李德順，胡 淵，李仁年，郭 濤，董彥斌，李銀然，王 清

強湍流相干結(jié)構(gòu)對偏航風力機葉根載荷的影響

李德順1,2,3，胡 淵1，李仁年1,2,3※，郭 濤1，董彥斌1，李銀然1,2,3，王 清1,2,3

（1. 蘭州理工大學能源與動力工程學院，蘭州 730050；2. 甘肅省風力機工程技術(shù)研究中心，蘭州 730050；3. 甘肅省流體機械及系統(tǒng)重點實驗室，蘭州 730050）

強湍流風對偏航狀態(tài)風力機葉片的動態(tài)載荷會產(chǎn)生顯著影響，葉片根部載荷的動態(tài)特性是影響風力機使用壽命和安全運行的關(guān)鍵因素。該研究采用NWTCUP（The NREL National Wind Technology Center Model）風譜模型耦合KHB（Kelvin-Helmholtz Billow）流動，構(gòu)建了一種強湍流相干結(jié)構(gòu)風況，利用FAST（Fatigue，Aerodynamics，Structures and Turbulence）程序計算了該風況下NREL 1.5 MW風力機在不同偏航角下的氣動載荷，研究了KHB湍流相干結(jié)構(gòu)對偏航狀態(tài)下風力機葉根動態(tài)載荷的影響。研究表明，湍流相干結(jié)構(gòu)會使風力機載荷的波動幅值和能量增加。偏航角的增大對葉根擺振力矩影響較小，但對葉根揮舞力矩影響較大，并使二者波動程度增強。湍流相干結(jié)構(gòu)使葉根擺振力矩的最大值、標準差平均升高28.30%和0.64%，最小值和平均值平均降低27.28%和1.903%，葉根揮舞力矩的最大值、標準差和平均值平均升高36.27%、59.57%和2.906%，最小值平均降低114.83%。葉根載荷的小波分析表明，湍流相干結(jié)構(gòu)對擺振力矩頻域能量影響較小，且能量主要集中在低頻段并與雷諾應力的剪應力分量（、）對應較好；對葉根揮舞力矩頻域能量影響顯著，且能量變化與雷諾應力的剪應力分量（）對應較好，隨著偏航角的增大，葉根揮舞力矩頻域能量整體升高。對葉片根部進行加固則可以有效提升葉片的使用可靠性。

風力機；數(shù)值分析；葉根載荷；偏航；強湍流相干結(jié)構(gòu)；FAST；小波分析

0 引 言

強湍流風況下偏航狀態(tài)風力機的載荷多變且復雜，風力機的前期研究注重于風力機氣動性能的提升[1-2]，近年來頻繁出現(xiàn)的風力機損壞事故使得風力機動態(tài)載荷特性成為風力機研究領(lǐng)域新熱點[3-4]。楊陽等[5-6]基于NWTCUP湍流風譜和KHI相干結(jié)構(gòu)，構(gòu)建了速度和方向均劇烈波動的湍流風，發(fā)現(xiàn)KHI相干結(jié)構(gòu)的加入會嚴重影響風力機的動態(tài)響應。Kelley等[7-9]利用小波分析方法研究了風輪前來流湍流與風力機載荷響應的關(guān)系，結(jié)果表明，來流的湍流相干結(jié)構(gòu)是風力機載荷波動的主要因素。徐磊等[10]通過建立風力機柔性葉片氣彈耦合方程，分析葉片的振動、葉根揮舞和擺振力矩，研究了柔性葉片振動對氣動載荷的影響。上述學者均對湍流相干結(jié)構(gòu)與風力機載荷之間的關(guān)系進行研究，結(jié)果表明相干結(jié)構(gòu)的加入對風力機載荷波動影響很大，但是忽視了偏航誤差對風力機可靠性的影響[11]。

為研究強湍流相干結(jié)構(gòu)下風力機葉根的動態(tài)載荷，選擇合適的方法構(gòu)建隨時間及空間變化的湍流風是仿真首先要解決的問題。湍流風譜模型的選擇難度較大，具有一定的盲目性[12]，目前對Kaimal和Von Karman風譜模型研究較多。Tabrizi等[13]將風力機分別布置于由標準Kaimal風譜生成的風場和通過修改標準Kaimal風譜建立的極端高湍流強度風場中，模擬了小型風力機的結(jié)構(gòu)載荷，發(fā)現(xiàn)修改后的Kaimal風譜所構(gòu)建風場中的風力機載荷是標準Kaimal風譜所構(gòu)建風場中的2倍。Banerjee等[14]分別使用Von karman譜和Pierson Moskowitz譜模擬近海隨機風和波浪載荷對5MW海上風力機的動態(tài)響應。楊從新等[15]基于改進Von Karman模型，分別采用諧波疊加法和自回歸滑動平均法對一臺33 kW水平軸風力機來流風況進行脈動風速模擬。上述學者均采用基于湍流風譜的方法建立風場仿真模型。由于風力機運行環(huán)境差異極大，湍流風譜及其參數(shù)對載荷計算結(jié)果有較大影響。Bilgili等[16-17]通過神經(jīng)網(wǎng)絡(luò)和模糊邏輯預測等方法得到小空間范圍的風速分布規(guī)律，該方法較為準確且適用性強，但對于大空間風場模型需要極其豐富的實測數(shù)據(jù)作為樣本，成本較高。Frank等[18]考慮風電場周圍實際地形和地表粗糙度等地貌條件，基于風電場近期測量數(shù)據(jù)，通過氣象方法預測整個風電場風速分布，該模型準確度和可靠性高，但由于空間尺度過大，容易導致氣動載荷計算誤差偏大。Fleming等[19]通過大渦模擬方法，考慮大氣邊界層和地表粗糙度等條件，建立風電場區(qū)域的三維風場，該方法雖然空間、時間尺度均滿足仿真需求，但需耗費大量的計算資源。李倩倩等[20]基于Kaimal、Von Karman、SMOOTH和NWTCUP湍流風譜模型模擬了不同地表粗糙度和湍流強度條件下所建立風場的風速分布規(guī)律，發(fā)現(xiàn)NWTCUP模型在50 m和80 m高度處的風速分布與實測值最為接近。

綜上所述，相關(guān)學者僅針對湍流風況下風力機的動態(tài)載荷響應和葉片振動進行研究，但對強湍流相干結(jié)構(gòu)下偏航風力機的動載荷特性的研究沒有深入開展。因此，本文采用NREL提出的NWTCUP湍流風譜模型構(gòu)建基礎(chǔ)湍流風，同時，為模擬時有發(fā)生的風速突然加劇的風況，將基礎(chǔ)湍流風耦合KHB相干結(jié)構(gòu)，以增強風速的擾動程度，構(gòu)建了一種強湍流相干結(jié)構(gòu)風況，進而采用FAST程序計算風力機葉片在不同偏航角時所受的氣動載荷，研究強湍流相干結(jié)構(gòu)對偏航風力機葉根擺振和揮舞載荷的影響規(guī)律，為風力機安全性分析提供參考。

1 仿真模型及軟件構(gòu)架

1.1 模型及參數(shù)

本文以美國可再生能源實驗室（National Renewable Energy Laboratory，NREL）的WindPACT（The Wind Partnerships for Advanced Component Technology）1.5MW風力機[21]作為研究對象，風力機具體參數(shù)見表1。由于葉片受到時變風載荷作用，因此，本文選用不同的坐標系開展研究，其中為葉片坐標系，用以分析葉片的受力和位移；-為輪轂坐標系，用以描述輪轂高度處的風速的大小和方向（坐標軸的正方向表示風速分量的正方向，的正方向表示風速分量的正方向，的正方向表示風速分量的正方向，下同），風力機模型及計算坐標系如圖1所示。

表1 WindPACT 1.5MW風力機主要參數(shù)

1.2 FAST軟件構(gòu)架

本文通過TurbSim生成計算域上時間步長為0.005 s的二進制風文件[22]，將其作為AeroDyn的輸入文件，進而通過FAST及其氣動模塊（AeroDyn）進行聯(lián)合仿真計算[23]，得到部件載荷與變形的時序結(jié)果。為反映波動風速對風力機氣動性能的影響，將載荷數(shù)據(jù)輸出時間步長也設(shè)置為0.005 s，以建立來流風速與葉根載荷的對應關(guān)系。

1.葉片1 2.葉片2 3.葉片3 4.輪轂 5.機艙 6.塔架

1.Bladed 1 2.Bladed 2 3.Bladed 3 4.Hub 5.Nacelle 6.Tower

注：為葉片坐標系，軸正方向沿風輪軸線方向，軸正方向沿弦線方向，軸正方向沿葉片展向方向；-為輪轂坐標系，的正方向表示風速分量的正方向，的正方向表示風速分量的正方向，的正方向表示風速分量的正方向。

Note:is the blade coordinate system, the positive direction ofis along the axis of the wind turbine, the positive direction ofis along the direction of the chord line, and the positive direction ofis along the direction of the blade span;is the hub coordinate system, the positive direction ofrepresents the positive direction of the wind speed component, the positive direction ofrepresents the positive direction of the wind speed component, and the positive direction ofrepresents the positive direction of the wind speed component.

圖1 風力機模型及計算坐標系

Fig.1 Wind turbine model and calculation coordinate system

FAST主輸入文件內(nèi)容包括風力發(fā)電機組整機結(jié)構(gòu)參數(shù)、質(zhì)量特性、系統(tǒng)自由度以及仿真控制參數(shù)等。氣動力模型采用基于Glauert的推力系數(shù)修正、基于Prandtl的葉尖輪轂損失修正、偏航損失修正和風輪錐角損失修正的葉素動量理論（Blade Element Momentum Theory，BEMT）[24]。計算輸入輸出文件結(jié)構(gòu)如圖2所示。

仿真參數(shù)中風譜模型采用基于IEC 61400-3的NWTCUP模型，輪轂中心平均風速為12 m/s，地表粗糙長度為默認值，漸變理查森數(shù)（RICH_NO）為0.05，模擬時常為800 s，輸出時常為600 s，偏航時機艙慣性為49.13×103kg·m2，發(fā)電機效率為95%。

圖2 FAST輸入輸出文件

2 湍流風場建模

2.1 風譜模型

由于本文所選風力機的輪轂高度為84.28 m，結(jié)合文獻[20]的研究，采用基于NWTC/LIST項目[25]測量數(shù)據(jù)和SMOOTH風譜模型建立的NWTCUP風譜模型生成基礎(chǔ)湍流風。

NWTC/LIST是在洛杉磯附近San Gorgonio風電場開展的低海拔測風項目，該風電場能量密度及湍流強度較高。NWTCUP風譜通過比例縮放SMOOTH功率密度函數(shù)得到。中性和穩(wěn)定流動的NWTCUP風譜S(f)[26]為

式中為周期頻率，Hz；表示風向，=,,；P和F為縮放系數(shù)（=1,2），由經(jīng)驗函數(shù)確定。S()為SMOOTH風譜模型[26]，具體為

式中Z一般取值0.4[22]。

2.2 相干結(jié)構(gòu)湍流風模型

由于自然風是一種典型的湍流運動，相干結(jié)構(gòu)是湍流運動的基本特征，可通過在基礎(chǔ)風譜模型疊加湍流相干結(jié)構(gòu)的方法構(gòu)建風速急劇變化的強湍流風。KHB（Kelvin-Helmholtz Billow）流動是一種典型的相干結(jié)構(gòu)，是描述自然界連續(xù)流場中由于速度梯度而導致渦迅速卷起并破裂的較為規(guī)則的周期性流動現(xiàn)象，具體流動結(jié)構(gòu)參考文獻[27]。

為了使KHB數(shù)值模擬結(jié)果方便有效的疊加在任意時空的基礎(chǔ)湍流風況中，將時間和空間維度的KHB數(shù)值模擬速度場信息無量綱化，構(gòu)建風速劇烈變化的風況。

假設(shè)選定區(qū)域共有×個節(jié)點，其中第行列節(jié)點的基礎(chǔ)風速為u(t)，相干結(jié)構(gòu)無量綱速度為CohU()，則疊加相干結(jié)構(gòu)后的風速U()為

本文根據(jù)風輪直徑構(gòu)建風場計算域網(wǎng)格，網(wǎng)格以輪轂為中心，空間范圍為84 m×84 m，網(wǎng)格節(jié)點數(shù)為19×19，網(wǎng)格數(shù)為361，最小網(wǎng)格尺度為4.66 m，如圖3所示。

利用相干湍動能（CTKE，m2/s2）量化描述KHB強弱，CTKE為

式中、、分別為某節(jié)點處的3個雷諾應力分量，m2/s2。

3 風況模擬結(jié)果與分析

輪轂中心處模擬主要來流方向平均風速為12 m/s風況，時間步長為0.005 s，總時長為600 s，KHB加入的起始時間是150 s，持續(xù)時間為300 s。輪轂處的風速分布及相干湍動能CTKE如圖4所示。由圖可以看出，在KHB加入的150～450 s內(nèi)，3個方向的風速分量波動均明顯加劇，風速波動具有明顯周期性，共計8個周期。圖4d為有、無KHB來流的CTKE時程曲線，可以看出，KHB的加入使得來流湍動能明顯增大，并出現(xiàn)強烈波動。

注：u、v、w分別為X’、Y’、Z’方向的速度分量，m·s-1；CTKE為相干湍動能，m2·s-2。下同。

4 數(shù)值模擬驗證與計算

4.1 FAST驗證

GH-Bladed軟件是風電行業(yè)廣泛使用的載荷計算軟件，其仿真結(jié)果的可靠性已通過GL認證，并且大量研究學者均使用其對FAST進行驗證[28]。因此，本文將風力機葉根載荷的FAST計算結(jié)果與相同來流情況下GH-Bladed的計算結(jié)果進行對比，以驗證FAST計算的準確性和可靠性。由于GH-Bladed無法添加KHB風況條件，故使用額定風速（12 m/s）均勻來流作為入流風況條件。

圖5為FAST計算的擺振力矩、揮舞力矩與GH-Bladed計算結(jié)果對比?？梢钥闯觯瑢τ谌~根載荷FAST與GH-Bladed的計算結(jié)果僅存在相位差，其幅值基本一致，F(xiàn)AST相較GH-Bladed計算的擺振力矩和揮舞力矩的誤差約在4.73%和0.02%，相位差的出現(xiàn)與葉片的初始方位角有關(guān)。

圖5 FAST與Bladed葉根載荷對比

4.2 計算工況

在目前風電場運行中，15°偏航角為偏航控制臨界值，當風力機與來流夾角大于15°時會立刻執(zhí)行偏航動作，當夾角小于15°時則會統(tǒng)計10min風向數(shù)據(jù)后進行偏航，因此大氣邊界層中運行的風力機，偏航角度大多數(shù)在15°范圍內(nèi)。所以為了研究KHB湍流相干結(jié)構(gòu)對不同偏航角下風力機葉根載荷的影響規(guī)律，設(shè)計計算工況如表2所示，研究有、無KHB的來流風況下，偏航角分別為0°、5°、10°和15°時風力機葉根的擺振力矩和揮舞力矩變化規(guī)律。

表2 計算工況

4.3 數(shù)值計算結(jié)果與分析

本文在有、無KHB湍流相干結(jié)構(gòu)風況下，分析風力機在不同偏航狀態(tài)下葉根載荷的時程圖、平均值、最值、標準差的變化規(guī)律，并結(jié)合小波分析研究了KHB對風力機葉根載荷影響的時頻特性。

4.3.1 KHB對葉根載荷時程及統(tǒng)計量的影響

圖6為0°偏航角時有、無KHB的擺振力矩和揮舞力矩時程圖。由圖6a可知，KHB對葉根擺振力矩影響較小，同未加入KHB相比，葉根擺振力矩的周期性基本相同，幅值略增約27.78%。由圖6b可知，KHB對葉根揮舞力矩影響較大，同未加入KHB相比，葉根揮舞力矩的振蕩頻率和幅值均有增加，尤其振蕩幅值增加明顯，約增加75.51%。

圖6 0°偏航角有無KHB的力矩時程圖對比

圖7為有、無KHB時不同偏航角下風力機葉根所受擺振和揮舞力矩的最大值、最小值和標準差統(tǒng)計圖。由圖 7可知，KHB使葉根載荷的最大值、標準差、離散程度增大，最小值減小，將使風力機葉片的疲勞壽命降低。無KHB時，隨著偏航角的增大，葉根載荷的最值基本不變，但標準差降低，說明偏航角對風力機葉根載荷的離散程度會產(chǎn)生影響，偏航角越大，離散程度有所下降，即載荷波動降低。隨后分別將0°、5°、10°、15°偏航角下KHB對載荷統(tǒng)計量的影響進行對比，由圖7a可知，擺振力矩最大值相比未加入KHB分別增大了22.83%、31.67%、31.92%和26.72%，平均增大28.30%；最小值分別減小了20.13%、24.72%、31.53%和32.72%，平均降低27.28%；標準差分別增大了0.52%、0.58%、0.60%和0.87%，平均增大0.64%，且隨著偏航角的增大，其最大值變化較小，最小值略有減小，標準差降低。由圖7b可知，對于揮舞力矩，其最大值分別增加了30.52%、29.75%、43.40%和41.40%，平均增大36.27%，最小值分別降低了126%、130.44%、98.21%和104.65%，平均降低114.83%；標準差分別增加了46.47%、53.29%、63.70%和74.83%，平均增大59.57%。揮舞力矩的標準差增大明顯，表明偏航角越大，KHB對葉根揮舞力矩的波動影響越明顯。

綜上所述，KHB湍流相干結(jié)構(gòu)對葉根擺振載荷影響較小，對葉根揮舞載荷影響較大，KHB湍流相干結(jié)構(gòu)會降低風力機的使用壽命。加入KHB湍流相干結(jié)構(gòu)時，隨著偏航角的增大，葉根擺振載荷的各統(tǒng)計量變化較小，揮舞載荷各統(tǒng)計量有所增加，說明隨著KHB的加入和偏航角的增加，對葉根擺振載荷影響不大，對葉根揮舞載荷影響明顯。

注：0′、5′、10′、15′分別表示有KHB時偏航角為0°、5°、10°、15°；0、5、10、15分別表示無KHB時偏航角為0°、5°、10°、15°。

4.3.2 KHB對葉根平均載荷的影響

圖8為風力機葉根所受擺振力矩和揮舞力矩平均值隨偏航角的變化曲線。由圖8a可知，無論有無KHB的加入，葉根擺振力矩平均值均隨著偏航角的增大均逐漸減?。辉诟髌浇窍?，KHB對葉根擺振力矩均值的影響均在0.5 kN·m以內(nèi)；偏航角從0°增加到15°，未加入KHB時擺振力矩平均值減小了1.869%，加入時減小了1.903%。因此，KHB的加入對擺振力矩平均值影響很小。

圖8 不同偏航角下的力矩平均值

由圖8b可知，對于揮舞力矩，無論是否加入KHB，隨著偏航角的增大，均呈非線性增加；加入KHB后，各偏航角下?lián)]舞力矩的平均值均較未加入時小，如15°偏航角時減小了8.571%；偏航角從0°到15°，未加入KHB時揮舞力矩平均值增加了5.213%，加入KHB時增加了2.906%。因此，揮舞力矩的平均值隨偏航角的增加而增加，且未加入KHB時增加更明顯。KHB的加入會降低揮舞力矩平均值，究其原因，結(jié)合圖4和圖6b可知，KHB的加入使得、、方向的風速脈動加劇，導致葉片的振動幅值和頻率均增加，且向內(nèi)側(cè)擺動（-方向）的頻率和幅值大于向外側(cè)擺動的，所以均值小于未加入時的均值。結(jié)合圖7中各工況標準差分布可知，無論是否加入KHB，隨著偏航角的增加，擺振力矩平均值減小的同時，其分布更集中，更靠近平均值；而對于揮舞力矩，加入KHB時，隨著偏航角的增加，其平均值增大的同時，其分布更加分散，更遠離平均值，這與未加入KHB時的規(guī)律恰恰相反?？芍狵HB湍流相干結(jié)構(gòu)和偏航角對葉根擺振力矩影響較小，但對葉根揮舞力矩影響顯著，結(jié)合圖7發(fā)現(xiàn)葉根載荷的變化規(guī)律一致，進一步論證KHB的加入和偏航角的增加對擺振力矩影響較小對揮舞力矩影響較大。

4.3.3 KHB對葉根載荷時頻變化的影響

為了研究湍流時間和空間上變化對風力機葉片動態(tài)響應影響，對偏航狀態(tài)下風力機葉片的葉根擺振載荷和揮舞載荷分別進行時頻分析。

湍流具有時、空尺度的局部性特征，而小波變換能同時反映時序信號的時頻特征，適用于湍流特性的分析[29]，因此本文采用小波變換分析湍流與風力機載荷的相互作用。

墨西哥帽函數(shù)能夠有效反映信號在時間域和頻率域的局部特性，適用于湍流特性分析[30]，因此，本文選取其作為母波函數(shù)。根據(jù)輸出數(shù)據(jù)可知，在0.02 s內(nèi)的風速和對應的葉根載荷變化較小，因此，本文選用小波函數(shù)的采樣頻率為50 Hz。為研究來流雷諾應力分量與載荷的時頻關(guān)系，將尺度因子（）確定為0.5至70范圍內(nèi)以0.1為公差的等差數(shù)列[9,31]。根據(jù)實際頻率（）與尺度因子（）的關(guān)系：=·/，確定實際頻率（）范圍為25～0.18 Hz，其中是小波中心頻率與母波函數(shù)有關(guān)，在這里為0.25 Hz。

連續(xù)性小波分析結(jié)果如圖9所示。結(jié)合圖4可知，在該時段內(nèi)加入了2個周期的KHB湍流相干結(jié)構(gòu)。由圖 10中雷諾應力分量的時程圖可知，雷諾應力的分量、、的波動出現(xiàn)在214～252.5 s和252.5～291 s，具有相似的周期性。

由圖9a可知，對于擺振力矩，當偏航角為0°且無KHB加入時，周期性明顯，低頻帶能量高于高頻帶。當加入KHB后，高頻帶能量升高，低頻帶能量降低，可以看出，在235～242 s、249和277 s附近時，擺振力矩低頻能量明顯降低，高頻能量明顯增加，此時對應的雷諾應力的分量、能量變化較劇烈，說明擺振力矩與雷諾應力的分量、存在明顯的對應關(guān)系。加入KHB后，隨著偏航角度的增大，擺振力矩低頻帶能量變化不明顯，僅高頻帶能量略有升高。表明由于KHB的加入，使得來流風的湍動能增大，并攜帶了更多的小尺度湍流，使得擺振力矩的高頻部分增強，但偏航角對擺振力矩的影響總體較弱。

由圖9b可知，對于揮舞力矩，當偏航角為0°且無KHB加入時，能量主要集中在低頻帶，當加入KHB后，高頻帶和低頻帶能量均發(fā)生變化，在235～242 s、249和277 s附近時，揮舞力矩能量明顯增加且與雷諾應力分量對應較好，說明揮舞力矩與雷諾應力的分量存在明顯的對應關(guān)系。隨著偏航角的增大，在雷諾應力的分量能量變化較劇烈時揮舞力矩對應時刻高、低頻能量均降低，其余時刻能量升高。說明當偏航角為0°時雷諾應力的分量所在平面垂直于風輪平面，與揮舞力矩方向一致，因此對揮舞力矩影響較大，當偏航角逐漸增大時，雷諾應力的分量所在平面與風輪平面夾角逐漸增大，使得其垂直于風輪平面的分量減小，導致?lián)]舞力矩減小即對應時刻能量降低，而在其它時刻能量增大是因為風輪平面受力不均導致的，且結(jié)合圖9b發(fā)現(xiàn)，揮舞力矩的整體能量升高。表明加入KHB后來流的最值風速和風速標準差增加使得風速隨機波動加劇導致葉片揮舞載荷增加；偏航角度的增大使得葉片受力不均性增強導致葉片揮舞力矩加劇。綜上所述，KHB的加入均使得擺振力矩和揮舞力矩頻域能量發(fā)生變化且與雷諾應力有著良好的對應關(guān)系；隨著偏航角的增大擺振力矩頻域能量變化較小，揮舞力矩頻域能量整體升高。

注：Rsc為雷諾應力分量的縮寫。

5 結(jié) 論

本文通過NWTCUP湍流風譜模型耦合KHB流動構(gòu)建了構(gòu)建了一種強湍流相干結(jié)構(gòu)風況，在該風況下計算了NREL 1.5 MW風力機在不同偏航工況下的葉根擺振和揮舞載荷，并通過載荷統(tǒng)計參數(shù)和時頻分析，研究了強湍流相干結(jié)構(gòu)對偏航風力機葉根載荷的影響規(guī)律，得到以下結(jié)論：

1）KHB湍流相干結(jié)構(gòu)導致來流紊亂度增強，使得葉根擺振力矩和揮舞力矩的最大值、標準差均升高，平均升高28.30%、0.64%和36.27%、59.57%，最小值減小，平均降低27.28%和114.83%。

2）隨著偏航角的增大，KHB對葉根擺振力矩影響較小，離散程度降低0.76%，且與未加入KHB相比，各統(tǒng)計量變化較?。粨]舞力矩離散程度升高36.67%，且與未加入KHB相比，各統(tǒng)計量變化明顯。

3）對于葉根力矩平均值，無論有無KHB的加入擺振力矩均非線性降低、揮舞力矩均非線性升高，且KHB對擺振力矩均值影響不大，平均下降1.903%，而揮舞力矩在加入KHB后各偏航角下的均值均小于未加入時的值，平均下降2.906%，且隨著偏航角的增大揮舞力矩增長速率增加，故波動性增強均值下降，揮舞力矩對葉片影響更劇烈，且偏航角度越大這一現(xiàn)象越明顯。

4）KHB的加入會導致雷諾應力分量波動加劇，使得各葉根載荷在低頻帶和高頻帶能量均發(fā)生變化且擺振力矩與雷諾應力的剪應力分量（）對應關(guān)系較好，揮舞力矩與雷諾應力的剪應力分量（）對應關(guān)系較好。隨著偏航角的增大擺振載荷頻域能量變化不明顯，揮舞載荷頻域能量整體升高。

綜合上述研究可知，在實際工程中如果能夠降低偏航誤差，并且對葉片根部進行加固可以有效提升葉片使用的可靠性。

[1] Habali S M. Design and testing of small mixed airfoil wind turbine blades[J]. Renewable Energy, 1995, 6(2): 161-169.

[2] Fuglsang P, Bak C. Development of the ris? wind turbine airfoils[J]. Wind Energy, 2004, 7(2): 145-162.

[3] Ibá?ez B, Inthamoussou F A, Battista H D. Wind turbine load analysis of a full range LPV controller[J]. Renewable Energy, 2020, 145: 2741-2753.

[4] Bakhtiari E, Gharali K, Chini S F. Corrigendum to “Super-hydrophobicity effects on performance of a dynamic wind turbine blade element under yaw loads”[J]. Renewable Energy, 2019, 140: 539-551.

[5] 楊陽，李春，葉柯華，等. 基于HHT方法的非穩(wěn)定工況風力機結(jié)構(gòu)動態(tài)響應時頻特性分析[J]. 振動與沖擊，2016，35(21)：22-28. Yang Yang, Li Chun, Ye Kehua, et al. Analysis of time-frequency characteristics of the dynamic response of wind turbines under unsteady condition based on the HHT method[J]. Journal of Vibration and Shock, 2016, 35(21): 22-28. (in Chinese with English abstract)

[6] 楊陽，李春，繆維跑，等. 高速強湍流風況下的風力機結(jié)構(gòu)動力學響應[J]. 動力工程學報，2016，36(8)：638-644. Yang Yang, Li Chun, Miao Weipao, et al. The dynamic response of wind turbines under high-speed and strong turbulent wind conditions[J]. Journal of Power Engineering, 2016, 36(8): 638-644. (in Chinese with English abstract)

[7] Kelley N D, Jonkman B J, Scott G N, et al. The impact of coherent turbulence on wind turbine aeroelastic response and its simulation: Preprint[R]. Global Windpower 2005 Conference Proceedings (CD-ROM).

[8] Kelley N D, Osgood R M, Bialasiewicz J T, et al. Using wavelet analysis to assess turbulence/rotor interactions[J]. Wind Energy, 2000, 3(3): 121-134.

[9] Kelley N D. Turbulence-turbine interaction: The basis for the development of the turbSim stochastic simulator[R]. Golden, CO: office of scientific & technical information technical reports, 2011.

[10] 徐磊，李德源，莫文威，等. 基于非線性氣彈耦合模型的風力機柔性葉片隨機響應分析[J]. 振動與沖擊，2015，34(10)：20-27. Xu Lei, Li Deyuan, Mo Wenwei, et al. Analysis of random response of flexible blades of wind turbines based on nonlinear aeroelastic coupled model[J]. Journal of Vibration & Shock, 2015, 34(10): 20-27. (in Chinese with English abstract)

[11] Bakhshi R, Sandborn P. The effect of yaw error on the reliability of wind turbine blades[C]. North Carolina: Proceedings of the ASME 2016 Power and Energy Conference. Charlotte, 2016.

[12] 李倩倩，李春，楊陽，等. 風場風譜模型的分形維數(shù)研究[J]. 能源工程，2016(2)：28-31. Li Qianqian, Li Chun, Yang Yang, et al. Research on fractal dimension of wind field wind spectrum model[J]. Energy Engineering, 2016(2): 28-31. (in Chinese with English abstract)

[13] Tabrizi A B, Whale J, Lyons T, et al. Modelling the structural loading of a small wind turbine at a highly turbulent site via modifications to the kaimal turbulence spectra[J]. Renewable Energy, 2017, 105: 288-300.

[14] Banerjee A, Chakraborty T, Matsagar V, et al. Dynamic analysis of an offshore wind turbine under random wind and wave excitation with soil-structure interaction and blade tower coupling[J]. Soil Dynamics and Earthquake Engineering, 2019, 125: 1-17.

[15] 楊從新，郜志騰，張旭耀. 基于改進VonKarman模型的風力機來流三維風速模擬[J]. 農(nóng)業(yè)工程學報，2016，32(15)：39-46. Yang Congxin, Zang Zhiteng, Zhang Xuyao. Three-dimensional wind speed simulation of wind turbine flow based on improved VonKarman model[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2016, 32(15): 39-46. (in Chinese with English abstract)

[16] Bilgili M, Sahin B, Yasar A. Application of artificial neural networks for the wind speed prediction of target station using reference stations data[J]. Renewable Energy, 2006, 32(14): 2350-2360.

[17] Agüera A, Rosa J J G D L, Ramiro J G, et al. Genetic fuzzy systems applied to model local winds[J]. Procedia Computer Science, 2010, 1(1): 27-35.

[18] Frank H P, Rathmann O, Mortensen N G, et al. The numerical wind atlas-the KAMM/WAsP method[R]. Riso National Laboratory, 2001.

[19] Fleming P, Gebraad P, Van Wingerden J W, et al. The SOWFA super-controller: A high-fidelity tool for evaluating wind plant control approaches[C] //Proceedings of the EWEA Annual Meeting, Vienna, Austria. 2013.

[20] 李倩倩，李春，楊陽，等. 基于分形學的湍流風譜模型適用性研究[J]. 太陽能學報，2017，38(11)：3123-3130. Li Qianqian, Li Chun, Yang Yang, et al. Study on applicability of turbulence wind spectrum model based on fractal theory[J]. Acta Energia Sinica, 2017, 38(11): 3123-3130. (in Chinese with English abstract).

[21] Smith K. WindPACT turbine design scaling studies technical area 2: turbine, rotor and blade logistics; Topical[R]. Golden, CO: Office of Scientific & Technical Information Technical Reports, 2001.

[22] Jonkman B J, Kilcher L. TurbSim User's Guide: Version 1. 06. 00[M]. United States: Colorado, 2012.

[23] Jonkman J M, Buhl Jr M L. FAST User's Guide[M]. United States: Colorado, 2005.

[24] Moriarty P, Hansen C. Aerodyn theory manual[R]. Golden: National Renewable Energy Laboratory (NREL), 2005.

[25] Shirazi M, Jager D, Wilde S, et al. Lamar low-level jet project interim report[R]. Golden: National Renewable Energy Laboratory (NREL), 2004.

[26] Kelley N D, Hand M, Larwood S, et al. The NREL large-scale turbine inflow and response experiment: preliminary results[C]//ASME 2002 Wind Energy Symposium. American Society of Mechanical Engineers, 2002.

[27] WIKIPEDIA. Kelvin-Helmholtz instability[EB/OL]. 2015-07-30[2020-1-30]. https: //www. img. lvfukeji. com/img/wikipedia/commons/transcoded/d/d8/Kelvin-Helmholtz_Instability. ogv/Kelvin-Helmholtz_Instability. ogv. 240p. vp9. webm.

[28] 熊海洋. 基于FAST軟件的大型風力發(fā)電機組系統(tǒng)建模與控制研究[D]. 重慶：重慶大學，2014. Xiong Haiyang. Research on Modeling and Control of Large-Scale Wind Turbine System Based on FAST Software[D]. Chongqing: Chongqing University, 2014. (in Chinese with English abstract).

[29] 白士偉. 典型地區(qū)大氣湍流相干結(jié)構(gòu)特征研究[D]. 合肥：中國科學技術(shù)大學，2018. Bai Shiwei. Research on Coherent Structure Characteristics of Atmospheric Turbulence in Typical Areas of China[D]. Hefei: University of Science and Technology of China, 2018. (in Chinese with English abstract).

[30] 白士偉，孫剛，李學彬，等. 小波分析在近地面湍流相干結(jié)構(gòu)研究中的應用[J]. 光學學報，2018，38(5)：16-24. Bai Shiwei, Sun Gang, Li Xuebin, et al. Application of wavelet analysis in research of near-surface turbulence coherent structure[J]. Journal of Optics, 2018, 38(5): 16-24. (in Chinese with English abstract).

[31] 胡進森. 中性大氣邊界層中風力機與湍流的相互作用[D]. 蘭州：蘭州理工大學，2018. Hu Jinsen. Interaction Between Wind Turbine and Turbulent Flow in the Neutral Atmospheric Boundary Layer[D]. Lanzhou: Lanzhou University of Technology, 2018. (in Chinese with English abstract).

Effects of strong turbulence structure coherent on load of blade root in a yaw wind turbine

Li Deshun1,2,3, Hu Yuan1, Li Rennian1,2,3※, Guo Tao1, Dong Yanbin1, Li Yinran1,2,3, Wang Qing1,2,3

(1.,,730050,; 2.,730050,; 3.,730050,)

The strong turbulent wind has a significant impact on the dynamic load of wind turbine blade in a yaw state. Because the root of blade is the most stressed position, the dynamic characteristics of load are the key factors affecting the life and safe operation of wind turbine. In this study, the NWTCUP (The NREL National Wind Technology Center Model) wind spectrum model was used to couple KHB (Kelvin-Helmholtz Billow) flow, in order to construct a strong turbulent coherent structure wind condition. Subsequently, the FAST (Fatigue, Aerodynamics, Structures, and Turbulence) program was used to calculate the aerodynamic load of the NREL 1.5MW wind turbine under different yaw angles. Finally, the effect of KHB turbulent coherent structure was investigated on the dynamic load of wind turbine blade roots under yaw conditions. The results showed that the turbulent coherent structures increased the amplitude and energy of load fluctuations in a wind turbine. The increase of yaw angle has a smaller effect on the blade root edgewise moment, while a greater effect on the blade root flapwise moment, indicating the stronger dispersion of both factors. The turbulent coherent structure reduced the average value of blade root edgewise moment by 1.903%, while increased the average value of blade root flapwise moment by 2.906%. In Wavelet analysis of the root load, the turbulent coherent structure has a small effect on the energy of the edgewise moment, while, the energy was mainly concentrated in the low frequency band, corresponding to'',''. There was a significant effect in terms of the leaf root flapwise moment, where the energy change corresponds well with''. The energy of leaf root flapwise moment increased, as the yaw angle increased.

wind turbine; numerical analysis; blade root load; yaw; strong turbulent coherent structure; FAST; wavelet analysis

李德順，胡淵，李仁年，等. 強湍流相干結(jié)構(gòu)對偏航風力機葉根載荷的影響[J]. 農(nóng)業(yè)工程學報，2020，36(20)：102-109.doi：10.11975/j.issn.1002-6819.2020.20.013 http://www.tcsae.org

Li Deshun, Hu Yuan, Li Rennian, et al. Effects of strong turbulence structure coherent on load of blade root in a yaw wind turbine[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2020, 36(20): 102-109. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2020.20.013 http://www.tcsae.org

2020-04-01

2020-10-08

國家自然科學基金（51766009，51566011）；國家基礎(chǔ)研究計劃（973計劃）（2014CB046201）；隴原青年創(chuàng)新創(chuàng)業(yè)人才項目；西華大學開放課題

李德順，博士，教授，主要從事風力機空氣動力學、氣固兩相流及其磨損方向的研究。Email：lideshun_8510@sina.com

李仁年，教授，博士生導師，主要從事流體機械及工程、多相流、風力機械等方向的研究。Email：lirn@lut.cn

10.11975/j.issn.1002-6819.2020.20.013

TK83

A

1002-6819(2020)-20-0102-08