风力机叶片多目标遗传算法优化设计.PDFVIP

中国工程热物理学会 流体机械及工程 学术会议论文 编号：147119 风力机叶片多目标遗传算法优化设计 杨 阳，李 春，缪维跑，叶 舟 (上海理工大学 能源与动力工程学院，上海 200093) （Tel:，E-mail 163.com ） 摘 要 风力机叶片设计的目标多样性使得传统单一目标设计方法无法满足设计要求，大型风力机的 高发电量与大负载之间的矛盾必须得到平衡。为此，以年发电量最大和叶片质量最轻为优化设计目标， 通过多目标遗传算法设计了5MW 大型风力机叶片，得到Pareto 分布优化解集。与NREL 5MW 风力机 叶片比较结果表明：Pareto 优化解集均一定程度优于参考叶片，其中优化设计叶片不仅增加了年发电 量且减小了风轮质量；优化设计叶片额定风况下推力系数和叶根弯矩均更小；变风况下功率特性与参 考叶片相差不大，低风速下输出功率略高，推力系数更小。 关键词 风力机叶片；多目标优化；遗传算法；Pareto 解集 0 引言 风电发展迅速，为减小发电成本，风力机的发展逐渐趋于大型化，风轮质量也随之 陡增，2020 年预计投入使用的20MW 风力机风轮直径达200m[1] 。叶片作为风力机唯一 汲取能量的部件，其气动外形直接影响风力机功率特性，也与叶片的结构强度与载荷承 受能力密切相关。传统的设计方法均基于叶素-动量理论 （BEM ），结合Glauert 模型或 Wilson 理论，以单截面输出最大功率为设计目标，计算叶片沿展向各截面弦长和扭角， 最终得到设计叶片，实际上这是一种仅考虑气动方面的单一目标设计方法。而叶片设计 是一个受多变量约束的复杂优化设计过程，仅考虑单截面的气动特性，容易陷入局部最 优解，通常需要设计人员根据经验进行二次优化，最终设计结果性能直接取决于设计者 [2-7] 的经验。为此，全局优化算法逐渐应用于风力机叶片设计 。优化设计目标选择主要 以气动优化为主，一般有以年发电量最大、额定风速下风能利用率最高或是风轮推力最 小等。但上述单目标优化通常无法满足叶片设计的本质要求，为平衡风力机大型化带来 的大负载与高发电量之间的矛盾：既要满足高气动性能要求，亦要满足结构强度和重量 等非气动要求。因此，大型风力机叶片设计必须采用多目标优化。 [8] 虽可采用加权方式将多个目标转化为单目标优化问题 ，但确定各个单目标对总目 [9] 标的影响权重系数需依赖个人经验，有一定的的盲目性，对优化结果影响较大 。为此， 采用多目标遗传算法 （MOGA ）作为寻优工具，以年发电最大和风轮质量最轻为优化目 标进行优化，输出Pareto 分布形式的最优解集，与NREL 5MW 风力机叶片对比分析， 验证优化算法的有效性和可行性。 1 叶素-动量理论 BEM 最早应用于直升机叶片性能计算，后由 Glauert 等应用于风力机叶片设计， Wilson 在Glauert 的研究基础上，考虑了叶轮损失和升阻比对风能利用率的影响。BEM 因其算法简单且具有一定精度而被 GH-Bladed 等软件作为风力机气动性能计算的基本 理论。图1 为叶片第i 段叶素截面速度三角形和受力分析示意图。 基金项目：国家自然科学基金资助项目（E5 1176129）；上海市教育委员会科研创新（重点）项目 （13ZZ120，13YZ066）；教育部高等学校博士学科点专项科研基金（博导类）项目（20123120110008 ）； 上海市研究生创新基金项目（JWCXSL1402 ）。 图1 叶素截面速度三角形及受力分析 其中， 为风轮转速，rpm ；r 为当地半径，m ；V 为来流风