研究人员已经开发出一种从风中提取更多能量的方法。研究人员使用德克萨斯高级计算中心的超级计算机来过滤掉湍流的影响，并应用可以更好地管理风电场运行的控制算法。该方法有可能将风力发电量增加6-7%，估计全国收入增加超过6亿美元。完整的故事每两个半小时，一台新的风力发电机组升起。2016年，风力发电占所有发电量的5.6%，是2010年风力发电量的两倍多，但与其潜力相差甚远。
来自达拉斯德克萨斯大学(达拉斯达拉斯分校)的一组研究人员开发出一种从风中提取更多能量的新方法。这种方法有可能显着增加风力发电，从而增加收入。德克萨斯高级计算中心(TACC)进行的数值模拟表明潜在的增长率高达6%至7%。
据研究人员称，适用于全国所有风电场的百分之一的改进将产生相当于1亿美元的价值。因此，这种新方法有可能在全国范围内增加6亿美元的风电。
该团队于2017年12月在风能和2017年12月的可再生能源报告了他们的调查结果。
在称为流体动力学的物理学分支中，模拟湍流的常用方法是通过大涡模拟。几年前，Stefano Leonardi和他的研究团队创建的模型可以将物理行为整合到各种长度范围内 – 从100米长的涡轮转子到厘米厚的叶片尖端 – 并使用精确度预测风力超级计算机。
“我们开发了一种模拟风力涡轮机的代码，考虑到塔架尾部与机舱之间的干扰[风力涡轮机中所有发电组件的盖板]与涡轮转子尾流之间的干扰，”Leonardi说。 ，机械工程副教授和风能论文的作者，该论文被选为封面。
超出长度范围的范围，在特定时间对特定区域的风的可进行建模是另一个挑战。为了解决这个问题，该团队将他们的代码与天气研究和预报模型(WRF)相结合，这是大气研究中心开发的领先天气预报模型。
“我们可以在粗网格上获得北美中尺度模型的风场，将其用作五个嵌套域的输入，逐渐提高分辨率，并以高保真度再现真实风电场的发电量，”Leonardi说。
计算机不断增长的力量使Leonardi和他的团队能够准确地模拟风电场的风场和每台涡轮机的发电量。根据德克萨斯州北部风电场的数据测试他们的模型结果，他们看到他们的预测与涡轮机效率之间达成了90%的一致性。他们将在主要的风能研究会议Torque 2018上展示他们的成果。
风不会简单地沿一个方向流动。它包含湍流和尾流，当涡轮机在风电场上组合在一起时，它们会被放大。
根据能源部的数据，唤醒相互作用导致年产量损失高达20%。了解湍流如何影响能量产生对于实时调整涡轮机的行为以获得最大功率非常重要。
利用他们的建模功能，他们测试了用于管理风电场动态系统运行的控制算法。这包括称为极值搜索控制的控制算法，当只知道系统的有限知识时，这是一种从动态系统中获得最佳性能的无模型方法。
“许多人认为，由于湍流以及涡轮机一直在变化的情况，使用这种方法是不可能的，”Leonardi说。“但我们进行了大量的模拟，以找出一种方法来过滤控制方案中的湍流。这是一项重大挑战。”
通过极值寻求控制，系统增加并降低旋转涡轮叶片的旋转速度，同时测量功率并计算梯度。重复此过程，直到控制器找到最佳运行速度。
“重要的是控制算法不依赖于基于物理的模型，”Leonardi说。“真正的风电场存在很多不确定因素，因此无法对所有风电进行建模。无论是否存在叶片上的腐蚀或结冰，极值寻求控制都能找到最佳状态。尽管系统存在不确定性，但非常稳健。”
为了测试他们的新方法，该团队在TACC使用超级计算机进行虚拟风实验，包括Stampede2和Lonestar5–这是世界上最强大的两个。他们能够通过德克萨斯大学研究网络基础设施(UTRC)计划使用这些系统，该计划自2007年以来一直为德克萨斯大学系统的14所院校的研究人员提供TACC的资源，专业知识和培训。
获得强大的超级计算机非常重要，因为风力涡轮机的建造和运营成本很高，研究人员很少有风力研究设施。
“使用高性能计算来创建虚拟平台以分析所提出的风能解决方案的好处是巨大的，”UT达拉斯机械工程教授，科学基金会支持的风能站点主任Mario Rotea说。能源科学，技术和研究(WindSTAR)产业 – 大学合作研究中心(IUCRC)。“我们用计算机做的越多，我们与测试的关系就越少，这是成本的重要组成部分。这通过降低能源成本使受益。”
虽然极端寻求控制在风电场的应用尚未进行现场测试，但UT达拉斯团队已将该方法应用于可再生能源实验室(NREL)的单个涡轮机。
“NREL测试为我们提供了实验数据，支持极值寻求控制风电最大化的价值，”Rotea说。“实验结果表明极值寻求控制相对于基线控制器将功率捕获增加了8-12%。”
鉴于实验和计算结果令人鼓舞，UT达拉斯团队正在计划一项涉及风电场中一组涡轮机的试验性运动。
风力发电机流体动力学模型的开发是四个机构(约翰霍普金斯大学，UT达拉斯，德克萨斯理工大学和史密斯学院)和三个欧洲机构(丹麦技术大学，洛桑理工学院和洛桑联邦理工学院)之间的国际合作的一部分。 Katholieke Universiteit Leuven)由科学基金会资助。
通过WindSTAR中心，他们与九家领先的风能公司和设备制造商合作。这些公司有兴趣采用或商业化这项工作。
“我们中心的成员在HPC [高性能计算]方面无法获得大量的功能，”Rotea说。“TACC的计算机对我们来说是一项资产，并为我们提供了超越其他团队的竞争优势。在解决实际问题方面，我们创建了可以合并的控制系统，或者他们可以使用HPC开发预测风资源的新工具或确定是否有涡轮机没有执行。“
除了开发新的湍流算法和控制策略外，WindSTAR团队的成员还引入了在功率较低的计算机上预测准确结果的方法(2018年3月发行的风能中的工作)，并确定了放置涡轮机的紧密程度最大化利润，取决于土地成本(在2018年风力研讨会上提出)。
这项工作的长期影响超出了理论范围。
“这项研究使我们能够优化风能发电并提高可再生能源在电网中的渗透率，”Leonardi说。“由于我们对风电场的流动物理学有了更多的了解，并且在相同的土地使用和部署中，我们可以获得更多的能量。”
