風(fēng)電機組動態(tài)尾流頻域特性分析與建模
發(fā)布時間:2021-09-15 19:56
在大型風(fēng)電場中,機組間尾流效應(yīng)會增加下游機組疲勞載荷,對機組運行安全造成不良影響。通過大渦模擬,在給定風(fēng)況下開展測試,獲取1臺風(fēng)電機組的動態(tài)尾流。利用數(shù)據(jù)驅(qū)動的動態(tài)模態(tài)分解方法,構(gòu)建動態(tài)尾流的線性降維模型,通過2種定量化指標(biāo),驗證了這種線性降維近似方法的有效性,并探索了模型階次與模型適配度的相關(guān)性。在此基礎(chǔ)上,通過對主要動態(tài)模態(tài)的頻域特性分析和可視化分解,明確了風(fēng)電機組動態(tài)尾流的主要低阻尼模態(tài)。結(jié)合傅里葉變換方法,研究了尾流區(qū)域中近尾流區(qū)與遠尾流區(qū)的頻域特性差異。研究結(jié)果表明,動態(tài)模態(tài)分解作為兼具系統(tǒng)辨識與頻域分析的方法在風(fēng)電機組動態(tài)尾流的建模中可以取得較高的建模精度,在時域與頻域角度均有較好的適應(yīng)度。
【文章來源】:智慧電力. 2020,48(07)北大核心
【文章頁數(shù)】:8 頁
【部分圖文】:
N-RMSE指標(biāo)
圖3 N-RMSE指標(biāo)從圖3和圖4中可以看出,隨著模型階次的提高,模型精度也在逐漸提高,由模型計算得到的流場逼近真實流場。雖然數(shù)值上來看N-RMSE的指標(biāo)在100階模型時僅略高于90%(90.598 8%),這是由于在指標(biāo)計算時,僅考慮了流場數(shù)據(jù)的動態(tài)部分,并未把穩(wěn)態(tài)流場計算在內(nèi)。當(dāng)考慮穩(wěn)態(tài)流場來計算N-RMSE時,100階模型的N-RMSE指標(biāo)為99.856 2%。另一方面,除風(fēng)電機組尾流區(qū)域內(nèi)的流場存在典型的動態(tài)特性以外,尾流區(qū)域外的流場不存在典型的動態(tài)特征,但在定量化指標(biāo)計算時均被考慮在內(nèi)。由于動態(tài)特征不明顯,其對N-RMSE指標(biāo)的影響不顯著,但對VAF指標(biāo)的影響較為明顯,尾流區(qū)域外測量點的VAF值一般較低或者為零,這一定程度上拉低了全局VAF指標(biāo)的數(shù)值。盡管如此,隨模型階次增加,N-RMSE和VAF指標(biāo)的提高都很顯著?紤]到較高階次的模型對計算量的需求較大,且當(dāng)r取值為100時,已取得很高的建模精度。在本文的后續(xù)分析中,DMD動態(tài)流場模型均為100階模型。
以模態(tài)1,2,3為例,其在輪轂高度的速度分布如圖5—圖7。因不同模態(tài)的速度存在差異,在繪制時雖選擇了相同的顏色軸,但其范圍不完全相同。圖6 模態(tài)2速度分布
【參考文獻】:
期刊論文
[1]基于SCADA系統(tǒng)的風(fēng)電機組主軸承故障預(yù)警方法[J]. 向健平,凌永志,詹俊,李鵬輝. 電力科學(xué)與技術(shù)學(xué)報. 2019(03)
[2]風(fēng)電直流微網(wǎng)的短路故障與保護策略研究[J]. 李國軍,曹瀚元. 電子設(shè)計工程. 2019(17)
[3]安全是技術(shù)——技術(shù)進步是保障電力安全的前提與基礎(chǔ)[J]. 童光毅,曹虹,王偉. 智慧電力. 2019(08)
[4]雙饋風(fēng)電機組的整體協(xié)調(diào)減振策略[J]. 劉皓明,趙敏,張占奎,李琰,任秋業(yè). 廣東電力. 2019(01)
[5]利用激光雷達探測風(fēng)電機組尾流對風(fēng)電場的影響[J]. 劉沙,井苗苗,全文賢. 風(fēng)能. 2019(02)
[6]大型風(fēng)電機組塔筒應(yīng)力監(jiān)測點的選取與預(yù)警[J]. 尹少平,馮沫,王靈梅,郭躍年. 電網(wǎng)與清潔能源. 2018(10)
[7]動力學(xué)模態(tài)分解及其在流體力學(xué)中的應(yīng)用[J]. 寇家慶,張偉偉. 空氣動力學(xué)學(xué)報. 2018(02)
[8]基于RTDS小步長算法的并網(wǎng)雙饋風(fēng)力發(fā)電系統(tǒng)故障仿真研究[J]. 胡林靜,李培培,于士航,趙洋,仝傲宇,劉凱,楊明文. 電網(wǎng)與清潔能源. 2018(03)
[9]動力學(xué)模態(tài)分解和本征正交分解對圓柱繞流穩(wěn)定性的分析[J]. 葉坤,武潔,葉正寅,屈展. 西北工業(yè)大學(xué)學(xué)報. 2017(04)
[10]基于改進致動盤和拓展k-ε湍流模型的風(fēng)力機尾流數(shù)值研究[J]. 許昌,韓星星,王欣,劉德有,鄭源,SHEN Wenzhong,張明明. 中國電機工程學(xué)報. 2015(08)
碩士論文
[1]水平軸風(fēng)力機尾流特性及其對結(jié)構(gòu)動力響應(yīng)影響分析研究[D]. 欒雪濤.蘭州理工大學(xué) 2019
本文編號:3396707
【文章來源】:智慧電力. 2020,48(07)北大核心
【文章頁數(shù)】:8 頁
【部分圖文】:
N-RMSE指標(biāo)
圖3 N-RMSE指標(biāo)從圖3和圖4中可以看出,隨著模型階次的提高,模型精度也在逐漸提高,由模型計算得到的流場逼近真實流場。雖然數(shù)值上來看N-RMSE的指標(biāo)在100階模型時僅略高于90%(90.598 8%),這是由于在指標(biāo)計算時,僅考慮了流場數(shù)據(jù)的動態(tài)部分,并未把穩(wěn)態(tài)流場計算在內(nèi)。當(dāng)考慮穩(wěn)態(tài)流場來計算N-RMSE時,100階模型的N-RMSE指標(biāo)為99.856 2%。另一方面,除風(fēng)電機組尾流區(qū)域內(nèi)的流場存在典型的動態(tài)特性以外,尾流區(qū)域外的流場不存在典型的動態(tài)特征,但在定量化指標(biāo)計算時均被考慮在內(nèi)。由于動態(tài)特征不明顯,其對N-RMSE指標(biāo)的影響不顯著,但對VAF指標(biāo)的影響較為明顯,尾流區(qū)域外測量點的VAF值一般較低或者為零,這一定程度上拉低了全局VAF指標(biāo)的數(shù)值。盡管如此,隨模型階次增加,N-RMSE和VAF指標(biāo)的提高都很顯著?紤]到較高階次的模型對計算量的需求較大,且當(dāng)r取值為100時,已取得很高的建模精度。在本文的后續(xù)分析中,DMD動態(tài)流場模型均為100階模型。
以模態(tài)1,2,3為例,其在輪轂高度的速度分布如圖5—圖7。因不同模態(tài)的速度存在差異,在繪制時雖選擇了相同的顏色軸,但其范圍不完全相同。圖6 模態(tài)2速度分布
【參考文獻】:
期刊論文
[1]基于SCADA系統(tǒng)的風(fēng)電機組主軸承故障預(yù)警方法[J]. 向健平,凌永志,詹俊,李鵬輝. 電力科學(xué)與技術(shù)學(xué)報. 2019(03)
[2]風(fēng)電直流微網(wǎng)的短路故障與保護策略研究[J]. 李國軍,曹瀚元. 電子設(shè)計工程. 2019(17)
[3]安全是技術(shù)——技術(shù)進步是保障電力安全的前提與基礎(chǔ)[J]. 童光毅,曹虹,王偉. 智慧電力. 2019(08)
[4]雙饋風(fēng)電機組的整體協(xié)調(diào)減振策略[J]. 劉皓明,趙敏,張占奎,李琰,任秋業(yè). 廣東電力. 2019(01)
[5]利用激光雷達探測風(fēng)電機組尾流對風(fēng)電場的影響[J]. 劉沙,井苗苗,全文賢. 風(fēng)能. 2019(02)
[6]大型風(fēng)電機組塔筒應(yīng)力監(jiān)測點的選取與預(yù)警[J]. 尹少平,馮沫,王靈梅,郭躍年. 電網(wǎng)與清潔能源. 2018(10)
[7]動力學(xué)模態(tài)分解及其在流體力學(xué)中的應(yīng)用[J]. 寇家慶,張偉偉. 空氣動力學(xué)學(xué)報. 2018(02)
[8]基于RTDS小步長算法的并網(wǎng)雙饋風(fēng)力發(fā)電系統(tǒng)故障仿真研究[J]. 胡林靜,李培培,于士航,趙洋,仝傲宇,劉凱,楊明文. 電網(wǎng)與清潔能源. 2018(03)
[9]動力學(xué)模態(tài)分解和本征正交分解對圓柱繞流穩(wěn)定性的分析[J]. 葉坤,武潔,葉正寅,屈展. 西北工業(yè)大學(xué)學(xué)報. 2017(04)
[10]基于改進致動盤和拓展k-ε湍流模型的風(fēng)力機尾流數(shù)值研究[J]. 許昌,韓星星,王欣,劉德有,鄭源,SHEN Wenzhong,張明明. 中國電機工程學(xué)報. 2015(08)
碩士論文
[1]水平軸風(fēng)力機尾流特性及其對結(jié)構(gòu)動力響應(yīng)影響分析研究[D]. 欒雪濤.蘭州理工大學(xué) 2019
本文編號:3396707
本文鏈接:http://sikaile.net/kejilunwen/dianlilw/3396707.html
最近更新
教材專著