本发明属于水平轴风力机技术领域,尤其涉及一种风力机性能预测控制方法及装置。
背景技术:
风轮工作环境极为恶劣,常年在复杂多变、不可预测的自然风的环境下工作,风力机工作时不仅需要应对由大气湍流、风剪切、塔架影响以及极端风况等外部因素引起的各种不稳定入流,更需要应对偏航、变工况、柔性叶片的气弹形变以及由刚-柔混合特性的风力机多体系统引入的气动-结构耦合特性对风轮流场的影响。而风力机直径大型化的趋势也进一步加剧风轮扫掠面上风速的不均匀性。
目前在风力机控制领域主要采用基于pid(proportionalintegralderivative,比例,微分,积分)控制策略的经典控制回路方法。通过pid的方式控制叶片桨距角或者风轮转速。即如果当前时刻功率或载荷变大,则调整风轮转速或叶片桨距角使得下一步功率或载荷减小。
这类方法相当于一种滞后控制方法,不能考虑到下一时间步进风速变化对风力机状态的影响,而来流风速对风力机性能的影响最大。
技术实现要素:
本发明的技术目的是提供一种风力机性能预测控制方法及装置,可预测下一时刻风力机的性能参数,为风力机寻求合适的风轮转速和叶片桨距角,保证风力机在最优的状态下工作。
为解决上述问题,本发明的技术方案为:
一种风力机性能预测控制方法,包括:
s1:建立风力机数学模型,包括叶片模型、机舱模型及塔架模型,所述建立风力机数学模型用于计算所述风力机气动性能;
s2:建立基于时间步进的风力机气动性能预测模型,根据所述风力机各运行参数及所述风力机前一时刻的气动性能参数,获得所述风力机当前时刻的气动性能参数;所述运行参数包括风轮转速ω,各叶片桨距角
s3:基于lidar测风系统获得距风轮前方预设距离h的垂直平面上的风速矢量
s4:以所述风轮扫掠面上的风速
根据本发明一实施例,所述s1包括:
建立叶片几何参数模型,包括叶片弦长、扭角及翼型展向分布;
根据所述风力机的结构建立风力机运动学坐标系,用于获得所述叶片的位置;
建立所述风力机的塔架塔影效应模型。
根据本发明一实施例,所述s2包括:
根据计算流体力学理论,建立基于多体运动学坐标系的可时间步进的风力机气动性能预测模型,输入所述风力机的叶片的几何参数及所述风力机的运行参数,完成对所述风力机气动性能预测模型的设定。
根据本发明一实施例,所述s3包括:
采用lidar激光雷达测风技术实时测量平行于所述风力机扫掠面且距所述扫掠面不同距离的各平面的风速及风向,计算各平面上的平均风速
基于势流理论,采用半无穷长偶极子模型建立所述风力机塔架对周围塔影效应的物理模型;
根据平均风速
根据本发明一实施例,所述s4包括:
采用lidar激光雷达测风系统以及来流风发展模型,获得下一时间步进风轮扫略面上叶片的来流风速;
采用所述风力机气动性能预测模型,根据下一时间步进的来流风速以及当前时间步进的风力机性能参数,通过可迭代的优化算法寻找下一时间步进最优的风力机风轮转速或叶片桨距角。
一种风力机性能预测控制装置,包括:
第一计算单元:用于建立风力机数学模型,包括叶片模型、机舱模型及塔架模型,所述建立风力机数学模型用于计算所述风力机气动性能;
第二计算单元:用于建立基于时间步进的风力机气动性能预测模型,根据所述风力机各运行参数及所述风力机前一时刻的气动性能参数,获得所述风力机当前时刻的气动性能参数;所述运行参数包括风轮转速ω,各叶片桨距角
第三计算单元:用于基于lidar测风系统获得距风轮前方预设距离h的垂直平面上的风速矢量
第四计算单元:用于以所述风轮扫掠面上的风速
根据本发明一实施例,所述第一计算单元进一步用于:
建立叶片几何参数模型,包括叶片弦长、扭角及翼型展向分布;
根据所述风力机的结构建立风力机运动学坐标系,所述风力机运动学坐标系用于获得所述叶片的位置;
建立所述风力机的塔架塔影效应模型。
根据本发明一实施例,所述第二计算单元进一步用于:
根据计算流体力学理论,建立基于多体运动学坐标系的可时间步进的风力机气动性能预测模型,输入所述风力机的叶片的几何参数及所述风力机的运行参数,完成对所述风力机气动性能预测模型的设定。
根据本发明一实施例,所述第三计算单元进一步用于:
采用lidar激光雷达测风技术实时测量平行于所述风力机扫掠面且距所述扫掠面不同距离的各平面的风速及风向,计算各平面上的平均风速
基于势流理论,采用半无穷长偶极子模型建立所述风力机塔架对周围塔影效应的物理模型;
根据平均风速
根据本发明一实施例,所述第四计算单元进一步用于:
采用lidar激光雷达测风系统以及来流风发展模型,获得下一时间步进风轮扫略面上叶片的来流风速;
采用所述风力机气动性能预测模型,根据下一时间步进的来流风速以及当前时间步进的风力机性能参数,通过可迭代的优化算法寻找下一时间步进最优的风力机风轮转速或叶片桨距角。
本发明由于采用以上技术方案,使其与现有技术相比具有以下的优点和积极效果:
本发明一实施例中的风力机性能预测控制方法,基于lidar测风系统获得距风轮前方预设距离h的垂直平面上的风速矢量
附图说明
图1为本发明一实施例中的风力机性能预测控制方法的框图;
图2为本发明一实施例中的风力机叶片几何参数示意图;
图3为本发明一实施例中的风力机多体运动坐标系示意图;
图4为本发明一实施例中的风力机塔影效应模型示意图;
图5为本发明一实施例中的风力机塔影效应诱导速度影响示意图;
图6为本发明一实施例中的带自由尾迹的升力面法示意图;
图7为本发明一实施例中的带自由尾迹的涡系结构示意图;
图8为本发明一实施例中的基于气动模型预测的控制系统示意图;
图9为本发明一实施例中的气动模型预测控制流程图;
图10为本发明一实施例中的风力机性能预测控制装置的框图。
附图标记说明:
1:附着涡;2:网格;3:自由涡;4:控制点;5:射线;6:叶片上自由涡;7:脱落涡;8:尾迹自由涡;9:叶尖涡。
具体实施方式
以下结合附图和具体实施例对本发明提出的一种风力机性能预测控制方法及装置作进一步详细说明。根据下面说明和权利要求书,本发明的优点和特征将更清楚。
实施例一
如图1所示,本发明提供的风力机性能预测控制方法,包括:s1:建立风力机数学模型,包括叶片模型、机舱模型及塔架模型,所述建立风力机数学模型用于计算风力机气动性能;
s2:建立基于时间步进的风力机气动性能预测模型,根据风力机各运行参数及风力机前一时刻的气动性能参数,获得风力机当前时刻的气动性能参数;该运行参数包括风轮转速ω,各叶片桨距角
s3:基于lidar测风系统获得距风轮前方预设距离h的垂直平面上的风速矢量
s4:以风轮扫掠面上的风速
具体的,步骤s1对叶片的几何参数化建模,具体过程为:
以影响叶片气动性能的关键参数:风轮半径r,叶片弦长展向分布c、扭角展向分布θtws以及翼型展向分布定义叶片的几何外形,如图2所示。
以影响风力机气动性能的关键参数:风轮倾角θtilt,风轮锥角θcone,风轮扫掠面距塔架中心距离lsweep,风轮中心距地面高速lsweep,塔架半径沿半径高度分布rtower(y)定义风轮机几何外形。
以风力机运行时部件间的运动关系定义风轮机多体运动坐标系关系:大地坐标系e,塔底坐标系1,塔顶坐标系2,机舱坐标系,轮毂坐标系及叶片坐标系,如图3所示。
风力机由塔架、电机、变速箱、高低速轴、轮毂、叶片等部件连接的多体结构,各个部件均可能为柔性部件,在风力机运行过程中各个部件的运动都会对叶片产生相应的牵连速度,影响叶片和来流风速的相对速度。因此必须理清各部件相对坐标系的关系,获得风力机叶片在各部件运动过程中所引起的叶片上的牵连速度,才能真实获得叶片相对来流的相对速度,保证风力机气动性能预测模型的准确性。
基于塔架坐标系示意图4,将塔架简化为半无穷长线偶极子,其对周围速度势函数表示为:
式中,φ为半无穷长线偶极子速度势,v∞为来流风速,
塔架对周围区域的诱导速度为速度势的梯度:
式中,
将来流速度v∞和塔架效应诱导速度
步骤s2中采用带自由尾迹的升力面法作为风力机气动性能的计算方法,具体为将整个计算域分为叶片部分,近场尾迹部分及远场尾迹三部分。
如图6所示,叶片部分模型为在叶片升力面上划分网格2,在网格2弦向的1/4上布置沿叶片展向分布的附着涡1表示叶片上的升力分布,在附着涡1两端沿叶片弦向方向上向下游脱出两根涡线称之为叶片上自由涡3,表示叶片上环量沿叶片展向的变化,在网格2前缘的3/4弦向和叶片展向中心位置处布置控制点4,如果叶片不旋转(如飞机机翼),则从叶片尾缘脱出的为沿y轴方向的射线5,每条射线5都由多个马蹄涡中的自由尾迹组成。
自由涡3分为三部分:叶片上自由涡6,近场尾迹自由涡8和之后自由涡卷起生成的叶尖涡9,同时叶片近场尾迹自由涡8还布置沿叶片展向方向的脱落涡7,表示叶片经历非定常工况时叶片上环量在时间上的变化,如图7所示。
叶片上环量分布通过满足当地速度在叶片控制点上边界条件求解得到,
式中,φ为控制点上速度势,
涡线对控制点的诱导速度通过biot-savart(毕奥-萨伐尔)定理计算得到:
式中,
步骤s3中获得风轮扫掠面上风速信息的步骤如下:
采用lidar激光雷达测风技术实时测量距风轮扫掠面zj=1.5d、1d、0.7d、0.4d、0.2d和0.15d(j=1,2…5)的垂直平面上的风速矢量
式中,z为测量面距风轮扫掠面水平距离,μ为中心值,σ为方差。μ取0.4d,σ取40。
其中,lidar激光雷达测风技术为采用激光测风雷达测量三维风场的技术,其工作原理是利用激光收发系统对空气中的粒子散射回波信息进行采集,再通过分析计算这些测量数据,直接得到高分辨率、高精度的实时三维风场数据。
风轮扫掠面上的风速参数按照上述一维正态函数做加权确定,以平均风速为例:
式中,下标j+1表示风轮扫掠面上的风速参数。
根据风轮扫掠面上的风速参数反求风轮扫掠面上的基本风速
则风速
步骤s4中,风力机气动性能预测模型的优化控制系统具体为:
基于步骤s1及s2建立的风力机气动性能预测模型及其内部可迭代的在线反复优化算法,建立模型预测优化控制系统。如图8所示,首先通过lidar测风系统以及来流风发展模型,获得下一时间步进风轮扫略面上叶片的来流风速。通过风力机气动模型,根据下一时间步进的来流风速以及当前时间步进的风力机状态,通过可迭代的优化算法寻找下一时间步进最优的风力机转速或叶片桨距角(即风力机控制对象)。需要注意的是风力机当前性能会受到之前风力机状态的影响,另一方面风力机的气动模型与真实结果仍会有误差,因此需要通过当前时间步进的风力机性能对风力机气动模型进行适当的调整(即为风力机性能反馈)。
基于时间步进气动性能预测模型的风力机模型预测控制优化方法具体实施方法为:
以风轮扫掠面上的风速
在获得下一时间步进的来流风速
实施例二
如图10所示,本发明还提供了一种实现上述实施例一中的风力机性能预测控制方法的风力机性能预测控制装置,该控制装置包括:
第一计算单元:用于建立风力机数学模型,包括叶片模型、机舱模型及塔架模型,建立风力机数学模型用于计算所述风力机气动性能;
第二计算单元:用于建立基于时间步进的风力机气动性能预测模型,根据风力机各运行参数及风力机前一时刻的气动性能参数,获得风力机当前时刻的气动性能参数;运行参数包括风轮转速ω,各叶片桨距角
第三计算单元:用于基于lidar测风系统获得距风轮前方预设距离h的垂直平面上的风速矢量
第四计算单元:用于以风轮扫掠面上的风速
具体的,第一计算单元进一步用于:建立叶片几何参数模型,包括叶片弦长、扭角及翼型展向分布;根据风力机的结构建立风力机运动学坐标系,风力机运动学坐标系用于获得叶片的位置;建立风力机的塔架塔影效应模型。
第二计算单元进一步用于:根据计算流体力学理论,建立基于多体运动学坐标系的可时间步进的风力机气动性能预测模型,输入风力机的叶片的几何参数及风力机的运行参数,完成对风力机气动性能预测模型的设定。
第三计算单元进一步用于:采用lidar激光雷达测风技术实时测量平行于所述风力机扫掠面且距扫掠面不同距离的各平面的风速及风向,计算各平面上的平均风速
根据平均风速
第四计算单元进一步用于:采用lidar激光雷达测风系统以及来流风发展模型,获得下一时间步进风轮扫略面上叶片的来流风速;
采用风力机气动性能预测模型,根据下一时间步进的来流风速以及当前时间步进的风力机性能参数,通过可迭代的优化算法寻找下一时间步进最优的风力机风轮转速或叶片桨距角。
该控制装置可预测下一时刻风力机的性能参数,为风力机寻求合适的风轮转速和叶片桨距角,保证风力机在最优的状态下工作。
综上,本发明提供的风力机性能预测控制方法及装置,基于lidar测风系统获得距风轮前方预设距离h的垂直平面上的风速矢量
上面结合附图对本发明的实施方式作了详细说明,但是本发明并不限于上述实施方式。即使对本发明作出各种变化,倘若这些变化属于本发明权利要求及其等同技术的范围之内,则仍落入在本发明的保护范围之中。