[发明专利]一种大型风力机尾缘襟翼结构参数寻优及多目标襟翼优化控制方法有效
申请号: | 201710623573.3 | 申请日: | 2017-07-27 |
公开(公告)号: | CN107559143B | 公开(公告)日: | 2019-08-27 |
发明(设计)人: | 张文广;白雪剑;王奕枫;刘吉臻;曾德良;牛玉广;房方;杨婷婷;胡勇 | 申请(专利权)人: | 华北电力大学 |
主分类号: | F03D7/02 | 分类号: | F03D7/02;F03D7/04;F03D17/00;G06F17/50 |
代理公司: | 北京众合诚成知识产权代理有限公司 11246 | 代理人: | 张文宝 |
地址: | 102206 *** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 尾缘襟翼 结构参数 寻优 多目标 风力机 襟翼 大型风力机 优化控制 叶片 输出功率波动 优化控制目标 优化控制问题 多目标优化 功率损失 使用寿命 有效解决 并网 正交 电网 | ||
本发明涉及一种大型风力机尾缘襟翼结构参数寻优及多目标襟翼优化控制方法。以降低叶片不利载荷和减少功率损失为目标,通过两次正交实验,对尾缘襟翼的结构参数进行寻优,克服了水平数多而导致实验次数过多的问题。以降低叶片不利载荷和平滑风力机输出功率波动为优化控制目标,对尾缘襟翼进行多目标优化控制。本发明有效解决了尾缘襟翼结构参数寻优及多目标襟翼优化控制问题,可以延长风力机使用寿命,减少风力机并网对电网的冲击,在工程上具有较高的实用价值。
技术领域
本发明属于风力发电技术领域,特别涉及一种大型风力机尾缘襟翼结构参数寻优及多目标襟翼优化控制方法。
背景技术
近年来,风能以其环保、低碳、安全性高的优势,受到越来越多的关注,在世界各国发展极为迅速。大型风力机以及风电场并网发电已经成为风能应用的主要形式。随着风力发电的不断发展,风力机的叶片尺寸随着额定功率的增大而不断增大。而大的叶片尺寸在带来更多能效转换的同时,又会造成叶片疲劳载荷以及极限载荷的增大,从而减少风力机的使用寿命。
在解决这一问题上,传统的变桨控制已经不能有效地应对,新的“智能”叶片的设计势在必行。其中,尾缘襟翼技术通过改变翼型形状来改变叶片气动性能,具有响应快速,调节能力强等特点,被认为是目前最为可行的主动降载智能叶片技术。
然而,尾缘襟翼在减小叶片不利载荷的同时,也会在一定程度上减小风力机的功率输出,因此,使用最优的尾缘襟翼的结构参数,才能在最大程度减小叶片不利载荷的同时减小风力机的功率损失。此外,如果不能合理地控制尾缘襟翼,那么尾缘襟翼在降低叶片载荷和平滑功率波动的作用也无从体现。
本发明提出了一种大型风力机尾缘襟翼结构参数寻优方法,使用两次正交实验的方法,对襟翼位置、长度、占弦比和摆角范围这四种参数进行寻优,克服了水平数多导致的实验次数过多的问题;此外,本发明提出的多目标襟翼优化控制方法,在降低叶片不利载荷的同时,也平滑了风力机输出功率的波动,解决了多尾缘襟翼的多目标控制问题;本发明提出的大型风力机尾缘襟翼结构参数寻优及多目标襟翼优化控制方法,因其简单易操作的特点,在工程上具有较高的实用价值。
发明内容
一方面,本发明提出一种大型风力机尾缘襟翼结构参数寻优方法,包括以下步骤:
步骤1:获取尾缘襟翼的结构参数,包括尾缘襟翼的长度lf,摆角范围β,占弦比cf以及位置pf,并确定上述结构参数的寻优范围;
步骤2:确定寻优实验指标:所述寻优实验指标,是在寻优目标的基础上确定的,所述寻优目标包括寻优目标1和寻优目标2,寻优目标1为降低叶片不利载荷,寻优目标2为减少功率损失;其中,反映寻优目标1的寻优实验指标为:叶根弯矩平均值变化率P1(k),叶根弯矩标准偏差变化率P2(k),叶尖偏移量平均值变化率P3(k),叶尖偏移量标准偏差变化率P4(k);反映寻优目标2的寻优实验指标为:高速轴功率平均值变化率Q1(k),高速轴功率标准偏差变化率Q2(k);
所述寻优实验指标计算公式为:
其中,PWF是有襟翼时额定风况下风力机稳定运行参数值,PNF是无襟翼时额定风况下风力机稳定运行参数值,下标i和j代表对应参数的下标,k表示第k次寻优实验;
步骤3:在尾缘襟翼结构参数的寻优范围内,均匀选取第一正交实验尾缘襟翼结构参数因子水平值,设计第一正交实验表;
步骤4:根据所述第一正交实验表进行大型风力机额定风况下的动态性能实验,获取第一正交实验结果;
步骤5:根据第一正交实验结果进行综合评分指标分析,评分最高组合即为第一正交实验的最优组合;
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于华北电力大学,未经华北电力大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201710623573.3/2.html,转载请声明来源钻瓜专利网。