【摘 要】
：
针对现有风电机组涡激振动研究侧重于无顶部质量刚塔的一阶涡激振动,忽视有顶部质量高柔塔的二阶涡激振动的不足,开展高柔塔二阶涡激振动特性研究.首先,基于GH Bladed软件建立高柔塔风电机组模型,并通过模态分析得到高柔塔二阶固有频率及模态振型;然后,基于涡激振动相关标准,计算二阶涡激振动作用时各高度处的惯性力;最后,以某型2 MW高柔塔风电机组为研究对象,进行二阶涡激振动特性分析,并与一阶涡激振动特性进行对比.结果表明,高柔塔一阶涡激振动造成的影响较小,可忽略不计;二阶涡激振动易导致塔筒强度不足,存在较大的
【机 构】
：
新能源电力系统国家重点实验室(华北电力大学),北京 102206;华北电力大学新能源学院,北京 102206
论文部分内容阅读
针对现有风电机组涡激振动研究侧重于无顶部质量刚塔的一阶涡激振动,忽视有顶部质量高柔塔的二阶涡激振动的不足,开展高柔塔二阶涡激振动特性研究.首先,基于GH Bladed软件建立高柔塔风电机组模型,并通过模态分析得到高柔塔二阶固有频率及模态振型;然后,基于涡激振动相关标准,计算二阶涡激振动作用时各高度处的惯性力;最后,以某型2 MW高柔塔风电机组为研究对象,进行二阶涡激振动特性分析,并与一阶涡激振动特性进行对比.结果表明,高柔塔一阶涡激振动造成的影响较小,可忽略不计;二阶涡激振动易导致塔筒强度不足,存在较大的倒塔风险.
其他文献
在基于叶片根部载荷的PID独立变桨控制的基础上,引入激光雷达并提出优化的独立变桨控制方法.利用激光雷达可重建风力机前方风场信息的特点,对风力机前方风速进行提前测量.提出并使用统一风演化模型对所测数据进行二次处理,得到更贴近实际的叶轮中心风速,进一步使用所提出的分离测风方法对叶根载荷进行提前计算,根据载荷的计算值进行独立变桨控制.该方法可用于解决由于信号延迟、变桨执行机构延迟导致的风速与桨距角不匹配问题.在保证发电功率平稳的情况下,进一步减小风力机工作时的叶根载荷及轮毂不平衡载荷.使用TurbSim软件生成
针对低运行工况下直驱风电机群并网出现的次同步振荡(SSO)问题,基于图形化分块建模,在建立风力机、集电线路及电网等独立元件的模型基础上,构造不同集电线路拓扑结构下直驱风电机群的线性化模型.利用特征值分析法和阻抗分析法识别系统中存在的振荡模式,并分析运行工况、电流内环控制参数和风力机数量等因素对SSO频率和阻尼的影响.研究结果表明:d轴电流内环控制参数设置不合理是诱发直驱风电机群SSO的根本原因.在EMTDC/PSCAD中搭建直驱风电机群并网的时域仿真模型,验证了理论分析的正确性.
针对传统随机规划方法和区间优化方法处理风电出力不确定性的不足之处,该文提出含电转气设备的电力-天然气综合能源系统两阶段鲁棒协同调度模型,并考虑天然气网络运行约束对燃气轮机和电转气设备调度出力及备用配置的影响.模型以风电基准场景下系统的日前调度运行成本及最劣风电场景下实时调度成本之和为目标函数,建立具max-min结构的双层优化模型,并在主/子问题求解框架下采用列约束生成(C&CG)方法进行求解.最后,在Matlab平台下构建仿真算例验证所提鲁棒协同调度模型的有效性.
为解决海量数据用作预测模型训练样本导致信息冗杂的问题,提出一种基于深度置信网络的短期风电功率预测方法.该方法首先使用历史数据作为训练样本,通过深度置信网络无监督学习提取出其相应特征,随后采用K均值算法对提取出的特征进行聚类分析,将历史数据分作几类,并通过判别分析确定待测日所属类别,以该类别所属的历史数据对设置了误差反馈层的深度置信网络进行有监督训练,再将待测日的气象信息输入训练好的深度置信网络模型得到待测日的预测功率.最后使用云南某风电场实际运行数据进行算例分析,证实了该方法的有效性.
基于风速的空间关联性提出一种新的多位置多步风速组合预测方法.对风场内各风力机进行灰色关联分析,并据此利用昆虫优化算法进行优选重构,获取目标风力机及临近域空间信息.利用卷积神经网络对重构矩阵进行空间特征提取,并输入长短时记忆网络进行多步预测.最后,将所提方法应用于不同风场进行风速预测,通过对比分析验证所提方法的预测精度和泛化能力.
提出一种基于季节指数调整的神经网络风速预测方法.针对历史风速之间的非线性关系,运用神经网络非线性拟合能力并结合季节性指数调整对风速时间序列进行预测.通过时序图法和增广Dickey-Fullerd检验法判断时间序列的平稳性,结果表明该序列为非平稳序列.这种不稳定性说明时间序列中可能包含趋势、季节性、循环和不规则成分的一种或多种,为此采用时间序列分解模型对时间序列进行季节指数调整.最后采用LSTM和GRU神经网络预测风速,得到了较好的预测结果,且与未调整的数据预测结果及加法模型季节指数调整后的预测结果相比,基
由于二次动态矩阵控制(quadratic dynamic matrix control,QDMC)算法中二次规划求解计算量大、实时性差等问题,难以满足液压型风力发电机组变量马达转速的高精度快速控制需求.该文提出一种双重速率二次动态矩阵控制算法(dual rate QDMC,DR-QDMC),将控制增量的求解分解为快速层和慢速层2个时间尺度进行,利用AMESim-Simulink/Matlab联合仿真平台构建液压型风力发电机组的AMESim仿真模型并研究分析DR-QDMC算法性能.仿真实验结果表明,DR-Q
为提高风电功率概率预测精度和缩短长短期记忆网络的训练时间,提出一种基于分位数回归结合新遗忘门长短期记忆(NFGLSTM)网络与核密度估计的风电功率概率预测方法.该方法对长短期记忆网络的结构改进,提出一种新的遗忘门结构,以缩短训练时间.基于分位数回归和NFGLSTM网络建立组合预测模型,得到风电功率点预测值和某一置信度下的预测区间,采用Cosine核函数的核密度估计求解预测值的概率密度函数.基于某风电场的实测数据的算例分析表明,和传统预测方法相比,该方法可缩短长短期记忆网络的训练时间,提高概率预测精度.
为改善风力提水机组设计中的部件匹配性问题,提高提水机组运行效率,提出一种机泵分离式风力提水机组匹配性设计方法.通过各部件运行曲线之间的工作点追踪与交叉确定风轮、空气压缩机以及隔膜泵之间相匹配的最佳设计点.并依照该方法设计试验样机,通过对样机的监测,各个运行参数之间的相关性与理论一致,样机运行稳定.该匹配性设计方法可普遍适用于机泵分离式风力提水机组,提高机组的寿命和运行效率.
综合应用涡面元和RANS方法,研究DU93-W-210、DU91-W2-250及DU97-W-300这3种常用翼型经尾缘修型后尾缘厚度对粗糙敏感性的影响.在涡面元方法中采用设置固定转捩和在RANS方法中采用设置锯齿形边界条件的方式来模拟翼型前缘污染,研究发现前缘污染造成翼型吸力峰降低,引起翼型气动性能下降,然而随着尾缘厚度的适量增加,翼型最大升阻比及设计升力系数即气动性能的下降率呈减小趋势,表明适当增加尾缘厚度可有效降低风力机叶片粗糙敏感性.