基于实测数据的智能化尾流模型研究-王明伟.pdf

1、1 1汇报人汇报人：王明伟：王明伟基于实测数据的智能化尾流模型研究时间：时间：2024/8/17绿色低碳能源创新技术研究所INSTITUTE OF GREEN-LOW CARBON ENERGYINNOVATIVE TECHNOLOGY指导教师指导教师：张明明教授：张明明教授哈尔滨工业大学（深圳）哈尔滨工业大学（深圳）目录：目录：1、研究背景2、智能化单高斯尾流模型研究3、智能化双高斯尾流模型研究4、结论23风电场尾流造成的影响：(1)来流风速的降低(2)发电量的减少,收益减少(3)湍流强度增加(4)机组载荷增加,寿命降低(5)风电场建设运行的关键技术问题减少风电场内尾流影响的措施一运行期间减

2、少风电场内尾流影响的措施一运行期间-协同控制协同控制减少风电场内尾流影响的措施一建设前期减少风电场内尾流影响的措施一建设前期-布局优化布局优化经过布局优化后的风电场在实际运行过程中仍会存在尾流影响基于整场优化的协同控制策略有进一步降低其尾流效应的潜力研究研究背景背景4研究研究背景背景5不同速度分布假设形成不同模型族不同速度分布假设形成不同模型族(Agle，2014，Gaussian)Gaussian模型发展过程中借鉴了kw与TI存在比例关系的结论上述参数确定方式可以与某些模拟或者风洞实验的结果相匹配但在实际风电场验证中误差最大可达到20%以上(Archer，2018)模型参数确定方式模型参数确

3、定方式研究研究背景背景(Soesanto，2022，Double-Gaussian)(Niayifar,2016,LES)(Fuertes,2018,Lidar)(Cheng,2019,LES)(Keane,2021,Lidar)Double-Gaussian模型发展过程中通过调整标准差达到较高精度(Soesanto,2022,LES)(Zengler,2024,LES)6现有尾流模型在现有尾流模型在实际风电场中精度不高的原因分析实际风电场中精度不高的原因分析&研究目标研究目标 关于模型参数的确定上存在大量简化，相当一部分可能对尾流扩散产生影响的边界层特性被忽略如:风速(Byon，2018)、

4、大气稳定度&地表粗糙度(Cheng，2019)、风向(Howland，2019)等 采用CFD模拟或是实验数据对上述关系进行拟合的方法并不具备普适价值如:(Tuhfe，2019)&(Teng，2020)提出利用SCADA数据优化尾流模型参数，得到风电场专属尾流扩散率(方法普适，但一旦得到优化后的参数长期无法改变)理想的解析尾流模型:a)考虑多种大气特性;b)与实时变化的来流条件相适应;c)在不同场景下都具有一定精度 现场实测 解析(工程)尾流模型 数据驱动方法研究研究背景背景目录：目录：1、研究背景2、智能化单高斯尾流模型研究3、智能化双高斯尾流模型研究4、结论78基础高斯尾流模型基础高斯尾流

5、模型基础解析基础解析模型模型-MOST高斯尾流模型高斯尾流模型高斯函数的速度分布:动量守恒:wwd=122=()222尾流速度:高斯函数的标准差可由下式获得:=+=1.91+0.34稳定性函数:()=4.7 00=02ln1+2+ln1+22 tan1()+2 0=其中,轮毂高度处三个方向的环境湍流强度:=2.541 0.22cos2hvuzIIh41 0.45cos2hwuzIIh边界层高度:)=12sin(=v+模型中需要确定的关键参数:偏航修正：由偏航方向动量守恒可推尾流偏转:大气稳定性影响摩擦速度:=ln0 表面摩擦速度影响科里奥利力影响展向湍流强度影响偏航影响高斯尾流模型（，）9风电

6、场风电场SCADA数据数据风电场基本信息与数据风电场基本信息与数据 Penmanshiel 风电场位于英国，包含14台Senvion MM82/59 风机，SCADA可公开获得 风电场常年盛行西南风，可在该特定方向上选择存在尾流效应的机组进行分析10智能化单高斯尾流模型构建框架智能化单高斯尾流模型构建框架智能化单高斯尾流模型构建智能化单高斯尾流模型构建框架框架框架流程框架流程 尾流模型计算：尾流模型计算：对风电场SCADA数据进行预处理，预处理后将相关参数代入基础尾流模型进行计算，得到特定位置的理论计算风速；最佳尾流特征提取：最佳尾流特征提取：从风电场S