CN117272869B - 一种兼顾风力机近尾流和远尾流特性的全尾流解析方法 - Google Patents

一种兼顾风力机近尾流和远尾流特性的全尾流解析方法 Download PDF

Info

Publication number
CN117272869B
CN117272869B CN202311519723.8A CN202311519723A CN117272869B CN 117272869 B CN117272869 B CN 117272869B CN 202311519723 A CN202311519723 A CN 202311519723A CN 117272869 B CN117272869 B CN 117272869B
Authority
CN
China
Prior art keywords
wake
wind
wind turbine
velocity
speed
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.)
Active
Application number
CN202311519723.8A
Other languages
English (en)
Other versions
CN117272869A (zh
Inventor
田琳琳
肖鹏程
赵宁
宋翌蕾
朱春玲
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 Aeronautics and Astronautics
Original Assignee
Nanjing University of Aeronautics and Astronautics
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 Aeronautics and Astronautics filed Critical Nanjing University of Aeronautics and Astronautics
Priority to CN202311519723.8A priority Critical patent/CN117272869B/zh
Publication of CN117272869A publication Critical patent/CN117272869A/zh
Application granted granted Critical
Publication of CN117272869B publication Critical patent/CN117272869B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • 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
    • 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)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Fluid Mechanics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Computing Systems (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • Algebra (AREA)
  • Aerodynamic Tests, Hydrodynamic Tests, Wind Tunnels, And Water Tanks (AREA)

Abstract

本发明公开了一种兼顾风力机近尾流和远尾流特性的全尾流解析方法，包括：获取入流风资源信息和风电机组特征参数；计算尾流区流向任一截面位置处的尾流半径，确定尾流影响范围；获取入流风初始的流向速度分布廓线，考虑风切变效应，计算风力机尾流区不同高度的横风向平均尾流速度；基于双峰分布函数计算尾流区任一位置处的速度亏损；基于入流风初始的流向速度分布廓线及速度亏损，计算风力机尾流区任一位置处的流向速度。本发明能够兼顾风力机近尾流和远尾流区域的尾流速度分布特性，对风力机全范围内尾流速度进行快速准确预测。

Description

一种兼顾风力机近尾流和远尾流特性的全尾流解析方法
技术领域
本发明涉及新能源风力发电技术领域，具体涉及一种兼顾风力机近尾流和远尾流特性的全尾流解析方法，通过兼顾风力机近尾流和远尾流区域的尾流速度分布特性，对风力机全范围内尾流速度进行快速准确预测。
背景技术
风力机的尾流效应通常指风力机从风中提取能量时，其下游出现的风速减小、湍流强度增大、风剪切加剧等现象。风速减小使得下游机组的输出功率降低（发电量损失高达50%）；湍流强度增大以及风剪切加剧则会影响下游机组的疲劳载荷、结构性能，产生额外气动噪声，进而影响整个风电场的运维成本和运营寿命。对于需要在有限空间内布置一定数量机组的风电场而言，其内多数风力机不可避免的处于上游机组的尾流范围内。因此，开展风力机尾流研究对于风工程项目中的风资源评估、风力机设计选型和风电场微观选址等工作具有重要的指导意义。
由于风电场布局优化过程中涉及机组的设计机型、局地排布等大量的计算评估工作，以目前的计算条件尚无法完全通过资源消耗大、耗时冗长的计算流体力学（CFD）数值模拟来实现。而基于工程模型的尾流效应量化表征方法因其极高的计算效率及可接受的精度，在当前的风工程项目中得到了广泛应用。对此，一系列工程预测模型被相继提出，包括从一维到二维再到三维、从考虑单影响因素到综合多因素（含地表粗糙度、入流湍流强度、大气稳定度、风力机气动特性等），例如Jensen、Katic、Ishihara、Frandsen、Porté-Agel、Tian、Gao模型等（Kaldellis J K, Triantafyllou P, Stinis P. Critical evaluationof wind turbines' analyticalwake models[J]. Renewable and Sustainable EnergyReviews, 2021, 144(4):110991）。
上述模型一定程度上解决了风力机尾流速度快速预测问题。然而，现有的工程模型还存在以下问题：（1）尽管多数模型已在早期Jensen模型的基础上发展成了二维模型，即在横风向考虑尾流性质对其进行了重新分布，一定程度上提高了计算精度。但在尾流半径的计算中，多数模型仍采用经典Jensen模型的尾流半径模型，假设风力机尾流在下游呈线性扩张，并且在无穷远处无限扩展，这与实际情况明显不符。（2）对于近期提出的少数三维模型，例如Ishihara&Qian模型（Ishihara T, Qian G W. A new Gaussian-basedanalytical wake model for wind turbines considering ambient turbulenceintensities andthrust coefficient effects[J]. Journal of Wind Engineering andIndustrialAerodynamics, 2018, 177:275-292.），假设湍流强度在横风向和垂直向呈高斯分布，公式形式复杂且计算过程繁琐。此外，某些变量如尾流半径的计算仅考虑单个因素，未综合考虑多因素的影响，这将限制模型在多类工况中的应用普适性。（3）此外，面对部分风力机位于周围机组近尾流区的工程现状，尤其是国家老旧风电项目“以大代小”技改升级的工程需求，对风力机近尾流区速度的预测精度也提出了相应的要求。而已有的尾流模型如发明专利“一种基于2D_k Jensen模型的三维尾流数值模拟方法”（授权公告号：CN109376389 B），主要集中于远尾流区的速度预测，对近尾流速度的预测尚有所欠缺。实验观测及高精度数值模拟结果表明，在近尾流区，湍流结构主要由叶尖/根涡和轮毂涡主导，使得流动呈现双峰型速度亏缺（沿尾迹平面横向），明显有别于远尾流区的单峰分布。这表明，已有的只适用于远尾流的模型无法满足当前风工程项目进一步发展的需求。又如，专利公开号为CN116415421A的发明中公开了一种风力机尾流区域流场建模的方法和装置，根据流场建模所需基本参数和尾流线性扩张假设，确定风力机尾流区半径；基于尾流实际演化规律，确定尾流区最大速度亏损的产生位置；基于风力机尾流区半径、尾流区最大速度亏损的产生位置以及风力机叶片的尾流影响，对风力机尾流区进行区域划分；对划分区域后的风力机尾流区的流场进行分区域建模，建立风力机尾流区待求解流场模型；对风力机尾流区待求解流场模型进行求解，得到流场模型。通过该发明提供的流场建模的方法和装置，考虑了风力机尾流实际产生及演化规律，对风力机尾流区域的流场进行精准建模，提高了尾流计算精度。虽然该发明通过分区域建模一定程度上体现了近、远尾流的发展演变，但其没有考虑尾流的三维特性，且建模方式较为复杂并存在不少的待定经验取值，仍存在不少的缺陷。
综上，一方面，当前多数尾流速度计算模型维度较低，或者仅考虑单一或两个参数对尾流场的影响，不足以全面反映尾流信息及其他多种因素的综合影响；另一方面，已有尾流模型对风力机近尾流区研究不足，无法满足目前有限风资源进一步精细化利用的工程需求。有鉴于此，亟需建立一种考虑风场多参数，并能对风力机近尾流和远尾流均进行准确有效预测的三维尾流模型。
发明内容
本发明旨在解决上述现有风力机尾流工程模型尚且存在的问题，提供一种考虑多参数耦合作用并且兼顾近尾流和远尾流区域预测精度的准确高效的风力机全尾流解析方法，有效实现对其全范围内尾流速度的准确预测。
为实现上述技术目的，本发明采取的技术方案为：
一种兼顾风力机近尾流和远尾流特性的全尾流解析方法，其特征在于，所述全尾流解析方法包括以下步骤：
步骤1：获取入流风资源信息和风电机组特征参数，包括：风力机拟安装位置的局 地地貌等级、风力机轮毂高度位置的入流风速和湍流强度、来流湍流风流向速度的垂 直分布数据、风力机风轮直径D和轮毂高度、推力系数；
步骤2：计算尾流区流向任一截面位置处的尾流半径，确定尾流影响范 围，其中，为风力机下游任一位置与风轮所在位置的流向距离；
步骤3：获取入流风初始的流向速度分布廓线，考虑风切变效应，计算风力 机尾流区不同高度的横风向平均尾流速度；
步骤4：基于双峰分布函数计算尾流区任一位置处的速度亏损，其中为横风向上与风轮中心线的距离，为垂直方向上与风轮中心线的距 离；
步骤5：基于入流风初始的流向速度分布廓线及速度亏损，计 算风力机尾流区任一位置处的流向速度。
进一步地，步骤1中，由多点测风设备采集的数据拟合得到来流湍流风流向速度的垂直分布数据。
进一步地，步骤2中，采用下述公式计算尾流区流向任一截面位置处的尾流半径：
式中，为风轮半径。
进一步地，步骤3中，基于多点测风设备获得的测量数据直接拟合得到入流风初始 的流向速度分布廓线。
进一步地，步骤3中，通过指数型风廓线参数计算得到入流风初始的流向速度分 布廓线：
。
进一步地，步骤3中，通过地表粗糙度计算得到入流风初始的流向速度分布廓 线：
。
进一步地，步骤3中，采用基于Jensen模型计算得到横向平均尾流速度：
式中，为风力机轴流诱导因子，与风力机的推力系数曲线相关：；是修正项，用于使横风向平均尾流速度模型适用于整个尾流全范 围，其计算公式为：
。
进一步地，步骤4中，对尾流中心周围对称的两个单峰型速度亏损进行叠加，得到 尾流区的速度亏损：
通过以下公式计算得到对称的两个单峰型速度亏损：
式中，为单峰亏损中心与尾流中心之间的距离；为计算点位与尾流中心之间的径向距离；为单峰亏损的半径，其计算公式为：
；
、为单峰分布模型的参数，其值分别为：
。
进一步地，步骤5中，采用下述公式计算得到风力机尾流区任一位置处的 流向速度：
。
与现有技术相比，本发明的有益效果如下：
相较于已有技术，本发明具有以下显著优点：（1）具有三维属性，可全面地预测风力机尾流在三维空间上（流向、横风向和垂直向）的速度分布情况；（2）具有多参数（如局地地貌、入流湍流强度、风力机几何特征和运行状态）耦合属性，可更细化地评估各因素对风力机尾流效应的影响；（3）有效反映风力机尾流流向速度分布的典型和特殊性，针对当前风资源精细化利用的发展趋势，考虑了近尾流区速度的“双峰”分布，预测精度甚至优于基于计算流体力学（CFD）的数值模拟结果。本发明可为风工程项目中的风力机设计和风电场机组布局优化提供一种准确高效的尾流速度计算工具。
附图说明
图1为本发明的兼顾风力机近尾流和远尾流特性的全尾流解析方法流程图；
图2为本发明提出的风力机下游风轮附近尾流速度亏损双峰分布示意图；
图3为实施例1中风力机轮毂高度水平平面不同下游位置（x = 2D、4D、8D和10D）的速度沿横风向y的分布曲线示意图；
图4为实施例1中风力机风轮中心垂直平面不同下游位置（x = 2D、4D、8D和10D）的速度沿高度方向z的分布曲线示意图；
图5a至图5c为实施例1中风力机尾流在轮毂高度平面、垂直高度平面（风轮中心）和三维空间上的速度分布云图；其中，图5a为风力机尾流在轮毂高度平面的速度分布云图，图5b为垂直高度平面（风轮中心）的速度分布云图，图5c为三维空间上的速度分布云图；
图6为实施例2中NTK 500风力机轮毂高度水平平面不同下游位置（x = 1D、2D、3D、4D、5D和7.5D）的速度沿横风向y的分布曲线示意图；
图7为实施例2中NTK 500风力机在轮毂高度平面的尾流速度分布云图；
图8为实施例3中AREVA M5000风力机三种风况（）下的尾流 中心速度分布曲线示意图；
图9a至图9c为实施例3中AREVA M5000风力机三种风况（） 下的尾流速度分布云图；其中，图9a对应，图9b对应，图9c对应。
具体实施方式
以下结合附图对本发明的实施例作进一步详细描述。
如图1所示，本发明提出一种兼顾风力机近尾流和远尾流特性的全尾流解析方法，所述全尾流解析方法包括以下步骤：
步骤1：获取入流风资源信息和风电机组特征参数，主要包括：风力机拟安装位置 的局地地貌等级、风力机轮毂高度位置的入流风速和湍流强度、来流湍流风流向速度 的垂直分布（由多点测风设备获得，或者提供其指数型风廓线参数或对数型风廓线所需的 地表粗糙度）、风力机风轮直径D和轮毂高度、推力系数等。
步骤2：计算尾流区流向任一截面位置处的尾流半径，确定尾流影响范围。 尾流半径的计算公式为：
式中，为风轮半径，为风力机下游任一位置与风轮所在位置的流向距离。
步骤3：考虑风切变效应，计算风力机尾流区不同高度的横风向平均尾流速度。首先计算入流风初始的流向速度分布廓线，该分布可以基于多点测风设备 获得的测量数据直接拟合得到，也可以通过指数型风廓线参数计算：
或者通过地表粗糙度计算对数型风廓线：
获得不同高度的入流风速后，采用基于Jensen模型改进的横向平均尾流速度公式：
式中，为步骤2计算得到的对应下游位置的尾流半径；为风力机轴流诱导 因子，与风力机的推力系数相关，计算公式为：看下
；
是使得横风向平均尾流速度模型适用于整个尾流全范围的修正项，其计算公 式为：
。
步骤4：基于双峰分布函数计算尾流区任一位置处的速度亏损。如图2所示，尾流区的速度亏损可分为尾流中心周围对称的两个单峰型速度 亏损的叠加：
；
对称的两个单峰型速度亏损可通过以下公式计算：
式中，为单峰亏损中心与尾流中心之间的距离，在本实施例中，值为；为计算点位与尾流中心之间的径向距 离；为单峰亏损的半径，其计算公式为：
；
、为单峰分布模型的参数，其值分别为
；
。
步骤5：基于入流风初始的流向速度分布廓线及本发明提出的新型尾流亏损计算公式，计算风力机尾流区任一位置处的流向速度：
。
需要注意的是，本发明提出的尾流模型中风力机运行推力系数的适用范围为 [0.5, 0.9]，该范围涵盖了现有主流机型的正常风况运行推力系数。对于湍流强度，陆上机 组95% 服役周期内处于<0.15的入流风况中，海上机组入流湍流强度的取值一般处于 在0.06到0.08之间，而本模型入流湍流强度的适用范围为 [0.04, 0.15]，表现出足够的 鲁棒性。因此，本发明建立了一个兼具表达式简洁、使用方便、通用性强等优点的尾流速度 模型，可以预测风力机下游全范围尾流区域任一位置的速度。
实施例1
风电场位于中国泰州海岸，北面是大海，南面是田野，南北长约5 km，东西宽约1-3 km，沿海岸堤防单排布置20台2 MW水平轴风力机，两台风力机之间的直线距离为280米。风 力机轮毂高度为70 m，叶片长度为40 m，风轮直径为80 m，额定风速13.5 m/s。本例以无人 机（UAV）测得的一台东端风力机水平方向和垂直方向的尾流速度（Li Z , Pu O , Pan Y , et al. A study on measuring wind turbine wake based on UAVanemometry system. Sustainable Energy Technologies and Assessments, 2022, 53, 102537.）为基准验证 本发明提出的3D-COU尾流模型的准确性。选取轮毂高度位置入流风速，湍 流强度为测试工况（此时对应的风廓线指数幂，风力机推力系数），以机组下游2D、4D、8D和10D四个位置（含近尾流和远尾流两种类型）为主要测 量对象，对其进行风力机尾流区速度分布预测，具体步骤如下：
（1）确认入流风资源信息、风电机组特征参数等基础数据。包括入流风速，湍流强度，反映局地风资源信息的参数如风廓线指数幂 ；风力机特征参数风轮直径D= 80 m，轮毂高度，风力机推力系数。
（2）计算尾流半径，公式为：
；
将，D= 80 m，，代入上式即可得到风力机下游x位置 处的尾流半径，即确定尾流影响范围。
（3）计算风力机尾流区横风向平均尾流速度：
首先考虑风切变效应计算入流风初始的流向速度分布廓线，本例通过指 数型风廓线参数计算：
；
将，，代入上式即可得到入流风资源情 况，进而计算横向平均尾流速度：
；
将，，以及基于步骤2计算的对应下游x位 置的尾流半径代入上式，得到下游x位置处不同高度的横风向平均尾流速度。
（4）计算尾流区速度亏损。
获得各点位入流风速后，基于双峰模型计算尾流区任一位置处的速度 亏损。先将以及分别由步骤1和步骤2计算得到的、 代入确定任一位置处的单峰分布模型的参数K、A：
；
。
进一步的，通过以下公式计算两个对称的单峰型速度亏损：
。
最终，尾流区任一位置处的速度亏损由尾流中心周围对称的两个单峰 型速度亏损叠加得到：
。
（5）计算风力机尾流速度：
。
将步骤（4）计算得到的入流风初始的流向速度分布廓线和尾流区速度亏损代入上式，得到风力机尾流区任一位置处的流向速度。
经过上述计算，得到风力机下游四个位置（2D、5D、8D和10D）的流向速度在风轮高度平面沿水平方向的分布，如图3所示。图中还包含了外场实验测量结果作为基准，以验证计算方法的准确性，结果表明该模型在整个尾流区域均表现出极佳的预测精度。图4所示为尾流中心处沿垂直方向的速度分布，分析图4可知，3D-COU模型在垂直方向的预测精度略逊于水平方向：相较于实测数据，预测结果明显低估了下游位置2D和8D的尾迹恢复。然而，结合图3和图4可以发现，水平分布和垂直分布中尾流中心的实测速度不一致，这一误差可能是无人机测量数据的时间差所导致的，因此3D-COU模型在下游2D和8D位置处预测精度较差。图5a至图5c给出了该型号风力机尾流在轮毂高度平面、垂直高度平面（风轮中心）和三维空间上的速度分布云图，显示出本发明方法的近尾流双峰特性和三维预测属性。其中，图5a为风力机尾流在轮毂高度平面的速度分布云图，图5b为垂直高度平面（风轮中心）的速度分布云图，图5c为三维空间上的速度分布云图。
实施例2
以丹麦科技大学（DTU）校区一个由三台风力机组成的试验场测得尾流速度 （Machefaux E, Larsen G C, Troldborg N, et al. Single Wake Meandering, Advection andExpansion - An analysis using an adapted Pulsed Lidar and CFD LES-ACL simulations. European Wind Energy Conference&Exhibition, 2013.）以及据 此采用LES方法开展的尾流高精度数值模拟研究结果（van der Laan M. P., Sørensen N. N., Réthoré P.-E., et al. An improved k- ε model applied to a wind turbine wake in atmosphericturbulence. Wind Energy, 2015, 18:889-907.）验证本发明方法 的预测精度和通用性。Nordtank (NTK) 500风力机（500 kW,D= 41 m,z H = 36 m）的尾流通 过安装在机舱内的脉冲激光雷达进行测量。共选取102个测量样本，平均时间约为10分钟， 代表了近17小时的数据。测量时风况为风速为7 ~ 8 m/s，平均速度为7.45m/s，推力系数C t = 0.70。流向湍流强度I 0= 14%。
本例采用的计算步骤与实施例1相同，计算得到的六个位置（1D、2D、3D、4D、5D和 7.5D）处的速度沿y方向的分布如图6所示，模型预测结果与2D后的LES模拟结果非常吻合， 两者对尾迹恢复的预测都略低于测量结果，这可能是由于入流湍流强度相对较高(= 14%)所导致的。在1D位置处，3D-COU模型与LES方法的预测结果呈现双峰形状，且本发明方 法在尾流中心附近的预测结果更接近测量结果，这意味着3D-COU模型在某些位置的预测精 度甚至优于LES方法。此外，从图6中可以看出，不同于预测的对称分布，实测的尾流速度分 布是不对称的，这主要是由于风轮旋转的影响。图7给出了NTK 500风力机在轮毂高度平面 的速度分布云图，很好地体现了本发明方法的近尾流双峰特性。
实施例3
选取位于德国Borkum岛以北45公里的Alpha Ventus海上风电场中AREVA M5000风 力机（转子直径D= 116 m，轮毂高度= 90 m）的激光雷达测量数据（Gallacher D, More G. Lidar measurements and visualisation of turbulence and wake decay length. 2014.）验证本发明方法准确性。风力机尾流中心的速度分布可以很好地表征尾迹恢复水 平，因此，基于AREVA M5000风力机下游尾流中心线的速度分布验证3D-COU模型的预测精 度。采用入流风速分别为7、9、11 m/s（对应的入流湍流强度分别为8.2、7.3、6.8%，机 推力系数分别为0.82、0.81和0.79）的三种风况进一步检验本模型的鲁棒性。
本例采用的计算步骤与实施例1相同，计算得到三种风况（= 7、9、11 m/s）下尾 流中心速度分布如图8所示。从图中可以看出，3D-COU模型预测的尾流中心速度分布与测量 结果吻合较好，在下游约为x/D= 2位置处出现最大速度亏损，预测精度性能明显优于 Jensen模型和2D_k模型，这可归因于新模型的双峰特性。图9a至图9c给出了AREVA M5000风 力机在轮毂高度平面的速度分布云图，很好地体现了本发明方法对不同风况的通用性；其 中，图9a对应，图9b对应，图9c对应。
本发明经过与UAV外场试验数据、NTK 500风力机的激光雷达测量数据和对应LES高精度数值模拟结果以及大型海上风力机AREVA M5000的尾流中心速度测量结果对比，发现本发明提出的方法可以较好地模拟尾流区三维空间上的湍流分布，在近尾流很好地体现了速度分布的双峰特性，不仅在数值大小上与实验结果更为接近，在分布轮廓上也更加符合真实流场，预测精度甚至优于基于计算流体力学（CFD）的数值模拟结果。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请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，本申请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。本申请实施例中的方案可以采用各种计算机语言实现，例如，面向对象的程序设计语言Java和直译式脚本语言JavaScript等。
本申请是参照根据本申请实施例的方法、设备（系统）、和计算机程序产品的流程图和／或方框图来描述的。应理解可由计算机程序指令实现流程图和／或方框图中的每一流程和／或方框、以及流程图和／或方框图中的流程和／或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器运行的指令产生用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上运行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上运行的指令提供用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本申请的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。
显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样，倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。

Claims (8)

1.一种兼顾风力机近尾流和远尾流特性的全尾流解析方法，其特征在于，所述全尾流解析方法包括以下步骤：
步骤1：获取入流风资源信息和风电机组特征参数，包括：风力机拟安装位置的局地地貌等级、风力机轮毂高度位置的入流风速UH和湍流强度I0、来流湍流风流向速度的垂直分布数据、风力机风轮直径D和轮毂高度ZH、推力系数Ct；
步骤2：计算尾流区流向任一截面位置处的尾流半径rw(X)，确定尾流影响范围，其中，X为风力机下游任一位置与风轮所在位置的流向距离；
步骤3：获取入流风初始的流向速度分布廓线U0(z)，考虑风切变效应，计算风力机尾流区不同高度的横风向平均尾流速度u*(z)；
步骤4：基于双峰分布函数计算尾流区任一位置(x，y，z)处的速度亏损Δu(x，y，z)，其中y为横风向上与风轮中心线的距离，Z为垂直方向上与风轮中心线的距离；
步骤5：基于入流风初始的流向速度分布廓线U0(z)及速度亏损Δu(x，y，z)，计算风力机尾流区任一位置(x，y，z)处的流向速度Uw(x，y，z)；
步骤4中，对尾流中心周围对称的两个单峰型速度亏损进行叠加，得到尾流区的速度亏损Δu(x，y，z)：
Δu(x，y，z)＝Δu1+Δu2
通过以下公式计算得到对称的两个单峰型速度亏损：
式中，θ为单峰亏损中心与尾流中心之间的距离；
为计算点位与尾流中心(x，yC，zH)之间的径向距离；r′w为单峰亏损的半径，其计算公式为：
r′w＝rw(x)-θ＝rw(x)-0.6rd；
式中，rd为风轮半径；
K、A为单峰分布模型的参数，其值分别为：
2.根据权利要求1所述的兼顾风力机近尾流和远尾流特性的全尾流解析方法，其特征在于，步骤1中，由多点测风设备采集的数据拟合得到来流湍流风流向速度的垂直分布数据。
3.根据权利要求1所述的兼顾风力机近尾流和远尾流特性的全尾流解析方法，其特征在于，步骤2中，采用下述公式计算尾流区流向任一截面位置处的尾流半径rw(x)：
4.根据权利要求1所述的兼顾风力机近尾流和远尾流特性的全尾流解析方法，其特征在于，步骤3中，基于多点测风设备获得的测量数据直接拟合得到入流风初始的流向速度分布廓线U0(z)。
5.根据权利要求1所述的兼顾风力机近尾流和远尾流特性的全尾流解析方法，其特征在于，步骤3中，通过指数型风廓线参数α计算得到入流风初始的流向速度分布廓线U0(z)：
U0(z)＝UH·(z/zH)α。
6.根据权利要求1所述的兼顾风力机近尾流和远尾流特性的全尾流解析方法，其特征在于，步骤3中，通过地表粗糙度Z0计算得到入流风初始的流向速度分布廓线：
7.根据权利要求1所述的兼顾风力机近尾流和远尾流特性的全尾流解析方法，其特征在于，步骤3中，采用基于Jensen模型计算得到横向平均尾流速度u*(z)：
式中，a为风力机轴流诱导因子，与风力机的推力系数曲线Ct相关：δu是修正项，用于使横风向平均尾流速度模型适用于整个尾流全范围，其计算公式为：
δu＝-0.1·ln(x/D)+1.3。
8.根据权利要求1所述的兼顾风力机近尾流和远尾流特性的全尾流解析方法，其特征在于，步骤5中，采用下述公式计算得到风力机尾流区任一位置(x，y，z)处的流向速度Uw(x，y，z)：
Uw(x，y，z)＝U0(z)-Δu(x，y，z)。
CN202311519723.8A 2023-11-15 2023-11-15 一种兼顾风力机近尾流和远尾流特性的全尾流解析方法 Active CN117272869B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311519723.8A CN117272869B (zh) 2023-11-15 2023-11-15 一种兼顾风力机近尾流和远尾流特性的全尾流解析方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311519723.8A CN117272869B (zh) 2023-11-15 2023-11-15 一种兼顾风力机近尾流和远尾流特性的全尾流解析方法

Publications (2)

Publication Number Publication Date
CN117272869A CN117272869A (zh) 2023-12-22
CN117272869B true CN117272869B (zh) 2024-02-09

Family

ID=89216270

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311519723.8A Active CN117272869B (zh) 2023-11-15 2023-11-15 一种兼顾风力机近尾流和远尾流特性的全尾流解析方法

Country Status (1)

Country Link
CN (1) CN117272869B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104794293A (zh) * 2015-04-24 2015-07-22 南京航空航天大学 风力机尾流计算方法
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
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
CN113705118A (zh) * 2021-08-20 2021-11-26 南京航空航天大学 一种风力机尾流湍流强度的计算方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104794293A (zh) * 2015-04-24 2015-07-22 南京航空航天大学 风力机尾流计算方法
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
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
CN113705118A (zh) * 2021-08-20 2021-11-26 南京航空航天大学 一种风力机尾流湍流强度的计算方法

Also Published As

Publication number Publication date
CN117272869A (zh) 2023-12-22

Similar Documents

Publication Publication Date Title
Gao et al. Optimization of wind turbine layout position in a wind farm using a newly-developed two-dimensional wake model
CN109376389B (zh) 一种基于2D_k Jensen模型的三维尾流数值模拟方法
He et al. A novel three-dimensional wake model based on anisotropic Gaussian distribution for wind turbine wakes
Yamamoto et al. Experimental evidence of inter-blade cavitation vortex development in Francis turbines at deep part load condition
Maeda et al. Wind tunnel and numerical study of a straight-bladed Vertical Axis Wind Turbine in three-dimensional analysis (Part II: For predicting flow field and performance)
Paillard et al. URANSE simulation of an active variable-pitch cross-flow Darrieus tidal turbine: Sinusoidal pitch function investigation
CN108717593A (zh) 一种基于风轮面等效风速的微观选址发电量评估方法
Wang et al. A multiscale numerical framework coupled with control strategies for simulating a wind farm in complex terrain
Churchfield et al. On the effects of wind turbine wake skew caused by wind veer
Hofemann et al. 3D Stereo PIV study of tip vortex evolution on a vawt
CN113627101A (zh) 一种基于改进型ad/rsm模型的风力机尾流模拟方法
Dighe et al. Computational study of diffuser augmented wind turbine using actuator disc force method
Hong et al. Snow-powered research on utility-scale wind turbine flows
Shin et al. Experimental study on application of nacelle-mounted LiDAR for analyzing wind turbine wake effects by distance
CN106951977B (zh) 一种基于尾流效应的风速预测模型的构建方法
Li et al. Large eddy simulation for the effects of ground roughness and atmospheric stratification on the wake characteristics of wind turbines mounted on complex terrains
Wang et al. A new Gaussian analytical wake model validated by wind tunnel experiment and LiDAR field measurements under different turbulent flow
Simao Ferreira et al. 2D PIV visualization of dynamic stall on a vertical axis wind turbine
CN117272869B (zh) 一种兼顾风力机近尾流和远尾流特性的全尾流解析方法
Abraham et al. Characterization of atmospheric coherent structures and their impact on a utility-scale wind turbine
CN115204709B (zh) 一种便于风电场选址的台风风险评估方法
Lipian et al. Numerical simulation methodologies for design and development of Diffuser-Augmented Wind Turbines–analysis and comparison
Schito Large Eddy Simulation of wind turbines: interaction with turbulent flow
CN115310375A (zh) 基于流体动力学模型的风电机组机舱传递函数拟合方法
Edwards The influence of aerodynamic stall on the performance of vertical axis wind turbines

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