河北省自然科学基金(E2010001707)
- 作品数：7 被引量：19H指数：3
- 相关作者：韩中合李引季剑江波徐伟轩更多>>
- 相关机构：华北电力大学教育部中国电力科学研究院有限公司更多>>
- 发文基金：河北省自然科学基金中央高校基本科研业务费专项资金国家自然科学基金更多>>
- 相关领域：动力工程及工程热物理电气工程一般工业技术天文地球更多>>
- 基于相空间重构的支持向量机的风电场风速预测被引量：3
- 2012年
- 风力发电具有波动性、间歇性和随机性的特点,风力发电的并网给电力系统的安全运行带来了严峻挑战,因此,实现风电场风速的预测具有重要意义。支持向量机是发展比较好的一种常用的风速预测方法,但是由于其输入特征对预测的精度影响比较大,所以特征的选择一直是人们所关注的问题。文章提出采用相空间重构理论对风电场风速进行预测,并通过与使用自然特征作为输入特征的预测方法作比较,验证了基于相空间重构的支持向量机的预测方法的优越性。
- 韩中合徐伟轩
- 关键词：相空间重构支持向量机风速预测
- 水平轴风力机尾流特性的数值研究被引量：5
- 2011年
- 对600kW单风轮和7倍风轮直径(7D)间距的两风轮水平轴风力机在不同来流风速条件进行三维流场数值模拟。结果显示:风力机下游流场存在三维速度流动,轴向速度在尾迹区存在明显亏损,且随尾迹向下游的发展,轴向速度亏损逐渐减少。不同来流风速条件下风轮尾迹流的发展有一定区别,在来流风速较低的条件下尾流风速恢复较快。风场在布置风力机时应考虑当地的风速条件,若多数情况在额定风速或超过额定风速工况下运行,则前后风轮间距应大于7倍风轮直径;否则可考虑缩短前后风轮间距。
- 韩中合焦红瑞李引季剑
- 关键词：水平轴风力机数值模拟
- 考虑风剪切的1.3MW风力机整机三维定常流动数值研究被引量：7
- 2011年
- 分别采用均匀风和剪切风对1.3 MW失速调节风力机整机在8 m/s和13 m/s来流风速下的绕流流场进行全三维定常数值模拟。根据模拟结果分析叶片不同截面的压力系数分布、沿叶展方向的功率分布、风轮三维流场细节、风轮下游不同距离处的静压分布和二维相对速度矢量分布情况。结果表明:剪切风下,风力机功率计算值与设计值吻合较好;在靠近叶根处,适当地减小有效攻角可提高翼型气动性能,选择适应较大攻角的翼型,可以提高叶根处的输出功率;在靠近叶尖的部位,适当增加有效攻角,同时选择适应小攻角的翼型可以提高叶尖处的输出功率;在叶根部位,发生了明显的流动分离;塔架与轮毂所在位置的下游尾迹处产生的漩涡和干扰要远远大于叶轮面其他部位。
- 韩中合李引季剑
- 关键词：风力机气动性能流场分析载荷分布
- 不同弯度风力机翼型的气动性能数值模拟研究被引量：1
- 2013年
- 作为风力机气动设计和运行优化的重要基础之一,风力机翼型气动性能分析的应用日益广泛。采用NUMECA数值模拟软件对风力机NACA4412翼型(弯度为4%)进行气动模拟分析,模拟结果与实验数据较为一致。在此基础上,对NACA2412、NACA4412、NACA6412 3种不同弯度翼型的升阻力系数、升阻比和其在攻角为8°和14°时的绕流情况进行模拟分析,发现相对于弯度较大的翼型,弯度较小的翼型更适宜运行在大攻角下。
- 韩中合江波周权
- 关键词：风力机翼型数值模拟气动性能
- 考虑三维旋转效应风力机叶片气动性能数值研究被引量：1
- 2012年
- 采用商用计算流体软件NUMECA对1.3MW失速调节风力机进行三维定常数值模拟研究。在计算功率与设计值吻合的情况下,分析叶片表面绕流极限流线图。为了展示更多的三维旋转条件下的流动细节,分别比较了三维叶片截面与二维翼型在相同条件下的绕流情况及不同条件下压力系数分布。最后分析叶展方向上的功率分布情况及改变桨叶安装角对功率输出的影响。数值模拟结果显示,三维数值模拟结果很清晰地展现了三维旋转效应对叶片周围流动造成的影响。
- 韩中合李引马帅
- 关键词：风力机叶片气动性能
- 风力机翼型的气动性能分析被引量：2
- 2012年
- 风力机翼型气动性能分析是风力机气动设计和运行优化的重要基础。采用NUMECA软件对弯度为4%的风力机NACA4412翼型进行气动数值模拟,并与实验数据进行比较,取得比较一致的结果。在此基础上,对NACA2412、NACA4412、NACA6412不同弯度的翼型进行模拟分析,对三种翼型在不同攻角下的气动性能进行了比较,为风力机翼型弯度选择和翼型改型设计提供参考意见。
- 江波韩中合
- 关键词：风力机翼型数值模拟气动性能
- 基于组合模型的风电机组轮毂载荷预测方法研究被引量：1
- 2021年
- 载荷评估对风电机组运行安全性和经济性有重要影响。鉴于采用FAST和GH bladed等软件不适用于短期风电机组载荷评估,利用实测数据和神经网络原理,建立GA-BP、PSO-ELM、BP-ELM-GRNN组合模型,对轮毂载荷开展短期预测,并与实测数据进行对比。该组合模型采用遗传算法优化BP神经网络的权值阈值,粒子群算法优化极限学习机(ELM)网络权值阈值,再通过等权组合和GRNN融合方法将两个训练模型进行组合。研究表明:轮毂载荷X方向上的弯矩MX误差均值为4.44%,决定系数r2为0.8796,X方向上受力FX误差均值为4.83%,决定系数r2为0.8017;选择合适的风电机组输入参数能更快筛选出有关联的系数,可以提高计算效率;采用组合算法预测机组轮毂载荷可以在一定程度上减小预测误差,提高载荷预测的准确性。
- 廖圣瑄马晓明韩中合贾海坤
- 关键词：风电机组神经网络载荷
