[论文解读] Wind Energy and the Turbulent Nature of the Atmospheric Boundary Layer

Matthias Wächter, Hendrik Heißelmann+7 more|arXiv (Cornell University)|Feb 10, 2012

Wind and Air Flow Studies参考文献 23被引用 28

一句话总结

本文提出一种数据驱动的随机建模方法，以捕捉大气边界层湍流的间歇性、非高斯统计特性及其对风能转换的影响。通过使用带有主动栅格的风洞实验并分析风速增量，研究发现极端湍流事件——其在高斯模型中被低估了10⁷倍——在涡轮机载荷和功率输出中占主导地位，因此需要先进的统计建模方法以实现风能系统的精确设计与运行。

ABSTRACT

Wind turbines operate in the atmospheric boundary layer, where they are exposed to the turbulent atmospheric flows. As the response time of wind turbine is typically in the range of seconds, they are affected by the small scale intermittent properties of the turbulent wind. Consequently, basic features which are known for small-scale homogeneous isotropic turbulence, and in particular the well-known intermittency problem, have an important impact on the wind energy conversion process. We report on basic research results concerning the small-scale intermittent properties of atmospheric flows and their impact on the wind energy conversion process. The analysis of wind data shows strongly intermittent statistics of wind fluctuations. To achieve numerical modeling a data-driven superposition model is proposed. For the experimental reproduction and adjustment of intermittent flows a so-called active grid setup is presented. Its ability is shown to generate reproducible properties of atmospheric flows on the smaller scales of the laboratory conditions of a wind tunnel. As an application example the response dynamics of different anemometer types are tested. To achieve a proper understanding of the impact of intermittent turbulent inflow properties on wind turbines we present methods of numerical and stochastic modeling, and compare the results to measurement data. As a summarizing result we find that atmospheric turbulence imposes its intermittent features on the complete wind energy conversion process. Intermittent turbulence features are not only present in atmospheric wind, but are also dominant in the loads on the turbine, i.e. rotor torque and thrust, and in the electrical power output signal. We conclude that profound knowledge of turbulent statistics and the application of suitable numerical as well as experimental methods are necessary to grasp these unique features (...)

研究动机与目标

• 解决当前对大气边界层中尺度小、间歇性湍流如何影响风能转换系统理解的关键空白。
• 挑战风能标准（如 IEC 61400）中广泛采用的高斯统计假设，该假设无法捕捉极端湍流事件。
• 开发并验证实验与数值方法，以重现和建模真实大气风流的间歇特性。
• 量化非高斯湍流对涡轮机载荷（扭矩、推力）和电功率输出的影响，表明极端事件的发生频率比高斯模型预测高出数个数量级。
• 建立基于n点统计与多尺度重构的框架，实现对风能资源更优的统计表征，从而提升预测精度与系统设计水平。

提出的方法

• 分析时间滞后为3秒（空间尺度约20米）时测得的风速增量概率密度函数（PDF），揭示出强烈的非高斯性与间歇性，7σ事件处的偏差最大可达10⁷倍于高斯预测值。
• 提出一种基于随机过程的数据驱动叠加模型，以重现风速脉动的间歇统计特性，仅需风速时间序列作为输入，即可实现高效数值模拟。
• 在风洞中设计并实施主动栅格系统，实验生成并控制小尺度湍流风条件，以复现大气边界层流的关键特征。
• 在受控间歇流入条件下测试多种风速计的响应特性，评估其测量保真度与对湍流的敏感性。
• 应用泰勒的冻结湍流假说，将时间风速波动与叶轮叶片相关的空间尺度（如τ=3 s时为20米）关联起来。
• 应用先进统计工具，包括n点联合概率分布与多尺度重构技术，以建模湍流中的相干结构与聚集效应。

实验结果

研究问题

• RQ1 大气边界层风速脉动的间歇性、非高斯统计特性与风能标准中常用的高斯假设相比，偏离程度如何？
• RQ2 与高斯预测相比，真实大气流中极端湍流事件（如7σ风速增量）的发生频率在多大程度上被低估？
• RQ3 随机叠加模型能否准确重现风能系统中风速、扭矩与电功率输出的间歇动力学？
• RQ4 如何通过带有主动栅格的实验室风洞实验重现真实大气流的小尺度湍流特征，以实现测试与验证？
• RQ5 间歇性湍流对涡轮机载荷（推力、扭矩）与电功率输出的影响是什么？如何建模以实现系统设计与预测的改进？

主要发现

• 在3秒时间滞后（空间尺度约20米）时，风速增量表现出极端非高斯性：7σ事件在高斯模型中被低估了10⁷倍，意味着此类事件在现实中每小时发生一次，而非高斯模型预测的每1250年一次。
• 所提出的随机叠加模型能以高数值效率和从实测数据中准确反演参数的方式，成功捕捉风速、扭矩与功率输出的间歇动力学。
• 间歇性湍流特征不仅存在于风流入流中，也主导了涡轮机载荷与电功率输出，表明湍流统计特性在整个能量转换链中被直接传递。
• 主动栅格风洞装置可实现小尺度湍流风条件的可重复生成，且具有可控的间歇性，从而为传感器与系统响应的可靠实验验证提供了可能。
• 在间歇流入条件下对风力涡轮机进行数值建模，揭示了推力与扭矩发生极端载荷变化的高概率，凸显了结构疲劳与电网不稳定的潜在风险。
• 本研究证明，用真实间歇性统计替代高斯假设，对实现准确预测、载荷评估以及未来风能系统的优化设计至关重要，尤其在极端事件预测与电网集成方面。