S?rlige Nordsj? II大型海上风电场风电场-大气相互作用评估:LES与解析尾流对比研究

《Wind Energy》:Assessment of Wind-Farm-Atmosphere Interactions at the S?rlige Nordsj? II Large Offshore Wind Farm: A Comparative LES and Analytical Wake Study

【字体: 大 中 小 】 时间:2026年08月28日 来源:Wind Energy 3.6

编辑推荐:

  摘要:S?rlige Nordsj? II (SNII) 是位于挪威北海南部靠近丹麦边界的一个规划中的大型海上风电场,其分阶段开发目标总装机容量高达3 GW。对于此类规模的项目,场址评估通常使用计算效率高的解析模型进行。然而,这些模型——通常基于较小规模(低于

  
摘要:S?rlige Nordsj? II (SNII) 是位于挪威北海南部靠近丹麦边界的一个规划中的大型海上风电场,其分阶段开发目标总装机容量高达3 GW。对于此类规模的项目,场址评估通常使用计算效率高的解析模型进行。然而,这些模型——通常基于较小规模(低于吉瓦级)风电场的数据进行校准——缺乏表征大型海上风电场中复杂流动物理过程的保真度。特别是,它们未能考虑大规模风电场与热分层大气边界层之间的双向相互作用,而这种相互作用显著影响尾流行为和整体能量产出。本研究调查了SNII风电场内的边界层动力学,重点关注在稳定、中性和不稳定分层条件下尾流行为及其与上方自由大气的耦合。研究人员进行了详细的能量/动量收支分析,以识别支配风电场性能的主要能量源和汇。研究人员对SNII场址的一个代表性子区域进行了高分辨率大涡模拟(LES),该子区域由120台额定功率为15 MW的漂浮式风力发电机组成。LES结果与三种解析尾流模型——TurboPark、Niayifar和Porté-Agel以及Bastankhah和Porté-Agel——进行了基准比较,所有这些模型均采用高斯尾流公式,其中只有Niayifar和Porté-Agel以及TurboPark模型显式包含了湍流效应。比较结果显示,LES与解析模型之间的功率预测差异范围从小于1%到超过56%,其中在中性条件下差异最小,不稳定条件下差异中等(高达31%),稳定分层条件下差异最大。能量收支诊断表明,这些差异源于尾流模型忽略了关键的物理机制,包括地转强迫、压力梯度驱动的能量输入和湍能耗散。最后,将本研究中的风电场配置从120台风机(1.8 GW)缩减至100台风机的1.5 GW布局——与规划的Phase I容量一致——导致总能量产出仅适度减少。在所有大气稳定度状态和尾流模型下,缩减后的布局由于尾流损失减少,保持相当或略有提高的容量系数,特别是在尾流相互作用最强的中性和稳定条件下。例如,在TurboPark模型中,不稳定条件下的容量系数从61.4%增加到62.1%,而在稳定条件下,缩减后容量系数从72.9%增加到73.3%。本研究表明,将关键物理过程纳入场址设计分析和尾流模型,结合战略性的布局优化,可以提高预测准确性,增强单机效率,并减少不同环境条件下的尾流损失,为优化下一代海上风电场(如SNII)的早期阶段部署提供了一条可行途径,且总功率输出损失最小。
**论文解读:大气稳定性对大型海上风电场尾流动力学与能量收支的影响——以S?rlige Nordsj? II为例的LES与解析模型对比研究**

**1. 研究背景与问题**

海上风电是实现全球气候目标的关键支柱,北海地区凭借其丰富的风资源和浅水条件,计划部署约262 GW的海上风电容量。然而,当风电场的规模达到吉瓦级时,其内部及周围的流动特性与较小规模的风电场存在显著差异。数值研究表明,大型风电场可诱发中尺度大气响应,包括尾流内风向逆时针偏转以及风场上空逆温层的垂直位移。这些大规模流动改造凸显了风电场功率生产中的一个关键不确定性来源,即其对主导大气条件的强烈敏感性。特别是,从上方大气进入涡轮尾流的能量卷吸在控制整体风电场效率方面起着主导作用。因此,准确理解大气边界层(ABL)、海洋过程(如海洋重力波)与风电场之间的相互作用,对于精确的功率预测和优化的风电场设计至关重要。

目前,针对S?rlige Nordsj? II (SNII)这类规划中的大型风电场,尚无详细的LES研究与解析尾流模型进行对比,且风电场与海洋大气边界层之间的复杂相互作用在很大程度上仍未被探索。现有解析模型,如Gaussian尾流模型,通常基于较小规模风电场的数据校准,缺乏捕获大型海上风电场复杂流动物理的保真度,特别是无法表征大气热分层对尾流行为的影响。因此,本研究旨在填补这一空白,通过高保真的大涡模拟(LES)与三种常用工程尾流模型进行系统对比,量化大气稳定度对尾流发展、能量/动量交换及功率产出的影响,并揭示解析模型误差的物理根源。

**2. 主要关键技术方法**

研究人员采用了以下关键技术方法:首先,利用ERA5再分析数据基于Monin-Obukhov相似理论(MOST)对大气稳定度进行分类,并利用NORA3后报数据获取长周期风速、风向和湍流强度(TI)等气象条件。其次,采用并行化大涡模拟模型(PALM)进行高保真数值模拟,包括无风机的前驱模拟以建立稳态海洋大气边界层(MABL)条件,以及包含120台IEA-15 MW参考风机的主动模拟,风机采用带有旋转的致动盘方法(ADM-R)建模。再次,基于PyWake平台,使用三种解析尾流模型:Niayifar-Porté-Agel (NP)模型、TurboPark模型和Bastankhah-Porté-Agel (BP)模型。最后,通过控制体积内的动能收支和动量收支分析,定量评估各能量源项(如平流、压力做功、浮力、地转强迫)和汇项(如湍流耗散、风机阻力)的贡献。

**3. 研究结果**

**4.1 PALM LES结果**:研究人员通过LES模拟揭示了不同大气稳定度下尾流动力学的显著差异。在稳定(STB)条件下,湍流被抑制,尾流恢复缓慢且持久,风电场前方出现明显的上游阻塞效应,压力梯度与阻塞加剧。稳定分层还激发了静止惯性重力波,其相位线向上游倾斜,强化了阻塞效应。中性(NEU)条件下,来自上方的动量卷吸效率较高,尾流恢复相对较快,并伴有尾流收缩和流动偏转。对流(CVT)条件下,浮力驱动的湍流增强了垂直混合,减少了持久尾流,但增加了空间异质性。三种稳定度下,风电场均诱导了内部边界层(IBL)生长、风向偏转和压力梯度,这些因素共同决定了尾流重叠和能量补充。

**4.1.1 能量收支**:动能收支分析表明,在所有条件下,流向平流(→)是主要能量源,其次是垂直湍流输运(↑);当逆温层位移时,平均压力做功(p)贡献显著。在对流条件下,浮力(b)直接提供能量(4%)。在稳定条件下,能量总通量最小,且垂直交换被抑制,能量回收更依赖于水平平流。

**4.1.2 动量收支**:动量收支分析显示,最大动量交换发生在风电场前缘(第一列),主要由风机阻力(turb)引起的强动量汇主导,并与上游平均平流(adv)平衡。湍流动量输运在中性条件下表现出下游增强模式,突显了湍流混合在风电场内部动量再分配中的渐进作用。

**4.1.3 功率与效率**:基于LES的功率结果表明,中性条件下风电场效率最高(相对于参考自由流效率为64.12%),对流条件下次之(58.46%),稳定条件下最低(54.62%)。稳定条件下,下行风机因尾流持续和全局阻塞效应,功率输出显著低于上游风机,且存在明显的南北不对称性。

**4.2 模型交叉对比**:与PALM对比,解析模型在中性条件下表现最佳(TurboPark总功率偏差 < 1%),对流条件下偏差中等(模型依赖,约5%–15%),稳定条件下偏差最大(BP模型偏差可达56.4%)。考虑湍流强度(TI)的模型(NP和TurboPark)能更好地捕捉不同稳定度下的尾流恢复趋势,而BP模型因忽略TI依赖性,在稳定低TI环境下严重低估尾流损失。

**4.3 PyWake十年结果**:基于11年NORA3数据的工程模型长期模拟显示,总尾流损失在中性条件下最小,在(非常)不稳定条件下最大,这可能受案例频率和稳定度分类不确定性的影响。稳定条件下,尾流损失在11月和12月呈现明显的季节性峰值。

**5. 讨论与结论**

**讨论部分总结**:研究人员通过额外的对流敏感性实验(CVT2)表明,将入流方向略微旋转(从234°到243°)并增加风速和切变,可有效错开阵列相对于风向的排列,减少尾流叠加,使总风电场功率从102 MW翻倍至227 MW,平均尾流损失从63%降至18%。动能收支分析揭示了这一提升的物理机制:更强的流向平流、横向平流从汇变为源、增强的垂直湍流输运以及更大的平均压力做功。此外,风电场缩减分析(从1.8 GW的120台风机缩减至1.5 GW的100台风机)表明,移除受尾流影响最严重的两列风机后,总功率损失极小,且在多数稳定度条件下容量系数略有提高,为早期阶段部署提供了低损耗路径。

**研究结论翻译**:本研究量化了大气稳定度如何调节特征性S?rlige Nordsj? II吉瓦级海上风电场的尾流发展、能量/动量交换和功率生产,并将三种工程尾流模型(Niayifar-Porté-Agel、TurboPark、BP)与高保真LES(PALM)进行了基准比较。研究了两种配置:1.8 GW布局(120×15 MW)和缩减后的1.5 GW布局(100×15 MW;Phase I)。PALM揭示了依赖于稳定度的不同状态。在稳定条件下,风电场表现出显著的速度亏损、上游阻塞、缓慢的尾流恢复以及逆温层位移,这激发了相位线上游倾斜的静止重力波,从而加剧了阻塞。中性条件显示出高效的来自上方的卷吸和相对快速的恢复,并伴有明显的尾流收缩和流动偏转。对流条件增强了垂直混合,减少了持久尾流,同时增加了空间异质性。在所有状态下,风电场诱导了内部边界层生长、风向偏转和压力梯度,这些因素支配着尾流重叠和补充。控制体积动能收支阐明了主导路径。流向平流是各种状态下的主要源,其次是垂直湍流输运;当逆温层位移时,平均压力做功以不可忽略的方式贡献。垂直输运和压力项对入流方向敏感,在CVT2中相比于原始实验(CVT1)表现出更大的增强。一个机械性的对流敏感性实验证明了适度入流变化对性能的影响。将入流从234°(CVT1)旋转至243°(CVT2)并略微增加风速/切变,有效地错开了阵列相对于风向的排列,减少了尾流叠加,并将总风电场功率从102 MW翻倍至227 MW,同时将平均尾流损失从63%降至18%。单机动能功率(源=汇)从5.19 MW增至9.83 MW,这是由更强的流向平流、横向平流从汇转变为源、增强的垂直湍流输运以及更大的压力做功所驱动的。基准比较显示,工程模型与LES在中性条件下一致性最佳(TurboPark总功率偏差<1%),对流条件下一致性中等(约5%-15%,取决于模型),稳定条件下偏差最大,其中忽略TI控制的卷吸会导致重大误差(BP可偏差>56%)。考虑TI的模型(NP、TurboPark)能更好地捕捉不同稳定度下的恢复趋势。在11年的气候学中,总尾流损失在中性条件下最小,在不稳定状态下最大,这可能受案例频率和稳定度分类不确定性的影响。布局/缩减分析表明,从1.8 GW(10×12)缩减至1.5 GW(10×10)可修剪掉尾流惩罚最严重的列(对于西南扇区),并在若干稳定度等级下产生相当的总能量和略高的容量系数,为早期阶段部署提供了一条低损耗路径。本研究存在两个实际限制。首先,长期入流和稳定度分类基于NORA3;因此尾流损失的幅度取决于该数据集。由于中尺度产品平滑了亚十分钟变率,湍流强度可能存在偏差;建议在应用中采用场地校准(激光雷达/测风塔)或TI敏感性区间。其次,PALM的计算成本限制了在所有稳定度和方向区间上的详尽覆盖;针对性的对流敏感性实验旨在以可承受的成本揭示因果路径。总之,大气稳定度控制着涡轮机能量提取与大气补充之间的平衡。量化相关的能量路径——平流、湍流输运和压力做功——解释了工程尾流模型何时以及为何成功或失败,并确定了关键驱动因素(入流方向、布局错开和考虑TI的建模),以在总输出损失最小的情况下改进早期阶段SNII规模的设计。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号