在最近的一篇论文发表在杂志上能量从墨西哥,研究人员模拟了空气动力学行为Savonius-type垂直的风力涡轮机的半椭圆形概要文件使用3 d计算模型基于计算流体动力学(CFD)。
研究:集成代理垂直轴风力发电机的优化。图片来源:Stockr / Shutterstock.com
研究人员评估其功率系数(Cp),定义了一个全因子实验设计(DOE)实现一个示例搜索空间几何的风力涡轮机,并使用机器学习来优化其Cp。
垂直轴风力机
风力发电机的主要设备之一,用于利用风力可再生能源问题。他们分为两种类型根据旋转轴的方向风的方向流,即垂直轴风力涡轮机(VAWT)和水平轴风力涡轮机(HAWT)。
计算平台的集成。图片来源:Moreno-Armendariz, M。et al .,能量
特别是Savonius VAWT有几个优点,如简单的小型设计,低安装和维护成本,高自起动能力,和独立风向和风速,可以用于self-consumption小规模应用。然而,这种类型的风力发电机的主要问题是它的理论效率低,需要使用合适的分析工具优化。
先前的研究已经发现了几因素影响VAWT的Cp,刀片的数量,叶片的形状,螺旋升角,提示速度比TSR,每个叶片之间的重叠区域,将部分以及风导向板和风力导向板的形状和数量。
在遗传算法进化的人口。图片来源:Moreno-Armendariz, M。et al .,能量
关于这项研究
在这项研究中,研究人员优化的设计Savonius VAWT最大化它的能量转换效率使用代理模式和metaheuristic优化机器学习算法。同时,他们比较三种方法的设计和优化实验测试的基础上,计算模型和代理模型的准确性。
最初,一个3 d几何模型的风力涡轮机建造使用计算机辅助设计(CAD)软件,其次是计算模型用计算机辅助工程(CAE)软件构建模拟转子与风的交互流。之后,美国能源部是定义为样本空间搜索优化的解决方案。最后,通过机器学习受到metaheuristic代理模型设计优化算法。
此外,用于建立代理模型的算法支持向量机(SVM),随机森林(RFR),贝叶斯岭回归(BR)和多层感知器(MLP)。此外,metaheuristic算法是人工蜂群(ABC)、遗传算法(GA)和粒子群优化(PSO)。最后,所有的计算模型即Matlab, Cosmol多重物理量,和Solidworks集成使用客户机-服务器类型链接。
观察
由于存在湍流流动的风,Cp的CAE模型低估了值平均误差为0.0548。然而,Cp-TSR曲线表示良好的收敛的网在一个合适的风力涡轮机的工作范围。此外,RFR算法显示为代理模型与最佳性能确定系数0.98和0.97的测试和训练阶段,分别。
RFR代理模型设计使用所有三个metaheuristic优化算法即ABC, GA, PSO表示相同的表现。区别或最大Cp值之间的绝对误差估计的RFR模型和计算的CAE模型没有超过0.008,这是相当于一个边际误差小于1%。的设计与CAE模型计算和TSR 0.6演示了一个最大Cp的GA算法0.1296,其次是0.127和0.1264的最大Cp PSO算法和ABC算法,分别。
此外,重要的是要减少的负面影响的叶片通过重定向返回流叶片转发到叶片的回报,这是明显的结果,风飞通过叶片之间的重叠4 m / s的速度穿过整个凹返回叶片表面,提供额外的推力。
压力线(Pa)的下半部分的几何GA-optimized Savonius风力涡轮机,在t = 1.2217 (a)即时压力,(b)即时压力在t = 1.2305 (c)即时压力在t = 1.239 (d)即时压力在t = 1.248。图片来源:Moreno-Armendariz, M。et al .,能量
结论
在这项研究中,研究人员模拟的空气动力学行为Savonius VAWT使用代理模型与几个metaheuristic优化算法获得一个最大Cp的优化设计。整个RFR模型GA算法表现出更好的性能比其他任何组合。此外,Savonius类型VAWT半椭圆形的叶片轮廓最self-consumption应用潜力在农村和城市地区,风流动速度较低,小于1千瓦电力需求。
参考
Moreno-Armendariz,硕士;Ibarra-Ontiveros大肠;卡尔沃h;Duchanoy c.a集成代理垂直轴风力发电机的优化。能量2022年,15,233年。https://www.mdpi.com/1996-1073/15/1/233
免责声明:这里的观点是作者表达他们的私人能力,不一定代表AZoM.com T /有限的观点AZoNetwork这个网站的所有者和经营者。这个声明的一部分条款和条件本网站的使用。