2020年10月14日-16日，2020北京國際風能大會暨展覽會（CWP 2020）在北京新國展隆重召開。作為全球風電行業年度最大的盛會之一，這場由百余名演講嘉賓和數千名國內外參會代表共同參與的風能盛會，再次登陸北京，本屆大會以“引領綠色復蘇，構筑更好未來”為主題，聚焦中國能源革命的未來。能見App全程直播本次大會。
在14日下午召開的風資源精細化評估分論壇上，遠景能源有限公司產品市場經理張甜發表《風資源評估進階-DES載荷評估》主題演講。
以下為發言實錄：張甜：大家好，我是遠景能源產品市場部的張甜。今天主要跟大家分享一下遠景在風資源評估，CFD仿真方面做的一些新的嘗試。在實際的案例講解之前，我先和大家一起梳理一下目前CFD的四種技術，按照其技術難度，精細化程度及應用場景主要分為RANS、DES、LES和DNS。我們目前所使用評估風資源的軟件，像遠景的格林威治平臺，WT，windsim這些軟件都是基于RANS模型進行風資源計算。RANS仿真是一個穩態的計算，僅能給出一個平均值。用RANS模型我們能得到是風電場內的平均風速分布，隨著時間的變化的風速信息，我們靠RANS模型是沒法掌握的，所以遠景我們從DES技術的角度切入，DES有一個特點，它可以計算風電場內的風速隨時間變化的信息，我們收集到這些信息的話，就可以做一個復雜風場的精細化的仿真，得到更準確的數據。當我們對風機風況分析更加的精細化，我們就可以針對風機部件失效原因分析更加的清楚。這些計算的話，隨著它的技術的復雜程度，精確度，結果會更精細，但是計算量是更大的，工程應用難度也是增加的，所以大家看到金字塔頂上，DNS，LES，目前主要應用于科學研究，沒法展開大規模工程應用。
這里是一個DES和RANS的應用場景的對比，我們遠景在RANS模型上耗費了很多工夫在做這個RANS模型。 我們累計獲取了很多在運風電場SCADA的理論發電量來和我們的RANS模型進行訓練，做對比。最后的結果的話，大家可以看到，我們使用格林威治計算出來的發電量結果和理論發電量的結果差異比例是1.87%，而通常的商用軟件它的差異比例是2.41%，可以說在RANS模型上，我們已經開發到很成熟的程度。然后為什么我們要進入到DES，我們想使用DES去獲取它風機在復雜地形下的表現，到底這個風吹到我的葉輪表面它是怎樣的變化，然后我們能不能拿到這些變化去分析我們風機載荷，我們為什么失效，因為什么地形失效。
這里講的呢，是DES模型的一個主要特點，它這個模型可以模擬來流風的風況，捕捉它秒級的變化。實際上來流風不斷的在發生變化，這些變化并不是像我們RANS反映的那么均勻的。我們DES模型這里設定的仿真模擬的時間是3600秒。我們根據我們的經驗和大量的實例驗證，3600秒的這個時間足夠我們把風機周圍的地形信息給獲取完全。通過捕捉到流場內精細的流動結構，我們知道風是怎樣分布的，看到PPT的下半部分，如果按照我們之前風機的排布策略，我們一般會傾向于把風機放到前排的部分，這兩個風機。因為那里的風速大概在14米每秒左右，一號風機放在最前面。這里我們看呢，一號風機放到最前面一點問題都沒有，可以獲得很高的發電量。但是第二號風機，排除尾流影響，把間距拉大，我們可以看到2號風機葉輪的上半部分它的這個風速是很高的，同樣是在14米每秒左右，到了下半部分葉輪表面受到風況風速大約是四五米每秒左右，這樣的情況會造成上半葉輪和下半葉輪區域的載荷不平衡，導致風機產生波動，部件容易失效。類似這樣的回流區，會導致，雖然我這個地方風速很好，因為這個波動，我的大部件，失效的概率會大大增加。需要運維人員不斷停機不斷修理它，其實實際上如果我們把風機插到中排，后排，回流間歇性的恢復，風機在這里接收到的來留風風速是很均勻的，當我風機接收到穩定的風速輸入，安全可靠的運行，我們獲得收益是比較可觀的，是遠優于2號機位的。
這個是我們基于某個風場2兆瓦樣機做的模型驗證，大家可以和我一起看一下，這個風機周邊的大概環境情況，在330度扇區方向有一個高坡，風機機位點的海拔大概是2120米，高坡的海拔是2150米，這個高坡有一部分把風機的葉輪面擋住，導致330度扇區的來流風是無法全部直接到達葉輪面上的。經過我們的計算，11號扇區，也就是300度扇區，12號，也就是330度扇區，基于這兩個扇區的數據對比，拿RANS進行仿真，我們可以看到11號扇區的載荷模擬結果和實測數據是相近的，但是12號扇區的模擬結果我們可以發現，我們這里載荷比實測低50%以上。這也就證明用我們RANS模型模擬的載荷疲勞是帶有錯誤信息的，所以我們為什么要使用DES技術做載荷評估，因為我們使用RANS計算的葉輪面風況，是只考慮垂直風切變的情況，葉輪上到下由低到高，它水平切變是為零的。而復雜山地的風電場，它的水平切變是不可能為零的，因為它會受到一個地形的一個影響，水平方向的風速會發生變化，它的湍流也是。一般來說我們在設計風機的時候我們的風種子和我們實際模擬的都是在平地上發生的，但是這里有個問題是什么呢？我們的湍流是均勻分布的，這個湍流均勻分布，在海面，在平地地形的話，這個誤差是可以忽略的。不過同樣的情況，發生在復雜山地的話，我們的風速湍流實際上是在不斷的變化的，隨著時間的變化，它的風速和湍流在葉輪表面上是會不斷的波動，并不均勻發生。這里概括出兩個結論，第一，在復雜地形上，我們設計使用的風種子是不能代表實際的風況，關于地形對風況的影響是有遺漏的。第二，我們葉輪面越大，接收到的來流風就越多。設計使用的風種子，考慮的信息比較單一，它會得到載荷誤差比較大，就像之前用RANS得到的結果一樣。
這里還是對剛才展示樣機的分析，從270度方向，沒有遮擋的方向，這個葉輪面大家可以看到風速的分布是非常均勻的，這是RANS的結果和DES做的對比。270度方向，DES和RANS的結果基本上相近的，但是如果有了遮擋之后大家就可以看到，DES能看到更多的信息，我們實際上在330度這個方向，我們葉輪受到來流風，左下葉輪面風速低，右下葉輪面風速較高，受力不平衡，載荷在不停的波動，葉輪會受到一個較大的彎矩，就會導致葉片、主軸承等關鍵大部件失效的概率大大增加。但是如果我們通過DES提前能預知到把風機豎立在這里會有這些風險，換一個避免高坡遮擋的機位點，就可以減少這種地形因素導致的載荷偏差，大部件也就不會失效。
左下角線性圖是我們做的對比，黑點對二號風機的實測數據，黃線是RANS得到的結果。我們可以看到，在270度扇區，由于沒有地形遮擋，RANS和DES還有實測的結果是十分相近的。但是在330度扇區，我們可以明顯看到只有DES和實測的結果時間相近，RANS已經無法仿真出準確的受載結果。
下面是一個真實的案例分析，風場位于我們西南地區，這個49號風機，我們接收到的現場反饋，49號風機的機位震動明顯，部件發生失效次數較多。于是我們的后臺載荷團隊，就去研究這個案例，采集了現場的實際數據，后來發現失效風向是60度，60度大家可以順著紅線看過去有一個高坡遮擋。同時高坡本身旁邊豎立著一臺50號風機。所以情況就是，這兩臺風機一個有地形的干擾，一個沒有。所以我們把這兩臺風機的數據收集回來做了一個對比實驗，對比實驗的結果大家可以看到，這兩臺風機，大部件更換記錄的對比是十分明顯的，49號風機在2019年四月份以后，每個月都會發生一次部件的更換或者運維。50號風機呢，由于山坡上沒有遮擋，地形很平緩，運行狀況一直良好，沒有部件更換的記錄。上面兩幅彩圖，左邊是DES的模擬，右邊是RANS模擬，大家可以看到，50號風機這里因為地形平緩，葉輪面風速沒有什么變化，較為均勻。49號風機的葉輪面，它下葉輪的風速6米每秒，輪轂到上葉尖，風速基本上是十米每秒以上。所以就是剛剛提到的，風機的葉輪受到了一個不平衡載荷，部件失效的概率會大大增加，影響發電效率。這頁呢講的是從集中式風場對復雜地形的研究到分布式。分布式大家可能有一個疑問，我們一般是放在城市里，或者說郊區，它是一個平地的地形，為什么分布式風場還會產生這樣的問題，確實我們分布式風機在平地，但是在平地我們風機周圍的環境也是有一些建筑物的，這些建筑物對風況的影響也是不容忽略的。
大家可以看到這個右下角的這幅圖，我們這里白色的是一個球形的建筑物，下面有個廠房，旁邊這個白色的球形建筑物高度大概是70米，廠房長360米，寬135米，高25米，根據經驗我們認為這兩個建筑物是一個主要的干擾因素，如果風機插在這里的，大家可以看到每個圖在120度方向和220度方向都是有來流風的，有這樣一個風頻分布。而我們風機T2和T3風機在這兩個方向上就會收到建筑物的影響。
一個廠區里面建筑物雜多，不能全部都考慮，有一些建筑物，對風機的影響是可以忽略不記的，我們這里主要把球形的建筑物，和廠房的影響拿出來分析。經過DES的一個仿真計算，大家可以看到，T3風機的220度方向，來流風在30米高的地方，風速變化是十分的明顯的，大家可以看到葉輪面風速變化，黑色的是30米的風速變化，風速是非常的大的，隨著高度的增加，到了90米，它的風速又慢慢恢復，雖然還是波動，影響已經變弱。再到更高的地方150米，風速趨于平緩，建筑物遮擋的影響在這個高度已經消失。
這里是120度風向建筑物對T2風機的影響，左下角這個地面30度高的葉輪底部的風速變化模擬出來，我們發現，建筑物對風機的風況影響，這兩個結論都是很類似的，葉輪表面的下半步區域受到的風況是非常復雜的。如果我們的風機在設計排布方案環節，沒有應用DES模型來排除這些風險點，后期出現失效的概率是非常大的。為了讓我們風機更可靠的運行，更有效率的發電，使用DES模型來做一個風險的把控，提前預知風險是很有必要的。
（根據速記整理，未經本人審核）
手機瀏覽網
