利用尾流模型和大涡模拟对风电场尾流转向进行多保真度贝叶斯优化

提高风电场的功率输出对于向可再生电力发电转型至关重要。然而，在风电场中，风力发电机经常在其他发电机的尾流中运行，导致风速降低，从而减少功率输出，同时增加疲劳载荷。通过使用尾流转向策略来控制每台发电机后的尾流，可以提高风电场的总功率输出。为了找到最优的偏航配置，通常使用解析尾流模型来模拟风力发电机之间通过流场的相互作用。在这项工作中，我们表明，对于整个风电场，更高保真度的计算流体动力学模拟，即大涡模拟，能够比解析尾流模型找到更优的偏航配置。这是因为它们捕捉并利用了多台发电机尾流与大气边界层之间相互作用中涉及的更多物理过程。由于大涡模拟的运行成本远高于解析尾流模型，我们引入了一个多保真度贝叶斯优化框架。该框架实现了一个多保真度代理模型，能够捕捉解析尾流模型与大涡模拟之间的非线性关系，以及一个多保真度采集函数，用于确定每次优化迭代的配置和保真度。这使得与单保真度优化相比，可以用更少的高成本大涡模拟评估配置，同时产生可比的优化结果。因此，可以以更低的计算成本实现相同的风电场总功率提升。