CN117454805B - 基于流体降阶仿真的风机尾流影响计算方法和系统 - Google Patents
基于流体降阶仿真的风机尾流影响计算方法和系统 Download PDFInfo
- Publication number
- CN117454805B CN117454805B CN202311776529.8A CN202311776529A CN117454805B CN 117454805 B CN117454805 B CN 117454805B CN 202311776529 A CN202311776529 A CN 202311776529A CN 117454805 B CN117454805 B CN 117454805B
- Authority
- CN
- China
- Prior art keywords
- fan
- wake
- influence
- flow
- characteristic
- 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
Links
- 238000004364 calculation method Methods 0.000 title claims abstract description 93
- 238000004088 simulation Methods 0.000 title claims abstract description 86
- 239000012530 fluid Substances 0.000 title claims abstract description 61
- 238000000034 method Methods 0.000 claims abstract description 106
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 40
- 238000013507 mapping Methods 0.000 claims abstract description 20
- 238000012512 characterization method Methods 0.000 claims abstract description 14
- 239000011159 matrix material Substances 0.000 claims description 68
- 238000004422 calculation algorithm Methods 0.000 claims description 14
- 239000013598 vector Substances 0.000 claims description 13
- 238000009825 accumulation Methods 0.000 claims description 11
- 230000008859 change Effects 0.000 claims description 8
- 238000006243 chemical reaction Methods 0.000 claims description 5
- 238000010276 construction Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 abstract description 16
- 238000010248 power generation Methods 0.000 abstract description 14
- 230000008901 benefit Effects 0.000 abstract description 12
- 230000008569 process Effects 0.000 abstract description 12
- 238000012423 maintenance Methods 0.000 abstract description 9
- 238000011217 control strategy Methods 0.000 abstract description 8
- 238000005457 optimization Methods 0.000 abstract description 6
- 230000009286 beneficial effect Effects 0.000 abstract description 5
- 238000011946 reduction process Methods 0.000 abstract 1
- 230000006870 function Effects 0.000 description 20
- 238000004590 computer program Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 238000011144 upstream manufacturing Methods 0.000 description 7
- 230000001133 acceleration Effects 0.000 description 5
- 238000003860 storage Methods 0.000 description 5
- 230000001186 cumulative effect Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 238000002474 experimental method Methods 0.000 description 3
- 230000009467 reduction Effects 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
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)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了基于流体降阶仿真的风机尾流影响计算方法和系统,属于风电场风机仿真技术领域。现有的海上风电场动态尾流建模方法,其降阶过程无法体现物理量的特征,影响后续尾流影响的准确计算,不利于风电场的发电效益优化和安全运维。本发明的基于流体降阶仿真的风机尾流影响计算方法,通过构建尾流数据生成模型、流场变量表征模型、投影映射模型、尾流影响仿真模型,对风机尾流数据进行降阶分解,并得到降阶投影方程,可以有效体现风机尾流物理量的特征,并能够有效减少仿真计算过程中的数据处理量以及处理时间,进而可以实时预测、评估风机控制策略对风机尾流场影响,利于风电场的发电效益优化和安全运维。
Description
技术领域
本发明涉及基于流体降阶仿真的风机尾流影响计算方法和系统,属于风电场风机仿真技术领域。
背景技术
在风电场中,上游风机的尾流对下游风机的发电效益具有明显的影响。当风通过上游风机时,它会受到风机旋转产生的气流阻碍,导致风速减小、风向改变并形成尾流。这个尾流进一步传递到下游风机,会导致下游风机所受到的入流风速较上游风机减小,进而导致下游风机的发电功率下降;导致来流角度发生变化,引起额外的机械负荷和振动;增加下游风机的不均匀载荷,可能导致疲劳损伤和结构应力集中,降低其寿命。
针对风机尾流影响问题,在传统风电场中,通常采用经验法则或简化模型来计算尾流对下游风机的影响,但是这种方法无法准确预测真实的尾流场,并且在复杂气象条件下的准确性会降低。
进一步,中国专利(公开号:CN115017731A)公开了一种海上风电场动态尾流建模方法及装置,通过获取风电场完整年各风机的运行数据,并根据运行数据确定各风机运行状态与动态尾流的对应关系,获取风电场中风机的分布平面图,并基于各风机运行状态与尾流动态的对应关系,确定尾流的速度和方向与各风机遮挡面积的关系,基于尾流的速度和方向与各风机遮挡面积的关系,构建风电场动态尾流全场模型,并对测量矩阵进行r阶特征值分解,其中r是远小于矩阵行数的一个实数,从而实现测量矩阵的降阶计算;然后通过计算流体力学(CFD)仿真方法将现场测风数据和CFD仿真计算相结合,以评估风电场风况,进而评估发电量。
上述海上风电场动态尾流建模方法,需要获取风电场完整年各风机的运行数据,并根据数据的时间序列,构建测量矩阵;然后通过对测量矩阵进行r阶特征值分解的方式,实现测量数据的降阶计算,因此该海上风电场动态尾流建模方法是一种采用数据驱动的方法,其降阶过程无法体现物理量的特征,影响后续尾流影响的准确计算,进而影响了风机的发电效率,不利于风电场的发电效益优化和安全运维。
并且,计算流体力学(CFD)仿真模拟方法受限于计算资源,需要的计算时间总是远远大于现实世界中的物理时间。因此在实际的风电场数字孪生中,很难直接使用计算流体力学(CFD)方法评估风电场风况,因而上述方案无法实时预测、评估风机控制策略,不利于推广使用。
发明内容
针对上述问题或上述问题之一,本发明的目的一在于提供一种通过构建尾流数据生成模型、流场变量表征模型、投影映射模型、尾流影响仿真模型,对风机尾流数据进行降阶分解,并得到降阶投影方程,从而实现风机尾流影响准确计算,可以有效体现风机尾流物理量的特征,利于风电场的发电效益优化和安全运维的基于流体降阶仿真的风机尾流影响计算方法。
针对上述问题或上述问题之一,本发明的目的二在于提供一种通过设置尾流数据生成模块、流场变量表征模块、投影映射模块、尾流影响仿真模块,对风机尾流数据进行降阶分解,并得到降阶投影方程,从而实现风机尾流影响准确计算,方案科学、合理、切实可行的基于流体降阶仿真的风机尾流影响计算系统。
针对上述问题或上述问题之一,本发明的目的三在于提供一种仅利用计算流体力学仿真方法,获取一种或多种工况下的风机尾流数据,不直接使用计算流体力学方法评估风电场风况,能够有效减少仿真计算过程中的数据处理量以及处理时间,加速效果非常显著,可以实时预测、评估风机控制策略对风机尾流场影响,从而可以尽可能地避免上游风机对下游风机的干扰的基于流体降阶仿真的风机尾流影响计算方法和系统。
为实现上述目的之一,本发明的第一种技术方案为:
基于流体降阶仿真的风机尾流影响计算方法,包括以下步骤:
第一步,利用先期构建的尾流数据生成模型,基于计算流体力学仿真方法,获取一种或多种工况下的风机尾流数据;
第二步,通过先期构建的流场变量表征模型,基于本征正交分解方法,对风机尾流数据进行降阶分解,得到流场特征模态;
第三步,根据流场特征模态,通过先期构建的投影映射模型,得到降阶投影方程;
第四步,采用先期构建的尾流影响仿真模型,对降阶投影方程进行求解,得到风机尾流场影响数据,以实现风机尾流的影响计算。
本发明经过不断探索以及试验,通过构建尾流数据生成模型、流场变量表征模型、投影映射模型、尾流影响仿真模型,对风机尾流数据进行降阶分解,并得到降阶投影方程,从而实现风机尾流影响的准确计算,因而可以有效体现风机尾流物理量的特征,利于风电场的发电效益优化和安全运维,方案科学、合理、切实可行。
进一步,本发明仅利用计算流体力学仿真方法,获取一种或多种工况下的风机尾流数据,不直接使用计算流体力学方法评估风电场风况,能够有效减少仿真计算过程中的数据处理量以及处理时间;然后利用本发明流场变量表征模型、投影映射模型、尾流影响仿真模型,可以在瞬时得出任意风机工况下的风机尾流场,加速效果非常显著,因此本发明可以实时预测、评估风机控制策略对风机尾流场影响,从而可以尽可能地避免上游风机对下游风机的干扰,对于风电场的发电效益优化和安全运维具有重要意义。
作为优选技术措施:
所述第一步中,利用尾流数据生成模型获取风机尾流数据的方法如下:
步骤1.根据风机的尺寸参数,利用先期构建的致动盘模型,建立风机的几何参数和计算网格;
步骤2.根据几何参数以及一种或多种不同工况,设置工况参数;
步骤3.使用计算流体力学仿真方法在计算网格的基础上,对工况参数进行仿真模拟,得到多个风机尾流数据;所述计算流体力学仿真方法通过离散的代数形式,求解出具体的风机尾流数据。
作为优选技术措施:
致动盘模型的构建方法如下:
获取风机的尺寸参数;所述尺寸参数包括风机的尺寸和高度;
根据尺寸参数,构建一个具有多孔特征的风轮圆盘单元,用于对风机进行模拟仿真;
风轮圆盘单元设置流管横截面积、粗糙度影响系数和风廓线影响系数,用于模拟风机结构;
将风速数据代入到风轮圆盘单元中,得到风速变化规律信息;
根据风速变化规律信息,建立几何参数和计算网格。
作为优选技术措施:
所述第二步中,通过流场变量表征模型得到流场变量的方法如下:
步骤21.将风机尾流数据中的若干速度数据按阵列方式排布在一起,得到速度样本矩阵;
步骤22.将速度样本矩阵进行分解,得到平均值和若干扰动值;
步骤23.根据若干扰动值,构造扰动样本矩阵;
步骤24.通过时空转换算法,将扰动样本矩阵进行转置,得到转置扰动矩阵;
步骤25.根据转置扰动矩阵以及扰动样本矩阵,计算相关性矩阵;
步骤26.基于本征正交分解方法,对相关性矩阵进行特征分解,求解特征值和特征向量,得到一组降序排列的特征值以及相应的标准正交向量;
步骤27.将标准正交向量与扰动样本矩阵相乘,得到流动矩阵,将流动矩阵的每一列均除以对应的特征值,得到流动的标准正交基;
步骤28.根据特征值累积占比与流场能量的关系,对流动的标准正交基进行截取,得到降阶后的流场特征模态。
作为优选技术措施:
对流动的标准正交基进行截取的方法如下:
获取若干特征值,并计算不同特征值在全部特征值中的占比,得到若干占比值;
将多个占比值进行累积,得到累积占比值;
根据累积占比值与流场能量的对应关系,确定参与累积计算的占比值个数;
将占比值个数,当作截取的模态数,并根据截取的模态数,对标准正交基进行截取。
作为优选技术措施:
所述第三步中,通过投影映射模型,得到降阶投影方程的方法如下:
获取速度项参数,将速度项参数代入动量守恒方程中,并将动量守恒方程与流场特征模态做内积,得到速度项投影基函数;速度项参数包括速度、压力、密度和雷诺数;
获取压力项参数,将压力项参数代入动量守恒方程中,并将动量守恒方程与流场特征模态做内积,得到压力项参数投影基函数;压力项参数包括风电场计算域、风电场的边界和边界的法向量;
将速度项投影基函数和压力项投影基函数进行叠加,构建降阶投影方程。
作为优选技术措施:
所述第四步中,采用尾流影响仿真模型得到风机尾流场影响数据的方法如下:
步骤41,根据降阶投影方程,以模态特征系数为求解目标,得到一组全微分方程组,并将全微分方程组转化为非线性方程组;
步骤42,根据非线性方程组,并通过本征正交分解方法,得到对应工况参数的特征系数;
步骤43,根据特征系数以及对应工况参数,构建对应流场特征模态的一系列离散坐标点;
步骤44,采用三次样条插值算法对一系列离散点进行参数拟合,得到连续函数;
连续函数用于表征找到工况参数和特征系数的对应关系;
步骤45,根据连续函数以及待仿真的工况参数,进行流场的重构,计算得到风机尾流场影响数据。
作为优选技术措施:
采用三次样条插值算法对离散点进行参数拟合的方法如下:
根据一系列离散点,构建若干段区间;
对于每个区间,构建一个三次多项式进行插值;
设置拟合条件,所述拟合条件包括插值条件、首尾连接条件和导数相等条件;
根据拟合条件,对三次多项式中的待求系数进行求解,得到待求系数的具体系数值;
将具体系数值代入到三次多项式中,得到连续函数,完成对离散点的参数拟合。
为实现上述目的之一,本发明的第二种技术方案为:
基于流体降阶仿真的风机尾流影响计算方法,包括以下内容:
基于计算流体力学仿真方法,获取一种或多种工况下的风机尾流数据;
基于本征正交分解方法,对风机尾流数据进行降阶分解,得到流场特征模态;
根据流场特征模态,得到降阶投影方程;
对降阶投影方程进行求解,得到风机尾流场影响数据,以实现风机尾流的影响计算。
本发明经过不断探索以及试验,通过对风机尾流数据进行降阶分解,并得到降阶投影方程,从而实现风机尾流影响的准确计算,因而可以有效体现风机尾流物理量的特征;并且仅利用计算流体力学仿真方法,获取一种或多种工况下的风机尾流数据,不直接使用计算流体力学方法评估风电场风况,能够有效减少仿真计算过程中的数据处理量以及处理时间,从而可以实时预测、评估风机控制策略对风机尾流场影响,尽可能地避免上游风机对下游风机的干扰,对于风电场的发电效益优化和安全运维具有重要意义。
为实现上述目的之一,本发明的第三种技术方案为:
基于流体降阶仿真的风机尾流影响计算系统,应用上述的基于流体降阶仿真的风机尾流影响计算方法,其包括尾流数据生成模块、流场变量表征模块、投影映射模块、尾流影响仿真模块:
尾流数据生成模块,用于获取一种或多种工况下的风机尾流数据;
流场变量表征模块,用于对风机尾流数据进行降阶分解,得到流场特征模态;
投影映射模块,用于根据流场特征模态,得到降阶投影方程;
尾流影响仿真模块,用于对降阶投影方程进行求解,得到风机尾流场影响数据。
本发明经过不断探索以及试验,通过设置尾流数据生成模块、流场变量表征模块、投影映射模块、尾流影响仿真模块,对风机尾流数据进行降阶分解,并得到降阶投影方程,从而实现风机尾流影响的准确计算,因而可以有效体现风机尾流物理量的特征,利于风电场的发电效益优化和安全运维,方案科学、合理、切实可行。
与现有技术方案相比,本发明具有以下有益效果:
本发明经过不断探索以及试验,通过对风机尾流数据进行降阶分解,并得到降阶投影方程,从而实现风机尾流影响的准确计算,因而可以有效体现风机尾流物理量的特征;并且仅利用计算流体力学仿真方法,获取一种或多种工况下的风机尾流数据,能够有效减少仿真计算过程中的数据处理量以及处理时间,从而可以实时预测、评估风机控制策略对风机尾流场影响,尽可能地避免上游风机对下游风机的干扰,对于风电场的发电效益优化和安全运维具有重要意义。
进一步,本发明仅利用计算流体力学仿真方法,获取一种或多种工况下的风机尾流数据,不直接使用计算流体力学方法评估风电场风况,能够有效减少仿真计算过程中的数据处理量以及处理时间;然后利用本发明流场变量表征模型、投影映射模型、尾流影响仿真模型,可以在瞬时得出任意风机工况下的风机尾流场,加速效果非常显著,因此本发明可以实时预测、评估风机控制策略对风机尾流场影响,方案科学、合理,切实可行。
附图说明
图1为本发明风机尾流影响计算方法的第一种流程图;
图2为本发明风机尾流影响计算方法的第二种流程图;
图3为本发明机舱几何形态的一种结构示意图;
图4为本发明机舱网格形态的一种结构示意图。
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,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
相反,本发明涵盖任何由权利要求定义在本发明的精髓和范围上做的替代、修改、等效方法以及方案。进一步,为了使公众对本发明有更好的了解,在下文对本发明的细节描述中,详尽描述了一些特定的细节部分。对本领域技术人员来说没有这些细节部分的描述也可以完全理解本发明。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文所使用的术语只是为了描述具体的实施例的目的,不是旨在限制本发明。
如图1所示,本发明基于流体降阶仿真的风机尾流影响计算方法的第一种具体实施例:
基于流体降阶仿真的风机尾流影响计算方法,包括以下步骤:
第一步,利用先期构建的尾流数据生成模型,基于计算流体力学仿真方法,获取一种或多种工况下的风机尾流数据;
第二步,通过先期构建的流场变量表征模型,基于本征正交分解方法,对风机尾流数据进行降阶分解,得到流场特征模态;
第三步,根据流场特征模态,通过先期构建的投影映射模型,得到降阶投影方程;
第四步,采用先期构建的尾流影响仿真模型,对降阶投影方程进行求解,得到风机尾流场影响数据,以实现风机尾流的影响计算。
本发明使用尾流数据生成模型、流场变量表征模型、投影映射模型、尾流影响仿真模型,加速仿真计算,具有效率高、准确度高、误差小等优点,能够解决仿真模拟计算消耗大、计算时间长等问题。
本发明利用尾流数据生成模型得到风机尾流数据的一种具体实施例:
利用尾流数据生成模型,基于计算流体力学(CFD)方法,计算N个不同工况下的风力发电机流场,即风机流场。
计算流体力学(CFD)方法通过离散的代数形式来替换控制方程中的积分或偏微分方程,然后求解出具体的数值解来用于数据对比和对实验现象的解释,其背后物理基础是基于不同物理定律的控制方程,所述控制方程包括物质守恒方程、动量守恒方程。
物质守恒方程的计算公式如下所示:
动量守恒方程的计算公式如下所示:
式中为密度,/>为时间,/>为速度,/>为压强,/>为剪切力,/>为雷诺数,/>为向量算子。
对于风机尾流数据,采用致动盘模型进行计算流体力学(CFD)模拟,其包括以下内容:
首先根据风机的尺寸、高度,创建风机的几何模型和计算网格;然后定义N种不同工况,对应N种不同的工况参数,使用计算流体力学(CFD)方法对这N种不同工况下的风机流场进行仿真模拟,得到N个风机尾流数据。
本发明通过流场变量表征模型得到流场特征模态的一种具体实施例:
通过流场变量表征模型,基于本征正交分解(POD)方法,求解流场相关参数;所述流场相关参数包括多个流场特征模态、各个模态所含有的能量、流场特征模态对应的模态特征系数。
本征正交分解(POD)方法,用于数据降维和特征提取,能够将一个高维数据集表示为一组正交基函数的线性组合,实现将原本的流体力学偏微分方程求解方法转换为能够快速计算的一组全微分方程组。
将通过计算流体力学(CFD)仿真计算得到的N个速度数据排列在一起,作为样本矩阵,其表达式如下所示:
样本矩阵中的每一列对应一个工况参数,每一行代表计算域中的一个坐标,其表达式如下所示:
样本矩阵中,行数为计算流体力学(CFD)仿真中使用的网格点数,列数/>为工况数,本实施例中,/>代表在第i个工况中第j个坐标点上的速度值,/>,/>。
为了减小计算量,通过分解算法将速度数据分解为平均值和扰动值/>,分解算法的计算公式如下所示:
其中,表示矩阵/>中所有数据的和,/>表示在第i个工况中第j个坐标点上的扰动值。
根据扰动值,构建扰动样本矩阵,其表达式如下所示:
将扰动样本矩阵构建为相关性矩阵,其表达式如下所示:
由于网格点数总是远远大于工况数/>,这样这个相关性矩阵的大小就会非常大,直接求解它的特征值和特征向量将会非常困难,因此通过时空转换技巧,即先将扰动样本矩阵进行转置,再计算新的相关性矩阵,其表达式如下所示:
对相关性矩阵进行特征分解,求解特征值和特征向量,其表达式如下所示:
其中,为特征值矩阵,/>为特征矩阵,/>为相关性矩阵。
从而可以得到一组降序排列的特征值以及相关性矩阵/>对应的特征矩阵/>,将特征矩阵按行分解为相应的标准正交向量,其表达式如下所示:
其中,是特征矩阵的第/>行,/>是特征矩阵第j行第1个数值。
进而,计算流动矩阵,其计算公式如下所示:
并将流动矩阵的每一列均除以特征值/>,获得了1组表示流动的标准正交基,即流场特征模态,其表达式如下所示:
其中,为矩阵/>的第/>行/>列元素。
特征值的大小可以表征对应的流场特征模态对于流场能量的贡献。特征值越大,对整个矩阵的贡献就越大,如果忽略那些比较小的特征值,将这些特征值近似为0,就能够降低计算的阶数,节约计算资源,同时也能够以较高准确度反映流场,因此可以通过特征值累积占比公式计算不同特征值在全部特征值中的占比,相关研究表明,在前/>项特征值累积占比达到95%以上时,就能够很好地反映整个流场,在本发明中,通过事先的测试,确定这一值为98%。
特征值累积占比公式的表达式如下所示:
进而计算模态项数的值,然后通过前/>项模态,并基于流场仿真计算公式,近似得到新的样本矩阵,流场仿真计算公式的表达式如下所示:
其中,代表不同的工况,/>为截取的模态数,/>为第/>阶模态的模态特征系数,/>为第/>阶模态。
本发明通过投影映射模型得到降阶投影方程的一种具体实施例:
通过投影映射模型,基于伽辽金(Galerkin)方法将不可压缩控制方程中的动量守恒方程在截取的前阶特征模态上做伽辽金(Galerkin)投影,能够将不可压缩控制方程分解为一系列基函数的线性累加,从而得到降阶投影方程。
伽辽金(Galerkin)方法是一种常用的偏微分方程数值解法。它的基本思想是利用适当的试探函数空间,将原方程在这个试探函数空间上投影,建立一个新的方程组,通过求解这个方程组得到原方程近似解。在本发明中,试探函数是不可压缩控制方程中的动量守恒方程,因为这个方程中具备速度项,通过伽辽金(Galerkin)方法可以求解得出速度项的降阶投影方程,并对速度求解。具体而言,伽辽金(Galerkin)方法的操作是计算每一个流场特征模态与速度守恒方程进行内积计算,由于是投影,因此两者内积为0。
对动量守恒方程进行伽辽金(Galerkin)投影,其表达式如下所示:
式中,为本征正交分解(POD)分解得到的流场特征模态,/>为速度,/>为压力,/>为密度,/>为雷诺数。
进行内积计算的公式如下所示:
其中,与/>为变量,且/>。
进而,可得到进行内积计算的伽辽金(Galerkin)投影方程,其表达式如下所示:
上式中,与压力项相关的部分(3)的表达式如下所示:
其中,表示全部的风电场计算域,/>表示风电场的边界,/>表示不包括风电场边界的体积域,/>为边界的法向量。
压力项的伽辽金(Galerkin)投影中,根据连续性方程,体积域中的积分部分等于0;同时由于固定壁面边界条件,速度特征模态在各个边界的法向分量均为0,因此边界上的积分也都为0,所以压力项相关的部分(3)的投影为0,其表达式如下所示:
这样,对伽辽金(Galerkin)投影方程进行变换,得到投影公式,其表达式如下所示:
其中表示和工况相关的参数,如风速、偏航角度等。
速度值的表达式如下所示:
因此将速度值代入投影公式,可得到新的投影公式,其计算公式如下所示:
整理投影公式,以模态特征系数/>为求解目标,可以得到一组形式如下式的全微分方程组,以第k个模态特征系数为例,其计算公式如下所示:
式中,、/>、/>为系数,各个系数的计算公式如下所示:
进而可建立一组降阶投影方程,这是一个非线性方程组,其形式如下:
其中是工况参数,/>表示第/>阶特征模态系数,/>,在前面的计算流体力学(CFD)计算中,工况/>为已知工况,记为/>,通过本征正交分解(POD)分解得到每一个模态对应每个工况的特征系数,其表达式如下所示:
特征系数的上标/>表示工况,下标表示第/>阶流场模态,这样对于每一阶模态,都有一系列离散坐标点,其表达式如下所示:
。
本发明采用尾流影响仿真模型得到风机尾流场影响数据的一种具体实施例:
采用尾流影响仿真模型针对每一阶模态,将这一系列离散点近似为连续的函数,找到工况参数/>和特征系数/>的对应关系,其表达式如下所示:
为了进行参数拟合得到连续函数,采用三次样条插值算法进行求解,以第/>阶模态特征系数/>为例,步骤如下:
对于已有的N个离散点,选取段区间,每一段将标记记为/>,每一段区间的长度记为/>,每段/>使用一个三次多项式/>进行插值,多项式/>的上标/>表示第/>阶模态,因此对于第1阶模态,多项式记为/>。每个/>在相邻区间之间是连续的,并且有一到两个导数是连续的,以确保插值的平滑性。
N个离散点的表达式如下所示:
段区间的表达式如下所示:
三次多项式的计算公式如下所示:
其中,、/>、/>、/>为未知系数。
同时,三次多项式需要满足插值条件、首尾连接条件、导数相等条件。
插值条件的表达式如下所示:
首尾连接条件的表达式如下所示:
导数相等条件的表达式如下所示:
通过这三个条件,将的表达式代入,可以得出三次多项式/>的系数需要满足如下表达式:
1.=/>
2.
3.
这样就能得到关于个未知系数的/>个线性方程组,通过求解这个线性方程组就能够得到未知系数/>、/>、/>、/>的值,具体求解过程,可调用数据计算库(NumPy)中的求解函数(numpy.linalg.solve)进行求解。
这样,可得到特征模态系数和工况参数之间的函数关系,其表达式如下所示:
综上对于任意的输入工况参数,就能够根据流场仿真计算公式,进行流场的重构,此时,流场数据计算公式的表达式如下所示:
/>
因此本发明基于计算流体力学(CFD)计算、本征正交分解(POD)方法、伽辽金(Galerkin)投影、三次样条插值算法,能够对于任意工况重建流场数据,并能实现快速、实时、准确计算。
如图2中所示,本发明风机尾流影响计算方法的第二种具体实施例:
基于流体降阶仿真的风机尾流影响计算方法,包括以下步骤:
步骤1:进行计算流体力学(CFD)仿真,首先定义N个工况参数,包括不同的风速、风向、风力发电机运行参数等,调用尾流数据生成模型进行仿真求解,最终得到N个相对应的风机尾流数据。
步骤2:流场变量表征模型通过本征正交分解(POD)方法,对风机尾流数据进行分解,截取前项模态,得到流场特征模态/>和模态特征系数/>。
步骤3:投影映射模型将不可压缩控制方程在截取的前阶模态上做伽辽金(Galerkin)投影,得到降阶投影方程。
步骤4:尾流影响仿真模型采用三次样条插值算法对降阶投影方程进行求解,得到每一阶模态的模态特征系数在不同工况参数/>的取值。
这样对于任意输入的工况参数,都能够通过流场仿真计算公式,重建流场数据,得到风机尾流场影响数据,实现快速、实时计算。
因此本发明采用的方法是一种物理驱动的方法,将不同运行条件下的风机尾流数据构成样本数据,然后将流体力学控制方程进行伽辽金(Galerkin)投影,实现计算流体力学(CFD)计算的降阶。本发明采用的方法与流体力学控制方程结合,能够体现物理过程的特征,进而使得本发明所提出的计算方法能够在瞬时得出任意风机工况下的风机尾流场,加速效果非常显著。
因此本发明的风机尾流影响计算方法,能够针对不同的工况参数实时计算对应的流场数据,节省计算时间。
应用本发明对某型号风力发电机的尾流影响进行计算的一种具体实施例:
对某型号风力发电机(风机)的尾流影响进行计算,具体实现流程如下:
步骤1、构建某型号风力发电机外流场的致动盘模型,致动盘模型可以将风机简化为一个具备固定半径和厚度的圆盘;因而可利用致动盘模型对风力发电机舱进行处理,得到机舱几何形态,可参见图3。
再利用计算流体力学(CFD)对机舱几何模型进行处理,得到机舱网格形态以及网格数据,可参见图4。网格数据包括网格量、网格类型。本实施例中,网格量为112000,网格类型为结构化网格。
并选取风速作为工况参数/>,风速范围设定为[3,20]m/s,进行100个计算流体力学(CFD)计算,得到风机尾流数据。由于风机尾流只在有限的区域内发展,因此只保留物理区域中长度范围-300~2000米,宽度范围-300~300米,高度在600米内的矩形区域作为风机尾流数据,这一区域内网格点数为41584。
步骤2、读取风机尾流数据,提取风机尾流数据的扰动量为样本矩阵,矩阵大小为41584乘以100,具体计算公式如下:
然后进行时空转换,构建相关性矩阵,其表达式如下所示:
求解相关性矩阵的特征值和特征向量,其表达式如下所示:
计算流动矩阵,将流动矩阵的每一列均除以特征量/>,获得了标准正交基。
流动矩阵的计算公式如下所示:
标准正交基的表达式如下所示:
其中,为矩阵/>的第/>行/>列元素。
根据特征值累积占比计算结果,截取前15个模态,得到近似流场数据。
特征值累积占比计算结果的表达式如下:
得到近似流场数据的公式如下所示:
式中,表示风速。
步骤3、进行伽辽金(Galerkin)投影,得到降阶投影方程,其表达式如下所示:
步骤4、采用三次样条插值算法进行求解,由于在计算流体力学(CFD)计算中风速取样为平均取样,步长为,对每一个流场模态进行三次样条插值,得到15个模态特征系数的解,其表达式如下所示:/>
步长的计算公式如下:
0.17m/s,
通过给定的任意一个风速,例如设定风速为/>=12.54m/s,就能够根据风速计算15个模态特征系数的值,然后根据此时的流场仿真计算公式,重建对应的流场以及风机尾流数据,实现快速、实时的计算,在线、准确地模拟尾流的发展状态。
此时的流场仿真计算公式,如下所示:
进而,经过试验可知,本发明的重建结果绝对误差在6%之内,且误差基本仅出现在尾流边缘位置,具备很好的准确度,并且可在毫秒级别内完成流场的重建,可以实现百万级别的加速,以及流场的实时计算。
应用本发明方法的一种设备实施例:
一种电子设备,其包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现上述的基于流体降阶仿真的风机尾流影响计算方法。
应用本发明方法的一种计算机介质实施例:
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上述的基于流体降阶仿真的风机尾流影响计算方法。
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、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、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括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。
本申请是根据本申请实施例的方法、设备(系统)、计算机程序产品的流程图或/和方框图来描述的。应理解可由计算机程序指令实现流程图或/和方框图中的每一流程或/和方框以及流程图或/和方框图中的流程或/和方框的结合。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执行的指令产生用于实现在流程图一个流程或多个流程或/和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或/和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执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执行的指令提供用于实现在流程图一个流程或多个流程或/和方框图一个方框或多个方框中指定的功能的步骤。
最后应当说明的是:以上实施例仅用以说明本发明的技术方案而非对其限制,尽管参照上述实施例对本发明进行了详细的说明,所属领域的普通技术人员应当理解:依然可以对本发明的具体实施方式进行修改或者等同替换,而未脱离本发明精神和范围的任何修改或者等同替换,其均应涵盖在本发明的权利要求保护范围之内。
Claims (4)
1.基于流体降阶仿真的风机尾流影响计算方法,其特征在于:
包括以下步骤:
第一步,利用先期构建的尾流数据生成模型,基于计算流体力学仿真方法,获取一种或多种工况下的风机尾流数据;
第二步,通过先期构建的流场变量表征模型,基于本征正交分解方法,对风机尾流数据进行降阶分解,得到流场特征模态;
第三步,根据流场特征模态,通过先期构建的投影映射模型,得到降阶投影方程;
第四步,采用先期构建的尾流影响仿真模型,对降阶投影方程进行求解,得到风机尾流场影响数据,以实现风机尾流的影响计算;
所述第一步中,利用尾流数据生成模型获取风机尾流数据的方法如下:
步骤1.根据风机的尺寸参数,利用先期构建的致动盘模型,建立风机的几何参数和计算网格;
步骤2.根据几何参数以及一种或多种不同工况,设置工况参数;
步骤3.使用计算流体力学仿真方法在计算网格的基础上,对工况参数进行仿真模拟,得到多个风机尾流数据;所述计算流体力学仿真方法通过离散的代数形式,求解出具体的风机尾流数据;
致动盘模型的构建方法如下:
获取风机的尺寸参数;所述尺寸参数包括风机的尺寸和高度;
根据尺寸参数,构建一个具有多孔特征的风轮圆盘单元,用于对风机进行模拟仿真;
风轮圆盘单元设置流管横截面积、粗糙度影响系数和风廓线影响系数,用于模拟风机结构;
将风速数据代入到风轮圆盘单元中,得到风速变化规律信息;
根据风速变化规律信息,建立几何参数和计算网格;
所述第二步中,通过流场变量表征模型得到流场特征模态的方法如下:
步骤21.将风机尾流数据中的若干速度数据按阵列方式排布在一起,得到速度样本矩阵;
步骤22.将速度样本矩阵进行分解,得到平均值和若干扰动值;
步骤23.根据若干扰动值,构造扰动样本矩阵;
步骤24.通过时空转换算法,将扰动样本矩阵进行转置,得到转置扰动矩阵;
步骤25.根据转置扰动矩阵以及扰动样本矩阵,计算相关性矩阵;
步骤26.基于本征正交分解方法,对相关性矩阵进行特征分解,求解特征值和特征向量,得到一组降序排列的特征值以及相应的标准正交向量;
步骤27.将标准正交向量与扰动样本矩阵相乘,得到流动矩阵,将流动矩阵的每一列均除以对应的特征值,得到流动的标准正交基;
步骤28.根据特征值累积占比与流场能量的关系,对流动的标准正交基进行截取,得到降阶后的流场特征模态;
对流动的标准正交基进行截取的方法如下:
获取若干特征值,并计算不同特征值在全部特征值中的占比,得到若干占比值;
将多个占比值进行累积,得到累积占比值;
根据累积占比值与流场能量的对应关系,确定参与累积计算的占比值个数;
将占比值个数,当作截取的模态数,并根据截取的模态数,对标准正交基进行截取;
所述第三步中,通过投影映射模型,得到降阶投影方程的方法如下:
获取速度项参数,将速度项参数代入动量守恒方程中,并将动量守恒方程与流场特征模态做内积,得到速度项投影基函数;速度项参数包括速度、压力、密度和雷诺数;
获取压力项参数,将压力项参数代入动量守恒方程中,并将动量守恒方程与流场特征模态做内积,得到压力项参数投影基函数;压力项参数包括风电场计算域、风电场的边界和边界的法向量;
将速度项投影基函数和压力项投影基函数进行叠加,构建降阶投影方程;
所述第四步中,采用尾流影响仿真模型得到风机尾流场影响数据的方法如下:
步骤41,根据降阶投影方程,以模态特征系数为求解目标,得到一组全微分方程组,并将全微分方程组转化为非线性方程组;
步骤42,根据非线性方程组,并通过本征正交分解方法,得到对应工况参数的特征系数;
步骤43,根据特征系数以及对应工况参数,构建对应流场特征模态的一系列离散坐标点;
步骤44,采用三次样条插值算法对一系列离散点进行参数拟合,得到连续函数;
连续函数用于表征找到工况参数和特征系数的对应关系;
步骤45,根据连续函数以及待仿真的工况参数,进行流场的重构,计算得到风机尾流场影响数据。
2.如权利要求1所述的基于流体降阶仿真的风机尾流影响计算方法,其特征在于:
采用三次样条插值算法对离散点进行参数拟合的方法如下:
根据一系列离散点,构建若干段区间;
对于每个区间,构建一个三次多项式进行插值;
设置拟合条件,所述拟合条件包括插值条件、首尾连接条件和导数相等条件;
根据拟合条件,对三次多项式中的待求系数进行求解,得到待求系数的具体系数值;
将具体系数值代入到三次多项式中,得到连续函数,完成对离散点的参数拟合。
3.基于流体降阶仿真的风机尾流影响计算方法,其特征在于:
包括以下内容:
基于计算流体力学仿真方法,获取一种或多种工况下的风机尾流数据;
基于本征正交分解方法,对风机尾流数据进行降阶分解,得到流场特征模态;
根据流场特征模态,得到降阶投影方程;
对降阶投影方程进行求解,得到风机尾流场影响数据,以实现风机尾流的影响计算;
获取风机尾流数据的方法如下:
步骤1.根据风机的尺寸参数,利用先期构建的致动盘模型,建立风机的几何参数和计算网格;
步骤2.根据几何参数以及一种或多种不同工况,设置工况参数;
步骤3.使用计算流体力学仿真方法在计算网格的基础上,对工况参数进行仿真模拟,得到多个风机尾流数据;所述计算流体力学仿真方法通过离散的代数形式,求解出具体的风机尾流数据;
致动盘模型的构建方法如下:
获取风机的尺寸参数;所述尺寸参数包括风机的尺寸和高度;
根据尺寸参数,构建一个具有多孔特征的风轮圆盘单元,用于对风机进行模拟仿真;
风轮圆盘单元设置流管横截面积、粗糙度影响系数和风廓线影响系数,用于模拟风机结构;
将风速数据代入到风轮圆盘单元中,得到风速变化规律信息;
根据风速变化规律信息,建立几何参数和计算网格;
得到流场特征模态的方法如下:
步骤21.将风机尾流数据中的若干速度数据按阵列方式排布在一起,得到速度样本矩阵;
步骤22.将速度样本矩阵进行分解,得到平均值和若干扰动值;
步骤23.根据若干扰动值,构造扰动样本矩阵;
步骤24.通过时空转换算法,将扰动样本矩阵进行转置,得到转置扰动矩阵;
步骤25.根据转置扰动矩阵以及扰动样本矩阵,计算相关性矩阵;
步骤26.基于本征正交分解方法,对相关性矩阵进行特征分解,求解特征值和特征向量,得到一组降序排列的特征值以及相应的标准正交向量;
步骤27.将标准正交向量与扰动样本矩阵相乘,得到流动矩阵,将流动矩阵的每一列均除以对应的特征值,得到流动的标准正交基;
步骤28.根据特征值累积占比与流场能量的关系,对流动的标准正交基进行截取,得到降阶后的流场特征模态;
对流动的标准正交基进行截取的方法如下:
获取若干特征值,并计算不同特征值在全部特征值中的占比,得到若干占比值;
将多个占比值进行累积,得到累积占比值;
根据累积占比值与流场能量的对应关系,确定参与累积计算的占比值个数;
将占比值个数,当作截取的模态数,并根据截取的模态数,对标准正交基进行截取;
得到降阶投影方程的方法如下:
获取速度项参数,将速度项参数代入动量守恒方程中,并将动量守恒方程与流场特征模态做内积,得到速度项投影基函数;速度项参数包括速度、压力、密度和雷诺数;
获取压力项参数,将压力项参数代入动量守恒方程中,并将动量守恒方程与流场特征模态做内积,得到压力项参数投影基函数;压力项参数包括风电场计算域、风电场的边界和边界的法向量;
将速度项投影基函数和压力项投影基函数进行叠加,构建降阶投影方程;
得到风机尾流场影响数据的方法如下:
步骤41,根据降阶投影方程,以模态特征系数为求解目标,得到一组全微分方程组,并将全微分方程组转化为非线性方程组;
步骤42,根据非线性方程组,并通过本征正交分解方法,得到对应工况参数的特征系数;
步骤43,根据特征系数以及对应工况参数,构建对应流场特征模态的一系列离散坐标点;
步骤44,采用三次样条插值算法对一系列离散点进行参数拟合,得到连续函数;
连续函数用于表征找到工况参数和特征系数的对应关系;
步骤45,根据连续函数以及待仿真的工况参数,进行流场的重构,计算得到风机尾流场影响数据。
4.基于流体降阶仿真的风机尾流影响计算系统,其特征在于:
应用如权利要求1-3任一所述的基于流体降阶仿真的风机尾流影响计算方法,其包括尾流数据生成模块、流场变量表征模块、投影映射模块、尾流影响仿真模块:
尾流数据生成模块,用于获取一种或多种工况下的风机尾流数据;
流场变量表征模块,用于对风机尾流数据进行降阶分解,得到流场特征模态;
投影映射模块,用于根据流场特征模态,得到降阶投影方程;
尾流影响仿真模块,用于对降阶投影方程进行求解,得到风机尾流场影响数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311776529.8A CN117454805B (zh) | 2023-12-22 | 2023-12-22 | 基于流体降阶仿真的风机尾流影响计算方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311776529.8A CN117454805B (zh) | 2023-12-22 | 2023-12-22 | 基于流体降阶仿真的风机尾流影响计算方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117454805A CN117454805A (zh) | 2024-01-26 |
CN117454805B true CN117454805B (zh) | 2024-03-19 |
Family
ID=89584091
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311776529.8A Active CN117454805B (zh) | 2023-12-22 | 2023-12-22 | 基于流体降阶仿真的风机尾流影响计算方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117454805B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104239622A (zh) * | 2014-09-04 | 2014-12-24 | 河海大学 | 风力机尾流计算方法 |
CN108108332A (zh) * | 2018-01-26 | 2018-06-01 | 浙江大学 | 一种基于广义流体力学非线性本构方程的耦合求解方法 |
CN110414135A (zh) * | 2019-07-29 | 2019-11-05 | 国网上海市电力公司 | 一种用于海上漂浮式风机的尾流场数值优化设计方法 |
CN111476293A (zh) * | 2020-04-03 | 2020-07-31 | 河海大学 | 一种计及风速风向的风电场分群方法 |
CN114488803A (zh) * | 2022-01-19 | 2022-05-13 | 大连海事大学 | 基于事件触发的无人船/机鲁棒自适应神经协同控制方法 |
WO2022151890A1 (zh) * | 2021-01-13 | 2022-07-21 | 中国长江三峡集团有限公司 | 一种风电场发电量评估及微观选址模型建立方法 |
CN114925459A (zh) * | 2022-06-07 | 2022-08-19 | 哈尔滨理工大学 | 一种基于本征正交分解的动力锂电池热模型构建方法 |
CN115422808A (zh) * | 2022-09-21 | 2022-12-02 | 国网辽宁省电力有限公司电力科学研究院 | 一种基于Krylov子空间的变压器温度场模型降阶方法 |
CN116070471A (zh) * | 2023-04-06 | 2023-05-05 | 浙江远算科技有限公司 | 一种基于降阶分解处理的风力发电机仿真加速方法和系统 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102017113998A1 (de) * | 2017-06-23 | 2018-12-27 | Rolls-Royce Deutschland Ltd & Co Kg | Verfahren zur Erzeugung und Auswahl eines Verstimmungsmusters eines eine Mehrzahl von Laufschaufeln aufweisenden Laufrads einer Strömungsmaschine |
US20220363378A1 (en) * | 2022-07-12 | 2022-11-17 | Daniel Keith Schlak | Electrically Powered VTOL Supersonic Aircraft |
-
2023
- 2023-12-22 CN CN202311776529.8A patent/CN117454805B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104239622A (zh) * | 2014-09-04 | 2014-12-24 | 河海大学 | 风力机尾流计算方法 |
CN108108332A (zh) * | 2018-01-26 | 2018-06-01 | 浙江大学 | 一种基于广义流体力学非线性本构方程的耦合求解方法 |
CN110414135A (zh) * | 2019-07-29 | 2019-11-05 | 国网上海市电力公司 | 一种用于海上漂浮式风机的尾流场数值优化设计方法 |
CN111476293A (zh) * | 2020-04-03 | 2020-07-31 | 河海大学 | 一种计及风速风向的风电场分群方法 |
WO2022151890A1 (zh) * | 2021-01-13 | 2022-07-21 | 中国长江三峡集团有限公司 | 一种风电场发电量评估及微观选址模型建立方法 |
CN114488803A (zh) * | 2022-01-19 | 2022-05-13 | 大连海事大学 | 基于事件触发的无人船/机鲁棒自适应神经协同控制方法 |
CN114925459A (zh) * | 2022-06-07 | 2022-08-19 | 哈尔滨理工大学 | 一种基于本征正交分解的动力锂电池热模型构建方法 |
CN115422808A (zh) * | 2022-09-21 | 2022-12-02 | 国网辽宁省电力有限公司电力科学研究院 | 一种基于Krylov子空间的变压器温度场模型降阶方法 |
CN116070471A (zh) * | 2023-04-06 | 2023-05-05 | 浙江远算科技有限公司 | 一种基于降阶分解处理的风力发电机仿真加速方法和系统 |
Non-Patent Citations (3)
Title |
---|
Optimal Sizing and Arrangement of Tidal Current Farm;Yi Dai;IEEE;20170627;全文 * |
应用于数字孪生平台的风电场尾流效应数值仿真研究;王轲;CNKI;20221231;全文 * |
风电机组动态尾流频域特性分析与建模;陈振宇;刘吉臻;林忠伟;谢镇;李庚达;李雄威;胡峰;;智慧电力;20200720(07);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN117454805A (zh) | 2024-01-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Castelli et al. | The Darrieus wind turbine: Proposal for a new performance prediction model based on CFD | |
CN104298869A (zh) | 一种弹性水翼的流固耦合特性数值预测方法 | |
CN103617308B (zh) | 一种风电场频域等效模型的构建方法 | |
Wang et al. | Data-driven CFD modeling of turbulent flows through complex structures | |
JP2019537079A (ja) | 大規模再生可能エネルギーのデータについて確率モデルを構築する方法 | |
CN105184683A (zh) | 一种基于风电场运行数据的概率聚类分群方法 | |
Dong et al. | Predictive capability of actuator disk models for wakes of different wind turbine designs | |
Richmond et al. | Evaluation of an offshore wind farm computational fluid dynamics model against operational site data | |
Badoe et al. | Robust validation of a generalised actuator disk CFD model for tidal turbine analysis using the FloWave ocean energy research facility | |
Liu et al. | An actuator line-immersed boundary method for simulation of multiple tidal turbines | |
CN116090191A (zh) | 一种综合气流因素下的海上风机的仿真方法及系统 | |
CN111159941A (zh) | 一种用于汽车液力变矩器内流场瞬态数值模拟的方法 | |
CN104951798A (zh) | 基于emd的lssvm非平稳脉动风速预测方法 | |
Digraskar | Simulations of flow over wind turbines | |
Li et al. | A reconstruction method for structural stress distribution of wind turbine tower using optimised mathematical model | |
CN117454805B (zh) | 基于流体降阶仿真的风机尾流影响计算方法和系统 | |
CN113344252A (zh) | 一种基于虚拟气象技术的风功率预测方法 | |
Kipke et al. | Analytical three‐dimensional wind flow model for real‐time wind farm simulation | |
CN105718695B (zh) | 一种基于压缩传感的风场重建方法 | |
Zhang et al. | Three-dimensional wind field reconstruction using tucker decomposition with optimal sensor placement | |
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 | |
CN114936437B (zh) | 一种基于等几何采样的风场插值模拟方法 | |
CN115510732B (zh) | 一种基于深度学习的方舱红外特性仿真快速算法 | |
CN116245039A (zh) | 海上风力发电场群的尾流评估方法及系统 | |
Liew et al. | Efficient Mann turbulence generation for offshore wind farms with applications in fatigue load surrogate modelling |
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 |