主動偏航尾流控制研究成果綜述

任 杰 劉清媛 周自成 劉飛虹 吳 迪

明陽智慧能源集團股份公司

0 前言

大規模風電場投入使用的風力發電機類型多為水平軸風機，其在工作中會在葉輪后方形成尾流區，風機尾流區內風速降低且湍流強度增加，不僅會導致下游機組的發電量損失，還會造成機組疲勞載荷增加，甚至引發機組振動、機械損傷等后果［1］，由于海洋表面粗糙度低、湍流水平低，海上風電場尾流疊加效應更加顯著，影響范圍更大。在風電場降本增效技術中，主動尾流控制技術可以有效減少前排尾流對后排機組的影響，解決大型風電場尾流疊加效應帶來的發電量損失等問題，是近年行業技術研究的重點。

主動尾流控制可以分為主動偏航控制和主動變槳控制兩種。前者通過調整上游風機偏航角，犧牲前排機組的對風性，使機組產生的尾流發生偏置，減小前排機組尾流對后排機組的影響，提高整場發電量。后者通過調整上游風機的槳距角，減小前排機組的風能利用率，減少下游機組所受到的尾流影響。但是在低于額定風速時，風機功率對槳距角的敏感性較強，槳距角的微小調整可能會引起風機功率的巨大變化。此外，下游機組尾流風速還與機位排布間距、風況條件等有直接關系，在風電場建設完成后很難改變。因此，主動變槳控制的應用范圍相對局限，而主動偏航控制能有效避免這些問題，是目前國內外研究最多，也是通過改變尾流軌跡，提升風電場功率最有效的方法。

本文收集國內外主動偏航尾流控制的相關研究成果，分為對偏航尾流特性進行分析、總結主動偏航尾流控制對整場發電量及機組載荷的影響、介紹近年來國內外提出的偏航尾流模型三部分進行歸納總結，為后續主動偏航尾流控制的應用及優化奠定理論基礎。

1 偏航尾流特性

1.1 偏航尾流風速分布

偏航條件下，風機輪轂后尾流區會向一側發生偏轉，其速度分布相較于非偏航條件下有所不同，主要表現在偏航尾流區速度虧損和尾流中心位置等特性上。

Qian 和Ishihara［2］基于Choshi 基地2.4 MW 海上風機的RANS 仿真，得出的結果表明隨著偏航角度增加，尾流速度虧損減小。其次，更高的環境湍流強度下尾流偏置量相對低環境湍流強度更小，尾流區域更短，尾流偏轉和速度虧損的恢復速度也越快（如圖1所示），其中實線表示風機葉輪平面，虛線和圓圈分別表示尾流邊界和尾流中心軌跡。

圖1 輪轂高度尾流速度和尾流偏轉云圖

Xiaoxun Zhu 等人［3］通過對華北某風電場基于多普勒光探測與測距的現場試驗數據進行處理和分析，發現偏航風機的尾流中心線向來流的一側發生偏轉，但偏轉的斜率逐漸減小，最終趨于0，且偏航風機的尾流速度分布在近尾流區為雙高斯分布，而在遠尾流區逐漸轉變為單高斯分布。以上結果均如圖2 所示，其中(圖2a)表示偏航條件下的尾流中心線軌跡，(圖2b)表示偏航條件下水平切面尾流速度等高線云圖。

圖2 偏航條件下尾流偏轉云圖

繆維跑等人［4］通過非定常CFD 方法模擬在大氣邊界層影響下風機的尾流特性。仿真結果表明，上游機組未偏航時，0＜x/D＜7 截面內其尾流速度分布具有一定的對稱性，并在傳播過程中逐漸膨脹。上游機組偏航角為30°時，其尾速度分布呈非對稱性，反映機組偏航導致的尾流偏轉情況，且隨著傳播距離的增加逐漸扭曲。在x/D＞7 截面內，尾流處于極不穩定狀態，在短距離內（7＜x/D＜9）發生快速變化。仿真結果如圖3所示。

圖3 流場速度云圖及輪轂處速度剖面線（7D處為第二排風機葉輪平面位置）

1.2 偏航尾流偏置特性

上游風機未偏航時，其尾流亦將產生微小的橫向移動距離。研究表明，此為旋轉的尾流與風剪切效應相互作用引起的［5］。上游風機偏航時，氣流受到來自葉輪平面的反作用推力可以沿風輪轉軸方向分解為平行分量和垂直分量，該垂直分量將推動尾流發生更明顯的橫向偏移。

Dezhi Wei 等人［6］同時考慮了大氣邊界層穩定度和地球科氏偏轉力，認為在穩定大氣邊界層條件下，正向（從上往下看逆時針方向）偏航風機的偏置量比負向偏航風機的更大（如圖4所示）。

圖4 正負偏航尾流中心軌跡曲線（5D處為第二排風機葉輪平面位置）

Stefano Macri 等人［7］在不同尺度的均勻湍流條件下對不同孔隙率的圓盤進行風洞試驗，試驗結果表明，尾流偏轉角與風機偏航角之間呈非線性單調遞增函數的關系，且尾流偏轉角比機組偏航角低一個數量級（如圖5 和6 所示），其中不同類型的點表示不同風況及湍流條件，不同顏色的點表示不同孔隙率。

圖5 偏航角γ和偏轉角θ示意圖

圖6 偏航角與偏轉角關系

在Paul Fleming 等人［8］的研究中，利用SOWFA 模擬器進行數值仿真，發現上游風機偏航后產生的垂直分量始終存在于整個風場中，進而引出了二次轉向的概念，即上游風機偏航后，即使下游風機不發生偏航，其尾流也會發生一定的偏轉（如圖7 所示）。

圖7 SOWFA仿真結果。其中，上游風機偏航25°，下游風機不偏航

1.3 小結

大量文獻研究均表明，風機偏航會對其尾流特性產生影響。然而，由于風況的復雜性、風場以及研究方法（數值仿真對比法、風洞試驗對比法、實測數據對比法）的差異性，可能導致不同學者的一些結論存在差異，由于大部分學者都是采用數值仿真對比和風洞試驗對比法，得出的結論均較為理想，與實際風場存在一定差異，一些結論的準確性和普適性還有待檢驗。

2 偏航尾流控制對風場的影響

2.1 偏航尾流控制對整場發電量的影響

目前，已有大量研究表明，主動偏航尾流控制能有效減少前排機組尾流對后排機組的影響，實現整場發電量提升。在前排機組執行主動偏航控制時，偏航角度（文中均以從上往下看逆時針方向為風機正向偏航角）、來流風速風向、湍流和風機間距等因素均會影響到尾流控制的有效性，影響整場發電量提升量。

寧旭等人［9］對比分析了主動偏航控制在不同風況下對風場性能提升效果。結論表明，主動偏航控制對所有風況均起到發電量提升的效果，其中風向對風場發電量提升的影響較大，而風速及湍流強度均與發電量提升量成反比。該文還發現，在4 D～7 D的前后排間距范圍內，風機間前后距離較大時，尾流控制效果不明顯。Dezhi Wei等人［6］也認為，主動偏航控制獲得的發電量相對增益隨湍流強度的增加而減?。ㄈ鐖D8所示）。該文還認為偏航方向會影響尾流偏置量的大小，從而影響主動偏航控制的效果（見圖9）。

圖8 發電量相對增益隨湍流強度的變化

圖9 不同風向與列方向夾角下速度分布

Peter Brugger 等人［10］對風場實際數據進行了測量，發現來流風向與機艙夾角的大小和變化范圍對整場發電量提升量有影響，只有當自由來流與機艙夾角在325°～335°之間時，兩臺風機的功率之和才會提高2%～3%，在其它角度范圍內時功率增益很小，甚至出現功率損失（如圖10所示）。

圖10 基于尾流掃描激光雷達的自由來流與機艙夾角對下游風機功率影響

Carlo Cossu［11］通過對中性大氣邊界層中的兩排NREL 5 MW 風機進行大渦模擬，并研究了風場發電量與風機偏航角、槳距角和傾角之間的關系。結果表明，在進行主動偏航控制的同時可以調整風機的槳距角和傾角，能有效增加風場發電量（如圖11所示）。

圖11 不同傾角、偏航角和槳距角下風場功率相對增益

2.2 偏航尾流控制對風機載荷的影響

偏航改變了機艙與來流風向的夾角，不僅會使得上游風機尾流發生偏轉偏置，還會對風機的載荷產生影響。同時，由于風機的載荷種類多而復雜，引起變化的直接因素也各有不同，因此對于不同的風機載荷，在偏航條件下的變化趨勢也不盡相同。

Knud A. Kragh 和Morten H. Hansen［12］計算了風機偏航時在不同湍流條件下的穩態葉根面外載荷，發現當風機正向偏航時，載荷隨偏航角度的增加而增大，且湍流強度越低，載荷上升越大；當風機負向偏航時，載荷隨偏航角度的增加先減小再增加（如圖12所示），由此也說明風機偏航方向會對自身載荷產生較大影響。

圖12 損傷等效葉根平面外彎曲載荷與非偏航條件比值隨偏航角度的變化曲線

Rick Damiani 等人［13］對安裝在美國國家風能技術中心（NWTC）的GE 1.5 MW 風機的7 個不同的疲勞載荷在偏航條件下變化進行了現場測量，并用FAST 對風機進行氣動彈性數值仿真分析。結果表明，來流風速大?。?0 m/s、14 m/s）、偏航方向和角度大?。ā?5°、±12.5°、＋18°、0°）對不同類型疲勞載荷的影響均不一致。FAST 在一定程度上能對偏航風機的疲勞載荷作出預測，但與實測數據計算結果還存在一定差異（如圖13 所示），其中EBM 的葉根彎矩，FBM 的襟翼彎矩，RBM 的葉根合成彎矩，LSSTq 的低速軸轉矩，TTBM 的塔頂彎矩，TTTq 的塔頂扭矩，TBBM的塔底彎矩。

圖13 平均輪轂高度風速分別為10 m/s和14 m/s時，預測及實測載荷在不同偏航角度下的變化

馮俊恒等人［14］以某實驗型3.0 MW風機為研究對象，通過葉片氣動分析和Bladed軟件仿真方法發現，正向偏航角會導致輪轂中心載荷增大，而負向偏航角有一定的減小輪轂中心載荷的作用，且不同的風速條件下（6 m/s 和12 m/s）偏航角對風機載荷的影響不同，更大風速會引起更大的載荷波動幅值。

Mou lin 和Fernando Porte-Agel［15］在對主動偏航控制的三臺微型風機進行LES 仿真時發現，對前排風機應用較小的偏航角（＜10°）時，會以顯著增加偏航力矩載荷為代價獲得邊際發電量增益，并不可取。

王俊等人［16］基于疲勞均勻的海上風電場主動尾流控制展開研究，并認為偏航控制使得風電場各機組疲勞差異減小，疲勞分布更均勻，但優化后風電機組疲勞量均較大，且在如圖14 所示的風場中，當風向在5°、30°、50°和65°左右時，風場總功率提升效果較小，不超過5%，其余風向總功率提升了5%～30%，而風場總疲勞損傷量提升幅度較大，達30%～60%。

圖14 風場排布圖

2.3 小結

從調研結果來看，合理范圍內偏航能在一定程度上增加風電場發電量，但增益會受到多方面因素的影響，如來流風速風向、湍流強度、偏航方向等。而在調研的文獻中，利用數值仿真方法得到的主動偏航功率增益集中在10%～20%區間內，而利用實測數據得到的主動偏航功率增益不超過5%，表明數值模擬在一定程度上會高估主動偏航的發電量增益效果，在實際風場中可能還存在更多因素限制主動偏航控制效果。

同時，偏航會對風機載荷產生較大影響，偏航的方向和角度都會引起風機中不同載荷的變化，從而影響機組運行壽命。因此，在進行主動偏航控制時，不能只考慮對風場發電量增益的影響，而應結合載荷進行綜合分析，在合理載荷范圍內進行最優偏航控制。

3 偏航尾流模型

偏航尾流模型一般可以分為顯式解析模型和隱式計算模型，其中顯式解析模型一般用于風電場項目的微觀選址和發電量評估中，而隱式計算模型多用于顯式解析模型的交叉檢驗和校正。近年來，隨著人工智能的不斷發展，部分學者開始嘗試將神經網絡算法與偏航尾流模型結合，目前該研究尚處于研究初期，已經取得了部分成果，具有很好的發展前景。

高等職業院校的護理教育已成為我國護理高等教育的重要組成部分,其顯著特點是強調“實用”與“臨床能力”,目標是培養高等技術應用型護理人才,因此在教學過程中要注重理論與實踐相結合,加強學生臨床思維與實踐能力的培養。而高等職業院校護理專業教師長期在學校從事專職教學工作,存在臨床經驗不足、實踐能力欠缺的情況。因此,出現了護理教育與臨床實踐相脫節的現象,有研究表明,教師進行臨床實踐可有效地解決學校理論教學與臨床脫節的問題[1]。

3.1 偏航尾流顯式解析模型

3.1.1 經典偏航尾流模型對比

1)Bastankhah偏航尾流模型

Bastankhah 偏航尾流模型［17］（后簡稱“B 模型”）是在EPFL 的WIRE 實驗室新建的閉環邊界層風洞試驗的基礎上建立的，存在以下兩個特性：

（1）該模型認為即使在偏航情況下，如果偏航角不大（30°以內），遠尾流區中尾流邊界均線性變化，且增長速率（尾流膨脹系數）大致相同。

（2）該模型認為在來流經過偏航風機產生的尾流內，存在內核區（文中為0～4 D 范圍內），且內核區尾流速度的大小和偏轉角大小均不變。隨著尾流向下游運動，內核區受到周圍氣流影響逐漸變小并最終消失，此時認為尾流發展進入遠尾流區，速度呈單高斯分布（如圖15所示）。

圖15 偏航風機內核區尾流示意圖

2)Qian-Ishihara偏航尾流模型

Qian and Ishihara 偏航尾流模型［2］（后簡稱“Q-I 模型”）在其無偏航尾流模型的基礎上對推力系數和尾流半徑作了變換，使其在形式上保持一致。其與B 模型均認為在近尾流區，尾流偏置量與距離呈線性關系，且該模型運用數學方法解決了B模型中模型參數帶來的影響。其公式及推導過程詳見文獻［3］。

3)Jimenez偏航尾流模型

4)模型對比

通過對比上述三個經典偏航尾流模型的解析式，可以得出：B 模型與Q-I模型均為基于高斯分布的二維偏航尾流模型；B 模型是建立在簡化RANS方程得到的控制方程的基礎上，而Q-I 模型和Jimenez 模型是建立在理論分析風機葉片誘導力和偏航風機周圍控制體動量守恒的基礎上；B 模型需要利用試驗數據對模型參數進行修正；B 模型和Q-I模型均認為，在近尾流區，尾流偏置量與距離呈線性關系，即尾流偏轉角不變。

B 模型、Q-I 模型與Jimenez 模型的風洞試驗和實測數據對比如圖16和圖17所示。

圖16 偏航尾流模型與風洞試驗結果對比［2］

圖17 偏航角18°模型與實測數據對比［10］

從圖16 中可以看到，B 模型與Q-I 模型均能較好地模擬試驗結果，且Q-I 模型的模擬結果與試驗結果更接近，而Jimenez 模型會高估尾流偏轉，誤差較大。

從圖17 中可以看到，B 模型與Q-I 模型均能很好地匹配現場測量的尾流偏轉，且Q-I 模型精度更高，誤差在5%以內，B 模型在x/D＜8 時與Q-I 模型結果十分接近，而Jimenez 模型與實測數據結果差異較大。

3.1.2 其它模型

Jennifer King 等人［19］在B 模型的基礎上，考慮了二次轉向效應和偏航下的附加尾流恢復，并提出了一個高斯旋度混合模型（Gauss-curl hybrid,GCH）（如圖18 所示），其中紅色實線表示GCH 模型，灰色虛線表示B模型。

圖18 考慮尾流恢復和二次轉向的GCH模型與B模型對比

焦鑫等人［20］在傳統的Jensen 模型基礎上，和美國可再生能源實驗室NREL合作開發了一個新的偏航尾流模型，引入偏航對尾流擴散、強度和范圍的影響。在尾流速度分布上，該模型將尾流區分為近尾流區、遠尾流區和混合區三部分，每個尾流區都會沿著葉片方向等比例擴張，分別對應一個擴張系數，即分別考慮不同區域內的尾流分布（如圖19所示）。

圖19 偏航尾流分區

Xiaoxun Zhu 等人［3］提出了一種考慮風切變和近尾流區雙高斯分布的偏航三維Jensen-Gaussian 全尾流模型（Yawed-3D Jensen-Gaussian full wake,Y-3DJGF模型），該模型在Jimenez偏航尾流模型的基礎上考慮了尾流速度截面的各項異性膨脹系數（如圖20所示）。

圖20 Y-3DJGF 模型

3.2 偏航尾流隱式計算模型

近年來，由于計算性能的大幅提升和計算流體力學（Computational Fluid Dynamics, CFD）方法的快速發展，基于數值仿真方法對偏航風機尾流進行的研究逐漸增多。

國內黃國慶等人［21］將大渦模擬（LES）和致動線模型［22］結合，得到新的LES-ALM 數值仿真計算模型，仿真結果與風洞試驗結果整體趨勢符合較好，但在輪轂中心位置處存在一定偏差，這是致動線模型忽略輪轂對流場的影響導致的。國外Haohua Zong 和Fernando Porte-Agel［23］利用分布在旋翼邊緣的點渦云和位于旋翼中心的輪轂渦重建非均勻橫向速度場，再對尾流速度虧損的簡化輸運擴散方程進行數值求解，共同構成了點渦輸運模型（PVT模型）來再現不對稱卷曲尾流（即“腎”狀尾流）。Luis A. Martinez-Tossas 等人［24］利用雷諾平的NS方程近似形式解析風電場的時間平均流量，提出了一種新的能應用于尾流偏置計算的卷曲尾流計算模型。

3.3 神經網絡模型

傳統的解析模型一般建立在高度簡化的物理假設上，并且主要關注平均速度剖面而不是瞬態湍流尾跡，因此精度相對較低。仿真計算模型精度較高，但計算成果昂貴，不適用于工程實踐，常用于對解析模型進行驗證。近年來，隨著人工智能、深度神經網絡和卷積神經網絡在其它科學領域的成功應用，部分學者開始嘗試運用計算機技術構建新的偏航尾流模型。

從當前的研究來看，一個構建良好、訓練有素的神經網絡可以在幾秒鐘內提供可靠的結果并預測風場的流動特性。S Anagnostopoulos 和MD Piggott（2022）［25］提出了一個用于風電場流場快速建模的機器學習框架，并使用深度神經網絡架構，對風機尾流場進行訓練，最后在FLORIS 上進行計算，結果表明，該神經網絡模型比一般的計算模型至少快1個數量級，產生的平均絕對誤差為1.5%。

目前，機器學習和神經網絡在偏航尾流模型的構建中取得了較好的成功，雖然還處于研究的前期階段，相關的數據和試驗都十分匱乏，但很可能成為日后的發展趨勢，存在巨大的發展潛能。

3.4 小結

綜上所述，隨著人們對偏航尾流模型研究的不斷深入，所建立的偏航尾流模型也越來越符合實際情況。其中，基于CFD 仿真的隱式尾流模型計算成本較高，無法在工程應用中推廣。偏航尾流解析模型的計算成本和時間成本均較低，且多篇文獻通過數值仿真結果和實測結果的對比，驗證了B 模型和Q-I 模型的準確性，與實際偏航尾流的匹配度均較高，綜合考慮計算成本和精度，建議選用B 模型或Q-I模型進行主動偏航尾流控制算法的開發。

4 總結與展望

4.1 總結

本文針對風場主動偏航尾流控制，主要包括近年來主動偏航尾流解析模型、偏航尾流特性和偏航對風場發電功率和風機載荷的影響等方面進行歸納和整理。通過以上幾個方面的調研，可得到以下結論：

1)偏航會對機組尾流特性產生影響，主要表現在尾流速度分布和偏置特性上，與非偏航條件下的尾流特性有較大差異。

2)偏航能在一定程度上增加風電場發電量，但增益會受到諸如來流風速風向、湍流強度、偏航方向等因素的影響。采用數值模擬計算發電量在一定程度上會高估主動偏航的發電量增益效果，因為實際風場中可能存在更多因素限制主動偏航控制效果。

3）偏航的方向和角度都會引起風機中不同載荷的變化，從而影響機組運行壽命。因此，在進行主動偏航控制時，應結合載荷進行綜合分析與評估，在合理載荷范圍內進行最優偏航控制。

4.2 展望

當前，針對偏航尾流的研究文獻中還存在一些不足之處，且很多結論都是在特定風場或邊界條件下得出，可能不具有普適性。

基于以上內容，從計算成本、時間成本和精確度等角度進行綜合考慮，在后續偏航尾流控制研究中，建議使用實測數據對Bastankhah模型或Qian-Ishihara 模型進行驗證和修正，再利用修正后的解析模型對偏航尾流控制風電場進行計算和預測，并實時更新近年提出的偏航尾流模型，以便對以上模型進行交叉檢驗，最后針對性地對其中一些結論進行驗證，為主動偏航尾流控制提供實測數據支撐。同時，由于風機載荷的多樣性和復雜性，如何評估偏航條件下的所有風機載荷并應用于工程實踐將是后續研究與工作中的一大難點。