文/烽火纪史编辑/烽火纪史<<·——前言——·>>传统能源供应对环境造成了伤害，而且资源有限且成本高昂。
为了应对这一挑战，我们正在转向使用可再生能源，如风能、太阳能、生物质能、地热能和氢能，并通过技术创新不断完善这些技术。
在所有可再生能源技术中，风能转换是最有前景的之一。
过去几十年里，人们对风力涡轮机进行了广泛的研究，旨在优化其气动性能、结构设计、控制策略、选址以及风电场的布局，以提高效率和可靠性。
在这些研究中，大多数关注的是单转子风力涡轮机，因为它是最流行的风能转换技术，具有三个叶片。
虽然如此，也有一些研究考虑了具有双转子的风力涡轮机，但这类研究相对较少。
根据贝兹定律，孤立的单转子风力涡轮机的功率系数不能超过CP;max = 0.59。
这个最大功率系数CP;max是在以下假设的基础上推导出来的：流体旋转效应可以忽略不计，流动是轴向的，没有轴心，转子有无限多的叶片且受到零阻力力，没有热传递，流动是不可压缩的，最后，推力均匀分布在转子上。
任何与这些理想条件的偏离都会导致功率系数的降低。
在贝兹定律的基础上，基于类似的假设，纽曼证明了双转子风力涡轮机的最大功率系数为CP;max = 0.64。
在上述理想条件下，一个孤立的双转子风力涡轮机与一个孤立的单转子风力涡轮机相比，可以产生约13%更多的电力。
Jung利用叶片元理论研究了一个小型单转子双转子风力涡轮机的气动性能。
考虑了上游转子的尾流对下游转子的影响，使用了Neff和Meroney得到的风洞数据；然而，忽略了两个转子之间的气动干扰。
最佳气动性能是通过使上游转子的尺寸为下游转子的一半，并将其距离定为大转子直径的四分之一实现的。
爱荷华州立大学的研究人员也对双转子风力涡轮机进行了研究。
他们在中性稳定条件下进行了风洞实验，研究了单独的双转子风力涡轮机在共转和逆转情况下的气动力学和尾流特性。
两个转子大小相同，彼此之间的距离等于转子直径的四分之一。
除了测量功率输出和风载荷外，他们还使用粒子图像测速仪来量化涡轮机近尾流的流动特性。
他们的测量结果显示，双转子风力涡轮机的发电性能和受力要高得多，与单转子风力涡轮机相比。
转子的旋转方向对双转子风力涡轮机的气动力学性能有显著影响；逆转双转子风力涡轮机比共转双转子风力涡轮机收集更多的能量。
他们还研究了一个具有两个并排风力涡轮机单元的系统，其中上游风力涡轮机有两个转子，下游风力涡轮机有一个转子。
双转子风力涡轮机的次级转子位于主转子的上游，大小约为主转子的一半。
研究发现，与另一个单转子风力涡轮机下游的单转子风力涡轮机相比，位于双转子风力涡轮机下游的单转子风力涡轮机产生更多的功率，前提是下游和上游涡轮之间的距离大于4D，其中D是转子直径。
在另一项研究中，他们求解雷诺平均纳维尔-斯托克斯（RANS）方程，寻找在一个工作点上给出最高功率系数CP的单独双转子风力涡轮机的最佳设计。
我们考虑了三个优化参数：转子直径、两个转子之间的距离和转子的尖速比。
进行了两个二维参数扫描。
首先，在保持两个转子之间距离不变的情况下，改变了次级转子的大小和尖速比。
发现次级转子的最佳直径为D/4，其中D是主转子的直径。
然后，改变了转子之间的距离和次级转子的尖速比，同时保持次级转子直径在最佳值。
最佳性能在两个转子之间距离为2D的情况下获得，其中D是主转子的直径。
最佳的尖速比为6。
这种最佳设计使风力涡轮机的功率系数增加了约7%。
然后，他们在中性和稳定的大气条件下进行了大涡模拟，研究了大气稳定条件对上述最佳设计性能的影响。
沈等人使用执行器线模型和EllipSys3D代码模拟了单独的双转子风力涡轮机的流动。
EllipSys3D代码是在丹麦技术大学与里瑟国家实验室风能部门合作开发的，它是压缩性雷诺平均纳维尔-斯托克斯（RANS）方程在一般曲线坐标系中的有限体积离散化。
双转子风力涡轮机假设具有相同大小的两个转子，距离从0.05D到0.4D不等，其中D是转子直径。
研究发现，平均功率系数在所研究的范围内几乎与转子之间的距离无关。
然而，瞬时功率系数的波动幅度发现随着转子之间的距离显著减小。
除了气动性能之外，双转子风力涡轮机还考虑了设计、控制和电气方面的其他几个方面。
Farahani评估了在恒定桨距角和恒定转速条件下，双转子风力涡轮机和单转子风力涡轮机的故障穿越能力，并发现双转子风力涡轮机在恒定转速和恒定桨距角模式下向网络引入了更高的阻尼力矩。
通过使用双转子风力涡轮机，风电场的稳态和暂态性能都将得到提升。
他们还评估了单转子和双转子风力涡轮机的亚同步共振（SSR）风险。
他们引入了遗传算法来优化双转子系统设计，目标是将SSR可能性降低到与单转子风力涡轮机相同的水平。
No提出了双转子风力涡轮机的桨叶桨距控制方案和非线性仿真软件，用于性能预测。
所提出的双转子风力涡轮机被视为约束的多体系统，并使用多体动力学方法得到了运动方程。
采用叶片元和动量理论以及简单的流动相互作用模型来计算气动力和力矩。
所提出的桨距控制算法的有效性通过在三种不同的运行模式下实施来进行了检验：最大气动力矩模式、最佳尖速跟踪模式和转速限制模式。
受到汽车动力传动的启发，Kim为双转子风力涡轮机设计了一种依赖于扭矩比而不是传统齿轮系统中的齿轮比的新型行星式动力传动。
实验结果显示，所提出的行星式齿轮箱造成的能量损失更小，效率更高，制造成本更低，适用于商业风力涡轮机。
Habash在双转子风力涡轮机中使用了一种新型感应发电机（TRIAS发电机），将独特的对称绕组技术与标准发电机相结合。
标准感应机和同步机每相有一组定子绕组，而所提出的发电机每相有两组定子绕组。
附加绕组产生了提供最大能量传输和效率的无功分量的手段。
我们对逆转风力涡轮机的研究表明，对于集中在单独的风力涡轮机上，缺乏已发表的研究探讨商业规模风电场中逆转风力涡轮机的性能。
在填补这一空白，通过在由48个风力涡轮机组成的风电场中研究逆转风力涡轮机的性能，其中转子直径和轮毂高度分别为93米和63米。
为此，在中性大气条件下，在主要风向下进行了三个大涡模拟。
我们将介绍风电场配置，包括风力涡轮机的基址位置和它们的旋转方向，然后描述本研究中使用的计算方法。
随后将呈现和讨论大涡模拟的结果，分为三个部分：第一部分是作用于风力涡轮机的气动载荷，第二部分是风电场的发电性能，第三部分是尾流特性。
<<·——风电场配置——·>>作为测试案例，选择了一个与瑞典Lillgrund风电场相同布局的风电场，共有48台风力涡轮机。
风力涡轮机假设为西门子公司生产的SWT-2.3-93型号，额定功率为2.3兆瓦，转子直径为93米，切入风速ucutin = 4米/秒，额定风速urated = 15米/秒，切出风速ucutout = 25米/秒。
在以西南为主要风向下进行了大涡模拟，以研究图1中所示的三种配置。
图1图1是风场配置的俯视图：(a) 控制组，其中所有涡轮机顺时针旋转，(b) 交错排列 (ALTR) 配置，奇数行涡轮机逆时针旋转（黑色），偶数行涡轮机顺时针旋转（红色），(c) 双转子风力涡轮机 (DRWTs) 配置，每个涡轮机都有两个三叶片转子，上游转子逆时针旋转，下游转子顺时针旋转。
图中的 (d) 描述了第三种配置中双转子风力涡轮机的侧视图。
第一种是控制案例，如图1a所示，假设所有涡轮机都具有单个顺时针旋转的三叶片转子。
第二种情况如图1b所示，研究了交替排列配置（ALTR），其中每个涡轮机都有一个单个的三叶片转子，顺时针或逆时针旋转，并且整个风电场的涡轮机按照顺时针和逆时针交替的方式排列。
奇数排，包括前排，涡轮机顺时针旋转，而偶数排涡轮机逆时针旋转。
第三种情况如图1c所示，每个涡轮机都有两个三叶片转子，第一个转子顺时针旋转，第二个转子位于第一个转子的上游并逆时针旋转。
图1d显示了每个双转子风力涡轮机的侧面示意图。
<<·——计算方法——·>>我们详细介绍了研究中采用的模型表述和数值策略。
2.1.大涡模拟（LES）大涡模拟通过从非定常Navier-Stokes方程中去除比过滤宽度小的尺度的大涡，并通过子网格尺度模型对其效应进行参数化，处理大涡的动力学。
其中ΔX、ΔY和ΔZ分别是X、Y和Z方向的单元大小。
经过滤的连续性和动量方程的无压缩形式如下：其中，运动涡粘性mt使用Smagorinsky提出的子网格尺度模型定义为：方程（2）中的外部力Fext项包括科里奥利力、浮力和涡轮机叶片施加的力，该力使用下一节介绍的执行器线模型进行计算。
因此，外部力Fext可以表示为：其中，qj表示温度通量，温度通量是一种表示温度传递的量度。
2.2.风力发电机模型化在模拟风力涡轮机时，采用了Sørensen和Shen提出的作动器线模型与大涡模拟（LES）相结合的方法。
在该模型中，涡轮机叶片由三条旋转的线表示，并在叶片元素上进行离散化。
利用翼型查找表，计算出每个叶片元素的气动力。
通过对叶片元素的气动力进行求和，并通过一个正则化核函数进行修正，得到叶片对流场施加的体力。
其中，表示在40个等间距的叶片元素上的气动力，中心位于；Fi表示作为体力投影到CFD网格上的力场；rj是细胞中心与叶片元素之间的距离；e用于控制高斯函数的宽度，使其覆盖从叶片元素的前缘到后缘的范围。
在研究中，e被设置为c/4.3，其中c表示叶片元素的弦长，在前缘和后缘，指数项的值被减小到其最大值的约1%。
功率的计算基于作用在叶片上的气动力矩。
将气动力矩乘以转子的转速即可得到功率输出。
2.3.数值解法在前两节中描述的控制方程使用了美国国家可再生能源实验室开发的风电场应用模拟器（SOWFA）进行求解，该模拟器基于OpenFOAM工具箱。
这些方程使用有限体积法进行离散化。
空间离散化采用了二阶中心差分格式，因为大涡模拟对于虚假数值扩散非常敏感，而中心差分格式相比于上风差分格式可以显著降低数值扩散。
压力隐式分裂算法用于压力-速度耦合。
与其他压力-速度耦合方法相比，PISO算法每次求解迭代需要更多的CPU时间；然而，它能够帮助保持较大时间步长下的稳定计算，从而减少了迭代次数。
2.4.仿真设置计算区域是一个长方体，宽度、深度和高度分别为4000米、4000米和1000米。
首先，使用OpenFOAM提供的blockMesh工具创建了一个大约590万个六面体单元的粗网格。
在风力涡轮机周围局部细化网格，最终得到约4200万个单元。
仿真分为两个步骤。
我们进行了一个预处理仿真，耗时12000秒，用于发展计算域中的流场，不考虑风力涡轮机的影响。
对于已发展的流场中添加风力涡轮机进行了2000秒的风电场仿真。
在一个高性能计算集群的2.4 GHz处理器上，完成上述计算域的风电场仿真需要大约60000个CPU小时。
我们研究使用了192个并行处理器。
在南西方向上，位于90米高度处指定了一个水平平均风速为9米/秒的边界条件。
其他高度处的风速使用中性稳定条件下的对数律初始化。
风速边界条件设置为顶部和底部边界为滑移边界，北部和东部边界为出流边界，西部和南部边界为具有时间变化的映射固定值的入流边界。
而在计算域的所有六个边界上使用浮动压力边界条件来定义压力边界场。
温度边界场设置为顶部边界为固定梯度，梯度值为0.003 K m/s；底部、东部和北部边界为零梯度；南部和西部边界为具有时间变化的映射固定值。
最后，地表粗糙度设置为0.016米。
<<·——结果和讨论——·>>3.1.气动载荷风力涡轮机的轴向力，也称为推力，可以表示为风流通过转子的质量流量乘以轴向速度的变化。
风速的降低，或者换句话说，从风中提取的动量直接与转子的推力系数相关。
图2比较了控制案例中单转子风力涡轮机的推力系数CT与双转子风力涡轮机的推力系数（DRWTs）案例中转子的推力系数在整个风电场的每一列上的情况。
此图中的推力系数是使用每列的前排涡轮上游的未扰动自由流速度计算得出的，分别为列1至列8的8.81、8.4、8.87、8.83、8.76、8.59、8.66和8.54 m/s。
图2图2是单转子风力涡轮机的控制情况（图1a）下的推力系数CT和双转子风力涡轮机（DRWTs）情况（图1c）下的转子推力系数CT。
双转子风力涡轮机的上游和下游转子的推力系数在所有列的所有涡轮中几乎相等，这表明两个转子从风中提取的动量几乎相等。
同时观察到，单转子风力涡轮机的转子推力系数大于双转子风力涡轮机中每个转子的推力系数，在所有列的所有涡轮中都是如此。
然而，双转子风力涡轮机的总推力系数，定义为上游和下游转子的推力系数之和，大于单转子风力涡轮机的推力系数。
因此，与双转子风力涡轮机的每个独立转子相比，单转子风力涡轮机的转子在空气动力性能方面表现更好，但双转子风力涡轮机的整体性能优于单转子风力涡轮机的整体性能。
如图2所示，位于每列前排的双转子风力涡轮机的总推力系数略高于1，而根据贝兹定律，在理想条件下，单转子风力涡轮机的推力系数CT;max永远不会超过1。
单转子风力涡轮机的推力系数变化趋势与控制风电场相似。
未显示的间隔排列风力涡轮机的推力系数变化趋势与控制风电场相似。
图3图3是Control Case（见图1a）的单旋翼风力涡轮机和DRWTs Case（见图1c）的双旋翼风力涡轮机的推力系数标准偏差。
无论是单转子还是双转子风力涡轮机，推力系数都会在风从风电场的前排移动到第二排时出现显著下降。
在控制案例中，单转子风力涡轮机的推力系数在风从第二排移动到第三排时继续下降，而在装有双转子风力涡轮机的风电场中，第三排风力涡轮机的推力系数大于第二排风力涡轮机的推力系数，这表明在第二排双转子风力涡轮机的下游，风流恢复得更快，比第二排单转子风力涡轮机更快。
值得一提的是，图4中第4列第4个涡轮和第5列第3个涡轮的推力系数突变是由于Lillgrund风电场内部的"空洞"造成的。
这些涡轮与其上游涡轮之间存在相对较大的距离，因此在上游尾流中的速度缺失更大，风在到达这些涡轮之前获得更多的动量。
图4除了气动性能外，比较单转子和双转子风力涡轮机的推力系数还可以了解它们近尾迹区域的长度和所引起的湍流水平。
根据图2，由于双转子风力涡轮机具有较高的综合推力系数，双转子风力涡轮机下游的近尾迹区域长度比单转子风力涡轮机下游的近尾迹区域长度更长，并且双转子风力涡轮机引入了更高水平的湍流进入流场中。
风力涡轮机叶轮上的推力力是一种直接传递给塔架的动力负荷。
因此，推力系数的标准偏差可以用作评估作用于风力涡轮机的疲劳载荷的参数。
在所有列的前排中，双叶轮风力涡轮机每个单独叶轮的推力系数的标准偏差大于相应单叶轮风力涡轮机叶轮的推力系数标准偏差（图3），这意味着在每列的前排中，双叶轮风力涡轮机受到的动力负荷显著大于单叶轮风力涡轮机。
随着风力向下逐渐向下一行行的扩展，单叶轮风力涡轮机的推力系数标准偏差超过了每个双叶轮风力涡轮机叶轮的推力系数标准偏差。
3.2.发电产能图4显示了风场在1000秒的时间内的平均发电产能的历史记录，包括三种情况（控制、ALTR和DRWT）。
平均发电产能定义为风场所有风力涡轮机的发电产能之和除以总风力涡轮机数量。
双叶轮风力涡轮机的平均发电产能波动振幅明显大于交错排列和控制情况。
观察每个风场平均发电产能的时间平均值（图5），可以看出在一列中交替改变风力涡轮机的旋转方向可以提高风场的发电性能约1.4%。
图5换个角度来看，假设研究的风场始终在考虑的条件下运行，交替改变风力涡轮机的旋转方向将在风场的使用寿命内增加超过200万美元的收入。
采用双叶轮风力涡轮机更为有效，可以将风场的总发电产能提高多达22.6%，尽管需要考虑安装两倍数量的叶片和发电机的成本。
图6对比了风场所有列中单叶轮和双叶轮风力涡轮机的时间平均发电产能。
给风力涡轮机增加第二个叶轮显著提高了风力涡轮机的生产效率。
风力涡轮机的发电产能增益取决于它们在风场内的位置，从5%到40%不等；最高增益出现在前排，最低增益出现在第二排和风场下游的深层行。
考虑到双叶轮风力涡轮机承受的更高疲劳负荷，可以认为在风场的第二排和深层行使用双叶轮风力涡轮机是不值得的。
正如在图6中观察到的，在ALTR情况下，一些风力涡轮机与控制风场中相应的风力涡轮机相比产生更多的功率，而其他一些风力涡轮机产生的功率则少于控制情况下相应的风力涡轮机。
交错排列顺时针和逆时针风力涡轮机的整体影响是积极的，并且交错排列配置的平均发电产能大于控制情况（图5）。
3.3.尾流特性通过比较控制风场和交错排列顺时针和逆时针风力涡轮机的风场的速度场，没有观察到明显的趋势（图7）。
通过采用交错排列配置，一些涡轮机受到了较高的风速，而另一些则经历了较低的风速；总体效果是积极的，因为风场的平均发电产能增加了约1.4%。
交错排列情况下的尾流与控制情况下的尾流没有显著差异（图7b与图7a对比）。
图6续（图6）图6是(a1)到(h1)面板：比较在三种情况（控制情况、ALTR情况和DRWT情况）下，单转子和双转子风力涡轮机的时间平均发电功率。
(a2)到(h2)面板：DRWT情况和ALTR情况下，每台风力涡轮机相对于控制情况下相应的单转子风力涡轮机的发电功率增益。
然而，双叶轮风力涡轮机风场的风速分布与控制情况下显著不同。
如图7c所示，双叶轮风力涡轮机下游的速度缺失大于单叶轮风力涡轮机下游的速度缺失。
还观察到双叶轮风力涡轮机的尾流长度和宽度明显大于单叶轮风力涡轮机。
为了进一步澄清，图8中显示了双叶轮风力涡轮机风场和控制风场的平均速度大小之间的差异，即图7中的(c)和(a)。
虽然双叶轮风力涡轮机风场和单叶轮风力涡轮机风场的风速在大部分区域内几乎相等（图8中的白色区域），但双叶轮风力涡轮机下游的速度缺失比单叶轮风力涡轮机下游的速度缺失高出多达3.5米/秒。
还观察到位于双叶轮风力涡轮机风场第二排的涡轮机所受的风相比控制风场的第二排涡轮机要弱得多。
这解释了图6中(a2)到(h2)的趋势。
图7图7是针对三种情况（a）控制，（b）ALTR，以及（c）DRWT，我们计算了风力发电场在风力涡轮机轮毂高度处的二维切片中的平均风速大小。
类似地，位于双叶轮风力涡轮机风场第二列和第三列的第七行和第八行的涡轮机的风速低于控制风场相应的涡轮机，而位于第三行、第四行、第五行和第六行的双叶轮风力涡轮机所受的风速与控制风场相应的涡轮机大致相同。
这种风速分布支持双叶轮风力涡轮机风场的推力系数和发电产能的趋势，并建议在前排和中间排涡轮机中添加第二个叶轮比在第二排和深层排涡轮机中添加第二个叶轮更有效，前提是风场的排列间距是均匀的。
通过增加这些行和它们上游行之间的间距，可以增强将第二个叶轮添加到第二排和深层排涡轮机的效果。
图8图8是通过双转子风力涡轮机风力发电场中的风速场，减去控制风力发电场的风速。
<<·——结论——·>>通过使用大涡模拟，研究了采用逆向旋转风力涡轮机对风场发电产能的影响。
一个具有48台大型风力涡轮机的风场的三种配置，其布局类似于瑞典的Lillgrund离岸风电场：假设所有风力涡轮机都有一个顺时针旋转的叶轮。
交错排列配置，其中每个风力涡轮机都有一个旋转方向为顺时针或逆时针的叶轮，整个风场的行之间交替布置顺时针和逆时针的风力涡轮机；假设所有风力涡轮机都有两个叶轮，第一个叶轮顺时针旋转，第二个叶轮逆时针旋转。
这项研究表明，叶轮的旋转方向可以成为风场布局研究中的一个额外优化参数。
参考文献[1] Mahela O, Shaik A. Comprehensive overview of grid interfaced wind energy generation systems. Renew Sustain Energy Rev 2016.[2] Archer C, Jacobson M. Geographical and seasonal variability of the global practical wind resources. Appl Geogr 2013.[3] Kannan N, Vakeesan D. Solar energy for future world: a review. Renew Sustain Energy Rev 2016.[4] Joselin Herbert G, Unni Krishnan A. Quantifying environmental performance of biomass energy. Renew Sustain Energy Rev 2016.[5] Nishiguchi S, Tabata T. Assessment of social, economic, and environmental aspects of woody biomass energy utilization: direct burning and wood pellets. Renew Sustain Energy Rev 2016.[6] Bleicher A, Gross M. User motivation, energy prosumers, and regional diversity: sociological notes on using shallow geothermal energy. Geothermal Energy 2015.[7] Singh A, Singh S, Kumar A. Hydrogen energy future with formic acid: a enewable chemical hydrogen storage system. Catal Sci Technol 2016.[8] Bai CJ, Wang WC. Review of computational and experimental approaches to analysis of aerodynamic performance in horizontal-axis wind turbines (HAWTs). Renew Sustain Energy Rev 2016.[9] McKay P, Carriveau R, Ting DK. Wake impacts on downstream wind turbine performance and yaw alignment. Wind Energy 2013.[10] Xie S, Archer C. Self-similarity and turbulence characteristics of wind turbine wakes via large-eddy simulation. Wind Energy 2015.
