美国再生能源发展迅速,其中风能在 2016 年全美发电占比已达到 6.5%,与 2020 年相比已增涨两倍有余,而其发展仍会不断增长,风机性能也会越来越强,近日美国德州大学达拉斯分校(UT Dallas)找出一种方法让风力发电性能更加强大,进而增加风场收入,且根据德州先进运算中心(TACC)测试,风场潜在增长率达 6% 至 7%。
研究员表示,只要能将美国风场整体性能增加 1%,就可以带来 1 亿美元收入,按照这样来计算,或许我们可以帮全美风电厂增加 6 亿美元营收。
UT Dallas 机械工程助理教授 Stefano Leonardi 与其研究团队先前曾研发一种模型,可将各式风机物理尺寸整合到超级电脑来预测风机功率。Leonardi 指出,团队还开发一组程序代码来模拟涡轮机,并同时考量到风机塔与机舱之间的风力干扰跟涡轮叶片的尾流。
除了风机尺寸与规模挑战之外,团队也得考虑到各式天气与气候环境,因此研究员也将程序代码与美国国家大气研究中心的天气预报模式(WRF)结合,Leonardi 表示,研究利用 WRF 北美预报模式的粗网格(coarse grid)打造风场模型,再输入 5 层套叠域(nested domains)模拟实际风场发电量。
而电脑技术日新月异更让团队能够准确模拟风力发电场与风机的发电量,团队也借由该系统,想要找出如何解决风机尾流效应的挑战。
根据美国能源局资料,风机尾流互制(wake interactions)每年至少会损失 20% 产能。因此团队利用系统中的控制算法(control algorithms)来管理涡轮机动态模拟,这种控制算法包括极值搜索控制法(extremum seeking control),可以用来模拟增加或降低涡轮叶片转速,同时测量功率、计算梯度,重复执行直到找出最佳结果。
Leonardi 表示,控制算法不会依赖于物理模型,且实际风电厂中存有许多不确定因素,所以我们也无法建模所有样式,而极值搜索控制法甚至可以在叶片侵蚀或结冰的情况下得出最佳结果。即使目前系统可能也有一些不确定性,但仍然非常高效并且可以执行。
为测试新方法是否可行,该团队使用 TACC 的 Stampede 2 和 Lonestar 5 等超级电脑来模拟测试。UT Dallas 的机械工程教授 Mario Rotea 表示,利用超级电脑来模拟风场解决方案益处良多,只要有越多测试在电脑中进行,团队就可以节省实际测试次数并降低能源成本。
由于风力涡轮机的建造成本与运行费用都很昂贵,研究员能使用的风力研究设备也不多,因此研究员也乐见获得超级电脑支持。
目前该团队已将该方法用于美国国家再生能源实验室(NREL)的单组涡轮机。Rotea 表示,NREL 实验结果显示,相较于基线控制器(baseline controller),极值搜索控制法可让能量捕获提升 8~12%,该结果不仅提供更多研究资讯,也提升极值搜索控制法在研究中的价值。
(本文由 EnergyTrend 授权转载;首图来源: TACC )