Machine learning enables viability of vertical-axis wind turbines
實驗裝置和方法。信用:自然通訊(2024)。DOI:10.1038/s41467-024-46988-0

如果您想像工業風力渦輪機,您可能會想到風車設計,技術上稱為水平軸風力渦輪機 (HAWT)。但最早的風力渦輪機是在 8 世紀左右在中東開發的,用於研磨穀物,是垂直軸風力渦輪機 (VAWT),這意味著它們垂直於風旋轉,而不是平行旋轉。

由於旋轉速度較慢,VAWT 的噪音比 HAWT 低,並且可以實現更大的性能能量密度,這意味著無論在岸上還是海上,它們都需要更少的空間來實現相同的輸出。這些刀片也對野生動物更友善:因為它們是橫向旋轉的,而不是從上方向下切開,因此更容易被鳥類避開。

憑藉這些優勢,為什麼垂直軸風力發電機在當今的風能市場上基本上缺席?正如工程學院非定常流診斷實驗室 ((UNFOLD) 的研究員 Sébastien Le Fouest 所解釋的那樣,這歸結為一個工程問題——氣流控制——他認為可以通過結合傳感器技術來解決這個問題和

在一篇論文中發表自然通訊Le Fouest 和 UNFOLD 負責人 Karen Mulleners 描述了 VAWT 葉片的兩種最佳槳距剖面,可將渦輪機效率提高 200%,並將威脅結構的振動減少 77%。

「據我們所知,我們的研究代表了遺傳學習演算法的首次實驗應用,以確定 VAWT 葉片的最佳螺距,」Le Fouest 說。

投球刀片。圖片來源:洛桑聯邦理工學院

化阿基里斯之踵為優勢

Le Fouest 解釋說,雖然歐洲風能裝置容量每年增長 19 吉瓦,但這一數字需要接近 30 吉瓦才能滿足聯合國 2050 年碳排放目標。

「實現這一目標的障礙不是財務,而是社會和立法——由於風力渦輪機的尺寸和噪音,公眾對它們的接受度非常低,」他說。

儘管垂直軸風力發電機在這方面具有優勢,但它也有一個嚴重的缺點:它們只有在適度、連續的氣流下才能正常工作。垂直旋轉軸意味著葉片不斷改變相對於風的方向。

強烈的陣風會增加氣流和葉片之間的角度,形成渦流,這種現象稱為動態失速。這些渦流會產生葉片無法承受的瞬態結構負荷。

Machine learning enables viability of vertical-axis wind turbines
實驗性 VAWT 葉片。圖片來源:UNFOLD EPFL CC BY SA

為了解決抗陣風能力不足的問題,研究人員將感測器安裝在驅動葉片軸上,以測量作用在其上的空氣力量。透過以不同的角度、速度和幅度來回傾斜葉片,他們產生了一系列「傾斜輪廓」。然後,他們使用計算機運行遺傳演算法,該演算法執行了 3,500 多次實驗迭代。就像進化過程一樣,演算法選擇最有效和最穩健的音高曲線,並重新組合它們的特徵以產生新的和改進的「後代」。

這種方法不僅使研究人員能夠識別兩個有助於顯著增強的音調輪廓系列效率和穩健性,同時也將 VAWT 的最大弱點轉化為優勢。

「動態失速——與摧毀風力渦輪機的現象相同——在較小的範圍內實際上可以推動葉片前進。在這裡,我們真正利用動態失速來發揮我們的優勢,透過重定向葉片向前傾斜來產生動力,」Le Fouest 解釋道。

「大多數風力渦輪機將葉片產生的力向上傾斜,這無助於旋轉。改變該角度不僅會形成更小的渦流,同時會在正確的時間將其推開,從而產生第二個功率區域生產順風。

這篇論文代表了 Le Fouest 的博士論文。在 UNFOLD 實驗室工作。現在,他計劃建造一個概念驗證的 VAWT。目標是將其安裝在室外,以便可以在它對現實條件進行即時響應時進行測試。

Le Fouest 表示:“我們希望這種氣流控制方法能夠使高效、可靠的 VAWT 技術走向成熟,從而最終實現商業化。”

更多資訊:Sébastien Le Fouest 等人,用於增強垂直軸風力渦輪機性能的最佳葉片槳距控制,自然通訊(2024)。DOI:10.1038/s41467-024-46988-0

引文:機器學習使垂直軸風力渦輪機具有可行性(2024 年,4 月 3 日)檢索日期:2024 年 4 月 3 日取自 https://techxplore.com/news/2024-04-machine-enables-viability-vertical-axis.html

本文檔受版權保護。除了出於私人學習或研究目的的任何公平交易外,不得未經書面許可,不得複製部分內容。所提供的內容僅供參考。