以電腦模型減少尾流效應損失,風場潛在增長率達 6%

作者 | 發布日期 2018 年 05 月 02 日 8:30 | 分類 能源科技 , 風力 follow us in feedly

美國再生能源發展迅速,其中風能在 2016 年全美發電占比已達到 6.5%,與 2020 年相比已增漲兩倍有餘,而其發展仍會不斷增長,風機性能也會越來越強,近日美國德州大學達拉斯分校(UT Dallas)找出一種方法讓風力發電性能更加強大,進而增加風場收入,且根據德州先進運算中心(TACC)測試,風場潛在增長率達 6% 至 7%。



研究員表示,只要能將美國風場整體性能增加 1%,就可以帶來 1 億美元收入,按照這樣來計算,或許我們可以幫全美風電廠增加 6 億美元營收。

UT Dallas 機械工程助理教授 Stefano Leonardi 與其研究團隊先前曾研發一種模型,可將各式風機物理尺寸整合到超級電腦來預測風機功率。Leonardi 指出,團隊還開發一組程式碼來模擬渦輪機,並同時考量到風機塔與機艙之間的風力干擾跟渦輪葉片的尾流。

除了風機尺寸與規模挑戰之外,團隊也得考慮到各式天氣與氣候環境,因此研究員也將程式碼與美國國家大氣研究中心的天氣預報模式(WRF)結合,Leonardi 表示,研究利用 WRF 北美預報模式的粗網格(coarse grid)打造風場模型,再輸入 5 層套疊域(nested domains)模擬實際風場發電量。

而電腦技術日新月異更讓團隊能夠準確模擬風力發電場與風機的發電量,團隊也藉由該系統,想要找出如何解決風機尾流效應的挑戰。

根據美國能源局資料,風機尾流互制(wake interactions)每年至少會損失 20% 產能。因此團隊利用系統中的控制演算法(control algorithms)來管理渦輪機動態模擬,這種控制算法包括極值搜尋控制法(extremum seeking control),可以用來模擬增加或降低渦輪葉片轉速,同時測量功率、計算梯度,重複執行直到找出最佳結果。

Leonardi 表示,控制算法不會依賴於物理模型,且實際風電廠中存有許多不確定因素,所以我們也無法建模所有樣式,而極值搜尋控制法甚至可以在葉片侵蝕或結冰的情況下得出最佳結果。即使目前系統可能也有一些不確定性,但仍然非常高效並且可以執行。

為測試新方法是否可行,該團隊使用 TACC 的 Stampede 2 和 Lonestar 5 等超級電腦來模擬測試。UT Dallas 的機械工程教授 Mario Rotea 表示,利用超級電腦來模擬風場解決方案益處良多,只要有越多測試在電腦中進行,團隊就可以節省實際測試次數並降低能源成本。

由於風力渦輪機的建造成本與運行費用都很昂貴,研究員能使用的風力研究設備也不多,因此研究員也樂見獲得超級電腦支持。

目前該團隊已將該方法用於美國國家再生能源實驗室(NREL)的單組渦輪機。Rotea 表示,NREL 實驗結果顯示,相較於基線控制器(baseline controller),極值搜尋控制法可讓能量捕獲提升 8~12%,該結果不僅提供更多研究資訊,也提升極值搜尋控制法在研究中的價值。

(本文由 EnergyTrend 授權轉載;首圖來源:TACC