基于遗传算法风力发电机风轮叶片优化设计.pdfVIP

基于遗传算法的风力发电机风轮叶片优化设计 郝璇， 施岳定，张卫民 (中国航天空气动力技术研究院，北京，100074) 摘要：风力机是将风能转换为电能的关键装置，而风轮叶片的外形设计直接影响到风能转化效率。本文 基于遗传算法提出了一种风力发电机风轮叶片的优化设计模型，该模型可以考虑风场风速的概率分布，并 WG500小型风力发电机叶片和本单位自行设计的1．5兆 以风力机年输出能量最大为设计目标分别对SVIAB 瓦变速变桨距风力机叶片进行优化设计。经优化设计后的叶片气动性能明显提高，显示了该方法的优越性。 关键词：风力发电机：优化设计：遗传算法。 0引言 能源是现代社会和经济发展的基础。当今，全球都面临着严峻的能源挑战以及环保问题，如何利 用可再生能源、降低环境污染已成为全球关注的焦点。风能是一种清洁能源，也是目前最有开发利用 前景和技术最成熟的一种新能源和可再生能源。2002年欧洲风能协会与绿色和平组织发表了《风力12》 的研究报告，全面评述了世界范围内发展风电的资源条件、技术基础和政策环境，提出2020年风电在 全球发电装机中占据12％的宏伟目标。顺应形势与发展的需要，当前，世界上许多国家都在大力发展 风电产业。 风力机是将风能转换为电能的关键装置，而风力机则依靠风轮汲取风能。风轮叶片的外形设计直 接影响到风能转化效率。因此在叶片设计过程中如何选用最优外形对高性能叶片的设计制造是相当重 要的。翼型的选取及分布、叶片各截面弦长及扭角的分布是风力机叶片设计的重要步骤，并且直接影 响到风力机叶片的气动性能。目前，对叶片各截面弦长及扭角分布的初步设计多采用较为简化的方法， 例如：Glauert方法以及Wilson方法【1】，或者通过反设计得到弦长及扭角分布。这样很难保证弦长及 扭角分布处于较优状态，直接影响了叶片的性能参数。在实际的设计过程中，有必要对叶片各截面弦 长及扭角进行优化，选取弦长与扭角的最佳分布组合。 遗传算法‘2l【31是一种基于达尔文自然选择和进化规则的优化搜索方法。该方法通过自然界生物适者 生存、优胜劣汰的遗传法则使解的性能逐步趋于最优。它与传统方法不同，对搜索空间没有苛刻的要 求，具有较强的鲁棒性。另外，采用遗传算法进行优化设计时，仅用到个体的目标函数值，不要求函 数具有连续性和可导性，适合处理复杂的工程优化问题。 本文在叶片优化设计中采用遗传算法进行寻优并结合基于动量一叶素理论14]的风力机叶片气动性 能分析软件对叶片气动性能进行分析，以年能量输出量为目标函数。考虑风场的风速分布，在满足额 定功率要求下，使年能量输出量达到最大，得出最优的弦长及扭角分布。 l遗传算法 最早由J．Holland[2]提出的遗传算法(GeneticAlgorithm)是一种建立在自然选择原理和自然遗传机 制上的迭代式自适应概率性搜索方法。它模拟自然界中生物进化的发展规律，在人工系统中实现特定 目标的优化。采用遗传算法寻优，随着生成初始群体，利用适者生存的选择操作来产生性能优良的父 代个体，再通过交叉和变异等来生成子代个体。如此循环，经过多带进化，直到得到具有最大适应值 的个体。遗传算法主要采用三个算子：选择、交叉、变异。其基本结构如下： 1) 随机产生初始种群x(o)=mo)，x2(O)…‘【o))作为父代种群，令k=0。 2) 计算种群x(女)中每一个个体的适应值，并对个体进行编码。 67 3l 从种群极{)选出∥／2个个体进入交配池。 4l 对交配池中的每对个体进行交叉，产生两个新个体。 5) 对每个新个体依变异概率Pm进行变异，并把变异后的个体作为下一代种群Ⅳ(七+1)的个体，令 k=k+1。 6l 判断是否满足结束准则，若满足，则计算结束；否则转(2)。 2优化模型 由于我们进行优化设计的最终目标是得到风力机叶片各截面最优的弦长及扭角分布。为了保证各 截面弦长及扭角分布过渡光滑，我们采用贝齐尔(Bezier)醒l数对弦长及扭角分布进行描述。即： Qo’2善B彤‘¨ 。≤≠≤l (1) 其二项式形式为： 群(f)=掣(1一f)”‘ (2) 以年能量输出作为目标函数