基于遺傳算法的風力發電機葉片氣彈阻尼優化*

□ 魏家星 □ 姜婷婷 □ 劉 勇 □ 宋佺珉 □ 端和平

浙江運達風電股份有限公司 風力發電技術重點實驗室 杭州 311100

1 優化背景

近年來,隨著風電行業競爭的日益激烈,為了提高競爭力和降低發電成本,風力發電機葉片大型化已成為發展趨勢。風力發電機葉片在結構和氣動方面表現出明顯的非線性特征,氣彈耦合作用容易引起風輪、主軸、塔架之間的振動,從而影響風力發電機的性能及穩定性[1]。

風力發電機氣彈穩定性的評價主要是研究由葉片失速導致的氣動負阻尼誘發葉片在擺振方向的振動失穩[2]。對于振動失穩發生機理已有學者進行了大量研究。黃鑫祥等[3]研究了葉片氣彈失穩對整機性能的影響,發現葉片短暫失速會使葉片變形急劇增大,從而使風力發電機功率和載荷波動增大。Chen Chuan等[4]建立風力發電機轉子運動方程,利用有限元方法求解,得到風力發電機在特定偏航角下產生氣動負阻尼會導致葉片在擺振方向振動發散的結論。田德等[5]建立揮舞和擺振方向的葉片氣彈阻尼計算程序,分析發現各階模態氣動阻尼為正值時,葉片運行穩定,反之,則容易產生失穩風險。由此可見,葉片氣彈阻尼能夠有效評估風力發電機的運行穩定性。當前葉片氣彈阻尼的優化主要通過人工迭代的方式來調整葉片截面參數,比較耗時耗力,缺乏快速高效的優化工具。對于基于算法的風力發電機葉片優化,已經有大量學者進行了較為深入的研究。王瓏[6]將葉片質量和發電量作為目標,利用進化遺傳算法,優化葉片的結構和外形參數,實現葉片反向設計的程序開發。王永志等[7]將葉片的氣動和結構性能作為約束,以質量為目標,采用多島遺傳算法,對風力發電機葉片進行優化設計,并對葉片的三維參數化模型進行分析,證明方法的有效性。

筆者借鑒葉片優化的設計方法,利用遺傳算法對風力發電機葉片的結構參數進行尋優迭代,以快速準確優化葉片氣彈阻尼,進而提高風力發電機葉片的優化效率。

2 葉片控制參數

作用于葉片展向葉素上的力由通過葉素掃過圓環的氣流軸向動量變化率和角動量變化率產生[8]。每個葉素的截面性質是決定葉片載荷和穩定性的一個主要因素。在優化葉片氣彈阻尼時,可通過調整葉片截面的結構參數來實現,即調整葉片鋪層來改變截面剛度和剪切中心[9]。筆者以剛度變化量最小為目標,以擺振方向的阻尼值為約束,建立如下數學表達式:

F(x)=min{f1(x)+f2(x)+…+fn(x)}

(1)

式中:F(x)為目標函數;f1(x)～fn(x)為各截面參數變化量;n為截面數量;x為優化變量。

3 葉片參數化尋優

3.1 遺傳算法

遺傳算法是一種優化算法,通過基于優勝劣汰的選擇策略和雜交變異操作,在隨機生成的初始群體中尋找最優解。經過多代進化,種群逐漸趨向于最優解。相較于其它優化算法,遺傳算法具有全局優化能力,可以避免陷入局部最優解,且尋優效率高。

3.2 葉片參數尋優過程

葉片參數尋優過程如圖1所示,包括S1～S7共七個階段。在S1階段,設定截面優化范圍,對每個截面給定一個剛度因子Ci,以a為初代葉片種群的個體數量。在S2階段,針對每個個體,調用Bladed軟件進行整機坎貝爾計算,將葉片剛度因子變化量ΔCi之和作為適應度,以阻尼為約束條件,ΔCi為|Ci-1|。在S3階段,判斷阻尼是否滿足要求,通常要求一階、二階擺振方向的最小阻尼大于設定值,如果滿足,執行S4,否則執行S7。在S4階段,判斷迭代是否收斂或完成,如果迭代次數小于最大迭代次數,那么執行S5,否則執行S6。在S5階段,通過交叉和變異產生子代種群,將子代與父代合并形成新種群,個體數量為2a,然后對適應度進行排序,選出新子代種群,個體數量為a,執行S2。在S6階段,輸出尋優后的葉片剛度分布和阻尼值。在S7階段,將未滿足阻尼要求的個體適應度改為最大值,排除當前個體。葉片參數尋優過程能夠實現自動化,避免工程師的經驗試錯,可以快速準確優化葉片氣彈阻尼。

圖1 葉片參數尋優過程

4 模型設置

根據需求準備計算模型和相關設置,尋優過程計算流程如圖2所示,主要包括四個部分。

圖2 尋優過程計算流程

(1) 模型設置。包括整機模型、優化變量、尋優設置。整機模型包括葉片、塔筒、機艙、傳動鏈、控制文件等。優化變量通常為截面剛度和剪切中心,需要設置優化的截面范圍和變量因子。尋優設置包括種群數量、尋優代數。其中,種群數量是每一代生成葉片的個體數量。

(2) 設置完成后開始進行初始化計算,程序會自動調用Bladed軟件進行坎貝爾計算。通常初始化的個體數量較多,為后續尋優迭代提供基礎種群。

(3) 每一代計算完成后,程序會輸出最優的若干組解和適應度,以此來判斷當前計算的收斂性。如果滿足要求,可終止計算。

(4) 針對尋優結果,對比分析每個個體的可行性,選擇最優的個體來進行后續結構和鋪層的調整。

5 原有情況

某款葉片的幾何模型如圖3所示。在葉片設計與載荷迭代過程中,出現了載荷振蕩的情況。

圖3 葉片幾何模型

通過坎貝爾分析發現,在11～15 m/s風速下均出現擺振方向的負阻尼,葉片氣彈阻尼見表1,這是導致葉片載荷振蕩的主要原因之一。其中,最小的負阻尼為一階總體擺振方向的-0.055 7,較為嚴重,極易引起葉片載荷振蕩。對此,采用遺傳算法優化葉片扭轉剛度,來提高葉片氣彈阻尼。

表1 葉片氣彈阻尼

6 氣彈阻尼尋優計算

為了優化葉片氣彈阻尼,并且不影響載荷的迭代結果,需要盡可能小改變葉片結構參數來消除負阻尼,精準控制葉片結構參數。由此,以葉片剛度變化量最小為尋優目標,要求葉片一階、二階擺振方向的氣彈阻尼大于0。優化變量為葉片扭轉剛度,截面位置范圍為30～80 m,截面剛度因數范圍為0.95～1.2。種群數量為60,尋優代數為30,尋優總耗時約48 h。

葉片氣彈阻尼尋優結果見表2。通過尋優迭代,葉片在11～15 m/s風速下的氣彈阻尼均大于0,最小值為風速11 m/s時二階總體擺振方向的0.004 8,由此提高了風力發電機的運行穩定性。

表2 葉片氣彈阻尼尋優結果

7 葉片扭轉剛度分布

尋優前后扭轉剛度分布曲線如圖4所示。分析發現,影響葉片氣彈阻尼的敏感截面主要集中在31 m、37 m、40 m處。特別是在31 m處,原情況的扭轉剛度相對較弱,需要在該處重點加強。此外,觀察曲線還可以發現,有些截面的扭轉剛度是需要降低的,如34 m、43 m處。這說明截面剛度并不一定是越大越好,有時候適當降低某一截面的扭轉剛度,反而可以更有利于葉片的穩定性。由此可見,葉片的參數設計是一個綜合考量的結果,通過合理的參數匹配才能設計出高性能、高可靠性的葉片。

圖4 尋優前后扭轉剛度分布曲線

8 葉片鋪層優化

基于尋優后的扭轉剛度分布曲線,設計時在30～80 m截面范圍內進行結構鋪層調整,針對扭轉剛度主要調整雙軸布鋪層,使鋪層后的剛度分布能夠包絡且盡可能靠近尋優曲線[10]。鋪層前后扭轉剛度分布曲線如圖5所示,鋪層后的扭轉剛度分布可以覆蓋尋優曲線,但在43 m、46 m處差距較大,這是由于鋪層連續性造成未能精準控制所有截面剛度變化的原因。最終,經過鋪層后,葉片在11～15 m/s風速下的氣彈阻尼均大于0。葉片氣彈阻尼鋪層結果見表3,最小值為12 m/s風速時二階總體擺振方向的0.004 1。由此證明了遺傳算法在優化葉片氣彈阻尼方面的實際效果,可以提高葉片的設計和優化效率。

表3 葉片氣彈阻尼鋪層結果

圖5 鋪層前后扭轉剛度分布曲線

9 結束語

為了高效優化葉片氣彈阻尼,采用遺傳算法對葉片扭轉剛度進行迭代尋優,以確定影響葉片氣彈阻尼的敏感截面。根據尋優曲線,調整葉片結構鋪層,使優化后的剛度分布包絡尋優曲線,從而提高葉片氣彈阻尼的優化效率。結果表明,通過遺傳算法能夠快速、準確地找到影響葉片氣彈阻尼的敏感截面,實現葉片結構參數的精細化設計,從而優化葉片氣彈阻尼。筆者的研究成果可以為風力發電機葉片的設計和優化提供有力支持。