一种风电机组叶片覆冰质量预测方法和系统

技术领域

本发明涉及风电机领域，具体是一种基于物理机理的风电机组叶片覆冰质量预测方法和系统。

背景技术

风能是一种重要的可再生能源，可以替代化石能源来满足电力需求。风力发电机在高海拔低温环境下容易发生叶片覆冰的情况，可能给风电场带来巨大的经济损失，甚至因此造成停电事故。如在2021年美国得州2·15大停电事故中，极寒天气亦导致风电机组因设备覆冰无法发电，停运机组超过总装机的1/3，从而引起得州大停电事故。

在目前国内外的研究中，对风电机组叶片覆冰质量的预测，主要是依托于历年风电场的监测数据记录进行机器学习来对当前环境状态下的覆冰质量进行预测。该种数据驱动的建模方法对于数据的规模与质量都要求很高，同时由于其训练数据与当地气候情况及风机型号相关性极大，数据广度不够，所得覆冰预测模型只在当地适用，难以为数据较少或新建的风电场进行有效的指导。

发明内容

为了解决上述问题，本发明提供一种风电机组叶片覆冰质量预测方法和系统，基于物理机理分析环境风速、温度、过冷水滴平均有效直径、空气含水量、风电机组叶片转速、桨距角对风电机组叶片覆冰质量的影响，并得出这些变量与覆冰质量的函数关系，是一种成本较低的风电机组叶片覆冰质量的预测方法。

本发明的技术方案具体如下：

一种风电机组叶片覆冰质量预测方法，包括：覆冰过程中的冰增长质量计算如下：

其中，m

T

进一步地，

进一步地，通过风电机组叶片覆冰历史数据进行模型验证，包括：

根据风电机组叶片覆冰历史数据与公式计算结果的比对，通过误差分析的方式完成模型的验证。

进一步地，计算覆冰历史数据与公式计算结果的正规化均方根误差，公式如下：

其中，

其中，Y

本发明还涉及一种风电机组叶片覆冰质量预测系统，包括微控制器，微控制器接收采集的环境参数与风机状态参数，根据上述的方法进行风电机组叶片覆冰质量预测。

本发明事先通过搭建物理模型获得环境状态与覆冰质量的函数关系，结合实际环境信息完成覆冰质量预测。本方法具有成本低，精度较高，使用时数据处理量较小等优点。

附图说明

图1为本发明实施例的风电机组叶片覆冰质量预测方法流程图；

图2为本发明实施例的-20℃的计算结果图；

图3为本发明实施例的-5℃的计算结果图。

具体实施方式

下面将结合本发明实施例，对本实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是对本发明一部分实例，而不是全部的实例。基于本发明中的实施例，本领域普通技术人员在没有付出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

如图1所示，本实施例的风电机组叶片覆冰质量预测方法，包括：

步骤(1)解析风电机组叶片覆冰过程中空气相与水滴相的两相流控制机理。

假设空气相为连续流体，水滴在流场中的体积含量很小，因此水滴不影响空气的流动；作用于水滴的外力只有空气阻力、重力和空气浮力，空气的湍流脉动不影响水滴的运动；水滴在运动过程中不发生热交换、不蒸发，物性参数不变；将水滴看作具有等效直径的球体。

其中，解析风电机组叶片覆冰过程中空气相控制机理，包括：假设空气相为连续流体，其质量守恒方程和动量守恒方程分别为：

质量守恒方程：

动量守恒方程：

其中，ρ

边界条件为：

流体在入口处的速度和压力均已知；流体在出口处的压力已知；流体在壁面处的速度和法向应力均为零；空气相在水滴表面的切向应力为零。

步骤(1)中，解析风电机组叶片覆冰过程中水滴相控制机理，包括：

假设水滴相为不连续相，其质量守恒方程和动量守恒方程分别为：

质量守恒方程：

动量守恒方程：

其中，ρ

边界条件：

水滴在入口处的速度和质量浓度已知；

水滴在出口处的速度已知；

水滴在壁面处的速度和法向应力均为零；

空气相在水滴表面的切向应力为零。

步骤(2)解析风电机组叶片覆冰过程中水滴运动轨迹机理。

解析风电机组叶片覆冰过程中水滴运动轨迹机理，包括：

基于两相相流动方程、水滴运动学方程以及相应的力学方程。具体地，假设水滴在流场中的体积含量很小，因此水滴不影响空气的流动；作用于水滴的外力只有空气阻力、重力和空气浮力，空气的湍流脉动不影响水滴的运动；水滴在运动过程中不发生热交换、不蒸发，物性参数不变；将水滴看作具有等效直径的球体，并采用了k-∈两方程湍流模型，二维定常。

设水滴的直径为d

其中，m

步骤(3)解析风电机组叶片覆冰过程中覆冰质量增长机理

解析风电机组叶片覆冰过程中覆冰质量增长机理，包括：

基于Messinger模型，假设水滴在叶片表面形成的冰是由于水滴的凝结和冻结引起的，同时考虑了叶片表面温度、空气湿度、水滴直径等因素对冰增长速率的影响。

具体为在覆冰部件表面，由附面层外边界，部件表面，以及垂直于表面的展向侧面围成的控制体为研究对象，进入和流出控制体的各质量流量达到稳定后有如下的质量平衡方程和能量平衡方程：

式中:

能量平衡方程的

引入局部冻结系数f

联立上式及水滴的质量守恒方程和能量守恒方程，并将各项热流的表达式代入可得冻结系数的表达式：

T

上述参数均已知，表面温度T

即可求得f

于是有覆冰过程中的冰增长质量计算公式如下：

其中，m

本实施例中，作为优选，在步骤(1)-(3)中，两相流控制公式，水滴运动轨迹公式，冰增长质量计算公式，计算也可以采用现有的傅里叶方法，具体的包括：

1.对空间变量进行离散化，例如将区间或区域分成若干个小段或小块，并在每个小段或小块上取若干个离散点。

2.对时间变量进行离散化，例如将时间分成若干个小段。

3.将偏微分方程中的空间导数和时间导数用离散化的方式表示，例如用差分近似。

4.将离散化后的方程代入傅里叶变换中，得到一个代数方程组。

5.对代数方程组求解，得到解的傅里叶系数。

6.对傅里叶系数进行逆傅里叶变换，得到原偏微分方程的解。

具体地，设空间变量x和时间变量t被分别离散化为N个点和M个时间步长，设u

其中，f(u

将上述两式代入原方程并整理可得：

该方程便可通过快速傅里叶变换(FFT)高效求解。

步骤(4)根据所得机理，通过风电机组叶片覆冰历史数据进行模型验证。

通过风电机组叶片覆冰历史数据进行模型验证，包括：

根据风电机组叶片覆冰历史数据与公式计算结果的比对，通过误差分析的方式完成模型的验证。具体的，计算覆冰历史数据与公式计算结果的正规化均方根误差(NRMSE)，公式如下：

其中，

其中Y

作为讨论，根据所得通过验证的机理搭建物理机理模型构建环境参数与风机状态参数间的关系。

研究风力涡轮机结冰最常用的经验模型是Makkonen模型(MAKKONEN等，2001)，它是一种准三维柔性框架模型，构成了大多数其他经验结冰模型的基础。

根据Makkonen覆冰模型可知：

dM＝βafdt

式中，dM为覆冰质量，β为局部撞击系数，a为过冷水收集系数，一般设置为1，f为覆冰表面液态水局部冻结系数，dt为覆冰时间。由于大气中的过冷却水滴是在空气流动的带动下，不断与叶片发生碰撞，被叶片捕获的水滴经过热交换、热传递等热量平衡的作用下，释放潜热固化，从而形成覆冰。为了获得以上参数，目前的风力发电机叶片覆冰预测计算主要包括空气流场计算、水滴撞击特性计算、覆冰表面液态水冻结过程热力平衡计算等过程。

其中，空气流场计算对应步骤(1)两相流控制机理，水滴撞击特性计算对应步骤(2)水滴运动轨迹机理，覆冰表面液态水冻结过程热力平衡计算对应步骤(3)覆冰质量增长机理。

根据所得物理机理模型，将环境参数与风机状态参数进行输入，通过模型对应输出以实现风电机组叶片覆冰质量的预测。

本实施例构建模型通过与文献[刘国特.风力发电机叶片覆冰预测与覆冰对机组出力影响研究[D].华南理工大学，2014.]中的试验结果进行比对以完成仿真模型的验证。覆冰对比如图所示，可见具有较高的精确度。

其中，本实施例采集了工作风速(m/s)、风电机组旋转速度(rpm)、环境温度(K)、液滴直径(μm)、空气中液态水含量LWC(g/m

试验条件：叶片长度为0.83m，选择截面位置在半径0.5m位置，翼型型号为NACA4412，风速2.5m/s，过冷水滴平均有效直径16μm，空气中液态水含量1g/m

如图2所示，-20℃试验数据覆冰质量0.00008267472805625kg/m

如图3所示，-5℃试验数据覆冰质量0.0000632448757873kg/m

NRMSE小于0.2，认为模型验证成功。

为了实现上述方法，本实施例还涉及的一种风电机组叶片覆冰质量预测系统，包括微控制器，微控制器接收采集的环境参数与风机状态参数，根据上述的方法进行风电机组叶片覆冰质量预测。上述微控制器为现有产品。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。