采用修正逆傅里叶变换法的空间湍流风场建模研究
发布时间：2021-07-08 00:46
文章采用幅值谱修正的逆傅里叶变换法（IFFT）对空间湍流风场进行建模。首先,基于Fourier-Stieltjes积分从数学上推导了频谱的复共轭对称序列表达式。然后,根据Kaimal风速目标谱确定模拟点的风速傅里叶幅值谱,结合模拟点与相邻点的互功率谱确定该模拟点的相位信息;根据目标谱修正模拟点的风速幅值谱,产生具有时间和空间信息的风速时程序列。最后,对时程序列进行谱分析,并和Kaimal谱进行对比。结果表明,采用幅值谱修正的IFFT法得到的风速时程序列的功率谱密度（PSD）和目标谱的拟合度远优于传统方法,且计算效率提高62%。
【文章来源】：可再生能源. 2019,37(11)北大核心
【文章页数】：5 页
【部分图文】：
轮毂处脉动风速时程曲线
序列。可以看出，采用4种方法模拟的脉动风速曲线具有良好的随机性，且具有相近的统计特性（峰值、标准差等），间接说明了4种风速模拟方法的正确性。图3为4种方法生成的风速时程序列对应的功率谱密度（PSD）。由图可知，AR法风速时程的模拟自谱和Kaimal目标谱的吻合程度最差，模拟自谱在整个目标频段内表现出较大的分散性，且模拟自谱的中心线与Kaimal目标谱有所偏差，当图2轮毂处脉动风速时程曲线Fig.2Timehistorycurvesofwindspeedathub图1浮动风机脉动风场网格划分及节点编号Fig.1Meshdivisionsandnodenumbersofturbulentwindfarmforfloatingwindturbines0300时间/s900600-10-5051015风速/m·s-1（a）AR法0300时间/s900600-10-5051015风速/m·s-1（b）谐波叠加法0300时间/s900600-10-50510风速/m·s-1（c）传统IFFT法（d）本文修正IFFT法0300时间/s900600-10-50510风速/m·s-110-4频率/Hz10-2自谱密度/m2·s（a）AR法10-310-210-1100101100102104模拟自谱目标自谱10-4频率/Hz10-2自谱密度/m2·s（b）谐波叠加法10-310-210-1100101100102104模拟自谱目标自谱10-4频率/Hz10-2自谱密度/m2·s（c）传统IFFT法10-310-210-1100101100102104模拟自谱目标自谱（2nz-1）（2ny+1）+1（2nz-3）（2ny+1）+1（2ny+
edanddirection[J].AppliedEnergy，2011，88（4）：1405-1414.[7]CassolaF，BurlandoM.WindspeedandwindenergyforecastthroughKalmanfilteringofnumericalweatherpredictionmodeloutput[J].AppliedEnergy，2012，99：154-166.[8]WangJ，NiuT.Ananalysis-forecastsystemforuncertaintymodelingofwindspeed:Acasestudyoflarge-scalewindfarms[J].AppliedEnergy，2017，211（7）：492-512.[9]ZhangW，WuJ.Performanceanalysisoffourmodifiedapproachesforwindspeedforecasting[J].AppliedEnergy，2012，99：324-333.图3轮毂处脉动风速的自功率谱密度Fig.3Powerspectraldensityofturbulentwindspeedathub10-4频率/Hz10-2自谱密度/m2·s（d）本文修正IFFT法10-310-210-1100101100102104模拟自谱目标自谱·1664·可再生能源2019，37（11）
本文编号：3270701
【文章来源】：可再生能源. 2019,37(11)北大核心
【文章页数】：5 页
【部分图文】：
轮毂处脉动风速时程曲线
序列。可以看出，采用4种方法模拟的脉动风速曲线具有良好的随机性，且具有相近的统计特性（峰值、标准差等），间接说明了4种风速模拟方法的正确性。图3为4种方法生成的风速时程序列对应的功率谱密度（PSD）。由图可知，AR法风速时程的模拟自谱和Kaimal目标谱的吻合程度最差，模拟自谱在整个目标频段内表现出较大的分散性，且模拟自谱的中心线与Kaimal目标谱有所偏差，当图2轮毂处脉动风速时程曲线Fig.2Timehistorycurvesofwindspeedathub图1浮动风机脉动风场网格划分及节点编号Fig.1Meshdivisionsandnodenumbersofturbulentwindfarmforfloatingwindturbines0300时间/s900600-10-5051015风速/m·s-1（a）AR法0300时间/s900600-10-5051015风速/m·s-1（b）谐波叠加法0300时间/s900600-10-50510风速/m·s-1（c）传统IFFT法（d）本文修正IFFT法0300时间/s900600-10-50510风速/m·s-110-4频率/Hz10-2自谱密度/m2·s（a）AR法10-310-210-1100101100102104模拟自谱目标自谱10-4频率/Hz10-2自谱密度/m2·s（b）谐波叠加法10-310-210-1100101100102104模拟自谱目标自谱10-4频率/Hz10-2自谱密度/m2·s（c）传统IFFT法10-310-210-1100101100102104模拟自谱目标自谱（2nz-1）（2ny+1）+1（2nz-3）（2ny+1）+1（2ny+
edanddirection[J].AppliedEnergy，2011，88（4）：1405-1414.[7]CassolaF，BurlandoM.WindspeedandwindenergyforecastthroughKalmanfilteringofnumericalweatherpredictionmodeloutput[J].AppliedEnergy，2012，99：154-166.[8]WangJ，NiuT.Ananalysis-forecastsystemforuncertaintymodelingofwindspeed:Acasestudyoflarge-scalewindfarms[J].AppliedEnergy，2017，211（7）：492-512.[9]ZhangW，WuJ.Performanceanalysisoffourmodifiedapproachesforwindspeedforecasting[J].AppliedEnergy，2012，99：324-333.图3轮毂处脉动风速的自功率谱密度Fig.3Powerspectraldensityofturbulentwindspeedathub10-4频率/Hz10-2自谱密度/m2·s（d）本文修正IFFT法10-310-210-1100101100102104模拟自谱目标自谱·1664·可再生能源2019，37（11）
本文编号：3270701
本文链接：https://www.wllwen.com/projectlw/xnylw/3270701.html
