بهبود ضريب توان توربين بادي محور عمودي داريوس به كمك ايرفويل هاي تغيير شكل پذير

Improving the power coefficient of the Darrieus vertical axis wind turbine with the aid of morphing airfoils

تحقيقات در مورد استفاده از مواد هوشمند در بال هواپيماها براي افزايش عملكرد آنها و به دنبال آن استفاده از مواد هوشمند در ايرفويل توربين هاي باد سال هاست كه آغاز شده است و نتايج اين پژوهش ها نيز مطلوب بوده است. در اين پژوهش، از ديناميك سيالات محاسباتي و معادلات URANS براي توربين بادي داريوس مجهز به ايرفويل تغيير شكل پذير به منظور تعيين مقطع بهينه پره استفاده شده است، 250 ايرفويل توسط نقاط كنترل تصادفي توليد، درنرم افزار گمبيت، به طور غيرسازمان يافته و به صورت شبكه لغزان شبكه بندي شدند، سپس در انسيس به صورت دو بعدي با استفاده از مدل آشفتگي k-ω SST و الگوريتم PISOشبيه سازي شدند، نقاط كنترل و ضريب توان براي آموزش شبكه عصبي مورد استفاده قرار گرفتند و از الگوريتم ژنتيك براي بهينه سازي ضريب توان بهره گرفته شد. در اين پژوهش از ايرفويل ناكا0015 به عنوان ايرفويل مبنا استفاده شده است، بهينه سازي براي دوحالت مختلف انجام شد. براي حالت اول(تعيين مقطع بهينه توربين در يك دور) ميزان ضريب توان توربين بادي داريوس با مقطع بهينه واحد به ميزان 42% افزايش يافت كه مقطع پره (ايرفويل) نيز ترسيم شد. براي حالت دوم (تعيين مقطع بهينه در هريك از چهار ناحيه چرخش روتور) نيز بهينه ترين مقاطع (ايرفويل) بدست آمدند، افزايش 60% ضريب توان توربين نتيجه ي بهينه سازي براي حالت دوم بود

With the advent of smart materials in recent years, the aviation industry and airfoils have undergone many changes. Research into the use of smart materials in aircraft wings to increase their performance and then the use of smart materials in wind turbine airfoils has begun. In this study, computational fluid dynamics and URANS equations for a three-bladed Darrieus wind turbine equipped with a morphing airfoil was used to determine the optimum blade cross-section. 250 airfoils were generated by random control points, in Gambit software, they were unstructured and generated as a sliding mesh then they were simulated in 2D Ansys using the k-ω SST turbulence model and PISO algorithm. Control points and power coefficient were used for Artificial Neural Network (ANN)training and the Genetic Algorithm(GA) was used to optimize the power coefficient. In this study, the base airfoil is NACA0015. The results of that have been very effective. For the first case (Determine the optimal cross-section of the turbine at a full round) the power coefficient of Darrieus wind turbine with the optimal cross-section increased by 42%, and the blade section(airfoil) was also drawn. For the second case(Determine the optimal cross-section in each of the four zones of the rotor), the most efficient sections(airfoils) in four-zone were obtained, increasing the turbine power coefficient by 60% was the result of this optimization.