基于LiDAR数据的风力机上游流场重构模型及其在实时控制中的应用研究

为优化风力机性能并提升可再生能源利用率，研究人员开发了基于4光束机载LiDAR的轴向/侧向风速分量、风切变指数(WSE)、偏转(veer)及诱导因子耦合模型。通过Adam算法优化实现0.08 m/s(1.3%)的径向风速(RWS)重构误差，首次揭示大气边界层(ABL)稳定性对参数昼夜差异的影响，0.25秒的快速优化能力为偏航控制和尾流导向策略提供实时解决方案。

　　

随着COP28气候目标和《巴黎协定》对可再生能源三倍扩容的要求，风能开发面临精确流场识别的技术瓶颈。传统超声波测风仪和早期LiDAR模型存在简化过度（如忽略垂直风速）或计算复杂（基于Navier-Stokes方程）等问题，且多数研究未考虑大气边界层(ABL)物理特性与风力机诱导效应的耦合作用。这些缺陷导致风电预测和控制的精度受限，亟需开发兼顾物理机理与实时性能的新型模型。

针对这一挑战，伊朗国际合作研究中心(CISSC)支持的团队联合德国罗斯托克大学，利用西门子SWT-DD-142风机搭载的4光束LiDAR系统，采集2020-2022年间10分钟平均径向风速(RWS)数据。研究创新性地构建包含轴向/侧向风速、风切变指数(WSE)、偏转角(veer)和诱导因子的非线性模型，采用随机梯度下降与Adam优化算法进行参数拟合。通过假设检验验证了线性偏转剖面、幂律风切变和诱导区模型的统计显著性（95%置信水平通过率分别为99%/90%/92%）。

关键技术包括：1）基于10个距离点（50-450米）的40维RWS测量矩阵；2）融合ABL物理特性的五参数耦合建模；3）采用MAE最小化的双优化算法；4）昼夜分时段参数敏感性分析。实验数据来自德国罗斯托克风电场的两台3.15 MW西门子风机，其中2号风机LiDAR在200°-360°偏航角时受1号风机尾流干扰需特殊校准。

【LiDAR设备】
研究采用固定式4光束系统，光束仰角分别为15°/30°/-15°/-30°，通过多普勒频移测量RWS。设备在稳定ABL条件下（夜间）测得更高WSE（均值0.31）和veer（0.17°/m），而日间湍流强度增加导致参数离散度增大15%。

【结果与讨论】
模型成功量化了诱导效应：轴向风速在近叶片区降低12%，侧向分量在叶尖处提升8%（图4）。昼夜对比显示，夜间稳定ABL使WSE增加23%，veer提升0.05°/m，这与大气温度层结直接相关。优化耗时仅0.25秒，满足实时偏航控制需求。

【结论】
该研究首次实现ABL特性与风机诱导效应的协同建模，MAE较传统方法降低40%。发现的昼夜参数差异为分时段控制策略提供依据，快速计算能力使其可集成至风机SCADA系统。未来可扩展至复杂地形和极端天气条件下的流场重构。

这项由Mohammad Khezri领衔的研究发表于《Sustainable Energy Technologies and Assessments》，其物理机理与实时性能的平衡为风电智能化树立了新标准。特别是将大气科学中的ABL稳定性理论与工程控制相结合，为可再生能源领域的多学科交叉研究提供了典范。团队特别致谢罗斯托克大学风电技术研究所的数据支持，以及西门子歌美飒的技术咨询。