亲爱的研友该休息了!由于当前在线用户较少,发布求助请尽量完整的填写文献信息,科研通机器人24小时在线,伴您度过漫漫科研夜!身体可是革命的本钱,早点休息,好梦!

A physics-guided machine learning framework for real-time dynamic wake prediction of wind turbines

物理 唤醒 航空航天工程 风力发电 机械 电气工程 工程类
作者
Baoliang Li,Mingwei Ge,Xintao Li,Yongqian Liu
出处
期刊:Physics of Fluids [American Institute of Physics]
卷期号:36 (3) 被引量:3
标识
DOI:10.1063/5.0194764
摘要

Efficient and accurate prediction of the wind turbine dynamic wake is crucial for active wake control and load assessment in wind farms. This paper proposes a real-time dynamic wake prediction model for wind turbines based on a physics-guided neural network. The model can predict the instantaneous dynamic wake field under various operating conditions using only the inflow wind speed as input. The model utilizes Taylor's frozen-flow hypothesis and a steady-state wake model to convert instantaneous inflow wind speed and turbine parameters into neural network input features. A deep convolutional neural network then maps these features to desired wake field snapshots, enabling dynamic wake predictions for wind turbines. To train the model, we generated approximately 255 000 instantaneous flow field snapshots of single-turbine wakes using the large eddy simulation, covering different thrust coefficients and yaw angles. The model was trained using the supervised learning method and verified on the test set. The results indicate that the model can effectively predict the dynamic wake characteristics, including the dynamic wake meandering and the wake deflection of the yawed turbines. The model can also assess both the instantaneous wake velocity and the instantaneous wake center of a wind turbine. At a thrust coefficient of 0.75, the root mean square error for the predicted instantaneous wake velocity is around 6.53%, while the Pearson correlation coefficient for the predicted instantaneous wake center can reach 0.624. Furthermore, once the model is trained, its prediction accuracy does not decrease with the increase in the time span.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
HTniconico完成签到 ,获得积分10
29秒前
29秒前
59秒前
lanxinyue完成签到,获得积分10
1分钟前
瓜皮糖浆完成签到,获得积分10
1分钟前
1分钟前
1分钟前
慕青应助JoeyCory采纳,获得10
1分钟前
1分钟前
zjl123发布了新的文献求助10
1分钟前
晴天完成签到,获得积分10
1分钟前
1分钟前
2分钟前
冷静的访天完成签到 ,获得积分10
2分钟前
认真路灯完成签到 ,获得积分10
2分钟前
2分钟前
2分钟前
平常的羊完成签到 ,获得积分10
3分钟前
简因完成签到 ,获得积分10
3分钟前
3分钟前
3分钟前
牛马正在写文章完成签到,获得积分10
4分钟前
4分钟前
4分钟前
4分钟前
香蕉觅云应助Alexis2047采纳,获得10
4分钟前
打打应助个性的长颈鹿采纳,获得10
4分钟前
4分钟前
Akim应助hh采纳,获得10
5分钟前
5分钟前
5分钟前
caca完成签到,获得积分10
5分钟前
只如初完成签到,获得积分10
5分钟前
5分钟前
6分钟前
酷波er应助zjl123采纳,获得10
6分钟前
6分钟前
爱撒娇的孤丹完成签到 ,获得积分10
6分钟前
6分钟前
Alexis2047发布了新的文献求助10
6分钟前
高分求助中
Licensing Deals in Pharmaceuticals 2019-2024 3000
Effect of reactor temperature on FCC yield 2000
Very-high-order BVD Schemes Using β-variable THINC Method 1020
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 800
Mission to Mao: Us Intelligence and the Chinese Communists in World War II 600
The Conscience of the Party: Hu Yaobang, China’s Communist Reformer 600
MATLAB在传热学例题中的应用 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3303242
求助须知:如何正确求助?哪些是违规求助? 2937578
关于积分的说明 8482470
捐赠科研通 2611463
什么是DOI,文献DOI怎么找? 1425908
科研通“疑难数据库(出版商)”最低求助积分说明 662457
邀请新用户注册赠送积分活动 647005