风力机,叶片,粒子群算法,优化设计," /> 风力机,叶片,粒子群算法,优化设计,"/> wind turbine,blade,particle swarm optimization,optimization design,"/> <p class="MsoNormal"> 基于粒子群算法的风力机叶片优化设计
Please wait a minute...
沈阳化工大学学报, 2022, 36(6): 544-547    doi: 10.3969/j.issn.2095-2198.2022.06.012
  信息与计算机工程 本期目录 | 过刊浏览 | 高级检索 |

基于粒子群算法的风力机叶片优化设计

沈阳化工大学 化学工程学院,辽宁 沈阳 110142;

(沈阳化工大学 信息工程学院,辽宁 沈阳 110142

Research on Optimization Design of Wind Turbine Blade Based on Particle Swarm Algorithm

下载:  PDF (392KB) 
输出:  BibTeX | EndNote (RIS)      
摘要 

叶片是影响风力机可靠性和稳定性的重要组成部分,而设计优良的叶片可以提高风力机的运行寿命和输出功率以动量叶素理论为基础,对风力机叶片进行优化设计.在考虑风场风速的情况下,以风力机的年能量输出为优化目标,采用粒子群算法对15 MW风力发电机叶片的气动性能进行计算分析.仿真结果表明,采用优化后的叶片风力机的输出功率显著提高,证明了优化模型的实用性和有效性.该风力机叶片的优化设计对风力机相关工程类项目的实践具有指导意义.

服务
把本文推荐给朋友
加入引用管理器
E-mail Alert
RSS
作者相关文章
关键词:  风力机')" href="#">

风力机  叶片  粒子群算法  优化设计    

Abstract: 

Blades are an important component that affects the reliability and stability of wind turbinesand well-designed blades can improve the operating life and output power of wind turbines.Based on the momentum blade element theorythe wind turbine blade is optimized.Considering the wind speed in the wind farmthe annual energy output of the wind turbine is taken as the optimization objectiveand the particle swarm optimization algorithm is used to calculate and analyze the aerodynamic performance of 15 MW wind turbine blades.The simulation results show that the output power value of the optimized blade wind turbine has increased significantlywhich proves the practicability and effectiveness of the optimized modeland has practical guiding significance for wind turbine-related engineering projects.

Key words:  wind turbine')" href="#">

wind turbine    blade    particle swarm optimization    optimization design

               出版日期:  2022-12-31      发布日期:  2024-06-06      整期出版日期:  2022-12-31
ZTFLH: 

TH39

 
基金资助: 

辽宁省教育厅科学研究一般项目(LQ2017002

引用本文:    
刘欢, 宗学军, 李鹏程.

基于粒子群算法的风力机叶片优化设计 [J]. 沈阳化工大学学报, 2022, 36(6): 544-547.
LIU Huan, ZONG Xue-jun, LI Peng-cheng.

Research on Optimization Design of Wind Turbine Blade Based on Particle Swarm Algorithm . Journal of Shenyang University of Chemical Technology, 2022, 36(6): 544-547.

链接本文:  
https://xuebao.syuct.edu.cn/CN/10.3969/j.issn.2095-2198.2022.06.012  或          https://xuebao.syuct.edu.cn/CN/Y2022/V36/I6/544

1]张石强,陈进,PETER E,等.基于多目标遗传算法的风力机翼型形状优化[J.太阳能学报,201132(8):1269-1274.

2YANG YLI CZHANG W Fet al.A Multi-Objective Optimization for HAWT Blades Design by Considering Structural StrengthJ.Journal of Mechanical Science and Technology201630(8):3693-3703.

3]夏学文,刘经南,高柯夫.具备反向学习和局部学习能力的粒子群算法[J.计算机学报,201538(7):1397-1408.

4]张宇,陈长征,潘萍萍,等.基于遗传算法的风力机叶片优化设计[J.机械设计与制造,2013(2):42-44.

5]徐燕飞,席德科,田彬,等.风力机设计与数值模拟分析[J.机械设计与制造,2006(7):18-20.

6]顾晓辉.滚动轴承多目标故障特征提取与状态评估方法研究[D.石家庄:石家庄铁道大学,2018:11-12.

7]周明,孙树栋.遗传算法原理及应用[M.北京:国防工业出版社,1999:76-79.

8]赵兴.基于角度域循环平稳分析的滚动轴承故障诊断方法研究[D.大连:大连交通大学,2017:35-36.

9]罗金炎.一种求解旅行商问题的改进粒子群算法[J.沈阳化工大学学报,201731(4):377-384.

[1] 张亚东, 史洪岩.

基于NOFRFs的非等温CSTR同步周期操作的评估优化 [J]. 沈阳化工大学学报, 2023, 37(3): 275-282.

No Suggested Reading articles found!
Viewed
Full text


Abstract

Cited

  Shared   
  Discussed