CN116306333B - 一种高空风能捕获装置空气动力学评估方法及系统 - Google Patents

Abstract

本发明公开了一种高空风能捕获装置空气动力学评估方法及系统，其中，根据伞梯组合型高空风能捕获装置的伞组受力分析，建立伞组空气动力系数的数学模型，得到所述伞组空气动力系数的影响因子；根据所述伞组空气动力系数的数学模型搭建不同拟合模型，并根据所述不同拟合模型对全年平均风速进行拟合，得到所述伞组相对速度；将所述伞组相对速度和所述伞组空气动力系数的其他影响因子输入到计算流体力学Fluent软件中，通过设置所述计算流体力学Fluent软件的参数，对所述伞组空气动力系数进行数值模拟，得到模拟结果。本申请可以提升高空风能捕获能力的精准度；适用于实际风轮廓线输入条件下的评估，符合工程应用实际且适用范围更大。

Description

一种高空风能捕获装置空气动力学评估方法及系统

技术领域

本发明涉及高空风能发电技术领域，特别是涉及一种高空风能捕获装置空气动力学评估方法及系统。

背景技术

我国风能储量大、分布面广，风力发电装机规模稳居世界第一。但受限于材料、工艺与建设成本，现有形式的水平轴风力发电机组离地高度通常低于200m，其叶轮转动时所捕获风能的高度通常不超的300m。在这高度之上的大气中蕴含更丰富的高空风能，并且风向稳定、间歇性小，具备持续开发的潜力和价值。

作为一种新型风力发电技术，高空风能捕获与发电技术在国际上引起了广泛关注，其载体通常被称为高空风能发电系统(AirborneWind Energy System，AWES)。AWES系统主要采用系留航空器捕获高空风能并将其转化为电能。目前，全球已有超过50家研发公司与数十个研究机构从事AWES技术的相关研究工作，开发了多型样机和示范项目伞梯组合型风能捕获装置属于系留风筝式AWES技术范畴。

能否对于伞梯组合型风能捕获装置与空气之间的相对作用进行精确的评估，是伞梯组合型高空风能捕获装置形状设计与材料选择过程中重要的因素，也是研究伞梯组合型高空风能捕获装置运动与受力的关键。但在实际风轮廓线输入条件下，对伞梯组合型高空风能捕获装置空气动力学的评估仍是一个颇具挑战性的难题，传统的空气动力学理论分析的方法，对伞梯组合型高空风能捕获装置空气动力进行评估，这样得出的结果精度不足。尤其是在真实风轮廓线条件下，随着高度的增加，风切变的强度也会增加，这不仅对仿真提出了更高的要求，而且给伞梯组合型高空风能捕获装置的设计与其空气动力的评估带来了很大的困难。目前并无在真实风轮廓线下的伞梯组合型高空风能捕获装置的空气动力学数值模拟技术的开发及其相关的文献。

因此，现有技术还有待进一步提升和改进。

发明内容

本发明的目的:提供一种高空风能捕获装置空气动力学评估方法及系统，解决传统的空气动力学方法很难对伞梯组合型高空风能捕获装置与空气之间的相对作用进行精确的评估的问题。

为了实现上述目的，本发明提供了一种高空风能捕获装置空气动力学评估方法及系统。

第一方面，本发明提供了一种高空风能捕获装置空气动力学评估方法，其中，所述方法包括：根据伞梯组合型高空风能捕获装置的伞组受力分析，建立伞组空气动力系数的数学模型，得到所述伞组空气动力系数的影响因子；所述影响因子包括伞组姿态角、空气密度、气压、雷诺数、伞组形状和伞组相对速度；

根据所述伞组空气动力系数的数学模型搭建不同拟合模型，并根据所述不同拟合模型对全年平均风速进行拟合，得到所述伞组相对速度；

将所述伞组相对速度和所述伞组空气动力系数的其他影响因子输入到计算流体力学Fluent软件中，通过设置所述计算流体力学Fluent软件的参数，对所述伞组空气动力系数进行数值模拟，得到模拟结果；所述模拟结果包括压力、速度和伞组空气动力系数；

根据所述模拟结果进行可视化处理得到压力云图和速度云图，根据所述模拟结果进行叠加处理得到所述伞梯组合型风能捕获装置的综合空气动力系数。

在进一步的实施方案中，所述根据伞梯组合型高空风能捕获装置的伞组受力分析，建立伞组空气动力系数的数学模型，得到所述伞组空气动力系数的影响因子包括：

对多个伞组进行空气动力学受力分析，建立伞组空气动力系数的数学模型：

N_空气＝R_空气sinβ (3)

T_绳＝F(V_伞) (5)

C_T＝f(β,ΔV,P,Re,ρ,X) (6)

其中，T_空气为空气动力，T_空阻为空气阻力，G为伞体自身重力，T_绳为主缆绳对伞体的牵引力，V_风为水平风速，V_伞为伞体沿主缆绳方向的移动速度，V_风(h)为随高度h变化的实际水平风速，h_i,i＝1,..,n为各个伞组所在高度，N_空气为空气在垂直于伞运动方向上的作用力，R_空气为空气对伞的作用力，β为伞组姿态角，θ为β的余角，S为伞体迎风面积，ρ为空气密度，P为气压，Re为雷诺数，X为伞组形状，ΔV为伞组相对速度，C_T为空气动力系数。

在进一步的实施方案中，所述根据所述伞组空气动力系数的数学模型搭建不同拟合模型，并根据所述不同拟合模型对全年的平均风速进行拟合包括：

获取全年风速数据，提取所述全年风速数据中不同时刻不同海拔的风速，将提取的所述全年不同时刻不同海拔的风速进行平均化处理，得到全年平均风速；

根据所述伞组空气动力系数的数学模型，搭建风速与海拔的kriging模型，并对所述全年平均风速进行kriging拟合，得到kriging拟合风廓线；

根据所述伞组空气动力系数的数学模型，构建多项式拟合表达式，并根据所述多项式拟合表达式对所述全年平均风速进行拟合，得到多项式拟合风廓线。

在进一步的实施方案中，所述得到所述伞组相对速度包括：

所述得到所述伞组相对速度包括：

根据所述kriging拟合风廓线得到所述伞组相对速度中1号伞组实际水平风速；

根据所述多项式拟合表达式和所述1号伞组实际水平风速，得到伞组相对速度。

在进一步的实施方案中，所述多项式拟合表达式为：

ΔV＝((((0.700289411303468*(z/1000)^9-10.399949153100685*(z/1000)^8+65.2784862371147*(z/1000)^7-224.527567114180*(z/1000)^6+457.758978807456*(z/1000)^5-556.340799962875*(z/1000)^4+381.395411775274*(z/1000)^3-127.977707713993*(z/1000)^2+18.9658072253544*(z/1000)+0.498152825201710)-V_风(h₁))*cosθ-V_伞)/340，式中z为伞组的高度。

在进一步的实施方案中，所述将所述伞组相对速度和所述伞组空气动力系数的其他影响因子输入到计算流体力学Fluent软件中，通过设置所述计算流体力学Fluent软件的参数，对所述伞组空气动力系数进行数值模拟，得到模拟结果包括：

绘制和划分所述伞梯组合型高空风能捕获装置的流场网格；

根据所述流场网格，将所述影响因子输入到所述计算流体力学Fluent软件中；

设置所述计算流体力学Fluent软件中密度基求解器的参数、边界条件、气体参数和参考值，以及数值模拟迭代步数，并对所述伞梯组合型高空风能捕获装置的伞组空气动力系数进行数值模拟计算，得到所述数值模拟结果。

在进一步的实施方案中，所述边界条件的具体设置为在远场边界条件中将所述计算流体力学Fluent软件中的马赫数设置为所述多项式拟合表达式。

第二方面，本发明提供了一种高空风能捕获装置空气动力学评估系统，其中，所述系统包括：

分析建模模块，用于根据伞梯组合型高空风能捕获装置的伞组受力分析，建立伞组空气动力系数的数学模型，得到所述伞组空气动力系数的影响因子；所述影响因子包括伞组姿态角、空气密度、气压、雷诺数、伞组形状和伞组相对速度；

模型验证模块，用于根据所述伞组空气动力系数的数学模型搭建不同拟合模型，并根据所述不同拟合模型对全年平均风速进行拟合，得到所述伞组相对速度；

数值模拟模块，用于将所述伞组相对速度和所述伞组空气动力系数的其他影响因子输入到计算流体力学Fluent软件中，通过设置所述计算流体力学Fluent软件的参数，对所述伞组空气动力系数进行数值模拟，得到模拟结果；所述模拟结果包括压力、速度和伞组空气动力系数；

数据输出模块，用于根据所述模拟结果进行可视化处理得到压力云图和速度云图，根据所述模拟结果进行叠加处理得到所述伞梯组合型风能捕获装置的综合空气动力系数。

第三方面，本发明还提供了一种计算机设备，包括处理器和存储器，所述处理器与所述存储器相连，所述存储器用于存储计算机程序，所述处理器用于执行所述存储器中存储的计算机程序，以使得所述计算机设备执行实现上述方法的步骤。

第四方面，本发明还提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序，所述计算机程序被处理器执行时实现上述方法的步骤。

本发明提供了一种高空风能捕获装置空气动力学评估方法及系统，与现有技术相比，其有益效果在于：解决了传统的空气动力学方法很难对伞梯组合型高空风能捕获装置与空气之间的相对作用进行精确的评估的问题，可以提升高空风能捕获能力的精准度；该方法及系统适用于实际风轮廓线输入条件下的评估，符合工程应用实际且适用范围更大。

附图说明

图1是基于AWES技术的三种风能捕获形式原理示意图；

图2是伞梯组合型风能捕获装置工作原理示意图；

图3是本发明实施例提供的一种高空风能捕获装置空气动力学评估方法流程示意图；

图4是本发明实施例提供的单伞组受力分析示意图；

图5是本发明实施例提供的多伞组的总受力分析示意图；

图6是本发明实施例提供的基于全年不同高度的实际风速轮廓线示意图；

图7是本发明实施例提供的基于全年风速平均后的风速-海拔风廓线示意图；

图8是本发明实施例提供的基于kriging拟合后的风廓线示意图；

图9是本发明实施例提供的基于多项式拟合后的风廓线示意图；

图10是本发明实施例提供的伞梯组合型高空风能捕获装置的流场网格示意图；

图11是本发明实施例提供的伞梯组合型风能捕获装置压力云图

图12是本发明实施例提供的伞梯组合型风能捕获装置速度云图

图13是本发明实施例提供的一种高空风能捕获装置空气动力学评估系统的系统框图；

图14是本发明实施例提供的计算机设备的结构示意图。

具体实施方式

下面结合附图具体阐明本发明的实施方式，实施例的给出仅仅是为了说明目的，并不能理解为对本发明的限定，包括附图仅供参考和说明使用，不构成对本发明专利保护范围的限制，因为在不脱离本发明精神和范围基础上，可以对本发明进行许多改变。

如图1和2所示，根据系留捕获装置的不同，高空风能捕获主要有三种技术形式：1)系留风筝式AWES技术；2)系留飞行器式AWES技术；3)系留浮空器式AWES技术。其中，系留风筝式AWES技术目前有两种具体实现形式：1)滑翔伞式系留风筝，即通过控制滑翔伞在空中按特定轨迹运动从而拖动系留绳，并通过系留绳的牵引作用使地面发电机发电。2)伞梯状系留风筝，即通过控制伞梯状系留风筝开合，实现风筝上下循环运动，进而拖动系留绳带动发电机发电。系留飞行器式AWES技术目前有两种具体实现方式：1)机载发电式系留飞行器，将永磁电机固定在飞行器的机翼或桨叶上，控制飞行器迎风飞行，使永磁电机转动发电，并通过系留绳将电能引入储能设备。2)地面发电式系留飞行器，控制固定翼飞行器在空中按特定轨迹运动从而拖动系留绳，并通过系留绳的牵引作用使地面发电机发电。系留浮空器式AWES技术则可以通过两种方式实现：1)是将风扇发电机组固定在浮空器中，漂浮在一定高度，通过高空风能发电。2)是将涡轮形浮空器上升到一定高度，通过高空风吹动浮空器旋转，从而带动浮空器两端的发电机发电，其中伞梯组合型风能捕获装置属于系留风筝式AWES技术范畴。

数值模拟也叫计算机模拟。依靠电子计算机，结合有限元或有限容积的概念，通过数值计算和图像显示的方法，达到对工程问题和物理问题乃至自然界各类问题研究的目的。

在一个实施例中，如图3所示，本发明提供了一种高空风能捕获装置空气动力学评估方法，其中所述方法包括：

S1、根据伞梯组合型高空风能捕获装置的伞组受力分析，建立伞组空气动力系数的数学模型，得到所述伞组空气动力系数的影响因子；所述影响因子包括伞组姿态角、空气密度、气压、雷诺数、伞组形状和伞组相对速度；

具体地，如图2、4和5所示，对多个伞组进行空气动力受力分析，建立伞组空气动力系数的数学模型：

N_空气＝R_空气sinβ (3)

T_绳＝F(V_伞) (5)

C_T＝f(β,ΔV,P,Re,ρ,X) (6)

其中，T_空气为空气动力，T_空阻为空气阻力，G为伞体自身重力，T_绳为主缆绳对伞体的牵引力，V_风为水平风速，V_伞为伞体沿主缆绳方向的移动速度，V_风(h)为随高度h变化的实际水平风速，h_i,i＝1,..,n为各个伞组所在高度，N_空气为空气在垂直于伞运动方向上的作用力，R_空气为空气对伞的作用力，β为主缆绳与水平面的夹角(伞组姿态角)，θ为β的余角，S为伞体迎风面积，ρ为空气密度，P为气压，Re为雷诺数，X为伞组形状，ΔV为伞组相对速度，C_T为空气动力系数。

在本实施例中，只有将“气压P、空气密度ρ、空气粘性Re、伞体姿态角β、伞组相对速度ΔV和伞组形状X”等影响因子一同在计算流体力学软件中进行空气动力系数的数值模拟，才能得到准确地得到空气动力系数C_T的结果，但是在上述因素中，对结果影响最大影响因子的是伞组相对速度ΔV，因为对于伞梯组合型高空风能捕获装置在真实风轮廓线条件下，随着高度的增加，风切变的强度也会增加，这不仅对仿真提出了更高的要求，而且给伞梯组合型高空风能捕获装置的设计与其空气动力的评估带来了很大的困难，只有将伞组相对速度ΔV相对精确，最终在体力学计算软件中进行数值模拟的空气动力系数C_T结果的精确度才可以得到保障。因此，需要建立伞组相对速度ΔV的数学模型，对其进一步进行分析和拟合等处理。以4个伞组为例，所述多伞组空气动力系数C_T中所述相对速度ΔV的数学模型具体包括：

ΔV₁＝V_风(h₁)cosβ-V_伞 (7)

ΔV₂＝V_风(h₂)cosβ-V_伞 (8)

ΔV₃＝V_风(h₃)cosβ-V_伞 (9)

ΔV₄＝V_风(h₄)cosβ-V_伞 (10)

ΔV₂＝[V_风(h₂)-V_风(h₁)]cosβ+ΔV₁ (11)

ΔV₃＝[V_风(h₃)-V_风(h₁)]cosβ+ΔV₁ (12)

ΔV₄＝[V_风(h₄)-V_风(h₁)]cosβ+ΔV₁ (13)

其中，ΔV₁、ΔV₂、ΔV₃、ΔV₄是1～4号伞组所在高度的相对速度，h₁、h₂、h₃、h₄是1～4号伞组所在高度。

在本申请中对于建立上述ΔV₁、ΔV₂、ΔV₃、ΔV₄的数学模型，如图4和5所示，在以4个伞组为例进行(14)-(20)的数学分析建立的：

ΔV₁＝V_风(h₁)cosβ-V_伞 (14)

ΔV₂＝V_风(h₂)cosβ-V_伞 (15)

ΔV₃＝V_风(h₃)cosβ-V_伞 (16)

ΔV₄＝V_风(h₄)cosβ-V_伞 (17)

式中，ΔV₁、ΔV₂、ΔV₃、ΔV₄是1～4号伞组所在高度的相对速度，h₁、h₂、h₃、h₄是1～4号伞组所在高度，V_伞为伞体沿主缆绳方向的移动速度，β为主缆绳与水平面的夹角(伞组姿态角)。

构建ΔV₁、ΔV₂、ΔV₃、ΔV₄之间的数学表达式，以ΔV1为参考，获得ΔV_2-1、ΔV_3-1、ΔV_4-1：

ΔV_2-1＝ΔV₂-ΔV₁＝[V_风(h₂)-V_风(h₁)]cosβ (18)

ΔV_3-1＝ΔV₃-ΔV₁＝[V风(h₃)-V_风(h₁)]cosβ (19)

ΔV_4-1＝ΔV₄-ΔV₁＝[V_风(h₄)-V_风(h₁)]cosβ (20)

即，在(14)-(20)的数学分析基础上，得到本申请的ΔV₁、ΔV₂、ΔV₃、ΔV₄是1～4号伞组所在高度的相对速度，进而保证了数学模型的准确度，对于相对速度ΔV的数学模型只需要输入ΔV₁、伞组姿态角β与1号伞的水平风速廓线V_风(h₁)即可进一步求解多伞组空气动力系数C_T，通过上述的设置可以更好地保证最终评估结果多伞组空气动力系数C_T的精确度。

S2、根据所述伞组空气动力系数的数学模型搭建不同拟合模型，并根据所述不同拟合模型对全年平均风速进行拟合，得到所述伞组相对速度；

具体地，所述根据所述伞组空气动力系数的数学模型搭建不同拟合模型，并根据所述不同拟合模型对全年的平均风速进行拟合包括：

获取全年风速数据，提取所述全年风速数据中不同时刻不同海拔的风速，将提取的所述全年不同时刻不同海拔的风速进行平均化处理，得到全年平均风速；如图6和7所示，通过建立的风速观测点获得全年的风速数据，提取出全年不同时刻不同海拔处的风速，进而得到如图6所示的不同时刻风速随海拔变化的若干水平风速廓线V_风(h)，其中不同颜色的线代表全年不同时刻的风廓线，与此同时需要对获取的全年风速进行平均化处理，计算出不同海拔处的全年风速算术平均值，得到如图7所示的统计平均后风速-海拔曲线，即得到全年实际平均风廓线。

根据所述伞组空气动力系数的数学模型，搭建风速与海拔的kriging模型，并对所述全年平均风速进行kriging拟合，得到kriging拟合风廓线；即可以根据空气动力系数的数学模型通过Matlab中的dace工具箱，或者其他仿真软件构建出风速与海拔的kriging模型，进而对全年平均风速进行kriging拟合，并将kriging拟合风廓线与实际水平风廓线进行对比验证真实性，若验证成功，则通过kriging拟合可以提高数据获取的精准度和真实性。

根据所述伞组空气动力系数的数学模型，构建多项式拟合表达式，并根据所述多项式拟合表达式对所述全年平均风速进行拟合，得到多项式拟合风廓线；即根据空气动力系数的数学模型可以通过Matlab或者其他仿真软件，构建多项式表达式，并对全年平均风速进行多项式拟合，并将多项式拟合风廓线与实际水平风廓线进行对比验证真实性，若验证成功，则通过多项式拟合可以提高数据获取的精准度和真实性。

在本实施例中，以10个不同高度的观测点为例，选择随机的10个不同高度的观测点所测得的全年平均风速进行kriging拟合与多项式拟合得到如图8和9所示的拟合结果，此处对所测得的全年平均风速进行拟合并非必须是对10个不同的观测点，本申请仅是以10个观测点为例，可以更多，或者更少，观测点越多可以保证得到的kriging拟合风廓线与多项式拟合风廓线更精确与实际的风廓线更贴合，进而保证kriging拟合风廓线的真实性。

所述得到所述伞组相对速度包括：

根据所述kriging拟合风廓线得到所述伞组相对速度中1号伞组实际水平风速；

根据所述多项式拟合表达式和所述1号伞组实际水平风速，得到伞组相对速度。

所述多项式拟合表达式为：

ΔV＝((((0.700289411303468*(z/1000)^9-10.399949153100685*(z/1000)^8+65.2784862371147*(z/1000)^7-224.527567114180*(z/1000)^6+457.758978807456*(z/1000)^5-556.340799962875*(z/1000)^4+381.395411775274*(z/1000)^3-127.977707713993*(z/1000)^2+18.9658072253544*(z/1000)+0.498152825201710)-V_风(h₁))*cosθ-V_伞)/340，式中z为伞组的高度。

如图8和9所示，将kriging拟合和多项式拟合后的风廓线与全年实际平均风廓线进行对比，证明拟合结果的可靠性和真实性。并在验证拟合结果的可靠性和真实性后，可以直接通过Kriging模型得到某高度对应的风速kriging模型拟合的结果，即通过拟合好的kriging模型直接推断出其余任意非观测点的实际水平风速，可以直接得到1号伞组实际水平风速，将通过kriging拟合风廓线得到的1号伞组实际水平风速即多项式拟合表达式中的V_风(h₁)，不仅减少了人为去监测计算的工作量，还提高了得到实际水平风速的精准度和效率。还可以将多项式拟合风廓线作为数值模拟时的多个不同高度的实际水平风速，即在通过kriging拟合风廓线得出V_风(h₁)基础上通过多项式表达式直接求解得到伞组空气动力系数中的伞组相对速度。如图9所示，在基于相对速度ΔV数学模型的情况下，可以一次性将10个不同高度观测点的实际水平速度通过多项式拟合得到拟合速度，以此可以精准得到在实际风廓线下的不同高度的风速，不再需要人工或者机器再对每一个不同高度观测点的数据进行选择计算，仅需要将多项式拟合的表达式输入到在流体力学计算软件中进行数值模拟即可，极大地提高了数据选择和计算效率，而且保证了数据的准确性。

S3、将所述伞组相对速度和所述伞组空气动力系数的其他影响因子输入到计算流体力学Fluent软件中，通过设置所述计算流体力学Fluent软件的参数，对所述伞组空气动力系数进行数值模拟，得到模拟结果；所述模拟结果包括压力、速度和伞组空气动力系数；

具体地，绘制和划分所述伞梯组合型高空风能捕获装置的流场网格；如图10所示，通过Pointwise软件绘制并划分伞梯组合型高空风能捕获装置的流场网格为接下来的数值模拟做准备，也可以使用ICEM、Hypermesh等软件进行网格划分。网格划分的越细，网格数量越多，仿真计算的精度就越高，但是由于计算资源的限制我们只得适当的减少网格的数量，这时划分出合理且均衡的网格数量尤为关键。经过网格收敛性分析，划分的流场网格网格数为180万。且由于伞组运动时是大分离流动，附面层厚度对粘性效应的影响较大，所以经过对附面层厚度进行网格一致性研究，划分的流场网格附面层厚度为0.05mm。这样划分网格可以在保证精度的同时尽可能减少一次评估所耗费的时间。

根据所述流场网格，将所述影响因子输入到所述计算流体力学Fluent软件中；上述对伞梯组合型高空风能捕获装置的流场网格进行划分以及风廓线进行处理与拟合是都是为了在计算流体力学软件Fluent中进行数值模拟做准备，在通过kriging拟合和多项式拟合完成后，将多项式拟合和kriging拟合得到的伞组相对速度作为计算流体力学的速度输入到计算流体力学Fluent中进行伞梯组合型高空风能捕获装置空气动力系数的数值模拟计算。当然，也可以采用其他计算流体力学软件例如Star CCM等进行数值模拟。

设置所述计算流体力学Fluent软件中密度基求解器的参数、边界条件、气体参数和参考值，以及数值模拟迭代步数，并对所述伞梯组合型高空风能捕获装置的伞组空气动力系数进行数值模拟计算，得到所述数值模拟结果；在计算流体力学Fluent软件中需要先对求解器参数进行设置，即采用密度基求解器，时间类型为稳态，通量格式为隐式ROE-FDS格式，同时采用湍流模型转捩SST k-ω四方程形式开展数值模拟计算。其中密度基求解器(Coupled Solver)是Fluent求解连续方程、动量方程、能量方程及组分输运方程的耦合方程组。密度基求解器有两种格式：隐式和显式。密度基显式与隐式求解器依次求解额外的标量方程(如湍流和辐射等)。隐式格式具有很好的稳定性，因此使用隐式求解器能够比显式格式更快的获得收敛的稳定解。隐式Roe-FDS通量格式减小了在大涡模拟计算中的耗散，从而进一步提高了Fluent在高超声速模拟方面的精度。转捩SST k-ω四方程形式4方程转捩模型，用于模拟湍流转捩过。在近壁区比标准k-ω模型具有更好的精度和稳定性，并且为了提升精准度需要将气体设置为理想气体，手动输入伞组面积，还需要对计算流体力学Fluent软件进行初始化，其中，库朗数初步选为2，迭代步数20000步，以及需要将远场设置为压力远场格式，其中，刚性伞衣边界选用黏性无滑移绝热壁面条件进行处理，无滑移边界条件的意思就是流体在壁面处的速度(或相对速度)为零。

所述边界条件的具体设置为在远场边界条件中将所述计算流体力学Fluent软件中的马赫数设置为所述多项式拟合表达式；即对边界条件中进行上述设置，可以在计算流体力学Fluent软件中提高伞组空气动力系数的数值模拟精准度。

S5、根据所述模拟结果进行可视化处理得到压力云图和速度云图，根据所述模拟结果进行叠加处理得到所述伞梯组合型风能捕获装置的综合空气动力系数；如图11和12所示，在本实施例中将模拟结果进行可视化处理，方便用户直观的得到压力云图和速度云图，将模拟结果进行自动进行叠加处理可以更精准地得到综合空气动力系数，进而提高工作效率。

在本申请中，通过一种高空风能捕获装置空气动力学评估方法，解决了传统的空气动力学方法很难对伞梯组合型高空风能捕获装置与空气之间的相对作用进行精确的评估的问题，可以提升高空风能捕获能力的精准度，并且该方法适用于实际风轮廓线输入条件下的评估，符合工程应用实际且适用范围更大。

基于上述一种高空风能捕获装置空气动力学评估方法，如图13所示，本发明实施例，提供了一种高空风能捕获装置空气动力学评估系统，所述系统包括：

分析建模模块101，用于根据伞梯组合型高空风能捕获装置的伞组受力分析，建立伞组空气动力系数的数学模型，得到所述伞组空气动力系数的影响因子；所述影响因子包括伞组姿态角、空气密度、气压、雷诺数、伞组形状和伞组相对速度；只有将“气压P、空气密度ρ、空气粘性Re、伞体姿态角β、伞组相对速度ΔV和伞组形状X”等影响因子一同在计算流体力学软件中进行空气动力系数的数值模拟，才能得到准确地得到空气动力系数C_T的结果，但是在上述因素中，对结果影响最大影响因子的是伞组相对速度ΔV，因为对于伞梯组合型高空风能捕获装置在真实风轮廓线条件下，随着高度的增加，风切变的强度也会增加，这不仅对仿真提出了更高的要求，而且给伞梯组合型高空风能捕获装置的设计与其空气动力的评估带来了很大的困难，只有将伞组相对速度ΔV相对精确，最终在体力学计算软件中进行数值模拟的空气动力系数C_T结果的精确度才可以得到保障。

模型验证模块102，用于根据所述伞组空气动力系数的数学模型搭建不同拟合模型，并根据所述不同拟合模型对全年平均风速进行拟合，得到所述伞组相对速度；即根据空气动力系数的数学模型可以通过Matlab或者其他仿真软件，构建出风速与海拔的kriging模型和构建多项式表达式，进而对全年平均风速进行kriging拟合和多项式拟合，并将kriging拟合风廓线和多项式拟合风廓线分别与实际水平风廓线进行对比验证真实性，若验证成功，则通过kriging拟合和多项式拟合可以提高数据获取的精准度和真实性。

数值模拟模块103，用于将所述伞组相对速度和所述伞组空气动力系数的其他影响因子输入到计算流体力学Fluent软件中，通过设置所述计算流体力学Fluent软件的参数，对所述伞组空气动力系数进行数值模拟，得到模拟结果；所述模拟结果包括压力、速度和伞组空气动力系数；即对伞梯组合型高空风能捕获装置的流场网格进行划分以及风廓线进行处理与拟合是都是为了在计算流体力学软件Fluent中进行数值模拟做准备，在通过kriging拟合和多项式拟合完成后，将多项式拟合和kriging拟合得到的伞组相对速度和空气动力系数其他影响因子输入到计算流体力学Fluent中，再通过改变计算流体力学Fluent中的参数，就可以进行伞梯组合型高空风能捕获装置空气动力系数的数值模拟计算，可以提高空气动力系数数值模拟的精准度。

数据输出模块104，用于根据所述模拟结果进行可视化处理得到压力云图和速度云图，根据所述模拟结果进行叠加处理得到所述伞梯组合型风能捕获装置的综合空气动力系数；如图11和12所示，在本实施例中将模拟结果进行可视化处理，方便用户直观的得到压力云图和速度云图，将模拟结果进行自动进行叠加处理可以更精准地得到综合空气动力系数，进而提高工作效率。

本系统解决了传统的空气动力学方法很难对伞梯组合型高空风能捕获装置与空气之间的相对作用进行精确的评估的问题，可以提升高空风能捕获能力的精准度；该系统适用于实际风轮廓线输入条件下的评估，符合工程应用实际且适用范围更大。

第三方面，如图14所示，本发明还提供了一种计算机设备，包括处理器和存储器，所述处理器与所述存储器相连，所述存储器用于存储计算机程序，所述处理器用于执行所述存储器中存储的计算机程序，以使得所述计算机设备执行实现上述方法的步骤。

第四方面，本发明还提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序，所述计算机程序被处理器执行时实现上述方法的步骤。

综上，本发明实施例提供一种高空风能捕获装置空气动力学评估方法及系统，解决了传统的空气动力学方法很难对伞梯组合型高空风能捕获装置与空气之间的相对作用进行精确的评估的问题，可以提升高空风能捕获能力的精准度；该方法及系统适用于实际风轮廓线输入条件下的评估，符合工程应用实际且适用范围更大。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通计数人员来说，在不脱离本发明计数原理的前提下，还可以做出若干改进和替换，这些改进和替换也应视为本发明的保护范围。

Claims (7)

1.一种高空风能捕获装置空气动力学评估方法，其特征在于，所述方法包括：

根据伞梯组合型高空风能捕获装置的伞组受力分析，建立伞组空气动力系数的数学模型，得到所述伞组空气动力系数的影响因子；所述影响因子包括伞组姿态角、空气密度、气压、雷诺数、伞组形状和伞组相对速度；

根据所述伞组空气动力系数的数学模型搭建不同拟合模型，并根据所述不同拟合模型对全年平均风速进行拟合，得到所述伞组相对速度；

将所述伞组相对速度和所述伞组空气动力系数的其他影响因子输入到计算流体力学Fluent软件中，通过设置所述计算流体力学Fluent软件的参数，对所述伞组空气动力系数进行数值模拟，得到模拟结果；所述模拟结果包括压力、速度和伞组空气动力系数；

根据所述模拟结果进行可视化处理得到压力云图和速度云图，根据所述模拟结果进行叠加处理得到所述伞梯组合型风能捕获装置的综合空气动力系数；

其中，所述根据伞梯组合型高空风能捕获装置的伞组受力分析，建立伞组空气动力系数的数学模型，得到所述伞组空气动力系数的影响因子包括：

对多个伞组进行空气动力学受力分析，建立伞组空气动力系数的数学模型：

N_空气＝R_空气sinβ (3)

T_绳＝F(V_伞) (5)

C_T＝f(β，ΔV，P，Re，ρ，X) (6)

其中，T_空气为空气动力，T_空阻为空气阻力，G为伞体自身重力，T_绳为主缆绳对伞体的牵引力，V_风为水平风速，V_伞为伞体沿主缆绳方向的移动速度，V_风(h)为随高度h变化的实际水平风速，h_i，i＝1，..，n为各个伞组所在高度，N_空气为空气在垂直于伞运动方向上的作用力，R_空气为空气对伞的作用力，β为伞组姿态角，θ为β的余角，S为伞体迎风面积，ρ为空气密度，P为气压，Re为雷诺数，X为伞组形状，ΔV为伞组相对速度，C_T为空气动力系数；

所述根据所述伞组空气动力系数的数学模型搭建不同拟合模型，并根据所述不同拟合模型对全年的平均风速进行拟合，得到所述伞组相对速度包括：

获取全年风速数据，提取所述全年风速数据中不同时刻不同海拔的风速，将提取的所述全年不同时刻不同海拔的风速进行平均化处理，得到全年平均风速；

根据所述伞组空气动力系数的数学模型，搭建风速与海拔的kriging模型，并对所述全年平均风速进行kriging拟合，得到kriging拟合风廓线；

根据所述伞组空气动力系数的数学模型，构建多项式拟合表达式，并根据所述多项式拟合表达式对所述全年平均风速进行拟合，得到多项式拟合风廓线；

根据所述kriging拟合风廓线得到所述伞组相对速度中1号伞组实际水平风速；

根据所述多项式拟合表达式和所述1号伞组实际水平风速，得到伞组相对速度。

2.如权利要求1所述的一种高空风能捕获装置空气动力学评估方法，其特征在于，所述多项式拟合表达式为：

ΔV＝((((0.700289411303468*(z/1000)^9-10.399949153100685*(z/1000)^8+65.2784862371147*(z/1000)^7-224.527567114180*(z/1000)^6+457.758978807456*(z/1000)^5-556.340799962875*(z/1000)^4+381.395411775274*(z/1000)^3-127.977707713993*(z/1000)^2+18.9658072253544*(z/1000)+0.498152825201710)-V_风(h₁))*cosθ-V_伞)/340

式中，z为伞组的高度。

3.如权利要求1所述的一种高空风能捕获装置空气动力学评估方法，其特征在于，所述将所述伞组相对速度和所述伞组空气动力系数的其他影响因子输入到计算流体力学Fluent软件中，通过设置所述计算流体力学Fluent软件的参数，对所述伞组空气动力系数进行数值模拟，得到模拟结果包括：

绘制和划分所述伞梯组合型高空风能捕获装置的流场网格；

根据所述流场网格，将所述影响因子输入到所述计算流体力学Fluent软件中；

设置所述计算流体力学Fluent软件中密度基求解器的参数、边界条件、气体参数和参考值，以及数值模拟迭代步数，并对所述伞梯组合型高空风能捕获装置的伞组空气动力系数进行数值模拟计算，得到所述数值模拟结果。

4.如权利要求3所述的一种高空风能捕获装置空气动力学评估方法，其特征在于，所述边界条件的具体设置为在远场边界条件中将所述计算流体力学Fluent软件中的马赫数设置为所述多项式拟合表达式。

5.一种高空风能捕获装置空气动力学评估系统，其特征在于，所述系统包括：

分析建模模块，用于根据伞梯组合型高空风能捕获装置的伞组受力分析，建立伞组空气动力系数的数学模型，得到所述伞组空气动力系数的影响因子；所述影响因子包括伞组姿态角、空气密度、气压、雷诺数、伞组形状和伞组相对速度；

模型验证模块，用于根据所述伞组空气动力系数的数学模型搭建不同拟合模型，并根据所述不同拟合模型对全年平均风速进行拟合，得到所述伞组相对速度；

数值模拟模块，用于将所述伞组相对速度和所述伞组空气动力系数的其他影响因子输入到计算流体力学Fluent软件中，通过设置所述计算流体力学Fluent软件的参数，对所述伞组空气动力系数进行数值模拟，得到模拟结果；所述模拟结果包括压力、速度和伞组空气动力系数；

数据输出模块，用于根据所述模拟结果进行可视化处理得到压力云图和速度云图，根据所述模拟结果进行叠加处理得到所述伞梯组合型风能捕获装置的综合空气动力系数；

其中，所述根据伞梯组合型高空风能捕获装置的伞组受力分析，建立伞组空气动力系数的数学模型，得到所述伞组空气动力系数的影响因子，包括：

对多个伞组进行空气动力学受力分析，建立伞组空气动力系数的数学模型：

N_空气＝R_空气sinβ (3)

T_绳＝F(V_伞) (5)

C_T＝f(β，ΔV，P，Re，ρ，X) (6)

其中，T_空气为空气动力，T_空阻为空气阻力，G为伞体自身重力，T_绳为主缆绳对伞体的牵引力，V_风为水平风速，V_伞为伞体沿主缆绳方向的移动速度，V_风(h)为随高度h变化的实际水平风速，h_i，i＝1，..，n为各个伞组所在高度，N_空气为空气在垂直于伞运动方向上的作用力，R_空气为空气对伞的作用力，β为伞组姿态角，θ为β的余角，S为伞体迎风面积，ρ为空气密度，P为气压，Re为雷诺数，X为伞组形状，ΔV为伞组相对速度，C_T为空气动力系数；

所述根据所述伞组空气动力系数的数学模型搭建不同拟合模型，并根据所述不同拟合模型对全年的平均风速进行拟合，得到所述伞组相对速度，包括：

获取全年风速数据，提取所述全年风速数据中不同时刻不同海拔的风速，将提取的所述全年不同时刻不同海拔的风速进行平均化处理，得到全年平均风速；

根据所述伞组空气动力系数的数学模型，搭建风速与海拔的kriging模型，并对所述全年平均风速进行kriging拟合，得到kriging拟合风廓线；

根据所述伞组空气动力系数的数学模型，构建多项式拟合表达式，并根据所述多项式拟合表达式对所述全年平均风速进行拟合，得到多项式拟合风廓线；

根据所述kriging拟合风廓线得到所述伞组相对速度中1号伞组实际水平风速；

根据所述多项式拟合表达式和所述1号伞组实际水平风速，得到伞组相对速度。

6.一种计算机设备，其特征在于：包括处理器和存储器，所述处理器与所述存储器相连，所述存储器用于存储计算机程序，所述处理器用于执行所述存储器中存储的计算机程序，以使得所述计算机设备执行如权利要求1至4中任一项所述的方法。

7.一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中存储有计算机程序，当所述计算机程序被运行时，实现如权利要求1至4任一项所述的方法。