CN116090191A - 一种综合气流因素下的海上风机的仿真方法及系统 - Google Patents
一种综合气流因素下的海上风机的仿真方法及系统 Download PDFInfo
- Publication number
- CN116090191A CN116090191A CN202211634563.7A CN202211634563A CN116090191A CN 116090191 A CN116090191 A CN 116090191A CN 202211634563 A CN202211634563 A CN 202211634563A CN 116090191 A CN116090191 A CN 116090191A
- Authority
- CN
- China
- Prior art keywords
- wind
- wind turbine
- time sequence
- offshore wind
- offshore
- 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
- 238000000034 method Methods 0.000 title claims abstract description 61
- 238000004088 simulation Methods 0.000 title claims abstract description 34
- 230000008859 change Effects 0.000 claims abstract description 51
- 238000012937 correction Methods 0.000 claims abstract description 49
- 239000013598 vector Substances 0.000 claims abstract description 29
- 238000004364 calculation method Methods 0.000 claims abstract description 16
- 230000000694 effects Effects 0.000 claims description 20
- 238000004422 calculation algorithm Methods 0.000 claims description 15
- 230000008569 process Effects 0.000 claims description 14
- 230000001133 acceleration Effects 0.000 claims description 12
- 230000008878 coupling Effects 0.000 claims description 12
- 238000010168 coupling process Methods 0.000 claims description 12
- 238000005859 coupling reaction Methods 0.000 claims description 12
- 239000007787 solid Substances 0.000 claims description 12
- 230000004044 response Effects 0.000 claims description 8
- 230000002123 temporal effect Effects 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 6
- 230000006698 induction Effects 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 6
- 238000004458 analytical method Methods 0.000 description 10
- 239000012530 fluid Substances 0.000 description 6
- 230000005540 biological transmission Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000033001 locomotion Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012300 Sequence Analysis Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000007935 neutral effect Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 230000021715 photosynthesis, light harvesting Effects 0.000 description 1
- 230000010349 pulsation Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 230000003746 surface roughness Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—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
- G06F2113/08—Fluids
-
- 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)
- General Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Algebra (AREA)
- Computing Systems (AREA)
- Fluid Mechanics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Wind Motors (AREA)
Abstract
本申请提出一种综合气流因素下的海上风机的仿真方法及系统，所述方法包括：基于时域风模型获取海上风机对应的各时刻的风矢量；将所述风矢量、风载时间序列和风流形状变化的修正系数输入空气动力学模型中进行求解，得到风压分布的时间序列；将所述风压分布的时间序列和海上风机转矩的时间序列输入结构动力学模型中进行求解，得到海上风机中风叶的形变量和所述形变量对应的风流形状变化的修正系数；根据所述风叶的形变量和所述形变量对应的风流形状变化的修正系数进行迭代计算，确定海上风机的控制信号，然后基于所述控制信号对所述海上风机进行仿真。本申请提出的技术方案，可以快速精确的对风机进行一体化的仿真求解。
Description
技术领域
本申请涉及风机仿真技术领域，尤其涉及一种综合气流因素下的海上风机的仿真方法及系统。
背景技术
由于风能资源丰富，风电产业在近十几年来迅速发展，装机容量逐年攀升。相比于陆上风电，海上风电凭借其资源丰富、利用效率高、环境友好等优势，有望成为未来风电产业的主力军。海上风电正逐渐朝着规模化、深远海化、平价化趋势发展。
面对广阔的发展前景，海上风电开发面临的技术挑战仍旧不容小觑。风力发电机叶片是风力发电机的关键部件，其性能好坏直接影响整机运行的效率和稳定性。同时它又是受力最复杂的部件，它展向长、弦向短，柔性较好，是一个容易发生变形的细长弹性体，涉及到空气动力学、结构动力学、机械动力学等多学科强耦合，在复杂时变风况影响因素下，对风机本体的机电特性进行建模仿真需要极大的占用运算单元，且求解此类含多非线性边界复杂方程组模型时间长，无法满足实时仿真需求。
目前针对海上风机在综合风况下的气动传动复杂流固耦合特性的计算主要进行风资源生成和叶片应力分布两部分。首先针对风资源生成，包括基于测风塔观测数据建立不同的数学模型，将气象站和测风塔的观测数据转化为风能、风功率等风能资源评估参数的数理统计评估方法，以及利用计算机模拟技术结合测风塔观测数据、中尺度数据实现对近地层风能资源进行分析的数值模拟评估方法。应用以上两种风资源模型，采用叶素动量理论或计算流体动力学得出风机叶片上的风压分布，利用此结果进行流固耦合，得出风机叶片的应力应变和型变量分布，分析其最大应力、应变和形变发生部位，为疲劳寿命分析和断裂分析提供了数据参考，并对风机叶片的改进和选型、风机主控逻辑的编写提供了一定参考依据。但是现有的方法无法同时兼顾建模准确度和求解快速性。
发明内容
本申请提供一种综合气流因素下的海上风机的仿真方法及系统，以至少解决现有的方法无法同时兼顾建模准确度和求解快速性的技术问题。
本申请第一方面实施例提出一种综合气流因素下的海上风机的仿真方法，所述方法包括：
基于时域风模型获取海上风机对应的各时刻的风矢量；
将所述风矢量、风载时间序列和风流形状变化的修正系数输入空气动力学模型中进行求解，得到风压分布的时间序列；
将所述风压分布的时间序列和海上风机转矩的时间序列输入结构动力学模型中进行求解，得到海上风机中风叶的形变量和所述形变量对应的风流形状变化的修正系数；
根据所述风叶的形变量和所述形变量对应的风流形状变化的修正系数进行迭代计算，确定海上风机的控制信号，然后基于所述控制信号对所述海上风机进行仿真。
优选的，所述将所述风矢量、风载时间序列和风流形状变化的修正系数输入空气动力学模型中进行求解，得到风压分布的时间序列，包括：
基于所述风矢量和所述风流形状变化的修正系数，并利用空气动力学BEM算法或空气动力学CFD算法进行计算，得到海上风机对应的扭矩；
利用风载时间序列将所述扭矩与所对应的风速时刻对应，得到所述海上风机对应的风压分布的时间序列。
优选的，所述根据所述风叶的形变量和所述形变量对应的风流形状变化的修正系数进行迭代计算，确定海上风机的控制信号，包括：
步骤F1:利用响应时间序列对第k次计算的风叶的形变量进行处理，得到角加速度；
步骤F2:基于所述角加速度确定海上风机转矩的时间序列；
步骤F3:基于所述海上风机转矩的时间序列判断是否满足
若是，进入步骤F4,否则，利用第k次迭代计算的所述形变量对应的风流形状变化的修正系数修正所述空气动力学模型，并生成风压分布的时间序列，然后将生成的风压分布的时间序列和海上风机转矩的时间序列输入所述结构动力学模型中进行求解，得到第k+1次迭代计算的海上风机中风叶的形变量和所述形变量对应的风流形状变化的修正系数，令k＝k+1，返回步骤F1；
式中，
为第k次迭代i时刻的随机效应值，
为第k-1次迭代i时刻的随机效应值，k为迭代次数，δ为给定的正小数。
步骤F4:将所述海上风机转矩的时间序列与海上风机的感应电机输出的电磁转矩进行对比，基于对比结果确定海上风机的控制信号。
优选的，所述海上风机的控制信号包括：
风机的启停信号、调向信号、调速信号、变桨信号和偏航信号。
优选的，所述时域风模型、空气动力学模型和所述结构动力学模型是基于流固耦合的边界条件进行求解的；
其中，所述时域风模型、空气动力学模型和所述结构动力学模型是采用一体化求解架构建立的。
本申请第二方面实施例提出一种综合气流因素下的海上风机的仿真系统，所述系统包括：
获取模块，用于基于时域风模型获取海上风机对应的各时刻的风矢量；
第一求解模块，用于将所述风矢量、风载时间序列和风流形状变化的修正系数输入空气动力学模型中进行求解，得到风压分布的时间序列；
第二求解模块，用于将所述风压分布的时间序列和海上风机转矩的时间序列输入结构动力学模型中进行求解，得到海上风机中风叶的形变量和所述形变量对应的风流形状变化的修正系数；
确定模块，用于根据所述风叶的形变量和所述形变量对应的风流形状变化的修正系数进行迭代计算，确定海上风机的控制信号，然后基于所述控制信号对所述海上风机进行仿真。
优选的，所述第一求解模块，包括：
计算单元，用于基于所述风矢量和所述风流形状变化的修正系数，并利用空气动力学BEM算法或空气动力学CFD算法进行计算，得到海上风机对应的扭矩；
第一确定单元，用于利用风载时间序列将所述扭矩与所对应的风速时刻对应，得到所述海上风机对应的风压分布的时间序列。
优选的，所述确定模块具体用于：
步骤E1:利用响应时间序列对第k次计算的风叶的形变量进行处理，得到角加速度；
步骤E2:基于所述角加速度确定海上风机转矩的时间序列；
步骤E3:基于所述海上风机转矩的时间序列判断是否满足
若是，进入步骤E4,否则，利用第k次迭代计算的所述形变量对应的风流形状变化的修正系数修正所述空气动力学模型，并生成风压分布的时间序列，然后将生成的风压分布的时间序列和海上风机转矩的时间序列输入所述结构动力学模型中进行求解，得到第k+1次迭代计算的海上风机中风叶的形变量和所述形变量对应的风流形状变化的修正系数，令k＝k+1，返回步骤E1；
式中，
为第k次迭代i时刻的随机效应值，
为第k-1次迭代i时刻的随机效应值，k为迭代次数，δ为给定的正小数。
步骤E4:将所述海上风机转矩的时间序列与海上风机的感应电机输出的电磁转矩进行对比，基于对比结果确定海上风机的控制信号。
本申请第三方面实施例提出一种电子设备，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，所述处理器执行所述程序时，实现如第一方面实施例所述的方法。
本申请第四方面实施例提出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第一方面实施例所述的方法。
本申请的实施例提供的技术方案至少带来以下有益效果：
本申请提出了一种综合气流因素下的海上风机的仿真方法及系统，所述方法包括：基于时域风模型获取海上风机对应的各时刻的风矢量；将所述风矢量、风载时间序列和风流形状变化的修正系数输入空气动力学模型中进行求解，得到风压分布的时间序列；将所述风压分布的时间序列和海上风机转矩的时间序列输入结构动力学模型中进行求解，得到海上风机中风叶的形变量和所述形变量对应的风流形状变化的修正系数；根据所述风叶的形变量和所述形变量对应的风流形状变化的修正系数进行迭代计算，确定海上风机的控制信号，然后基于所述控制信号对所述海上风机进行仿真。本申请提出的技术方案，可以快速精确的对风机进行一体化的仿真求解。
本申请附加的方面以及优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本申请的实践了解到。
附图说明
本申请上述的和/或附加的方面以及优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：
图1为根据本申请一个实施例提供的一种综合气流因素下的海上风机的仿真方法的流程图；
图2为根据本申请一个实施例提供的一种综合气流因素下的海上风机的仿真系统的结构图；
图3为根据本申请一个实施例提供的第一求解模块的结构图。
具体实施方式
下面详细描述本申请的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本申请，而不能理解为对本申请的限制。
本申请提出的一种综合气流因素下的海上风机的仿真方法及系统，所述方法包括：基于时域风模型获取海上风机对应的各时刻的风矢量；将所述风矢量、风载时间序列和风流形状变化的修正系数输入空气动力学模型中进行求解，得到风压分布的时间序列；将所述风压分布的时间序列和海上风机转矩的时间序列输入结构动力学模型中进行求解，得到海上风机中风叶的形变量和所述形变量对应的风流形状变化的修正系数；根据所述风叶的形变量和所述形变量对应的风流形状变化的修正系数进行迭代计算，确定海上风机的控制信号，然后基于所述控制信号对所述海上风机进行仿真。本申请提出的技术方案，可以快速精确的对风机进行一体化的仿真求解。
下面参考附图描述本申请实施例的一种综合气流因素下的海上风机的仿真方法及系统。
实施例一
图1为根据本申请一个实施例提供的一种综合气流因素下的海上风机的仿真方法的流程图，如图1所示，所述方法包括：
步骤1：基于时域风模型获取海上风机对应的各时刻的风矢量；
步骤2：将所述风矢量、风载时间序列和风流形状变化的修正系数输入空气动力学模型中进行求解，得到风压分布的时间序列；
在本公开实施例中，所述步骤2具体包括：
基于所述风矢量和所述风流形状变化的修正系数，并利用空气动力学BEM算法或空气动力学CFD算法进行计算，得到海上风机对应的扭矩；
利用风载时间序列将所述扭矩与所对应的风速时刻对应，得到所述海上风机对应的风压分布的时间序列。
步骤3：将所述风压分布的时间序列和海上风机转矩的时间序列输入结构动力学模型中进行求解，得到海上风机中风叶的形变量和所述形变量对应的风流形状变化的修正系数；
步骤4：根据所述风叶的形变量和所述形变量对应的风流形状变化的修正系数进行迭代计算，确定海上风机的控制信号，然后基于所述控制信号对所述海上风机进行仿真。
在本公开实施例中，所述步骤4具体包括：
步骤F1:利用响应时间序列对第k次计算的风叶的形变量进行处理，得到角加速度；
步骤F2:基于所述角加速度确定海上风机转矩的时间序列；
步骤F3:基于所述海上风机转矩的时间序列判断是否满足
若是，进入步骤F4,否则，利用第k次迭代计算的所述形变量对应的风流形状变化的修正系数修正所述空气动力学模型，并生成风压分布的时间序列，然后将生成的风压分布的时间序列和海上风机转矩的时间序列输入所述结构动力学模型中进行求解，得到第k+1次迭代计算的海上风机中风叶的形变量和所述形变量对应的风流形状变化的修正系数，令k＝k+1，返回步骤F1；
式中，
为第k次迭代i时刻的随机效应值，
为第k-1次迭代i时刻的随机效应值，k为迭代次数，δ为给定的正小数。
具体的，所述迭代计算包括：
第一步，计算随机效应
的初始值。设ψ，σ2和
的取值为ψ(t)，(σ(t))2和β(t)，其中k＝0，计算
式中，
ψ为σ2和
的取值，σ为组间方差，
为回归系数的预测值，
为对回归系数为i的回归方程的检验结果，Zi为回归系数为i时的回归方程，Ini为协方差参数，yi为i维观测相量，vi为回归方程固定效应，ui为迭代的随机效应初始值，
为第t次迭代i时刻的随机效应值；
第二步，计算
利用下式计算
令k＝k+1，迭代计算，直到达到理想精度为止。迭代终止条件为:
步骤F4:将所述海上风机转矩的时间序列与海上风机的感应电机输出的电磁转矩进行对比，基于对比结果确定海上风机的控制信号。
需要说明的是，所述海上风机的控制信号包括：
风机的启停信号、调向信号、调速信号、变桨信号和偏航信号。
在本公开实施例中，所述时域风模型、空气动力学模型和所述结构动力学模型是基于流固耦合的边界条件进行求解的；
其中，所述时域风模型、空气动力学模型和所述结构动力学模型是采用一体化求解架构建立的。
在本公开实施例中，如图2所示为一体化求解架构的各部分构成及数据流向：
①时域风模型：通过进行大气边界层动力学特性分析、动力学方程离散化及湍流数值模拟等方法，针对海面非线性复杂度，进行多尺度、多分区的风速、风向单节点矢量建模，包括恒定风、单点风、湍流风、瞬态风的数值模拟。
其中，采用Charnock参数化模型模拟海上大气边界层物理过程，基于中性等效风速的海上风轮廓线在高度Z1处的实际状态风速方程：
式中，abs(F)为实际状态风速，F2为在高度G2处的风速，F1为在高度G1处的风速，F*为大气边界层风速，χ为对数风轮廓线中零压力梯度边界层函数的斜率，
为湍流粘性系数，g为风经过的表面粗糙度，a为幂律风轮廓线中的幂指数。
②空气动力学模型：结合风机的叶片各有限元处的相对风速矢量与风场尾流风向矢量，通过CFD或BEM算法中的关键非线性方程及边界条件进行风机叶片叶根部及叶尖处的风压分布，同时考虑尾流情况下湍流显著增加对叶片空气动力学的影响。
③风载时间序列作为时域风模型与结构动力学的接口，其接口算法是基于时域下的质量、动量、能量守恒运动方程，进行基于时间变量的大涡模拟方程的求解，通过可压缩变粘性流体运动微分方程将风流场量中的平均量受力分解为法向应力和切应力，并且通过滤除高波数的脉动成分减少计算量。同时，对于风资源中的湍流因素，采用雷洛平均方法计算风流场波动量非线性方程，将非线性方程封闭过程中产生未知量与湍流模型进行关联，形成k两方程模型或Spalart-Allmaras单方程模型。
其中，雷洛平均法方程：
式中，
为i时刻平均速度分量，
为i时刻速度分量与j时刻速度分量乘积的平均值，
为雷诺应力系数，xj为j时刻第一自变量，xi为i时刻第一自变量，
为i时刻波动分量与j时刻波动分量乘积的平均值；
采用k-ε两方程模型湍流应力方程：
γi＝cμρk2/ε
式中，(τij)t为时间常数，γi为湍流黏性，ε为湍动能耗散项，ρ流体密度，cμ为经验系数，k为湍动能系数，δij为i时刻与j时刻变化量，ui为i时刻湍流速度，uj为j时刻湍流速度，xj为j时刻第一自变量。
通用控制方程：
式中，
表示一个标量，τ为时间常数，S为平均应变速率，div为除法运算符，grand为百分数，ρ为流体密度；
④结构动力学模型：基于时间序列分析进行的风机本体多载荷、强变形、复杂运动条件下的物理特性模态、形变分析，考虑双馈或半直驱风机多自由度传动系统动力学。
⑤响应时间序列作为结构动力学与机械动力学的接口，其接口算法是基于时域下的模态分析，进行基于时间变量的载荷、内力、位移等平衡方程的求解，通过流固耦合边界条件分析，得出风机叶片的应力应变和型变量分布，分析其最大应力、应变和形变发生部位及力的大小。
流体与固体之间的相互作用，使得各自的形态、质量、动能、能量等发生变化。流固耦合部分采用流体的纳韦斯托克方程组质量方程和固体虚功原理相结合求解变化量。
其中，纳韦斯托克方程组质量方程：
动量方程：
能量方程：
μ为动力粘度，λi为平均自由程，I为时均速度，p为压力,Ri为热力学常数，e为物体总能量；
⑥极限、疲劳载荷：考虑机网双约束条件下，即发电量与载荷限制下的风机主控逻辑，考虑大湍流导致的传动链状态频繁变化时平均风速加湍流风速与设计强度的关系。
⑦将时间序列下，结构动力学模型中流固耦合分析得出的时域结构形变量反馈至空气动力学模型，更新风压分布的时间序列；
⑧将响应时间序列输出的机械力反馈给风载时间序列的风压力合起来送给结构动力学模型，进行数值结果更新。
需要说明的是，本实施例提供方法中的一体化求解架构，即多层级协同快速求解架构利用统计学中多层次协同架构中的非线性多元回归统计原理，结合非线性混合效应模型的快速数值分析，将多物理量耦合的整体系统中的关键部件节点所涉及的各边界条件形成整体求解限制条件，区分层级间的固定效应和随机效应，以时续作为统一尺度进行风电机组从风资源到载荷的整体联立快速求解，达到风机本体多物理量模型的一体化仿真快速求解。
综上所述，本实施例提出的一种综合气流因素下的海上风机的仿真方法，具有以下效果：
1、采用多层次模型对复杂耦合系统进行联合建模，省去了传统的物理系统间数据格式化过程；
2、利用数学分析方法进行风机本体气动传动部件的流固特性拟合，代替传统的有限元仿真方法，提升了模型的时效性有助于实现风机本体动力学实时仿真；
3、采用一体化求解架构建模并且实现变量对整体、变量对变量的影响因子检验，可实现复杂风资源对气动传动模型中特定中间变量的影响情况分析；
4、架构采用时间序列作为基本变量，各项数据生成时含有对应的时间量符合动力学理论的本质，为实时数据输入和实时仿真提供标准化接口。
实施例二
图2为根据本申请一个实施例提供的一种综合气流因素下的海上风机的仿真系统的结构图，如图2所示，所述系统包括：
获取模块100，用于基于时域风模型获取海上风机对应的各时刻的风矢量；
第一求解模块200，用于将所述风矢量、风载时间序列和风流形状变化的修正系数输入空气动力学模型中进行求解，得到风压分布的时间序列；
第二求解模块300，用于将所述风压分布的时间序列和海上风机转矩的时间序列输入结构动力学模型中进行求解，得到海上风机中风叶的形变量和所述形变量对应的风流形状变化的修正系数；
确定模块400，用于根据所述风叶的形变量和所述形变量对应的风流形状变化的修正系数进行迭代计算，确定海上风机的控制信号，然后基于所述控制信号对所述海上风机进行仿真。
在本公开实施例中，如图3所示，所述第一求解模块200，包括：
计算单元201，用于基于所述风矢量和所述风流形状变化的修正系数，并利用空气动力学BEM算法或空气动力学CFD算法进行计算，得到海上风机对应的扭矩；
第一确定单元202，用于利用风载时间序列将所述扭矩与所对应的风速时刻对应，得到所述海上风机对应的风压分布的时间序列。
在本公开实施例中，所述确定模块400具体用于：
步骤E1:利用响应时间序列对第k次计算的风叶的形变量进行处理，得到角加速度；
步骤E2:基于所述角加速度确定海上风机转矩的时间序列；
步骤E3:基于所述海上风机转矩的时间序列判断是否满足
若是，进入步骤E4,否则，利用第k次迭代计算的所述形变量对应的风流形状变化的修正系数修正所述空气动力学模型，并生成风压分布的时间序列，然后将生成的风压分布的时间序列和海上风机转矩的时间序列输入所述结构动力学模型中进行求解，得到第k+1次迭代计算的海上风机中风叶的形变量和所述形变量对应的风流形状变化的修正系数，令k＝k+1，返回步骤E1；
式中，
为第k次迭代i时刻的随机效应值，
为第k-1次迭代i时刻的随机效应值，k为迭代次数，δ为给定的正小数。
步骤E4:将所述海上风机转矩的时间序列与海上风机的感应电机输出的电磁转矩进行对比，基于对比结果确定海上风机的控制信号。
需要说明的是，所述海上风机的控制信号包括：
风机的启停信号、调向信号、调速信号、变桨信号和偏航信号。
进一步的，所述时域风模型、空气动力学模型和所述结构动力学模型是基于流固耦合的边界条件进行求解的；
其中，所述时域风模型、空气动力学模型和所述结构动力学模型是采用一体化求解架构建立的。
综上所述，本实施例提出的一种综合气流因素下的海上风机的仿真系统，可以快速精确的对风机进行一体化的仿真求解。
实施例三
为了实现上述实施例，本公开还提出一种电子设备，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，所述处理器执行所述程序时，实现如实施例一所述的方法。
实施例四
为了实现上述实施例，本公开还提出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实施例一所述的方法。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本申请的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本申请的实施例所属技术领域的技术人员所理解。
尽管上面已经示出和描述了本申请的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本申请的限制，本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (10)
1.一种综合气流因素下的海上风机的仿真方法，其特征在于，所述方法包括：
基于时域风模型获取海上风机对应的各时刻的风矢量；
将所述风矢量、风载时间序列和风流形状变化的修正系数输入空气动力学模型中进行求解，得到风压分布的时间序列；
将所述风压分布的时间序列和海上风机转矩的时间序列输入结构动力学模型中进行求解，得到海上风机中风叶的形变量和所述形变量对应的风流形状变化的修正系数；
根据所述风叶的形变量和所述形变量对应的风流形状变化的修正系数进行迭代计算，确定海上风机的控制信号，然后基于所述控制信号对所述海上风机进行仿真。
2.如权利要求1所述的方法，其特征在于，所述将所述风矢量、风载时间序列和风流形状变化的修正系数输入空气动力学模型中进行求解，得到风压分布的时间序列，包括：
基于所述风矢量和所述风流形状变化的修正系数，并利用空气动力学BEM算法或空气动力学CFD算法进行计算，得到海上风机对应的扭矩；
利用风载时间序列将所述扭矩与所对应的风速时刻对应，得到所述海上风机对应的风压分布的时间序列。
3.如权利要求1所述的方法，其特征在于，所述根据所述风叶的形变量和所述形变量对应的风流形状变化的修正系数进行迭代计算，确定海上风机的控制信号，包括：
步骤F1:利用响应时间序列对第k次计算的风叶的形变量进行处理，得到角加速度；
步骤F2:基于所述角加速度确定海上风机转矩的时间序列；
步骤F3:基于所述海上风机转矩的时间序列判断是否满足
若是，进入步骤F4,否则，利用第k次迭代计算的所述形变量对应的风流形状变化的修正系数修正所述空气动力学模型，并生成风压分布的时间序列，然后将生成的风压分布的时间序列和海上风机转矩的时间序列输入所述结构动力学模型中进行求解，得到第k+1次迭代计算的海上风机中风叶的形变量和所述形变量对应的风流形状变化的修正系数，令k＝k+1，返回步骤F1；
式中，
为第k次迭代i时刻的随机效应值，
为第k-1次迭代i时刻的随机效应值，k为迭代次数，δ为给定的正小数。
步骤F4:将所述海上风机转矩的时间序列与海上风机的感应电机输出的电磁转矩进行对比，基于对比结果确定海上风机的控制信号。
4.如权利要求1所述的方法，其特征在于，所述海上风机的控制信号包括：
风机的启停信号、调向信号、调速信号、变桨信号和偏航信号。
5.如权利要求1所述的方法，其特征在于，所述时域风模型、空气动力学模型和所述结构动力学模型是基于流固耦合的边界条件进行求解的；
其中，所述时域风模型、空气动力学模型和所述结构动力学模型是采用一体化求解架构建立的。
6.一种综合气流因素下的海上风机的仿真系统，其特征在于，所述系统包括：
获取模块，用于基于时域风模型获取海上风机对应的各时刻的风矢量；
第一求解模块，用于将所述风矢量、风载时间序列和风流形状变化的修正系数输入空气动力学模型中进行求解，得到风压分布的时间序列；
第二求解模块，用于将所述风压分布的时间序列和海上风机转矩的时间序列输入结构动力学模型中进行求解，得到海上风机中风叶的形变量和所述形变量对应的风流形状变化的修正系数；
确定模块，用于根据所述风叶的形变量和所述形变量对应的风流形状变化的修正系数进行迭代计算，确定海上风机的控制信号，然后基于所述控制信号对所述海上风机进行仿真。
7.如权利要求6所述的系统，其特征在于，所述第一求解模块，包括：
计算单元，用于基于所述风矢量和所述风流形状变化的修正系数，并利用空气动力学BEM算法或空气动力学CFD算法进行计算，得到海上风机对应的扭矩；
第一确定单元，用于利用风载时间序列将所述扭矩与所对应的风速时刻对应，得到所述海上风机对应的风压分布的时间序列。
8.如权利要求6所述的系统，其特征在于，所述确定模块具体用于：
步骤E1:利用响应时间序列对第k次计算的风叶的形变量进行处理，得到角加速度；
步骤E2:基于所述角加速度确定海上风机转矩的时间序列；
步骤E3:基于所述海上风机转矩的时间序列判断是否满足
若是，进入步骤E4,否则，利用第k次迭代计算的所述形变量对应的风流形状变化的修正系数修正所述空气动力学模型，并生成风压分布的时间序列，然后将生成的风压分布的时间序列和海上风机转矩的时间序列输入所述结构动力学模型中进行求解，得到第k+1次迭代计算的海上风机中风叶的形变量和所述形变量对应的风流形状变化的修正系数，令k＝k+1，返回步骤E1；
式中，
为第k次迭代i时刻的随机效应值，
为第k-1次迭代i时刻的随机效应值，k为迭代次数，δ为给定的正小数。
步骤E4:将所述海上风机转矩的时间序列与海上风机的感应电机输出的电磁转矩进行对比，基于对比结果确定海上风机的控制信号。
9.一种电子设备，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，实现如权利要求1-5任一所述的方法。
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任一所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211634563.7A CN116090191A (zh) | 2022-12-19 | 2022-12-19 | 一种综合气流因素下的海上风机的仿真方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211634563.7A CN116090191A (zh) | 2022-12-19 | 2022-12-19 | 一种综合气流因素下的海上风机的仿真方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116090191A true CN116090191A (zh) | 2023-05-09 |
Family
ID=86212936
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211634563.7A Pending CN116090191A (zh) | 2022-12-19 | 2022-12-19 | 一种综合气流因素下的海上风机的仿真方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116090191A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116167220A (zh) * | 2023-02-15 | 2023-05-26 | 中国华能集团清洁能源技术研究院有限公司 | 一种综合气流因素下的海上风机的仿真方法及系统 |
| CN116822417A (zh) * | 2023-07-21 | 2023-09-29 | 内蒙古工业大学 | 一种风力机叶片表面风压分析方法 |
| CN117216911A (zh) * | 2023-11-07 | 2023-12-12 | 天津大学 | 基于惯性释放理论的单立柱式海上风机结构响应计算方法 |
-
2022
- 2022-12-19 CN CN202211634563.7A patent/CN116090191A/zh active Pending
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116167220A (zh) * | 2023-02-15 | 2023-05-26 | 中国华能集团清洁能源技术研究院有限公司 | 一种综合气流因素下的海上风机的仿真方法及系统 |
| CN116822417A (zh) * | 2023-07-21 | 2023-09-29 | 内蒙古工业大学 | 一种风力机叶片表面风压分析方法 |
| CN116822417B (zh) * | 2023-07-21 | 2024-06-11 | 内蒙古工业大学 | 一种风力机叶片表面风压分析方法 |
| CN117216911A (zh) * | 2023-11-07 | 2023-12-12 | 天津大学 | 基于惯性释放理论的单立柱式海上风机结构响应计算方法 |
| CN117216911B (zh) * | 2023-11-07 | 2024-02-02 | 天津大学 | 基于惯性释放理论的单立柱式海上风机结构响应计算方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Yu et al. | Predicting wind turbine blade loads and aeroelastic response using a coupled CFD–CSD method | |
| CN116090191A (zh) | 一种综合气流因素下的海上风机的仿真方法及系统 | |
| Potsdam et al. | Unstructured mesh CFD aerodynamic analysis of the NREL Phase VI rotor | |
| Maheri et al. | WTAB, a computer program for predicting the performance of horizontal axis wind turbines with adaptive blades | |
| Tabib et al. | A full-scale 3D Vs 2.5 D Vs 2D analysis of flow pattern and forces for an industrial-scale 5MW NREL reference wind-turbine. | |
| CN116167220A (zh) | 一种综合气流因素下的海上风机的仿真方法及系统 | |
| Rezvaya et al. | Solving the hydrodynamical tasks using CFD programs | |
| Digraskar | Simulations of flow over wind turbines | |
| Marten et al. | Validation and comparison of a newly developed aeroelastic design code for VAWT | |
| Campobasso et al. | Compressible Navier-Stokes analysis of floating wind turbine rotor aerodynamics | |
| CN116628854A (zh) | 一种翼型气动特性预测方法、系统、电子设备及存储介质 | |
| Gaheen et al. | Fluid and structure analysis of wind turbine blade with winglet | |
| Wang et al. | Validations of a local correlation-based transition model using an unstructured grid CFD solver | |
| Liou et al. | Flutter analysis for turbomachinery using Volterra series | |
| Girodroux-Lavigne et al. | Comparison of static and dynamic fluid-structure interaction solutions in the case of a highly flexible modern transport aircraft wing | |
| Peters et al. | A Data-Driven Reduced Order Model for Rotor Optimization | |
| Vedam et al. | Evaluation of Gradient and Curvature-Based Adaptive Mesh Refinement for Viscous Transonic Flows | |
| Zhou et al. | Transonic compressor IGV/rotor interaction analysis including fluid structure interaction | |
| Anusonti-Inthra | Developments and Validations of Fully Coupled CFD and Practical Vortex Transport Method for High-Fidelity Wake Modeling in Fixed and Rotary Wing Applications | |
| Morsbach et al. | Towards the application of Reynolds stress transport models to 3D turbomachinery flows | |
| Bak | Research in aeroelasticity EFP-2007 | |
| Della Posta et al. | A novel two-way coupling method for the study of the aeroelasticity of wind turbines in a large eddy simulation framework | |
| Batay et al. | Adjoint-Based High Fidelity Concurrent Aerodynamic Design Optimization of Wind Turbine | |
| Naung | Computational method for aerodynamic and aeromechanical analysis of offshore wind turbines | |
| Streiner et al. | Coupled fluid-structure simulations of a wind turbine rotor |
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 |