关键词：风力发电组；噪声模式；优化设计
众所周知，风力是一种可再生的清洁能源，在发电中得到了一定的应用，但其噪声问题尚未得到有效解决，因此笔者在叶片噪声仿真建模、验证的基础上进行了多学科优化设计，为有效控制风力发电组噪声提供了重要的参考，具有良好的推广价值。
一、风力发电组噪声模式的设计基础
之所以如此重视风力发电组噪声问题，是因为蓬勃发展的风电市场正逐步转移至用电需求量大、人口密集且低风速区域，可是如此一来却暴露了严重的问题，即受环境评估不合理、不到位的影响，有的风电场噪声严重超标，无论是对居民生活还是周围环境都造成了不良影响，故当务之急是寻求一套经济有效的方案加以解决。
目前与风力发电组噪声有关的研究成果比较多，如尾缘锯齿的合理应用有利于噪声辐射的降低，有的机组引入该技术后可降低2-3dB的噪声声功率，不过当遇到冰冻、下雪等条件时既会弱化降噪效果，还会增加维护费用。有的学者则提出了增设翅片装置、不规则安装粗糙带以及反向主动控制噪声的方法，但还局限于理论研究并未实践。而中国学者则提出了仿真风力发电机组噪声辐射的构想，通过叶片翼型的优化控制噪声，不过距离产业化生产还有一定的距离等。因此本文依托多学科优化设计构建了经济、稳定而快速的风力发电组噪声控制模式。
二、叶片噪声仿真模型的建立与验证
1.叶片噪声的计算
风力发电组中叶片噪声模式包括入流噪声和自身噪声，由于噪声来源于不同的工况或位置，故需要通过分别计算后进行叠加进而得到整体噪声。
一，在计算入流噪声时利用的是Amiet仿真模型，其低频段是最重要的叶片噪声来源，考虑到入流噪声为宽频噪声，且幅值在很大程度上与涡流尺寸、湍流强度、平均风速等有关，因此可根据公式计算，其中LFC为低频修正因子[1]。
二，叶片自身噪声仿真选用的是BPM模型，但其又细分为四种噪声，其中湍流边界层噪声是主要来源，频率范围在500-1500Hz，声压级与翼型和来流风速关系密切，由于形成噪声的位置不尽相同，有压力面和吸力面之分，加之增大攻角会迅速扩大湍流边界层致使翼型失速而产生巨大的噪声，因此需将三者叠加得到湍流边界层噪声，计算公式为，其中边界层参数由XFOIL计算所得。同时还要根据相应的公式计算小攻角、低风速下的层流边界层脱落涡噪声，空气流经钝后缘时生成脱落涡进而形成的钝后缘噪声，以及因不同的空间压力交融于叶尖而形成的叶尖噪声。
2.叶片噪声仿真模型试验
为进一步了解叶片噪声仿真模型的准确性，以WD115-2000这一主流机型为例，沿翼展方向选取85%位置的叶片翼型展开风洞试验，以期通过测试与仿真模型的噪声值进行比较后加以判断。试验风洞长、宽、高分别为25.58m、9.2m和3.0m，属于低噪声、低湍流、低风速的回流气洞声学风洞，设置1m×1m的开口和80m/s的最大风速，配以低频吸声隔声板完成自由声场环境的模拟，以及选用BK Type 3056噪声系统和1/2英寸麦克风Type 4189用于测试远场气动噪声。受风洞大小的限制，取弦长0.36m和长1m的翼型用圆形托盘上下支撑并固定于中间试验段，其中围绕中心线旋转的圆盘用于攻角变化的模拟，在风洞两侧布置麦克风，而阵列麦克风设于翼型压力面一侧，用于机组运行时下向风的模拟，并将试验风速设为40m/s和60m/s，选择0-10°的整数攻角测试噪声[2]。
3.仿真结果的分析
通过转速和桨距角的调整控制机组声强时，分析了来流风速、攻角与噪声之间的关系，即结合试验结果发现，当来流风速增大时叶片噪声辐射随之增强，1/3倍频谱仿真与试验数据基本一致，声压级误差在0.7dB以内；当攻角增大时噪声呈现增大趋势，在攻角大于7°和10°时翼型分别为失速与深失速状态，而噪声声压级先急剧增加后快速降低，试验结果与仿真基本一致，只是失速段试验噪声大于仿真噪声。
三、基于多学科的噪声模式优化
1.模型优化
由上可知，调整转速与桨距角这一方法虽然实现了风力发电组噪声辐射，但同时对发电性能有着决定性的影响，显然两者之间存在一定的矛盾，故基于多学科优化设计，借助iSIGHT软件完成具体的优化工作。其中仿真模型中的设计目标与约束条件的计算基础是Matlab程序，计算发电量的基础是Bladed模型，结合iSIGHT软件的二次规划法和Matlab的多次调用完成迭代计算的优化，具体计算模型见图1。
在参数方面，需要优化的额定转速x1以及浆距角x2、x3、x4,其中x1取值范围是原额定转速和并网转速之间，x2、x3、x4为7、8、9m/s，浆距角则取值0-6°。将最大年发电量E作为设计目标，计算不同风速下发电功率与风速和时间乘积的和，并将额定转速下机组的最大噪声声功率级小于该模式要求限值。
图1 多学科优化系统分解模型
2.结果优化
当机组处于正常运行状态时，噪声声功率级最大为108dB(A),结合噪声限值设计108.0、106.5、105.0、103.5、102.0共5档模式，经仿真计算发电量损失值得到数据1.1%、2.9%、5.4%和7.8%。在额定转速x1情况下降低转速的做法虽然使得机组噪声辐射显著降低，但伴随着大量的发电损失，若采取变桨策略，在额定功率前的控制段噪声辐射可大幅降低[3]。
3.现场试验
为更好的验证本文的噪声模式，将其用于我国某风电场进行现场试验，结果发现，当风速处于7-9m/s时机组对噪声敏感点有着最大的影响，当风速大于9m/s时，机组对噪声敏感点的影响显著降低，但背景噪声大幅增加。同时为获得最大的发电量，选择在风速超过9m/s时逐渐增大转速，结果噪声辐射有效降低，接近预期效果，其声功率级与仿真误差在1dB之内，且同期统计的发电量损失分别为1.0%、2.4%、5.2%和7.0%。
综合以上分析可知，基于多学科优化设计的风电机组噪声模型可通过合理优化转速和浆距角降低噪声辐射，数值大约为1.3-4.8dB（A），年发电损失量在1%-7%之间，比单纯的降转速方法可提升1.2-2.2%的年发电量，故该模型具有可观的发展前景，值得深入研究和实践。
结束语：
总之，要想促进风电市场健康发展，就必须有效解决噪声问题，而本文构建的噪声模式通过多学科优化设计，不仅有利于噪声的降低，还可减少发电量损失，相对而言比较经济有效，值得推广实践。
参考文献：
[1]陈棋,刘伟江,周民强.风力发电机组噪声模式的优化设计[J].太阳能学报,2019,40(06):1715-1721.
[2]张有明. 风力发电机组噪声测试系统设计与实现[D].内蒙古工业大学,2018.
[3]余金. 多源数据融合的风电机组噪声预测[D].新疆大学,2017.
.png)
论文作者: 李伟岩
论文发表刊物:《中国电业》2019年22期
论文发表时间:2020/4/7
标签：噪声论文; 风速论文; 叶片论文; 转速论文; 模型论文; 发电量论文; 机组论文; 《中国电业》2019年22期论文;