Nothing Special   »   [go: up one dir, main page]

CN116167220A - 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 PDF

Info

Publication number
CN116167220A
CN116167220A CN202310140868.0A CN202310140868A CN116167220A CN 116167220 A CN116167220 A CN 116167220A CN 202310140868 A CN202310140868 A CN 202310140868A CN 116167220 A CN116167220 A CN 116167220A
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
Application number
CN202310140868.0A
Other languages
English (en)
Inventor
郭小江
张钧阳
李铮
劳文欣
李新凯
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.)
Huaneng Clean Energy Research Institute
Original Assignee
Huaneng Clean Energy Research Institute
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 Huaneng Clean Energy Research Institute filed Critical Huaneng Clean Energy Research Institute
Priority to CN202310140868.0A priority Critical patent/CN116167220A/zh
Publication of CN116167220A publication Critical patent/CN116167220A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00Computer-aided design [CAD]
    • G06F30/20Design optimisation, verification or simulation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00Computer-aided design [CAD]
    • G06F30/10Geometric CAD
    • G06F30/17Mechanical parametric or variational design
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00Computer-aided design [CAD]
    • G06F30/20Design optimisation, verification or simulation
    • G06F30/28Design optimisation, verification or simulation using fluid dynamics, e.g. using Navier-Stokes equations or computational fluid dynamics [CFD]
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F2113/00Details relating to the application field
    • G06F2113/08Fluids
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/14Force analysis or force optimisation, e.g. static or dynamic forces
    • YGENERAL 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
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02EREDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E10/00Energy generation through renewable energy sources
    • Y02E10/70Wind energy
    • Y02E10/72Wind 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)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Computational Mathematics (AREA)
  • Algebra (AREA)
  • Computing Systems (AREA)
  • Fluid Mechanics (AREA)
  • Mathematical Physics (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

一种综合气流因素下的海上风机的仿真方法及系统
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
Figure BDA0004087450310000021
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,
Figure BDA0004087450310000022
为第k次迭代i时刻的随机效应值,/>
Figure BDA0004087450310000023
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
Figure BDA0004087450310000031
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,
Figure BDA0004087450310000032
为第k次迭代i时刻的随机效应值,/>
Figure BDA0004087450310000033
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
Figure BDA0004087450310000061
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,
Figure BDA0004087450310000062
为第k次迭代i时刻的随机效应值,/>
Figure BDA0004087450310000063
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
Figure BDA0004087450310000064
的初始值。设ψ,σ2和/>
Figure BDA0004087450310000065
的取值为ψ(t),(σ(t))2和β(t),其中k=0,计算/>
Figure BDA0004087450310000066
Figure BDA0004087450310000067
式中,
Figure BDA0004087450310000068
ψ为σ2和/>
Figure BDA0004087450310000069
的取值,σ为组间方差,/>
Figure BDA00040874503100000610
为回归系数的预测值,/>
Figure BDA00040874503100000611
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,
Figure BDA00040874503100000612
为第t次迭代i时刻的随机效应值;
第二步,计算
Figure BDA00040874503100000613
Figure BDA00040874503100000614
利用下式计算
Figure BDA00040874503100000615
Figure BDA00040874503100000616
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:
Figure BDA00040874503100000617
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:
Figure BDA0004087450310000071
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,
Figure BDA0004087450310000072
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:
Figure BDA0004087450310000089
Figure BDA0004087450310000081
式中,
Figure BDA0004087450310000082
为i时刻平均速度分量,/>
Figure BDA0004087450310000083
为i时刻速度分量与j时刻速度分量乘积的平均值,/>
Figure BDA0004087450310000084
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,/>
Figure BDA0004087450310000085
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:
Figure BDA0004087450310000086
γi=cμρk2
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:
Figure BDA0004087450310000087
式中,
Figure BDA0004087450310000088
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:
Figure BDA0004087450310000091
动量方程:
Figure BDA0004087450310000092
能量方程:
Figure BDA0004087450310000093
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
Figure BDA0004087450310000111
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,
Figure BDA0004087450310000112
为第k次迭代i时刻的随机效应值,/>
Figure BDA0004087450310000113
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
Figure FDA0004087450280000011
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,
Figure FDA0004087450280000012
为第k次迭代i时刻的随机效应值,/>
Figure FDA0004087450280000013
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
Figure FDA0004087450280000021
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,
Figure FDA0004087450280000022
为第k次迭代i时刻的随机效应值,/>
Figure FDA0004087450280000023
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。
CN202310140868.0A 2023-02-15 2023-02-15 一种综合气流因素下的海上风机的仿真方法及系统 Pending CN116167220A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310140868.0A CN116167220A (zh) 2023-02-15 2023-02-15 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
CN202310140868.0A CN116167220A (zh) 2023-02-15 2023-02-15 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
CN116167220A true CN116167220A (zh) 2023-05-26

Family

ID=86411026

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310140868.0A Pending CN116167220A (zh) 2023-02-15 2023-02-15 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) CN116167220A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112682254A (zh) * 2020-12-21 2021-04-20 北京华能新锐控制技术有限公司 一种基于动态多模型预测控制器的风机有功功率跟踪方法
CN114417744A (zh) * 2021-12-13 2022-04-29 中国科学院深圳先进技术研究院 一种多旋翼垂直风能发电机空气动力学数值模拟方法
CN115632433A (zh) * 2022-10-19 2023-01-20 中国华能集团清洁能源技术研究院有限公司 风-机-场-网全景联合仿真系统及方法
CN116090191A (zh) * 2022-12-19 2023-05-09 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

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112682254A (zh) * 2020-12-21 2021-04-20 北京华能新锐控制技术有限公司 一种基于动态多模型预测控制器的风机有功功率跟踪方法
CN114417744A (zh) * 2021-12-13 2022-04-29 中国科学院深圳先进技术研究院 一种多旋翼垂直风能发电机空气动力学数值模拟方法
CN115632433A (zh) * 2022-10-19 2023-01-20 中国华能集团清洁能源技术研究院有限公司 风-机-场-网全景联合仿真系统及方法
CN116090191A (zh) * 2022-12-19 2023-05-09 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

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN116090191A (zh) 一种综合气流因素下的海上风机的仿真方法及系统
Yu et al. Predicting wind turbine blade loads and aeroelastic response using a coupled CFD–CSD method
Smith et al. CFD-based analysis of nonlinear aeroelastic behavior of high-aspect ratio wings
Khalid et al. Three-dimensional numerical simulation of a vertical axis tidal turbine using the two-way fluid structure interaction approach
Pesmajoglou et al. Prediction of aerodynamic forces on horizontal axis wind turbines in free yaw and turbulence
CN115422654A (zh) 基于cfd/csd技术的跨/超声速飞行器高效高精度颤振时域分析方法
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.
Gaheen et al. Fluid and structure analysis of wind turbine blade with winglet
CN116167220A (zh) 一种综合气流因素下的海上风机的仿真方法及系统
Digraskar Simulations of flow over wind turbines
Marten et al. Validation and comparison of a newly developed aeroelastic design code for VAWT
Díaz-Casás et al. Wind turbine design through evolutionary algorithms based on surrogate CFD methods
Lian et al. Aerostructural optimization of a transonic compressor rotor
Campobasso et al. Compressible Navier-Stokes analysis of floating wind turbine rotor aerodynamics
Wang et al. Validations of a local correlation-based transition model using an unstructured grid CFD solver
Girodroux-Lavigne et al. Comparison of static and dynamic fluid-structure interaction solutions in the case of a highly flexible modern transport aircraft wing
Liou et al. Flutter analysis for turbomachinery using Volterra series
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
Morsbach et al. Towards the application of Reynolds stress transport models to 3D turbomachinery flows
Bak Research in aeroelasticity EFP-2007
Lapa et al. Effects of blade torsion on IEA 15MW turbine rotor operation
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

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