【技術實現步驟摘要】
本專利技術涉及新能源風電，具體涉及一種基于lbm-les的風電場尾流預測方法。
技術介紹
1、風電場微軟選址，是一種通過精確分析風速、風向、地形等因素，優化風機布局以最大化風電場整體發電效率的技術。該技術通過在風資源豐富的地區建設測風塔，收集大量的氣象數據，如風速、風向、溫度、濕度等，再結合地形數據、地質條件等，對潛在的風電機組建設位置進行評估分析，進一步考慮電網接入條件、道路運輸條件等，最終確定最優的風電場微觀選址方案。
2、風電場微觀選址過程中，風電機組尾流及尾流干涉效應是必須要考慮的選址因素，尾流效應會造成風電機組后側風速降低，引起風電場內下游風電機組的輸出功率顯著下降；而尾流中的高強度湍流和風剪切，也會顯著增加機組疲勞載荷，降低機組服役壽命，機組間的尾流干涉則會進一步加強以上不利影響。研究表明，風電場中的尾流效應會導致風電場年平均發電量降低15%左右，極端情況下發電量損失可達30%。
3、為此，如何實現對大規模復雜工程場景下風電場尾流效應的高效準確預測，是風電開發亟需解決的關鍵技術問題。
4、而現有的風電場尾流效應預測技術，往往采用解析尾流模型，如jensen、frandsen模型，即詹森模型和弗蘭森模型，與預先計算的不含風力機的流場結果進行疊加，在模擬尾流效應方面精度較差，這會導致風電場微軟選址結果的準確性大幅下降；其次，在計算風電場流動狀態時，往往采用有限體積方法，該方法需要構建高質量的三維體網格，這在處理復雜地形時尤為困難，往往需要大量的時間和人工干預來優化網格質量。此外該方法計
技術實現思路
1、針對上述問題，本專利技術提供了一種基于lbm-les的風電場尾流預測方法，具體方案如下：
2、一種基于lbm-les的風電場尾流預測方法，包含如下步驟：
3、（1）獲取風資源、風電場地形數據，構建風電場計算域；
4、（2）施加邊界條件及材料參數：根據從步驟（1）中獲取的數據，對風電場計算域施加相應的邊界條件，并賦予材料參數；
5、（3）通過替換碰撞模型中有效粘度，在lbm中嵌入les大渦模擬模型，同時離散格子玻爾茲曼方程并求解；
6、（4）根據風電場內風機參數計算風力機的風輪氣動力，并采用高斯投影方法將氣動力映射為單元格上的體積力；
7、（5）計算風電場計算域內宏觀流場密度、速度，獲取風力機尾流速度分布信息。
8、獲取的風資源數據包括風速、風向、湍流速度等，同時通過風電場地形數據，構建風電場計算域；并且根據風資源數據以及風電場數據，對計算域施加相應的邊界條件，并賦予材料參數。風電場內風機參數至少包括風機陣列以及機型參數；根據獲取的數據計算風力機的風輪氣動力。
9、本技術方案通過求解離散格子玻爾茲曼方程，對風電場內的流動狀態進行數值模擬，并將流動信息，如風速、風向等，傳遞給風力機旋轉致動盤模型，同時，在lbm中耦合les大渦模擬模型；在此過程中實現風力機尾流效應的高效準確模擬，并對風電機組的功率及推力進行核算。
10、進一步地，步驟（3）中所述的在lbm中耦合les大渦模擬模型具體方法如下：
11、通過亞格子渦粘模型在lbm中耦合les大渦模擬模型，所述亞格子渦粘模型是通過在原有粘性系數上疊加考慮小尺度渦耗散的亞格子粘性系數，形成等價湍流粘性，以此替代原有粘性系數，進而改變碰撞模型；
12、?（1）
13、?式中，為原有粘性系數，單位為pa·s，為在基礎上疊加考慮小尺度渦耗散的亞格子粘性系數，單位為pa·s；為等價湍流粘性，單位為pa·s； c s為smagorinsky常數，即斯馬戈林斯基模型常數，取值范圍為0.1~0.2；為濾波器的過濾尺度，在lbm中取格子體積的立方根值，即，δ1,?δ2,?δ3為單元格不同方向長度，單位為m；由下式定義：
14、?（2）
15、（3）
16、?式中，為應變率張量的模，為應變率張量，單位是s-1； u i為宏觀流體速度，單位為m/s; i，j取值1,2,或?3，分別對應于x,y,z方向。
17、進一步地，步驟（3）離散格子玻爾茲曼方程體過程為：
18、對連續格子玻爾茲曼方程，即式（4）進行離散，得到離散形式的格子玻爾茲曼方程，即式（5）：
19、（4）
20、（5）
21、式中，表示 t時刻x位置處速度為 c i的微觀粒子數，也稱分布函數； t為時間，單位為s； c i為微觀粒子速度，單位為m/s； f i為風力機對流場的作用力，單位為n；▽為梯度算符；為碰撞算符，采用bhatnagar-gross-krook算符，即；式中，為離散速度空間的局部平衡態分布函數為所選離散速度模型中定義的權重系數；為流體密度，單位為kg/m3； u為宏觀流體速度，單位為m/s； c s為格子聲速，無量綱；△ t為時間步長，單位為s、為松弛時間，無量綱。
22、進一步地，步驟（3）中，采用松弛遷移的方法演化求解格子玻爾茲曼方程，獲得更新時間步之后的分布函數；具體步驟如下：首先進行碰撞求解步：
23、（6）
24、式中，為碰撞求解之后的分布函數；
25、再進行遷移演化求解步：
26、?（7）。
27、進一步地，步驟（4）中，計算風力機風輪氣動力的方法如下：
28、依據動量葉素理論，將葉片沿展向離散成n個葉素段，假設各葉素段沒有相互干擾，則可將每個葉素段視為二維翼型延展；進一步地，基于葉素段來流風速、翼型氣動參數，計算每個葉素段的氣動載荷，風輪徑向任一位置r處的葉素段氣動力表示為：
29、（8）
30、式中， f r為風輪徑向任一位置r處的葉素段氣動力，單位為n/m； dr為葉素長度，單位為m； 本文檔來自技高網...
【技術保護點】
1.一種基于LBM-LES的風電場尾流預測方法，其特征在于：包含如下步驟：
2.根據權利要求1所述的一種基于LBM-LES的風電場尾流預測方法，其特征在于：步驟（3）中所述的在LBM中耦合LES大渦模擬模型具體方法如下：
3.根據權利要求1所述的一種基于LBM-LES的風電場尾流預測方法，其特征在于：步驟（3）離散格子玻爾茲曼方程體過程為：
4.根據權利要求3所述的一種基于LBM-LES的風電場尾流預測方法，其特征在于：步驟（3）中，采用松弛遷移的方法演化求解格子玻爾茲曼方程，獲得更新時間步之后的分布函數；具體步驟如下：首先進行碰撞求解步：
5.根據權利要求4所述的一種基于LBM-LES的風電場尾流預測方法，其特征在于：步驟（4）中，計算風力機風輪氣動力的方法如下：
6.根據權利要求5所述的一種基于LBM-LES的風電場尾流預測方法，其特征在于：步驟（4）中，計算風力機對流場的體積力的方法如下：
7.根據權利要求6所述的一種基于LBM-LES的風電場尾流預測方法，其特征在于：步驟（5）中，速度和密度的求解如下
8.根據權利要求1所述的一種基于LBM-LES的風電場尾流預測方法，其特征在于：步驟（1）獲取風資源數據是通過根據風電場址當地的氣象資料或局部的中尺度氣象再分析資料，獲取風電場區域的風資源數據至少包含風速、風向。
9.根據權利要求1所述的一種基于LBM-LES的風電場尾流預測方法，其特征在于：步驟（1）中，構建風電場計算域的方法為：根據經緯度坐標確定待模擬風電場的位置并生成地形幾何模型，在此基礎上形成初始計算域，并采用LBM單元類型將風電場計算域離散為均勻的笛卡爾網格。
10.根據權利要求9所述的一種基于LBM-LES的風電場尾流預測方法，其特征在于：所述LBM單元類型為D3Q15、D3Q19以及D3Q27中的一種。
...【技術特征摘要】
1.一種基于lbm-les的風電場尾流預測方法，其特征在于：包含如下步驟：
2.根據權利要求1所述的一種基于lbm-les的風電場尾流預測方法，其特征在于：步驟（3）中所述的在lbm中耦合les大渦模擬模型具體方法如下：
3.根據權利要求1所述的一種基于lbm-les的風電場尾流預測方法，其特征在于：步驟（3）離散格子玻爾茲曼方程體過程為：
4.根據權利要求3所述的一種基于lbm-les的風電場尾流預測方法，其特征在于：步驟（3）中，采用松弛遷移的方法演化求解格子玻爾茲曼方程，獲得更新時間步之后的分布函數；具體步驟如下：首先進行碰撞求解步：
5.根據權利要求4所述的一種基于lbm-les的風電場尾流預測方法，其特征在于：步驟（4）中，計算風力機風輪氣動力的方法如下：
6.根據權利要求5所述的一種基于lbm-les的風電場尾流預測方法，其特征在于：步驟（4）中，...
【專利技術屬性】
技術研發人員：莊晨，劉謀斌，沈文豪，成名，
申請(專利權)人：北京大學南昌創新研究院，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。