CN111985104A - 风力发电机等效疲劳载荷的估算方法及装置及计算机可读存储介质 - Google Patents
风力发电机等效疲劳载荷的估算方法及装置及计算机可读存储介质 Download PDFInfo
- Publication number
- CN111985104A CN111985104A CN202010843739.4A CN202010843739A CN111985104A CN 111985104 A CN111985104 A CN 111985104A CN 202010843739 A CN202010843739 A CN 202010843739A CN 111985104 A CN111985104 A CN 111985104A
- Authority
- CN
- China
- Prior art keywords
- equivalent fatigue
- bending moment
- driven generator
- wind driven
- fatigue bending
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 123
- 238000005452 bending Methods 0.000 claims abstract description 301
- 238000004088 simulation Methods 0.000 claims description 52
- 238000012937 correction Methods 0.000 claims description 38
- 238000012360 testing method Methods 0.000 claims description 12
- 230000005484 gravity Effects 0.000 claims description 9
- 239000000463 material Substances 0.000 claims description 8
- 238000010586 diagram Methods 0.000 description 21
- 230000006870 function Effects 0.000 description 18
- 238000013461 design Methods 0.000 description 13
- 238000004364 calculation method Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 8
- 230000008859 change Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 238000010248 power generation Methods 0.000 description 3
- 238000012938 design process Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000000737 periodic effect Effects 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 238000004804 winding Methods 0.000 description 2
- 241000282414 Homo sapiens Species 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 239000003245 coal Substances 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 239000003208 petroleum Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/06—Wind turbines or wind farms
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/04—Ageing analysis or optimisation against ageing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Wind Motors (AREA)
Abstract
本发明实施例提供一种风力发电机等效疲劳载荷的估算方法及装置及计算机可读存储介质。该估算方法包括:以已知风力发电机作为基准风力发电机,获取基准风力发电机用来表征等效疲劳载荷的基准等效疲劳弯矩;以及基于待测风力发电机等效疲劳载荷的影响因素来修正基准风力发电机的基准等效疲劳弯矩,以预测待测风力发电机用来表征等效疲劳载荷的等效疲劳弯矩,从而可以快速、较为准确地估算出风力发电机的等效疲劳载荷。
Description
技术领域
本发明实施例涉及风电技术领域,尤其涉及一种风力发电机等效疲劳载荷的估算方法及装置及计算机可读存储介质。
背景技术
随着煤炭、石油等能源的逐渐枯竭,人类越来越重视可再生能源的利用。风能作为一种清洁的可再生能源越来越受到世界各国的重视。对于缺水、缺燃料和交通不便的沿海岛屿、草原牧区、山区和高原地带,因地制宜地利用风力发电,非常适合,大有可为。风力发电是指利用风力发电机把风的动能转换为电能。
风力发电机的疲劳载荷对于风力发电机设计十分重要。风力发电机的运行状态随着不断变化的环境条件而改变。风力发电机为细长结构,由于自身的周期性运转和不断变化的外部载荷作用,风力发电机通常会产生周期性的振动,引起结构的疲劳损伤。风力发电机的设计寿命一般都在二十年以上,大部分时间都处于发电的工作状态,其承受的疲劳载荷十分显著。因此,风力发电机主要部件的尺寸、造价都与风力发电机的疲劳载荷密切相关。然而,风力发电机疲劳载荷的影响因素众多,如风轮直径、功率密度、风机重力、风剪切、年平均风速,湍流、变桨、偏航等因素都对风力发电机的疲劳载荷有着重要的影响,但又不能对各外部因素的影响进行简单的线性叠加,所以很难准确地估算其数值大小。因此,等效疲劳载荷的计算难度较大,如何准确地衡量风力发电机的疲劳载荷,这给工程设计带来了极大的挑战。
目前,衡量风力发电机的疲劳载荷是利用现有的仿真软件通过大量工况仿真,并对载荷的时间历程曲线进行雨流统计,得到风力发电机的等效疲劳载荷。这种方法虽然可以较为准确地计算风力发电机的疲劳损伤,但这种方法耗时耗力,通常需要计算成百上千种工况才能比较准确地评估出风力发电机的疲劳设计载荷,给设计者带了极大的不便。而采用经验估算法却很难预估出其准确结果,尤其是在功率、风轮直径、年平均风速、湍流强度等参数进行同时变化时,工程师甚至很难判断出疲劳载荷的变化趋势。
发明内容
本发明实施例的目的在于提供一种风力发电机等效疲劳载荷的估算方法及其装置及计算机可读存储介质,能够方便快速、较为准确地计算出风力发电机的等效疲劳载荷。
本发明实施例的一个方面提供一种风力发电机等效疲劳载荷的估算方法。所述方法包括:以已知风力发电机作为基准风力发电机,获取所述基准风力发电机用来表征等效疲劳载荷的基准等效疲劳弯矩;以及基于待测风力发电机等效疲劳载荷的影响因素来修正所述基准风力发电机的所述基准等效疲劳弯矩,以预测所述待测风力发电机用来表征等效疲劳载荷的等效疲劳弯矩。
本发明实施例的另一个方面还提供一种风力发电机等效疲劳载荷的估算装置,其包括一个或多个处理器,用于实现如上所述的方法。
本发明实施例的又一个方面还提供一种计算机可读存储介质,其上存储有程序,所述程序被处理器执行时,实现如上所述的方法。
本发明实施例的风力发电机等效疲劳载荷的估算方法的准确度较高,同时计算快速,避免了大量仿真验证,加速了设计进程,为工程设计中的等效疲劳载荷计算和部件设计带了极大的方便。
附图说明
图1为本发明一个实施例的风力发电机在叶根坐标系下各等效疲劳力和等效疲劳弯矩的示意图;
图2为本发明一个实施例的风力发电机的轮毂旋转坐标系O1X1Y1Z1、轮毂固定坐标系O2X2Y2Z2、塔顶坐标系O3X3Y3Z3、塔底坐标系O4X4Y4Z4的示意图;
图3为本发明一个实施例的风力发电机等效疲劳载荷估算方法的流程图;
图4为本发明一个实施例的基于待测风力发电机风轮直径、功率密度、使用年限、年平均风速和湍流强度来依次逐步地修正基准风力发电机基准等效疲劳弯矩的详细步骤;
图5为本发明一个实施例的绕Y轴的叶根等效疲劳弯矩与湍流强度的关系图;
图6为本发明一个实施例的绕Z轴的叶根等效疲劳弯矩与湍流强度的关系图;
图7为本发明一个实施例的单叶片在叶根处产生重力弯矩最大时的示意图;
图8为通过本发明实施例提供的方法预测的叶片质量与实际设计中的叶片质量之间的对比示意图;
图9为通过仿真得到的绕X轴的叶根等效疲劳弯矩与通过本发明实施例提供的估算方法预测得到的绕X轴的叶根等效疲劳弯矩的对比示意图;
图10为通过仿真得到的绕Y轴的叶根等效疲劳弯矩与通过本发明实施例提供的估算方法预测得到的绕Y轴的叶根等效疲劳弯矩的对比示意图;
图11为通过仿真得到的绕Z轴的叶根等效疲劳弯矩与通过本发明实施例提供的估算方法预测得到的绕Z轴的叶根等效疲劳弯矩的对比示意图;
图12为通过仿真得到的绕X轴的轮毂旋转等效疲劳弯矩与通过本发明实施例提供的估算方法预测得到的绕X轴的轮毂旋转等效疲劳弯矩的对比示意图;
图13为通过仿真得到的绕Y轴的轮毂旋转等效疲劳弯矩与通过本发明实施例提供的估算方法预测得到的绕Y轴的轮毂旋转等效疲劳弯矩的对比示意图;
图14为通过仿真得到的绕Z轴的轮毂旋转等效疲劳弯矩与通过本发明实施例提供的估算方法预测得到的绕Z轴的轮毂旋转等效疲劳弯矩的对比示意图;
图15为通过仿真得到的绕X轴的轮毂固定等效疲劳弯矩与通过本发明实施例提供的估算方法预测得到的绕X轴的轮毂固定等效疲劳弯矩的对比示意图;
图16为通过仿真得到的绕Y轴的轮毂固定等效疲劳弯矩与通过本发明实施例提供的估算方法预测得到的绕Y轴的轮毂固定等效疲劳弯矩的对比示意图;
图17为通过仿真得到的绕Z轴的轮毂固定等效疲劳弯矩与通过本发明实施例提供的估算方法预测得到的绕Z轴的轮毂固定等效疲劳弯矩的对比示意图;
图18为通过仿真得到的绕X轴的塔顶等效疲劳弯矩与通过本发明实施例提供的估算方法预测得到的绕X轴的塔顶等效疲劳弯矩的对比示意图;
图19为通过仿真得到的绕Y轴的塔顶等效疲劳弯矩与通过本发明实施例提供的估算方法预测得到的绕Y轴的塔顶等效疲劳弯矩的对比示意图;
图20为通过仿真得到的绕Z轴的塔顶等效疲劳弯矩与通过本发明实施例提供的估算方法预测得到的绕Z轴的塔顶等效疲劳弯矩的对比示意图;
图21为通过仿真得到的绕X轴的塔底等效疲劳弯矩与通过本发明实施例提供的估算方法预测得到的绕X轴的塔底等效疲劳弯矩的对比示意图;
图22为通过仿真得到的绕Y轴的塔底等效疲劳弯矩与通过本发明实施例提供的估算方法预测得到的绕Y轴的塔底等效疲劳弯矩的对比示意图;
图23为通过仿真得到的绕Z轴的塔底等效疲劳弯矩与通过本发明实施例提供的估算方法预测得到的绕Z轴的塔底等效疲劳弯矩的对比示意图;
图24为本发明一个实施例的风力发电机等效疲劳载荷的估算装置的示意性框图。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施例并不代表与本发明相一致的所有实施例。相反,它们仅是与如所附权利要求书中所详述的、本发明的一些方面相一致的装置的例子。
在本发明实施例使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本发明。除非另作定义,本发明实施例使用的技术术语或者科学术语应当为本发明所属领域内具有一般技能的人士所理解的通常意义。本发明说明书以及权利要求书中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性,而只是用来区分不同的组成部分。同样,“一个”或者“一”等类似词语也不表示数量限制,而是表示存在至少一个。“多个”或者“若干”表示两个及两个以上。除非另行指出,“前部”、“后部”、“下部”和/或“上部”等类似词语只是为了便于说明,而并非限于一个位置或者一种空间定向。“包括”或者“包含”等类似词语意指出现在“包括”或者“包含”前面的元件或者物件涵盖出现在“包括”或者“包含”后面列举的元件或者物件及其等同,并不排除其他元件或者物件。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接,而且可以包括电性的连接,不管是直接的还是间接的。在本发明说明书和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。还应当理解,本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
图1揭示了本发明一个实施例的风力发电机在叶根坐标系下各等效疲劳力和等效疲劳弯矩的示意图。如图1所示,风力发电机包括叶片101、机舱102、轮毂103及塔架104。塔架104从基础(未图示)向上延伸,机舱102安装在塔架104的顶端,轮毂103安装在机舱102的一端,叶片101安装在轮毂103上。在图示的实施例中,风力发电机以包括三个叶片101为例被示出,在其他实施例中,叶片101的数量可不为三个。Mxbr_F、Mybr_F、Mzbr_F分别为风力发电机在叶根坐标系OXYZ下绕X轴、Y轴、Z轴的等效疲劳弯矩,Fxbr_F、Fybr_F、Fzbr_F分别为风力发电机在叶根坐标系下沿X轴、Y轴、Z轴的等效疲劳力。其中,叶根为叶片101与轮毂103连接的根部。
在一些实施例中,风力发电机的等效疲劳弯矩可以包括在叶根坐标系下绕X轴的叶根等效疲劳弯矩Mxbr_F、在叶根坐标系下绕Y轴的叶根等效疲劳弯矩Mybr_F和在叶根坐标系下绕Z轴的叶根等效疲劳弯矩Mzbr_F。
图2揭示了本发明一个实施例的风力发电机的轮毂旋转坐标系、轮毂固定坐标系、塔顶坐标系、塔底坐标系的示意图。如图2所示,风力发电机的轮毂旋转坐标系、轮毂固定坐标系、塔顶坐标系、塔底坐标系分别为O1X1Y1Z1、O2X2Y2Z2、O3X3Y3Z3、O4X4Y4Z4坐标系。其中,风力发电机在轮毂旋转坐标系O1X1Y1Z1、轮毂固定坐标系O2X2Y2Z2、塔顶坐标系O3X3Y3Z3、塔底坐标系O4X4Y4Z4下绕各自轴的等效疲劳弯矩可以分别由右手定则方式确定。
在一些实施例中,风力发电机的等效疲劳弯矩还可以包括风力发电机在轮毂旋转坐标系下绕X轴的轮毂旋转等效疲劳弯矩Mxhr_F、在轮毂旋转坐标系下绕Y轴的轮毂旋转等效疲劳弯矩Myhr_F,以及在轮毂旋转坐标系下绕Z轴的轮毂旋转等效疲劳弯矩Mzhr_F。
在一些实施例中,风力发电机的等效疲劳弯矩还可以包括风力发电机在轮毂固定坐标系下绕X轴的轮毂固定等效疲劳弯矩Mxhs_F、在轮毂固定坐标系下绕Y轴的轮毂固定等效疲劳弯矩Myhs_F,以及在轮毂固定坐标系下绕Z轴的轮毂固定等效疲劳弯矩Mzhs_F。
在一些实施例中,风力发电机的等效疲劳弯矩还可以包括风力发电机在塔顶坐标系下绕X轴的塔顶等效疲劳弯矩Mxtt_F、在塔顶坐标系下绕Y轴的塔顶等效疲劳弯矩Mytt_F,以及在塔顶坐标系下绕Z轴的塔顶等效疲劳弯矩Mztt_F。
在一些实施例中,风力发电机的等效疲劳弯矩还可以包括风力发电机在塔底坐标系下绕X轴的塔底等效疲劳弯矩Mxtb_F、在塔底坐标系下绕Y轴的塔底等效疲劳弯矩Mytb_F,以及在塔底坐标系下绕Z轴的塔底等效疲劳弯矩Mztb_F。
依据等效疲劳载荷的定义,如果指定一条或多条关于材料系数m的S-N曲线和一个恒定频率为f,那么,风力发电机的等效疲劳载荷可等价为一个恒定频率为f,幅值为S的正弦曲线作用下的载荷,该正弦曲线载荷与原始载荷曲线产生相同的损伤效果,依据定义,风力发电机的等效疲劳载荷可表示为如下:
其中,ni为对应某个载荷幅值Si的循环次数,T为原始时间历程的总时间。
通常对于一个随机载荷作用下的载荷时间历程曲线,Si和ni的统计方式通常可以采用雨流计数方法进行计算。
图3揭示了本发明一个实施例的风力发电机等效疲劳载荷的估算方法的流程图。如图3所示,本发明一个实施例的风力发电机等效疲劳载荷的估算方法可以包括步骤S11和步骤S12。
在步骤S11中,以已知风力发电机作为基准风力发电机,获取基准风力发电机用来表征等效疲劳载荷的基准等效疲劳弯矩。
在步骤S12中,可以基于待测风力发电机等效疲劳载荷的影响因素来修正基准风力发电机的基准等效疲劳弯矩,以预测待测风力发电机用来表征等效疲劳载荷的等效疲劳弯矩。
其中,叶根挥舞方向的等效疲劳弯矩,即绕Y轴的叶根等效疲劳弯矩的影响因素比较复杂。在一个示例性实施例中,本发明实施例所述的基准风力发电机的基准等效疲劳弯矩可以包括基准风力发电机在叶根坐标系下绕Y轴的叶根基准等效疲劳弯矩Mybr_F0,相应地,本发明实施例所述的待测风力发电机的等效疲劳弯矩可以包括待测风力发电机在叶根坐标系下绕Y轴的叶根等效疲劳弯矩Mybr_F。
下文中将以绕Y轴的叶根等效疲劳弯矩为例,来详细介绍预测待测风力发电机在叶根坐标系下绕Y轴的叶根等效疲劳弯矩Mybr_F的过程。
在一些实施例中,步骤S12可以进一步包括步骤S121和步骤S122。在步骤S121中,可以基于影响待测风力发电机等效疲劳载荷的特征参数来修正基准风力发电机的基准等效疲劳弯矩。影响待测风力发电机等效疲劳载荷的特征参数例如可以包括风力发电机的风轮直径、功率密度、使用年限、年平均风速和湍流强度中的一个或多个。
在一个实施例中,可以基于待测风力发电机的风轮直径、功率密度、使用年限、年平均风速和湍流强度来依次逐步地修正基准风力发电机的基准等效疲劳弯矩。图4揭示了本发明一个实施例的基于待测风力发电机的风轮直径、功率密度、使用年限、年平均风速和湍流强度来依次逐步地修正基准风力发电机的基准等效疲劳弯矩的详细步骤。如图4所示,在一个示例性实施例中,基于待测风力发电机的风轮直径、功率密度、使用年限、年平均风速和湍流强度来依次逐步地修正基准风力发电机的基准等效疲劳弯矩的过程可以进一步包括步骤S21至步骤S25。
在步骤S21中,可以基于等效疲劳载荷与风轮直径的关系用待测风力发电机的风轮直径和基准风力发电机的基准风轮直径来修正基准风力发电机的基准等效疲劳弯矩,以得到风轮直径修正后的第一等效疲劳弯矩。
根据大量的仿真数据和/或试验数据,可以确定步骤S21中的等效疲劳载荷与风轮直径的关系,等效疲劳载荷与风轮直径的三次方大致成正比。因此,首先选取某一基准风轮直径为D0的风力发电机作为基准风力发电机,该基准风力发电机的湍流强度为B类。所以,考虑到风轮直径因素影响后,可以将基准风力发电机的基准等效疲劳弯矩修正为
其中,Mybr_F1为风轮直径修正后得到的第一等效疲劳弯矩,Mybr_F0为基准风力发电机仿真得到的等效疲劳载荷,Di为待测风力发电机的风轮直径。
影响风力发电机等效疲劳载荷的第二个重要因素为风轮的功率密度Pd,其定义为:
其中,P为风力发电机的额定功率,R为风轮半径,π是圆周率。
因此,修正的过程可以进入到步骤S22。在步骤S22中,可以基于等效疲劳载荷与功率密度的关系,用待测风力发电机的功率密度和基准风力发电机的基准功率密度来对风轮直径修正后得到的第一等效疲劳弯矩进行修正,以得到功率密度修正后的第二等效疲劳弯矩。
在步骤S22中,考虑到功率密度因素的影响,基于等效疲劳载荷与功率密度的关系,可以将风轮直径修正后得到的第一等效疲劳弯矩进一步修正为
其中,Mybr_F2为功率密度修正后得到的第二等效疲劳弯矩,Pdi为待测风力发电机的功率密度,Pd0为基准风力发电机的功率密度。
影响风力发电机等效疲劳载荷的另一个因素为使用年限,由于海上和陆上风力发电机在使用年限上有很大的差距,因此必须考虑。
因此,修正的过程可以进入到步骤S23。在步骤S23中,可以基于等效疲劳载荷与使用年限的关系,用待测风力发电机的使用年限和基准风力发电机的基准使用年限来对第二等效疲劳弯矩进行修正,以得到使用年限修正后的第三等效疲劳弯矩。
在一个实施例中,可以用待测风力发电机在某材料系数、各风速区间下的应力循环总次数和在恒定频率下的循环次数,以及基准风力发电机在该材料系数、各风速区间下的应力循环总次数和在恒定频率下的循环次数来对第二等效疲劳弯矩进行修正,以得到使用年限修正后的第三等效疲劳弯矩。
在步骤S23中,参考等效疲劳载荷的定义,即上面的公式(1),在考虑使用年限影响后,可以将功率密度修正后得到的第二等效疲劳弯矩进一步修正为
其中,Mybr_F3为使用年限修正后的第三等效疲劳弯矩,ni为待测风力发电机在各风速区间下的应力循环总次数,ni0为基准风力发电机在各风速区间下的应力循环总次数,nfi为待测风力发电机在恒定频率f下的循环次数,nf0为基准风力发电机在恒定频率f下的循环次数,nfi和nf0由计算时人为指定,m是材料系数,也称系数,与制造部件的材料相关。
风力发电机的等效疲劳载荷受到年平均风速的影响也十分显著。因此,修正的过程可以进入到步骤S24。在步骤S24中,可以基于等效疲劳载荷与年平均风速的关系,用待测风力发电机的年平均风速和基准风力发电机的基准年平均风速来对第三等效疲劳弯矩进行修正,以得到年平均风速修正后的第四等效疲劳弯矩。
根据大量的仿真数据和/或试验数据可以确定步骤S24中的等效疲劳载荷与年平均风速的关系,年平均风速与等效疲劳载荷大致成线性增加,在上述修正的基础上,可以构造以下的修正公式,对使用年限修正后的第三等效疲劳弯矩作进一步修正,即
Mybr_F4=Mybr_F3+Mybr_F3×(Uave-Uave0)×Cv (6)
其中,Mybr_F4为年平均风速修正后的第四等效疲劳弯矩,Uave为待测风力发电机的年均风速,Uave0为基准风力发电机的年均风速,Cv为修正系数,例如可以取0.1。
另外,影响风力发电机的另一个重要因素为湍流强度。因此,修正的过程可以进入到步骤S25。在步骤S25中,可以基于等效疲劳载荷与湍流强度的关系用湍流强度修正系数来对第四等效疲劳弯矩进行修正,以得到湍流强度修正后的第五等效疲劳弯矩。
通过对多款风力发电机不同湍流强度参数下的等效疲劳载荷进行试算。并结合大量的仿真试验结果,得到湍流强度对等效疲劳载荷的影响,如图5和图6所示。图5和图6分别是某一款风力发电机绕Y轴和Z轴的叶根等效疲劳载荷Mybr_F、Mzbr_F与湍流强度的关系图,其中,上述的等效疲劳载荷均经过归一化处理(所有等效疲劳载荷除以m=3组,湍流强度为0.14的载荷值)。从图5和图6中可以发现,湍流强度与等效疲劳载荷近似呈线性增加的趋势。因此,可以构造如下的湍流强度修正系数
Cytif=1+(Ti-Ti14)×k (7)
其中,这里取B类标准湍流(Ti14=0.14)为基准,Ti为某一湍流强度,k为拟合系数,可以通过已有的仿真数据拟合得到。
因此,考虑湍流强度的影响下,可以将年平均风速修正后的第四等效疲劳弯矩进一步修正为
Mybr_F5=Mybr-F4×Cytif (8)
其中,Mybr-F5为湍流强度修正后的第五等效疲劳弯矩。
因此,经过上面的步骤S21至步骤S25,以任意一款已知的风力发电机为基准发电机,并以基准发电机作为基础,使用影响待测风力发电机等效疲劳载荷的特征参数逐步对基准风力发电机绕Y轴的叶根基准等效疲劳弯矩进行修正,从而得到特征参数修正后的绕Y轴的叶根等效疲劳弯矩Mybr-F5。
以上的步骤S21至步骤S25所述的特征参数修正仅作为本发明的一个示例性实施例,并不用来对本发明实施例构成限制。在其他实施例中,还可以使用影响待测风力发电机等效疲劳载荷的特征参数中的至少一个以不同于步骤S21至步骤S25所述的修正方式来进行修正。
除了影响待测风力发电机等效疲劳载荷的特征参数之外,风力发电机的等效疲劳弯矩还会受到变桨控制、偏航、风剪切等因素的影响。因此,返回参照图3所示,修正的过程可以进一步前进到步骤S122。
在步骤S122中,可以基于待测风力发电机等效疲劳弯矩的误差修正函数来对修正后的基准等效疲劳弯矩,例如对图4所示的步骤S25中经过特征参数修正得到的第五等效疲劳弯矩Mybr_F5进行进一步修正,以估算出待测风力发电机的等效疲劳弯矩。
等效疲劳弯矩的误差修正函数是关于待测风力发电机的风轮半径和额定功率的函数。在一些实施例中,等效疲劳弯矩的误差修正函数中的系数通过拟合方法得到。例如,等效疲劳弯矩的误差修正函数中的系数可以通过最小二乘法拟合得到。在一些实施例中,等效疲劳弯矩的误差修正函数采用二次曲面拟合进行误差修正,并基于已有的仿真数据进行误差修正函数拟合系数的计算。二次曲面误差修正中,采用风轮半径和额定功率为双自变量,构造待测风力发电机等效疲劳弯矩的误差修正函数Fxy如下:
Fxy=p00+p10x+p01y+p20x2+p11xy+p02y2 (9)
其中,p00、p10、p01、p20、p11、p02为拟合系数,x、y分别为待测风力发电机的风轮半径和额定功率。
另外,依据已有机型数据,并基于特征参数修正得到的第五等效疲劳弯矩Mybr_F5和仿真得到的绕Y轴的叶根等效疲劳弯矩,风力发电机等效疲劳弯矩的误差修正函数Fxy可以进一步表示为
其中,Mybr_Fsim为已有机型的仿真数据得到的绕Y轴的叶根等效疲劳弯矩。依据拟合算法,得到拟合误差S如下:
其中,Fxyi代表Fxy第i组数据,n代表有n组载荷数据,对上述函数S的p00、p10、p01、p20、p11、p02系数分别求偏导,并令其等于0,整理后可以得到如下六个方程:
其中,p00、p10、p01、p20、p11、p02为拟合系数。以已有机型数据为基础,可以通过以上方程(12)求得这些拟合系数,因此,可以得到函数Fxy。对于待测风力发电机,将其风轮半径和额定功率代入方程(9),可以求得待测风力发电机的Fxy值。在Fxy已知的情况下,最终修正后的等效疲劳弯矩Mybr_F6,即预测出的待测风力发电机在叶根坐标系下绕Y轴的叶根等效疲劳弯矩Mybr_F可表示为
本发明实施例的风力发电机等效疲劳载荷的估算方法基于特征参数修正和最小二乘法相结合,从而可以方便快速地评估出待测风力发电机在叶根坐标系下绕Y轴的叶根等效疲劳弯矩Mybr_F。
以上以基准风力发电机在叶根坐标系下绕Y轴的叶根基准等效疲劳弯矩Mybr_F0为例,详细描述了如何预测得到待测风力发电机在叶根坐标系下绕Y轴的叶根等效疲劳弯矩Mybr_F。
在其他实施例中,本发明实施例的基准风力发电机的基准等效疲劳弯矩可以包括基准风力发电机在叶根坐标系下绕Z轴的叶根基准等效疲劳弯矩Mzbr_F0、在轮毂旋转坐标系下绕X轴的轮毂旋转基准等效疲劳弯矩Mxhr_F0、在轮毂旋转坐标系下绕Y轴的轮毂旋转基准等效疲劳弯矩Myhr_F0、在轮毂旋转坐标系下绕Z轴的轮毂旋转基准等效疲劳弯矩Mzhr_F0、在轮毂固定坐标系下绕X轴的轮毂固定基准等效疲劳弯矩Mxhs_F0、在轮毂固定坐标系下绕Y轴的轮毂固定基准等效疲劳弯矩Myhs_F0、在轮毂固定坐标系下绕Z轴的轮毂固定基准等效疲劳弯矩Mzhs_F0、在塔顶坐标系下绕X轴的塔顶基准等效疲劳弯矩Mxtt_F0、在塔顶坐标系下绕Y轴的塔顶基准等效疲劳弯矩Mytt_F0、在塔顶坐标系下绕Z轴的塔顶基准等效疲劳弯矩Mztt_F0、在塔底坐标系下绕X轴的塔底基准等效疲劳弯矩Mxtb_F0、在塔底坐标系下绕Y轴的塔底基准等效疲劳弯矩Mytb_F0和在塔底坐标系下绕Z轴的塔底基准等效疲劳弯矩Mztb_F0中的至少一个;相应地,本发明实施例的待测风力发电机的等效疲劳弯矩包括待测风力发电机在叶根坐标系下绕Z轴的叶根等效疲劳弯矩Mzbr_F、在轮毂旋转坐标系下绕X轴的轮毂旋转等效疲劳弯矩Mxhr_F、在轮毂旋转坐标系下绕Y轴的轮毂旋转等效疲劳弯矩Myhr_F、在轮毂旋转坐标系下绕Z轴的轮毂旋转等效疲劳弯矩Mzhr_F、在轮毂固定坐标系下绕X轴的轮毂固定等效疲劳弯矩Mxhs_F、在轮毂固定坐标系下绕Y轴的轮毂固定等效疲劳弯矩Myhs_F、在轮毂固定坐标系下绕Z轴的轮毂固定等效疲劳弯矩Mzhs_F、在塔顶坐标系下绕X轴的塔顶等效疲劳弯矩Mxtt_F、在塔顶坐标系下绕Y轴的塔顶等效疲劳弯矩Mytt_F、在塔顶坐标系下绕Z轴的塔顶等效疲劳弯矩Mztt_F、在塔底坐标系下绕X轴的塔底等效疲劳弯矩Mxtb_F、在塔底坐标系下绕Y轴的塔底等效疲劳弯矩Mytb_F和在塔底坐标系下绕Z轴的塔底等效疲劳弯矩Mztb_F中的至少对应的一个。本发明实施例可以以基准风力发电机在上述各坐标系下绕各自轴的基准等效疲劳弯矩为基础,并对其进行修正,从而可以分别得到待测风力发电机在对应坐标系下绕各自轴的等效疲劳弯矩。
待测风力发电机以上所述的载荷分量,如在叶根坐标系下绕Z轴的叶根等效疲劳弯矩、在轮毂旋转坐标系、轮毂固定坐标系、塔顶坐标系、塔底坐标系下绕各自轴的等效疲劳弯矩,可以采用如上绕Y轴的叶根等效疲劳弯矩Mybr_F所述的相似求解方法得到。
在另一些实施例中,本发明实施例的风力发电机等效疲劳载荷的估算方法还可以包括:计算待测风力发电机叶根摆阵方向的等效疲劳载荷,即待测风力发电机在叶根坐标系下绕X轴的叶根等效疲劳弯矩Mxbr_F。由于叶根摆阵的疲劳载荷主要受到重力主导,而重力产生的载荷幅值为一定值,且叶根处应力循环次数是风轮转速的函数,因此,可以基于待测风力发电机叶根处叶片产生的重力矩的最大幅值及待测风力发电机叶根处应力循环次数来计算待测风力发电机在叶根坐标系下绕X轴的叶根等效疲劳弯矩。
在一个实施例中,可以基于待测风力发电机的单个叶片的质量来估算待测风力发电机叶根处叶片产生的重力矩的最大幅值。叶根处叶片在重量作用下产生的力矩的最大幅值如图7所示(在方位角β=90°和-90°时最大),即
Si=S=2×Massbl×g×r≈2×Massbl×g×(0.3L) (14)
其中,Massbl为待测风力发电机的单个叶片质量,r为作用力臂,g为重力加速度。根据大量统计可以得到,叶片质心一般在0.3L处,L为叶片长度,这里的系数2是指叶片在方位角β=90°和β=-90°分别达到最大值,因此幅值为单侧力矩的2倍。依据大量的数据统计和经验公式,通过数值拟合,可以建立待测风力发电机的单个叶片的质量估算函数。由于单个叶片的质量估算函数是关于待测风力发电机风轮直径和额定功率的函数,因此叶片质量估算公式可以写成
Massbl=cd1D3+cd2D2+dd3D+cd4+cd5P (15)
其中,D为待测风力发电机的风轮直径,P为待测风力发电机的额定功率。因此,可以基于上述公式(15)所示的单个叶片的质量估算函数,用待测风力发电机的风轮直径和额定功率来预测单个叶片的质量。
上述公式(15)所示的单个叶片的质量估算函数中的系数Cd1、Cd2、Cd3、Cd4、Cd5可以通过最小二乘法拟合得到。例如,在一个实施例中,可以采用22组风力发电机的叶片质量数据为基础,通过最小二乘法拟合得到。
图8是本文预测的叶片质量与实际设计中的叶片质量之间的对比图,该叶片质量数据的拟合结果已进行无因次化处理(所有风力发电机的叶片质量除以第一组叶片质量)。如图8所示,横坐标代表风力发电机编号,例如共22组,纵坐标代表归一化的叶片质量。其中,Blademass_Sim代表实际设计中的叶片质量,Blademass_Pred代表采用上述公式(15)拟合得到的预测的叶片质量。从图8中可以看到,两者符合度很好。因此,采用上述公式(15)所示的单个叶片的质量估算函数可以较为准确地预估出叶片质量。
待测风力发电机的循环次数ni的计算需要考虑风速出现概率对总次数的贡献。设待测风力发电机的使用年限为Y,单位为年。一般为20到25年,待测风力发电机的叶尖速比λ为7-10,这里取10。假定风力发电机以某一转速运转,那么某一风速ui下待测风力发电机的旋转周期为:
其中,风轮半径R=D/2,ωui为待测风力发电机在某一风速ui下的圆频率。
在一个实施例中,本发明实施例的风力发电机等效疲劳载荷的估算方法还可以包括:基于瑞利(Rayleigh)分布来计算各风速出现的概率,以及基于各风速出现的概率来计算待测风力发电机叶根处的应力循环次数。例如,设风速区间长度为L=2m/s,那么某一风速ui的出现概率为:
其中,uave为待测风力发电机设计的年平均风速,单位为m/s。那么使用年限内某一风速ui下的总时间为:
TMi=8766×3600×Y×pui (18)
其中,TMi单位为秒。那么,某一风速ui下使用年限内的应力总循环次数nci为:
nci=TMi/Tui (19)
那么,各风速区间下的总次数niw可以表示为:
其中,N为划分的风速区间个数,设在风速范围为0-26m/s,区间长度为2m/s,那么可以划分为13个。采用公式(17)可以计算每个风速下的出现概率,从而得到每个风速下的总循环次数,最后求和得到所有风速下的应力循环总次数niw。而原始时间历程的总时间T为:
T=8766×3600×Y (21)
其中,T的单位为秒。
在等效疲劳弯矩计算中,假定恒定频率f下的循环次数为一定值nf,设海上风力发电机为nf=107,陆上风力发电机nf=108,那么恒定频率f为:
其中,f的单位为Hz,那么某一材料系数m下的叶根摆阵方向的等效疲劳弯矩Mxbr_F可以通过下式求得:
这里,重力引起的载荷幅值在每个周期内都相同,即Si=S≈2×Massbl×g×0.3L,niw如上求得,Cw代表考虑除了重力外的如气动载荷、偏航、变桨等因素引起的载荷修正系数,例如可以取Cw=1.02。
经过上面的求解过程可以得出待测风力发电机在叶根坐标系下绕X轴的叶根等效疲劳弯矩。
本发明实施例的风力发电机等效疲劳载荷的估算方法可以方便快速、较为准确地评估出待测风力发电机的等效疲劳弯矩,从而给待测风力发电机的设计带来了便利。
以下选择了22款不同型号风力发电机的仿真数据结果与本发明实施例推导的公式进行比较,输入参数主要有风轮直径、风机功率、塔架高度、年平均风速、湍流强度等参数,主要用来预测叶根、轮毂、塔顶、塔底等主要部位的等效疲劳弯矩。在下面的图中,横坐标代表风力发电机编号,纵坐标代表等效疲劳弯矩。此外,以下所有图中的等效疲劳弯矩值均进行归一化处理(用所有风力发电机等效疲劳弯矩除以第一组仿真等效疲劳弯矩)。
图9揭示了通过仿真得到的绕X轴的叶根等效疲劳弯矩与通过本发明实施例提供的估算方法预测得到的绕X轴的叶根等效疲劳弯矩的对比示意图,其中,MxbrF_Sim代表通过仿真得到的绕X轴的叶根等效疲劳弯矩,来自软件仿真的数据结果,MxbrF_Pred代表通过本发明实施例提供的估算方法预测得到的绕X轴的叶根等效疲劳弯矩。从图9中可以看到,两者吻合度良好,说明本发明实施例提供的估算方法预测得到的绕X轴的叶根等效疲劳弯矩的准确度较高。
图10揭示了通过仿真得到的绕Y轴的叶根等效疲劳弯矩与通过本发明实施例提供的估算方法预测得到的绕Y轴的叶根等效疲劳弯矩的对比示意图,其中,MybrF_Sim代表通过仿真得到的绕Y轴的叶根等效疲劳弯矩,来自软件仿真的数据结果,MybrF_Pred代表通过本发明实施例提供的估算方法预测得到的绕Y轴的叶根等效疲劳弯矩。从图10中可以看到,两者吻合度良好,说明本发明实施例提供的估算方法预测得到的绕Y轴的叶根等效疲劳弯矩的准确度较高。
图11揭示了通过仿真得到的绕Z轴的叶根等效疲劳弯矩与通过本发明实施例提供的估算方法预测得到的绕Z轴的叶根等效疲劳弯矩的对比示意图,其中,MzbrF_Sim代表通过仿真得到的绕Z轴的叶根等效疲劳弯矩,来自软件仿真的数据结果,MzbrF_Pred代表通过本发明实施例提供的估算方法预测得到的绕Z轴的叶根等效疲劳弯矩。从图11中可以看到,两者吻合度良好,说明本发明实施例提供的估算方法预测得到的绕Z轴的叶根等效疲劳弯矩的准确度较高。
图12揭示了通过仿真得到的绕X轴的轮毂旋转等效疲劳弯矩与通过本发明实施例提供的估算方法预测得到的绕X轴的轮毂旋转等效疲劳弯矩的对比示意图,其中,MxhrF_Sim代表通过仿真得到的绕X轴的轮毂旋转等效疲劳弯矩,来自软件仿真的数据结果,MxhrF_Pred代表通过本发明实施例提供的估算方法预测得到的绕X轴的轮毂旋转等效疲劳弯矩。从图12中可以看到,两者吻合度良好,说明本发明实施例提供的估算方法预测得到的绕X轴的轮毂旋转等效疲劳弯矩的准确度较高。
图13揭示了通过仿真得到的绕Y轴的轮毂旋转等效疲劳弯矩与通过本发明实施例提供的估算方法预测得到的绕Y轴的轮毂旋转等效疲劳弯矩的对比示意图,其中,MyhrF_Sim代表通过仿真得到的绕Y轴的轮毂旋转等效疲劳弯矩,来自软件仿真的数据结果,MyhrF_Pred代表通过本发明实施例提供的估算方法预测得到的绕Y轴的轮毂旋转等效疲劳弯矩。从图13中可以看到,两者吻合度良好,说明本发明实施例提供的估算方法预测得到的绕Y轴的轮毂旋转等效疲劳弯矩的准确度较高。
图14揭示了通过仿真得到的绕Z轴的轮毂旋转等效疲劳弯矩与通过本发明实施例提供的估算方法预测得到的绕Z轴的轮毂旋转等效疲劳弯矩的对比示意图,其中,MzhrF_Sim代表通过仿真得到的绕Z轴的轮毂旋转等效疲劳弯矩,来自软件仿真的数据结果,MzhrF_Pred代表通过本发明实施例提供的估算方法预测得到的绕Z轴的轮毂旋转等效疲劳弯矩。从图14中可以看到,两者吻合度良好,说明本发明实施例提供的估算方法预测得到的绕Z轴的轮毂旋转等效疲劳弯矩的准确度较高。
图15揭示了通过仿真得到的绕X轴的轮毂固定等效疲劳弯矩与通过本发明实施例提供的估算方法预测得到的绕X轴的轮毂固定等效疲劳弯矩的对比示意图,其中,MxhsF_Sim代表通过仿真得到的绕X轴的轮毂固定等效疲劳弯矩,来自软件仿真的数据结果,MxhsF_Pred代表通过本发明实施例提供的估算方法预测得到的绕X轴的轮毂固定等效疲劳弯矩。从图15中可以看到,两者吻合度良好,说明本发明实施例提供的估算方法预测得到的绕X轴的轮毂固定等效疲劳弯矩的准确度较高。
图16揭示了通过仿真得到的绕Y轴的轮毂固定等效疲劳弯矩与通过本发明实施例提供的估算方法预测得到的绕Y轴的轮毂固定等效疲劳弯矩的对比示意图,其中,MyhsF_Sim代表通过仿真得到的绕Y轴的轮毂固定等效疲劳弯矩,来自软件仿真的数据结果,MyhsF_Pred代表通过本发明实施例提供的估算方法预测得到的绕Y轴的轮毂固定等效疲劳弯矩。从图16中可以看到,两者吻合度良好,说明本发明实施例提供的估算方法预测得到的绕Y轴的轮毂固定等效疲劳弯矩的准确度较高。
图17揭示了通过仿真得到的绕Z轴的轮毂固定等效疲劳弯矩与通过本发明实施例提供的估算方法预测得到的绕Z轴的轮毂固定等效疲劳弯矩的对比示意图,其中,MzhsF_Sim代表通过仿真得到的绕Z轴的轮毂固定等效疲劳弯矩,来自软件仿真的数据结果,MzhsF_Pred代表通过本发明实施例提供的估算方法预测得到的绕Z轴的轮毂固定等效疲劳弯矩。从图17中可以看到,两者吻合度良好,说明本发明实施例提供的估算方法预测得到的绕Z轴的轮毂固定等效疲劳弯矩的准确度较高。
图18揭示了通过仿真得到的绕X轴的塔顶等效疲劳弯矩与通过本发明实施例提供的估算方法预测得到的绕X轴的塔顶等效疲劳弯矩的对比示意图,其中,MxttF_Sim代表通过仿真得到的绕X轴的塔顶等效疲劳弯矩,来自软件仿真的数据结果,MxttF_Pred代表通过本发明实施例提供的估算方法预测得到的绕X轴的塔顶等效疲劳弯矩。从图18中可以看到,两者吻合度良好,说明本发明实施例提供的估算方法预测得到的绕X轴的塔顶等效疲劳弯矩的准确度较高。
图19揭示了通过仿真得到的绕Y轴的塔顶等效疲劳弯矩与通过本发明实施例提供的估算方法预测得到的绕Y轴的塔顶等效疲劳弯矩的对比示意图,其中,MyttF_Sim代表通过仿真得到的绕Y轴的塔顶等效疲劳弯矩,来自软件仿真的数据结果,MyttF_Pred代表通过本发明实施例提供的估算方法预测得到的绕Y轴的塔顶等效疲劳弯矩。从图19中可以看到,两者吻合度良好,说明本发明实施例提供的估算方法预测得到的绕Y轴的塔顶等效疲劳弯矩的准确度较高。
图20揭示了通过仿真得到的绕Z轴的塔顶等效疲劳弯矩与通过本发明实施例提供的估算方法预测得到的绕Z轴的塔顶等效疲劳弯矩的对比示意图,其中,MzttF_Sim代表通过仿真得到的绕Z轴的塔顶等效疲劳弯矩,来自软件仿真的数据结果,MzttF_Pred代表通过本发明实施例提供的估算方法预测得到的绕Z轴的塔顶等效疲劳弯矩。从图20中可以看到,两者吻合度良好,说明本发明实施例提供的估算方法预测得到的绕Z轴的塔顶等效疲劳弯矩的准确度较高。
图21揭示了通过仿真得到的绕X轴的塔底等效疲劳弯矩与通过本发明实施例提供的估算方法预测得到的绕X轴的塔底等效疲劳弯矩的对比示意图,其中,MxtbF_Sim代表通过仿真得到的绕X轴的塔底等效疲劳弯矩,来自软件仿真的数据结果,MxtbF_Pred代表通过本发明实施例提供的估算方法预测得到的绕X轴的塔底等效疲劳弯矩。从图21中可以看到,两者吻合度良好,说明本发明实施例提供的估算方法预测得到的绕X轴的塔底等效疲劳弯矩的准确度较高。
图22揭示了通过仿真得到的绕Y轴的塔底等效疲劳弯矩与通过本发明实施例提供的估算方法预测得到的绕Y轴的塔底等效疲劳弯矩的对比示意图,其中,MytbF_Sim代表通过仿真得到的绕Y轴的塔底等效疲劳弯矩,来自软件仿真的数据结果,MytbF_Pred代表通过本发明实施例提供的估算方法预测得到的绕Y轴的塔底等效疲劳弯矩。从图22中可以看到,两者吻合度良好,说明本发明实施例提供的估算方法预测得到的绕Y轴的塔底等效疲劳弯矩的准确度较高。
图23揭示了通过仿真得到的绕Z轴的塔底等效疲劳弯矩与通过本发明实施例提供的估算方法预测得到的绕Z轴的塔底等效疲劳弯矩的对比示意图,其中,MztbF_Sim代表通过仿真得到的绕Z轴的塔底等效疲劳弯矩,来自软件仿真的数据结果,MztbF_Pred代表通过本发明实施例提供的估算方法预测得到的绕Z轴的塔底等效疲劳弯矩。从图23中可以看到,两者吻合度良好,说明本发明实施例提供的估算方法预测得到的绕Z轴的塔底等效疲劳弯矩的准确度较高。
综上可知,本发明实施例提供的估算方法预测得到的等效疲劳弯矩的准确度较高,对于风力发电机的设计具有重要的意义。
本发明实施例的风力发电机等效疲劳载荷的估算方法的准确度较高,同时计算快速,避免了大量仿真验证,加速了设计进程,为工程设计中的等效疲劳载荷计算和部件设计带了极大的方便。
本发明实施例还提供了一种风力发电机等效疲劳载荷的估算装置200。如图24所示,风力发电机等效疲劳载荷的估算装置200包括一个或多个处理器201,用于实现上述任一实施例所述的估算方法。在一些实施例中,风力发电机等效疲劳载荷的估算装置200可以包括计算机可读存储介质202,计算机可读存储介质可以存储有可被处理器201调用的程序,可以包括非易失性存储介质。在一些实施例中,风力发电机等效疲劳载荷的估算装置200可以包括内存203和接口204。在一些实施例中,本发明实施例的风力发电机等效疲劳载荷的估算装置200还可以根据实际应用包括其他硬件。
本发明实施例的风力发电机等效疲劳载荷的估算装置具有与上面所述的估算方法相类似的有益技术效果,故在此不再赘述。
本发明实施例还提供了一种计算机可读存储介质。计算机可读存储介质上存储有程序,该程序被处理器执行时,实现上述任一实施例所述的估算方法。
本发明实施例可采用在一个或多个其中包含有程序代码的存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。计算机可读存储介质包括永久性和非永久性、可移动和非可移动媒体,可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机可读存储介质的例子包括但不限于:相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。
以上对本发明实施例所提供的风力发电机等效疲劳载荷的估算方法及其装置及计算机可读存储介质进行了详细的介绍。本文中应用了具体个例对本发明实施例的风力发电机等效疲劳载荷的估算方法及其装置及计算机可读存储介质进行了阐述,以上实施例的说明只是用于帮助理解本发明的核心思想,并不用以限制本发明。应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明的精神和原理的前提下,还可以对本发明进行若干改进和修饰,这些改进和修饰也均应落入本发明所附权利要求书的保护范围内。
Claims (19)
1.一种风力发电机等效疲劳载荷的估算方法,其特征在于:所述方法包括:
以已知风力发电机作为基准风力发电机,获取所述基准风力发电机用来表征等效疲劳载荷的基准等效疲劳弯矩;以及
基于待测风力发电机等效疲劳载荷的影响因素来修正所述基准风力发电机的所述基准等效疲劳弯矩,以预测所述待测风力发电机用来表征等效疲劳载荷的等效疲劳弯矩。
2.如权利要求1所述的方法,其特征在于:所述基于待测风力发电机等效疲劳载荷的影响因素来修正所述基准风力发电机的等效疲劳弯矩包括:
基于影响所述待测风力发电机等效疲劳载荷的特征参数来修正所述基准风力发电机的所述基准等效疲劳弯矩;及
基于所述待测风力发电机等效疲劳弯矩的误差修正函数来对修正后的基准等效疲劳弯矩进行进一步修正,以估算出所述待测风力发电机的所述等效疲劳弯矩。
3.如权利要求2所述的方法,其特征在于:所述影响所述待测风力发电机等效疲劳载荷的特征参数包括风轮直径、功率密度、使用年限、年平均风速和湍流强度中的一个或多个。
4.如权利要求3所述的方法,其特征在于:基于影响所述待测风力发电机等效疲劳载荷的特征参数来修正所述基准风力发电机的基准等效疲劳弯矩包括:
基于所述待测风力发电机的风轮直径、功率密度、使用年限、年平均风速和湍流强度来依次逐步地修正所述基准风力发电机的所述基准等效疲劳弯矩。
5.如权利要求4所述的方法,其特征在于:所述基于风轮直径、功率密度、使用年限、年平均风速和湍流强度来依次逐步地修正所述基准风力发电机的所述基准等效疲劳弯矩包括:
基于所述等效疲劳载荷与风轮直径的关系,用所述待测风力发电机的风轮直径和所述基准风力发电机的基准风轮直径来修正所述基准风力发电机的所述基准等效疲劳弯矩,以得到风轮直径修正后的第一等效疲劳弯矩;
基于所述等效疲劳载荷与功率密度的关系,用所述待测风力发电机的功率密度和所述基准风力发电机的基准功率密度来对所述第一等效疲劳弯矩进行修正,以得到功率密度修正后的第二等效疲劳弯矩;
基于所述等效疲劳载荷与使用年限的关系,用所述待测风力发电机的使用年限和所述基准风力发电机的基准使用年限来对所述第二等效疲劳弯矩进行修正,以得到使用年限修正后的第三等效疲劳弯矩;
基于所述等效疲劳载荷与年平均风速的关系,用所述待测风力发电机的年平均风速和所述基准风力发电机的基准年平均风速来对所述第三等效疲劳弯矩进行修正,以得到年平均风速修正后的第四等效疲劳弯矩;以及
基于所述等效疲劳载荷与湍流强度的关系,用湍流强度修正系数来对所述第四等效疲劳弯矩进行修正,以得到湍流强度修正后的第五等效疲劳弯矩。
6.如权利要求5所述的方法,其特征在于:基于所述等效疲劳载荷与使用年限的关系,用所述待测风力发电机的使用年限和所述基准风力发电机的基准使用年限来对所述第二等效疲劳弯矩进行修正包括:
用所述待测风力发电机在某材料系数、各风速区间下的应力循环总次数和在恒定频率下的循环次数,以及所述基准风力发电机在该材料系数、各风速区间下的应力循环总次数和在恒定频率下的循环次数,对所述第二等效疲劳弯矩进行修正。
7.如权利要求5所述的方法,其特征在于:所述等效疲劳弯矩与风轮直径的关系、所述等效疲劳载荷与功率密度的关系、所述等效疲劳载荷与使用年限的关系、所述等效疲劳载荷与年平均风速的关系,以及所述等效疲劳载荷与湍流强度的关系,通过仿真数据和/或试验数据获得。
8.如权利要求2所述的方法,其特征在于:所述等效疲劳弯矩的误差修正函数是关于所述待测风力发电机风轮半径和额定功率的函数。
9.如权利要求8所述的方法,其特征在于:所述等效疲劳弯矩的误差修正函数中的系数通过拟合方法得到。
10.如权利要求9所述的方法,其特征在于:所述等效疲劳弯矩的误差修正函数采用二次曲面拟合进行误差修正。
11.如权利要求10所述的方法,其特征在于:所述等效疲劳弯矩的误差修正函数中的系数是通过最小二乘法拟合得到的。
12.如权利要求1至11中任一项所述的方法,其特征在于:所述基准风力发电机的基准等效疲劳弯矩包括所述基准风力发电机在叶根坐标系下绕Y轴的叶根基准等效疲劳弯矩、在叶根坐标系下绕Z轴的叶根基准等效疲劳弯矩、在轮毂旋转坐标系下绕X轴的轮毂旋转基准等效疲劳弯矩、在轮毂旋转坐标系下绕Y轴的轮毂旋转基准等效疲劳弯矩、在轮毂旋转坐标系下绕Z轴的轮毂旋转基准等效疲劳弯矩、在轮毂固定坐标系下绕X轴的轮毂固定基准等效疲劳弯矩、在轮毂固定坐标系下绕Y轴的轮毂固定基准等效疲劳弯矩、在轮毂固定坐标系下绕Z轴的轮毂固定基准等效疲劳弯矩、在塔顶坐标系下绕X轴的塔顶基准等效疲劳弯矩、在塔顶坐标系下绕Y轴的塔顶基准等效疲劳弯矩、在塔顶坐标系下绕Z轴的塔顶基准等效疲劳弯矩、在塔底坐标系下绕X轴的塔底基准等效疲劳弯矩、在塔底坐标系下绕Y轴的塔底基准等效疲劳弯矩和在塔底坐标系下绕Z轴的塔底基准等效疲劳弯矩中的至少一个;所述待测风力发电机的等效疲劳弯矩包括所述待测风力发电机在叶根坐标系下绕Y轴的叶根等效疲劳弯矩、在叶根坐标系下绕Z轴的叶根等效疲劳弯矩、在轮毂旋转坐标系下绕X轴的轮毂旋转等效疲劳弯矩、在轮毂旋转坐标系下绕Y轴的轮毂旋转等效疲劳弯矩、在轮毂旋转坐标系下绕Z轴的轮毂旋转等效疲劳弯矩、在轮毂固定坐标系下绕X轴的轮毂固定等效疲劳弯矩、在轮毂固定坐标系下绕Y轴的轮毂固定等效疲劳弯矩、在轮毂固定坐标系下绕Z轴的轮毂固定等效疲劳弯矩、在塔顶坐标系下绕X轴的塔顶等效疲劳弯矩、在塔顶坐标系下绕Y轴的塔顶等效疲劳弯矩、在塔顶坐标系下绕Z轴的塔顶等效疲劳弯矩、在塔底坐标系下绕X轴的塔底等效疲劳弯矩、在塔底坐标系下绕Y轴的塔底等效疲劳弯矩和在塔底坐标系下绕Z轴的塔底等效疲劳弯矩中的至少对应的一个。
13.如权利要求12所述的方法,其特征在于:还包括:
基于所述待测风力发电机叶根处叶片产生的重力矩的最大幅值及所述待测风力发电机叶根处应力循环次数,计算所述待测风力发电机在叶根坐标系下绕X轴的叶根等效疲劳弯矩。
14.如权利要求13所述的方法,其特征在于:基于所述待测风力发电机的单个叶片的质量来估算所述待测风力发电机叶根处叶片产生的重力矩的最大幅值。
15.如权利要求14所述的方法,其特征在于:还包括:
构造所述待测风力发电机单个叶片的质量估算函数,所述单个叶片的质量估算函数是关于待测风力发电机风轮直径和额定功率的函数;及
基于所述单个叶片的质量估算函数,用所述待测风力发电机的风轮直径和额定功率来计算所述单个叶片的质量。
16.如权利要求15所述的方法,其特征在于:所述单个叶片的质量估算函数中的系数是通过最小二乘法拟合得到。
17.如权利要求13所述的方法,其特征在于:还包括:
基于瑞利分布来计算各风速出现的概率;及
基于所述各风速出现的概率来计算所述待测风力发电机的所述叶根处应力循环次数。
18.一种风力发电机等效疲劳载荷的估算装置,其特征在于,包括一个或多个处理器,用于实现如权利要求1-17中任一项所述的方法。
19.一种计算机可读存储介质,其特征在于,其上存储有程序,所述程序被处理器执行时,实现如权利要求1-17中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010843739.4A CN111985104A (zh) | 2020-08-20 | 2020-08-20 | 风力发电机等效疲劳载荷的估算方法及装置及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010843739.4A CN111985104A (zh) | 2020-08-20 | 2020-08-20 | 风力发电机等效疲劳载荷的估算方法及装置及计算机可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111985104A true CN111985104A (zh) | 2020-11-24 |
Family
ID=73444192
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010843739.4A Pending CN111985104A (zh) | 2020-08-20 | 2020-08-20 | 风力发电机等效疲劳载荷的估算方法及装置及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111985104A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112668124A (zh) * | 2021-01-04 | 2021-04-16 | 上海电气风电集团股份有限公司 | 风力发电机组极限设计载荷的确定方法、装置及计算机可读存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090180875A1 (en) * | 2008-01-10 | 2009-07-16 | Per Egedal | Method for determining fatigue load of a wind turbine and for fatigue load control, and wind turbines therefor |
KR101706508B1 (ko) * | 2016-07-12 | 2017-02-16 | 한국에너지기술연구원 | 풍력 발전기의 피로 해석 및 등가하중 해석 시스템 |
JP2018185171A (ja) * | 2017-04-24 | 2018-11-22 | 株式会社東芝 | 風車発電機の疲労寿命解析装置、風力発電システム、及び風車発電機の疲労寿命解析方法 |
CN109340062A (zh) * | 2018-12-18 | 2019-02-15 | 国电联合动力技术有限公司 | 一种低风速风电机组数字双胞胎式的疲劳损伤预测方法 |
CN111441917A (zh) * | 2019-01-16 | 2020-07-24 | 北京金风科创风电设备有限公司 | 基于扇区的风电机组的预定部件的载荷预估方法和装置 |
-
2020
- 2020-08-20 CN CN202010843739.4A patent/CN111985104A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090180875A1 (en) * | 2008-01-10 | 2009-07-16 | Per Egedal | Method for determining fatigue load of a wind turbine and for fatigue load control, and wind turbines therefor |
KR101706508B1 (ko) * | 2016-07-12 | 2017-02-16 | 한국에너지기술연구원 | 풍력 발전기의 피로 해석 및 등가하중 해석 시스템 |
JP2018185171A (ja) * | 2017-04-24 | 2018-11-22 | 株式会社東芝 | 風車発電機の疲労寿命解析装置、風力発電システム、及び風車発電機の疲労寿命解析方法 |
CN109340062A (zh) * | 2018-12-18 | 2019-02-15 | 国电联合动力技术有限公司 | 一种低风速风电机组数字双胞胎式的疲劳损伤预测方法 |
CN111441917A (zh) * | 2019-01-16 | 2020-07-24 | 北京金风科创风电设备有限公司 | 基于扇区的风电机组的预定部件的载荷预估方法和装置 |
Non-Patent Citations (1)
Title |
---|
高俊云 等: "基于Ansys/FE-SAFE的风力机主轴疲劳计算分析", 机械强度, vol. 35, no. 4, pages 498 - 502 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112668124A (zh) * | 2021-01-04 | 2021-04-16 | 上海电气风电集团股份有限公司 | 风力发电机组极限设计载荷的确定方法、装置及计算机可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wu et al. | Modeling turbine wakes and power losses within a wind farm using LES: An application to the Horns Rev offshore wind farm | |
CN103063425A (zh) | 风力机叶片疲劳寿命实时监测方法 | |
Zhao et al. | Analysis of vibration monitoring data of an onshore wind turbine under different operational conditions | |
CN104074687A (zh) | 一种用于兆瓦级风电机组的载荷及性能测试方法及装置 | |
CN111734585B (zh) | 风力发电机的极限载荷的确定方法、装置及可读存储介质 | |
Cao et al. | Experimental and numerical analysis of wind field effects on the dynamic responses of the 10 MW SPIC floating wind turbine concept | |
CN111985104A (zh) | 风力发电机等效疲劳载荷的估算方法及装置及计算机可读存储介质 | |
Marten et al. | Validation and comparison of a newly developed aeroelastic design code for VAWT | |
CN113090473B (zh) | 风力发电机组及其疲劳损伤的计算方法和设备 | |
Myrent et al. | Aerodynamic sensitivity analysis of rotor imbalance and shear web disbond detection strategies for offshore structural health prognostics management of wind turbine blades | |
Xu et al. | The influence of rotation on natural frequencies of wind turbine blades with pre-bend | |
Sun et al. | Numerical simulation of the unsteady flow and power of horizontal axis wind turbine using sliding mesh | |
Lupton et al. | Harmonic linearisation of aerodynamic loads in a frequency‐domain model of a floating wind turbine | |
Perez-Becker et al. | Investigations on the Fatigue Load Reduction Potential of Advanced Control Strategies for Multi-MW Wind Turbines using a Free Vortex Wake Model | |
Myrent et al. | Structural Health and Prognostics Management for Offshore Wind Turbines: Case Studies of Rotor Fault and Blade Damage with Initial O&M Cost Modeling | |
Söker | Loads on wind turbine blades | |
Shi | Model-based detection for ice on wind turbine blades | |
Shams et al. | Torsional aeroelasticity of a flexible VAWT blade using a combined aerodynamic method by considering post-stall and local reynolds regime | |
CN109038651B (zh) | 一种基于机组相关性的风电场功率波动频谱预测模型 | |
Pimenta et al. | Calibration of onshore wind turbine numerical model using experimental data | |
Cao et al. | Influence mechanism and numerical reconstruction method of complex wind field acting on a large-MW floating wind turbine | |
CN112668124B (zh) | 风力发电机组极限设计载荷的确定方法、装置及计算机可读存储介质 | |
da Rosa et al. | Wind Turbine Blade Mass Imbalance Detection Using Artificial Intelligence | |
CN112257289B (zh) | 风电机组变桨***载荷处理方法、***及计算机可读存储介质 | |
Myrent et al. | Pitch error and shear web disbond detection on wind turbine blades for offshore structural health and prognostics management |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |