مقايسه عملكرد ايروالاستيسيته پره‌هاي مبنا و بهينه شده درتوربين بادي محور افقي

Comparison of aeroelastic performance base and optimized blades of horizontal axis wind turbine

در اين تحقيق، دو پره بهينه شده و مبنا يك توربين بادي محور افقي از ديدگاه ايروالاستيسيته مقايسه شده اند. به منظور بهينه‌سازي پره، ابتدا با استفاده از تيوري المان پره براي شرايط عملكردي خاص، وتر و زاويه نصب بهينه در مقاطع مختلف شعاعي پره محاسبه مي شود. سپس شكل بالواره ها نيز توسط حل جريان لزج ، الگوريتم ژنتيك و شبكه عصبي در زواياي حمله مختلف بهينه مي‌گردد و در نهايت شكل پره بهينه شده استخراج مي‌شود. شبكه به‌كار گرفته شده در اين تحقيق از نوع بي سازمان با المان هاي چهار وجهي مي‌باشد. در روند شبيه-سازي جريان سيال از الگوريتم سيمپل و روش مرتبه دوم بالا دست استفاده شده است. روند تحليل به اين صورت است كه ابتدا نيروهاي فشاري و لزجتي توسط حل ديناميك سيالات محاسباتي بر روي گره هاي شبكه پره محاسبه مي‌شوند، سپس اين نيروها بطور مستقيم در تحليل الاستيسيته پره مورد استفاده قرار مي‌گيرند.در اين مرحله، علاوه بر نيروهاي ايروديناميكي، نيروهاي اينرسي حاصل از چرخش پره توربين باد نيز در نظر گرفته شده است. نتايج حاصل از تحليل ايروديناميكي برروي پره‌ها حاكي از افزايش راندمان و اختلاف فشار بيشتر در طرفين پره بهينه شده مي‌باشد. نتايج حاصل از تحليل تنش- كرنش نيز نشان مي‌دهد كه تنش ماكزيمم در پره بهينه شده كمتر از پره مبنا، ضريب اطمينان و توان متوسط توربين با پره بهينه نيز بيشتر از پره مبنا مي‌باشد.

In this study, the results of two optimized and base blades of a horizontal axis wind turbine with aerodynamic point of view and analysis of the stresses and strains are compared. The aerodynamic forces are obtained by solving the viscous flow and the optimization is done by genetic algorithm and neural network. By applying the aerodynamic loads, the stress and strain are analyzed. For optimization, the chord length and the twist angle of the blade at various radiuses have been calculated by BEM. The Navier Stokes equations are solved to simulate both two and three dimensional flows. The results which are obtained from 2D Computational Fluid Dynamics (CFD) have been utilized to train a Neural Network (NN). In the process of airfoil optimization, Genetic Algorithm (GA) is coupled with trained NN to attain the best airfoil shape at each angle of the attack. First, the results of both optimized and base wing are compared then the aerodynamic forces on the blades are applied for stress analysis. The results of the analysis of the stress - strain showed that optimized wing improves the wing performance.