风力涡轮机的CFD分析
理论与物理
概述
老师，CFD分析在风力发电涡轮机中是怎么使用的？
风力涡轮机的CFD用于三个目的。(1)叶片的气动设计和功率预测，(2)尾流（尾流）分析以实现风电场布局优化，(3)极端风速条件下的结构载荷评估。
风力涡轮机的功率由贝茨极限规定了理论上限。叶片设计的竞争点就在于能多接近这个极限。
贝茨极限与功率系数
风力涡轮机的功率系数：
贝茨极限（理论最大效率）：
这是风能中大约59.3%可以被提取的理论上限。实际大型风力涡轮机（如Vestas V164, Siemens Gamesa SG 14-222等）的$C_P$约为0.45--0.50，达到了贝茨极限的80--85%。
85%，相当接近理论极限了呢。
这是通过翼型设计、桨距控制、变速运行优化实现的。由于进一步的改进空间很小，因此降低整个风电场的尾流损失成为了下一个焦点。
BEM理论与CFD的关系
叶片元素动量理论（BEM）是风力涡轮机分析的基础。
其中$a$是轴向诱导因子，$a'$是切向诱导因子，$\omega$是旋转角速度。
既然有BEM，为什么还需要CFD呢？
BEM有其局限性。
| BEM的局限 | CFD的优势 |
|---|---|
| 无法考虑3D效应（根部/叶尖涡） | 直接求解3D流动 |
| 动态失速预测困难 | 非定常CFD可以再现 |
| 忽略叶片间干扰 | 同时解析所有叶片 |
| 尾流模型简化 | 直接计算尾流的扩散与合并 |
| 忽略机舱/塔架干扰 | 再现塔影效应 |
叶尖速比与翼型
叶尖速比（TSR: Tip Speed Ratio）：
对于大型风力涡轮机，$\lambda \approx 6$--$9$为最优。
风力涡轮机用翼型：
| 翼型系列 | 开发方 | 特点 |
|---|---|---|
| NACA 63-xxx | NACA | 经典。业绩丰富 |
| DU (Delft) | 代尔夫特理工大学 | 厚翼。用于根部 |
| FFA-W3 | FOI (瑞典) | 高$C_{L,max}$。对表面粗糙度不敏感 |
| DTU-LN1xx | DTU (丹麦) | 最新设计。CFD优化 |
叶片的根部翼型和叶尖翼型不一样呢。
根部为了结构强度使用厚翼型（相对厚度30--40%），叶尖为了气动性能使用薄翼型（相对厚度18--24%）。沿展向连续变化翼型。
叶片为何扭转——桨距角的气动依据
仔细观察风力涡轮机的叶片，会发现从根部到叶尖叶片是扭转的。这被称为"桨距分布（扭转角）"设计，原因是不同位置相对风速的方向会变化。叶尖处圆周方向速度大，与来风合成的角度（攻角）变小，因此通过扭转来修正攻角。从贝茨理论推导出的这种最优桨距分布，需要通过CFD进行精细验证，这是叶片设计的基本工作。"看起来奇怪的形状"都有其充分的流体力学理由。
各项的物理意义
- 时间项 $\partial(\rho\phi)/\partial t$：想象一下拧开水龙头的瞬间。最初水会不稳定地喷溅，过一会儿才变成稳定水流，对吧？描述这个"变化过程中"的就是时间项。心脏搏动导致血流脉动，发动机阀门开闭引起流动变化，这些都是非定常现象。那么定常分析是什么？就是只看"经过足够时间流动稳定后"的状态——也就是将此项设为零。计算成本大幅降低，因此先用定常求解是CFD的基本策略。
- 对流项 $\nabla \cdot (\rho \mathbf{u} \phi)$：把落叶扔进河里会怎样？会被水流带着往下游漂，对吧？这就是"对流"——流体运动搬运物质的效果。暖风的暖气能到达房间另一端，也是因为空气这个"搬运工"通过对流输送热量。有趣的是——此项包含"速度×速度"，因此是非线性的。也就是说，流速变快此项会急剧增强，变得难以控制。这就是湍流的根本原因。常见误解："对流和传导差不多"→ 完全不一样！对流是流动搬运，传导是分子传递。效率有天壤之别。
- 扩散项 $\nabla \cdot (\Gamma \nabla \phi)$：有过在咖啡里倒入牛奶后放置的经历吗？即使不搅拌，过一会儿也会自然混合。那就是分子扩散。那么下一个问题——蜂蜜和水，哪个更容易流动？当然是水，对吧？因为蜂蜜粘度（$\mu$）高所以难流动。粘度越大扩散项越强，流体会变得"粘稠"。雷诺数小的流动（缓慢、粘稠）中扩散占主导。相反，Re数大的流动中对流占压倒性优势，扩散成为配角。
- 压力项 $-\nabla p$：推注射器的活塞，液体会从针尖有力地射出，对吧？为什么？因为活塞侧高压，针尖侧低压——这个压差成为推动流体的力。大坝放水也是同样原理。天气图上等压线密集的地方会怎样？没错，会刮强风。"有压差的地方产生流动"——这就是纳维-斯托克斯方程压力项的物理意义。这里的误解点：CFD的"压力"多为表压而非绝对压力。切换到可压缩分析时结果突然出错，原因可能就是混淆了绝对压力/表压。
- 源项 $S_\phi$：受热的空气会上升——为什么？因为比周围轻（密度低），被浮力推上去。这个浮力作为源项添加到方程中。还有，燃气灶火焰产生化学反应热，工厂电磁泵对金属熔液施加洛伦兹力……这些都是"从外部向流体注入能量或力"的作用，用源项表示。忘记源项会怎样？自然对流分析中忘记加入浮力，流体就完全不动——就像冬天房间里开了暖气但热空气不上升，得到物理上不可能的结果。
假设条件与适用范围
- 连续介质假设：克努森数 Kn < 0.01（分子平均自由程 ≪ 特征长度）时成立
- 牛顿流体假设：剪切应力与应变速率呈线性关系（非牛顿流体需要粘度模型）
- 不可压缩假设（Ma < 0.3时）：将密度视为常数。马赫数0.3以上需考虑压缩性效应
- 布西涅斯克近似（自然对流）：仅在浮力项中考虑密度变化，其他项使用恒定密度
- 不适用的情形：稀薄气体（Kn > 0.1）、超音速/高超音速流动（需要捕捉激波）、自由表面流动（需要VOF/Level Set等方法）
量纲分析与单位制
| 变量 | SI单位 | 注意事项·换算备忘 |
|---|---|---|
| 速度 $u$ | m/s | 入口条件从体积流量换算时，注意截面积单位 |
| 压力 $p$ | Pa | 区分表压与绝对压力。可压缩分析使用绝对压力 |
| 密度 $\rho$ | kg/m³ | 空气: 约1.225 kg/m³@20°C，水: 约998 kg/m³@20°C |
| 粘性系数 $\mu$ | Pa·s | 注意与运动粘度系数 $\nu = \mu/\rho$ [m²/s] 混淆 |
| 雷诺数 $Re$ | 无量纲 | $Re = \rho u L / \mu$。层流/湍流转换的判断指标 |
| CFL数 | 无量纲 | $CFL = u \Delta t / \Delta x$。直接关系到时间步长的稳定性 |
数值解法与实现
分析方法层级
风力涡轮机的CFD有哪些方法？
根据计算成本与精度的权衡，存在层级化的方法。
| 方法 | 模型化 | 网格数 | 用途 |
|---|---|---|---|
| BEM | 1D截面理论 | -- | 初步设计、年发电量预测 |
| 虚拟盘 (AD) | 用体积力表示转子 | 100万--1000万 | 风电场布局 |
| ALM (Actuator Line) | 在线上分布体积力 | 500万--5000万 | 尾流分析（LES） |
| 全叶片RANS | 直接求解3D叶片形状 | 1000万--5000万 | 叶片气动设计 |
| 全叶片LES | 3D叶片+LES | 1亿--10亿 | 研究用途 |
Actuator Line Model（ALM）是什么？
这是一种不物理建模叶片，而是在旋转的线上分布相当于升力和阻力的体积力的方法。由于不需要解析叶片的边界层，可以大幅减少网格数量。是风电场LES中的标准方法。
全叶片CFD的网格
大型风力涡轮机（转子直径200米级）的全叶片分析：
- 旋转区域: 转子直径1.2倍的圆柱体。使用滑移网格旋转
- 固定区域: 转子直径10倍以上的外部边界
- 叶片表面: $y^+ < 1$, 棱柱层20层以上
- 叶尖涡解析: 叶尖附近设置细化区域
- 机舱/塔架: 包含在同一网格中（评估塔影效应）
- 总网格数: 每片叶片500万--1500万网格
3片叶片+机舱+塔架，总网格数会达到数千万呢。
也可以利用旋转对称性，使用1/3模型（1片叶片+周期边界条件）进行计算。不过要评估塔影效应时就需要完整的3片叶片。
湍流模型
风力涡轮机CFD的湍流模型选择：
风力涡轮机CFD的湍流模型选择：
| 模型 | 用途 | 注意事项 |
|---|---|---|
| SST k-omega | 叶片定常气动 | 对动态失速不充分 |
| $\gamma$-$Re_\theta$ + SST | 转捩预测（叶片根部） | 厚翼的转捩很重要 |
| DDES (基于SST) | 动态失速、塔影效应 | 必须进行非定常计算 |
| LES (ALM) | 风电场尾流 | 需要生成大气边界层湍流 |
时间步长与旋转处理
旋转叶片的非定常分析中的时间步长：
典型大型涡轮机（转速12rpm = 0.2rps）下每步1度：
旋转一周需要360步。10周就是3600步呢。
标准做法是舍弃最初至少5周的瞬态过程，然后用之后的5-10周数据进行时间平均。
旋转叶片CFD中"时间步长是生命"的理由
在风力涡轮机CFD中设置旋转区域（Rotating Domain）时，时间步长的设置非常微妙。通常需要将涡轮机每步旋转的角度控制在1~2°以下，按额定转速15rpm计算，每个时间步长约为0.01~0.02秒。步长太粗会导致叶尖涡的生成和输运不准确，发电量预测误差会急剧增大。"在时间步长上吝啬，之后会后悔"是风力CFD的经典教训，实务中的铁则是在开始收敛性确认的同时进行时间步长敏感性测试。