漂浮式风力机半潜式平台摇荡运动混沌特征分析
发布时间：2021-07-21 03:31
针对漂浮式风力机半潜式平台在复杂海洋环境下的摇荡运动所表现出的复杂非线性特征,建立半潜式平台的NREL 5 MW漂浮式风力机模型,基于辐射/绕射理论并结合有限元方法得到了平台摇荡运动时间序列数据。基于混沌理论,应用功率谱分析、相空间重构及最大Lyapunov指数3种方法从定性和定量的角度,对摇荡运动时间序列数据进行了混沌特征分析。结果表明:平台摇荡运动时间序列数据具有明显的混沌特征,其最大Lyapunov指数不同（在0.050.09之间小幅变化）;平台摇荡运动时间序列数据具有短期可预测性,且其最大可预测时间不同,最大可预测时间均不超过17 s。
【文章来源】：热能动力工程. 2018,33(01)北大核心CSCD
【文章页数】：9 页
【部分图文】：
不同类型序列功率谱图
+(m－1)τ))(i=1，2，…N)(5)相空间中两相邻Y(t0)和Y0(t0)初始距离为L0，跟随两点的时间演化到ti时刻，其间距超过规定值ε＞0，即L0=|Y(t1)－Y0(t1)|＞ε，保留Y(t1)，并找寻Y(t1)的另一个临近点Y1(t1)，使得L1=|Y(t1)－Y1(t1)|＜ε，并与之夹角尽可能小，继续上述过程，其原理如图2所示，直到Y(t1)到达时间序列的终点N。统计追踪演化过程总迭代次数M，则最大Lyapunov指数为:σ=1tm－t0∑Mτ=0lnL'iLi(6)图2Wolf法原理示意图Fig2SchematicdiagramofWolfmethod计算初始相位点Y(t0)和Y0(t0)变换至Y(t0+tk)和Y0(t0+tk)距离分离的平均指数:|Y0(t0+tk)－Y(t0+tk)|=L0·etkσ(7)由上式得:etkσ=|Y0(t0+tk)－Y(t0+tk)|/L0(8)当式(8)超过临界值C(C=etkσ)时，即可认为序列轨迹发散而无法预测。混沌运动并不是随机的，它服从确定性规律，即在一定的临界时间内还是可预测的。其最大可预测时间T的含义是，只有在Δt＜T时所做的预测才是精确的。这是就轨道意思而言的，它并不意味“超过T后不能预测，长期预测不可预测”，而是指在Δt＜T后只能做出统计预测。由上式可得t0=(1/σ)lnC，取C=e，则时间序列数据最大可预测时间为tk=1/σ。2摇荡运动时间序列数据分析2．1模型及环境条件基于NＲEL5MW风力机参数和半潜式平台参数建立的漂浮式风力机模型如图3所示。对所建模型进行网格划分，如图4所示。计算要求1个波长至少覆盖7个最大网格单元尺寸，但网格越细，可计算波浪频率越大，计算耗时越多。故划分网格
tkσ)时，即可认为序列轨迹发散而无法预测。混沌运动并不是随机的，它服从确定性规律，即在一定的临界时间内还是可预测的。其最大可预测时间T的含义是，只有在Δt＜T时所做的预测才是精确的。这是就轨道意思而言的，它并不意味“超过T后不能预测，长期预测不可预测”，而是指在Δt＜T后只能做出统计预测。由上式可得t0=(1/σ)lnC，取C=e，则时间序列数据最大可预测时间为tk=1/σ。2摇荡运动时间序列数据分析2．1模型及环境条件基于NＲEL5MW风力机参数和半潜式平台参数建立的漂浮式风力机模型如图3所示。对所建模型进行网格划分，如图4所示。计算要求1个波长至少覆盖7个最大网格单元尺寸，但网格越细，可计算波浪频率越大，计算耗时越多。故划分网格时需根据计算的最大波浪频率设定网格的控制尺寸。图3漂浮式风力机模型Fig．3ModelofFloatingwindturbine图4网格分布Fig．4Meshgeneration通常情况下，当风、浪和流载荷同向时将对半潜式平台的摇荡运动产生最大影响。因此，通过AQ-WA－DＲIFT计算风、浪和流载荷作用在同一方向上，即沿Y轴负方向垂直于风力机。选取的海况参数如表1所示［27］。表1海况参数Tab．1ParametersofSeastate参数数值有义波高/m13．6波浪周期/s15．1海流速度/m·s－12．05风速/m·s－156．3·132·
【参考文献】：
期刊论文
[1]风波流对多平台阵列浮式风机Spar平台运动特性的影响[J]. 丁勤卫,李春,叶柯华,杨阳,叶舟. 农业工程学报. 2016(21)
[2]漂浮运动对风力机气动特性的影响分析[J]. 韩清凯,唐世浩,沈意平,李学军,朱广辉. 计算力学学报. 2016(03)
[3]风速时间序列混合预测方法研究[J]. 李艳晴,成怡,刘新婷. 天津工业大学学报. 2013(05)
[4]基于AQWA的半潜式平台水动力分析及系泊性能计算分析[J]. 陈鹏,马骏,黄进浩,李艳青,薛庆雨. 船海工程. 2013(03)
[5]基于AQWA的轻型张力腿平台型式研究[J]. 肖宇维,孙树民. 科学技术与工程. 2012(33)
[6]混沌时间序列分析中的相空间重构技术综述[J]. 陈铿,韩伯棠. 计算机科学. 2005(04)
[7]混沌时间序列相空间重构参数的选取方法[J]. 王海燕,盛昭瀚. 东南大学学报(自然科学版). 2000(05)
[8]判别混沌与噪声的局部可变神经网络方法[J]. 赵玉成,肖忠会,许庆余. 西安交通大学学报. 1999(10)
[9]船舶横摇运动的非线性振动与混沌[J]. 欧阳茹荃,朱继懋. 水动力学研究与进展（A辑）. 1999(03)
[10]船舶参数激励非线性横摇运动方程[J]. 唐友刚,田凯强,张泽盛,董艳秋. 船舶工程. 1998(06)
本文编号：3294217
【文章来源】：热能动力工程. 2018,33(01)北大核心CSCD
【文章页数】：9 页
【部分图文】：
不同类型序列功率谱图
+(m－1)τ))(i=1，2，…N)(5)相空间中两相邻Y(t0)和Y0(t0)初始距离为L0，跟随两点的时间演化到ti时刻，其间距超过规定值ε＞0，即L0=|Y(t1)－Y0(t1)|＞ε，保留Y(t1)，并找寻Y(t1)的另一个临近点Y1(t1)，使得L1=|Y(t1)－Y1(t1)|＜ε，并与之夹角尽可能小，继续上述过程，其原理如图2所示，直到Y(t1)到达时间序列的终点N。统计追踪演化过程总迭代次数M，则最大Lyapunov指数为:σ=1tm－t0∑Mτ=0lnL'iLi(6)图2Wolf法原理示意图Fig2SchematicdiagramofWolfmethod计算初始相位点Y(t0)和Y0(t0)变换至Y(t0+tk)和Y0(t0+tk)距离分离的平均指数:|Y0(t0+tk)－Y(t0+tk)|=L0·etkσ(7)由上式得:etkσ=|Y0(t0+tk)－Y(t0+tk)|/L0(8)当式(8)超过临界值C(C=etkσ)时，即可认为序列轨迹发散而无法预测。混沌运动并不是随机的，它服从确定性规律，即在一定的临界时间内还是可预测的。其最大可预测时间T的含义是，只有在Δt＜T时所做的预测才是精确的。这是就轨道意思而言的，它并不意味“超过T后不能预测，长期预测不可预测”，而是指在Δt＜T后只能做出统计预测。由上式可得t0=(1/σ)lnC，取C=e，则时间序列数据最大可预测时间为tk=1/σ。2摇荡运动时间序列数据分析2．1模型及环境条件基于NＲEL5MW风力机参数和半潜式平台参数建立的漂浮式风力机模型如图3所示。对所建模型进行网格划分，如图4所示。计算要求1个波长至少覆盖7个最大网格单元尺寸，但网格越细，可计算波浪频率越大，计算耗时越多。故划分网格
tkσ)时，即可认为序列轨迹发散而无法预测。混沌运动并不是随机的，它服从确定性规律，即在一定的临界时间内还是可预测的。其最大可预测时间T的含义是，只有在Δt＜T时所做的预测才是精确的。这是就轨道意思而言的，它并不意味“超过T后不能预测，长期预测不可预测”，而是指在Δt＜T后只能做出统计预测。由上式可得t0=(1/σ)lnC，取C=e，则时间序列数据最大可预测时间为tk=1/σ。2摇荡运动时间序列数据分析2．1模型及环境条件基于NＲEL5MW风力机参数和半潜式平台参数建立的漂浮式风力机模型如图3所示。对所建模型进行网格划分，如图4所示。计算要求1个波长至少覆盖7个最大网格单元尺寸，但网格越细，可计算波浪频率越大，计算耗时越多。故划分网格时需根据计算的最大波浪频率设定网格的控制尺寸。图3漂浮式风力机模型Fig．3ModelofFloatingwindturbine图4网格分布Fig．4Meshgeneration通常情况下，当风、浪和流载荷同向时将对半潜式平台的摇荡运动产生最大影响。因此，通过AQ-WA－DＲIFT计算风、浪和流载荷作用在同一方向上，即沿Y轴负方向垂直于风力机。选取的海况参数如表1所示［27］。表1海况参数Tab．1ParametersofSeastate参数数值有义波高/m13．6波浪周期/s15．1海流速度/m·s－12．05风速/m·s－156．3·132·
【参考文献】：
期刊论文
[1]风波流对多平台阵列浮式风机Spar平台运动特性的影响[J]. 丁勤卫,李春,叶柯华,杨阳,叶舟. 农业工程学报. 2016(21)
[2]漂浮运动对风力机气动特性的影响分析[J]. 韩清凯,唐世浩,沈意平,李学军,朱广辉. 计算力学学报. 2016(03)
[3]风速时间序列混合预测方法研究[J]. 李艳晴,成怡,刘新婷. 天津工业大学学报. 2013(05)
[4]基于AQWA的半潜式平台水动力分析及系泊性能计算分析[J]. 陈鹏,马骏,黄进浩,李艳青,薛庆雨. 船海工程. 2013(03)
[5]基于AQWA的轻型张力腿平台型式研究[J]. 肖宇维,孙树民. 科学技术与工程. 2012(33)
[6]混沌时间序列分析中的相空间重构技术综述[J]. 陈铿,韩伯棠. 计算机科学. 2005(04)
[7]混沌时间序列相空间重构参数的选取方法[J]. 王海燕,盛昭瀚. 东南大学学报(自然科学版). 2000(05)
[8]判别混沌与噪声的局部可变神经网络方法[J]. 赵玉成,肖忠会,许庆余. 西安交通大学学报. 1999(10)
[9]船舶横摇运动的非线性振动与混沌[J]. 欧阳茹荃,朱继懋. 水动力学研究与进展（A辑）. 1999(03)
[10]船舶参数激励非线性横摇运动方程[J]. 唐友刚,田凯强,张泽盛,董艳秋. 船舶工程. 1998(06)
本文编号：3294217
本文链接：https://www.wllwen.com/projectlw/xnylw/3294217.html
