述功能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,可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
在本发明的描述中,需要说明的是,术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一”、“第二”、“第三”仅用于描述目的,而不能理解为指示或暗示相对重要性。
最后应说明的是:以上所述实施例,仅为本发明的具体实施方式,用以说明本发明的技术方案,而非对其限制,本发明的保护范围并不局限于此,尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应所述以权利要求的保护范围为准。
Claims (10)
1.一种风电机组极限载荷的仿真方法,其特征在于,所述方法包括:
获取所述风电机组的整机数学模型和仿真参数;其中,所述仿真参数包括极限工况参数和控制参数,所述极限工况参数包括:风速和风向,所述控制参数包括:变桨速率、停机收桨速率和PID控制参数;
基于Isight优化软件,根据所述仿真参数对所述整机数学模型进行极限载荷仿真,得到所述风电机组的仿真结果;其中,所述仿真结果包括:轮毂合弯矩、偏航合弯矩和偏航扭矩。
2.根据权利要求1所述的方法,其特征在于,获取仿真参数的步骤,包括:
获取所述风电机组对应的风资源集合;其中,所述风资源集合包括风速集和风向集;
根据所述风速集中的多个风速和所述风向集中的多个风向,生成多个极限工况方案,以及每个所述极限工况方案对应的极限工况参数。
3.根据权利要求1所述的方法,其特征在于,获取仿真参数的步骤,还包括:
获取初始参数,以及所述初始参数中每个参数对应的取值范围;其中,所述初始参数包括:初始变桨速率、初始停机收桨速率和初始PID控制参数;
按照ASA优化算法对所述初始参数中每个参数进行优化,得到控制参数。
4.根据权利要求1所述的方法,其特征在于,所述根据所述仿真参数对所述整机数学模型进行极限载荷仿真,得到所述风电机组的仿真结果的步骤,包括:
获取约束条件;其中,所述约束条件包括:风轮转速、净空值和塔底加速度值;
判断所述仿真结果是否满足所述约束条件;
如果否,则根据所述仿真参数重新对所述整机数学模型进行极限载荷仿真,直至所述仿真结果满足所述约束条件。
5.根据权利要求4所述的方法,其特征在于,所述方法还包括:
如果所述仿真结果满足所述约束条件,判断所述仿真结果是否满足对应的最优解条件;其中,所述最优解条件为根据对应的预设最优值确定;
如果否,则根据所述仿真参数重新对所述整机数学模型进行极限载荷仿真,直至所述仿真结果满足对应的所述最优解条件。
6.根据权利要求5所述的方法,其特征在于,所述方法还包括:
如果所述仿真结果满足对应的所述最优解条件,输出所述仿真结果并进行显示。
7.根据权利要求1所述的方法,其特征在于,所述获取所述风电机组的整机数学模型的步骤,包括:
获取多个模块和映射关系集;其中,多个所述模块包括:叶片模型、传动链模型、塔筒模型、变桨系统、偏航系统和控制系统;所述映射关系集包括任意两个所述模块之间的映射关系;
根据多个所述模块和所述映射关系集,构建得到所述风电机组的整机数学模型。
8.一种风电机组极限载荷的仿真装置,其特征在于,所述装置包括:
获取模块,用于获取所述风电机组的整机数学模型和仿真参数;其中,所述仿真参数包括极限工况参数和控制参数,所述极限工况参数包括:风速和风向,所述控制参数包括:变桨速率、停机收桨速率和PID控制参数;
仿真模块,用于基于Isight优化软件,根据所述仿真参数对所述整机数学模型进行极限载荷仿真,得到所述风电机组的仿真结果;其中,所述仿真结果包括:轮毂合弯矩、偏航合弯矩和偏航扭矩。
9.一种电子设备,包括存储器、处理器及存储在所述存储器上并可在所述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计算机程序时实现上述权利要求1-7任一项所述的方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器运行时执行上述权利要求1-7任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210701381.0A CN115186452A (zh) | 2022-06-20 | 2022-06-20 | 风电机组极限载荷的仿真方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210701381.0A CN115186452A (zh) | 2022-06-20 | 2022-06-20 | 风电机组极限载荷的仿真方法、装置及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115186452A true CN115186452A (zh) | 2022-10-14 |
Family
ID=83514566
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210701381.0A Pending CN115186452A (zh) | 2022-06-20 | 2022-06-20 | 风电机组极限载荷的仿真方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115186452A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116090309A (zh) * | 2023-02-20 | 2023-05-09 | 华北电力大学 | 风力发电机组仿真模型的生成方法、装置、设备及介质 |
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 |
-
2022
- 2022-06-20 CN CN202210701381.0A patent/CN115186452A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116090309A (zh) * | 2023-02-20 | 2023-05-09 | 华北电力大学 | 风力发电机组仿真模型的生成方法、装置、设备及介质 |
CN116090309B (zh) * | 2023-02-20 | 2023-08-01 | 华北电力大学 | 风力发电机组仿真模型的生成方法、装置、设备及介质 |
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 |
---|---|---|
CN115186452A (zh) | 风电机组极限载荷的仿真方法、装置及电子设备 | |
CN107346357B (zh) | 一种基于整体耦合模型的海上风机疲劳分析系统 | |
CN114169614B (zh) | 一种基于风力机尾流模型优化的风电场优化调度方法及系统 | |
Akbar et al. | A new approach for optimization of Vertical Axis Wind Turbines | |
CN109779844B (zh) | 风机叶片角度测量误差影响关系的获取方法及系统 | |
Lennie et al. | A Review of wind turbine polar data and its effect on fatigue loads simulation accuracy | |
Li et al. | Overall design optimization of dedicated outboard airfoils for horizontal axis wind turbine blades | |
Tahani et al. | Aerodynamic optimal design of wind turbine blades using genetic algorithm | |
CN113609622A (zh) | 风力发电机组的塔架载荷建模方法和装置 | |
Gkantou et al. | On the structural response of a tall hybrid onshore wind turbine tower | |
CN116163886A (zh) | 一种基于主动变桨策略的风电场协同控制方法及系统 | |
Ashuri et al. | Uncertainty quantification of the levelized cost of energy for a 20 MW research wind turbine model | |
CN117473883A (zh) | 测风塔数据的处理方法、设备、存储介质及程序产品 | |
CN115544907A (zh) | 基于尾流效应的风电功率预测及存量风电优化控制方法 | |
CN114564864A (zh) | 一种风机轮毂强度分析方法、系统、设备及存储介质 | |
CN111651843B (zh) | 发电机主机架的设计方法、系统及电子设备 | |
Scott | Optimal Aeroelastic Tailoring of Wind Turbines | |
Guo et al. | The aerodynamic analysis of Helical-type VAWT with semi empirical and CFD method | |
Su et al. | A hybrid free wake simulation comparison of turbine wake steering with innovative turbine designs | |
Roul et al. | Effect of blade pitch angle on the aerodynamic characteristics of a twisted blade horizontal axis wind turbine based on numerical simulations | |
Rasham et al. | Optimal characteristics of wind turbine to maximize capacity factor | |
CN112668124B (zh) | 风力发电机组极限设计载荷的确定方法、装置及计算机可读存储介质 | |
CN114000989B (zh) | 一种风力发电机组叶片气动性能衰减检测方法及测试系统 | |
CN113589167B (zh) | 风电机组的正交试验评估方法及装置 | |
CN117394550B (zh) | 一种基于风力机偏航角寻优的风电场场群控制方法及系统 |
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 |