بهبود ضریب توان توربین بادی محورعمودی داریوس به کمک ایرفویل‌های تغییرشکل‌پذیر

نوع مقاله : مقاله پژوهشی

نویسندگان

دانشکده مهندسی، دانشگاه فردوسی مشهد، مشهد، ایران

چکیده

تحقیقات در مورد استفاده از مواد هوشمند در بال هواپیماها برای افزایش عملکرد آن‌ها و به دنبال آن استفاده از مواد هوشمند در ایرفویل توربین‌های باد سال‌ها است که آغاز شده است. در این پژوهش، از دینامیک سیالات محاسباتی و معادلات ناپایای ناویر استوکس به روش میانگین‌گیری رینولدز برای توربین بادی داریوس مجهز به ایرفویل تغییر‌شکل‌پذیر به منظور تعیین مقطع بهینه پره استفاده شده است، 250 ایرفویل توسط نقاط کنترل تصادفی تولید، در نرم افزار گمبیت، به طور غیرسازمان‌یافته و به صورت شبکه لغزان شبکه‌بندی شدند، سپس در انسیس به صورت دوبعدی با استفاده از الگوریتم فشار ضمنی با تقسیم اپراتورها شبیه‌سازی شدند، نقاط کنترل و ضریب توان برای آموزش شبکه عصبی مورد استفاده قرار گرفتند و از الگوریتم ژنتیک برای بهینه‌سازی ضریب توان بهره گرفته شد. در این پژوهش از ایرفویل ناکا0015 به عنوان ایرفویل مبنا استفاده شده است، بهینه‌سازی برای دو حالت مختلف انجام شد. برای حالت اول (تعیین مقطع بهینه توربین در یک دور) میزان ضریب توان توربین بادی داریوس با مقطع بهینه واحد به میزان‌42% افزایش یافت که مقطع پره (ایرفویل) نیز ترسیم شد. برای حالت دوم (تعیین مقطع بهینه در هریک از چهار ناحیه چرخش روتور) نیز بهینه‌ترین مقاطع (ایرفویل) بدست آمدند، افزایش60% ضریب توان توربین نتیجه‌ی بهینه‌سازی برای حالت دوم بود.

کلیدواژه‌ها

موضوعات

عنوان مقاله [English]

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

نویسندگان [English]

  • Mohsen Kazemi
  • Amirhossein Fardi
  • Mohammad Javad Maghrebi
Department of mechanical engineering , faculty of engineering , Ferdowsi University of Mashhad , Mashhad , Iran
چکیده [English]

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 unsteady Reynolds-Averaged Navier-Stokes equations for a three-bladed Darrieus wind turbine equipped with a morphing airfoil were 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 by using pressure-implicit with splitting of operators algorithm. Control points and power coefficient were used for artificial neural network training and the genetic algorithm was used to optimize the power coefficient. In this study, the base airfoil is NACA0015. The results of that have been very effective. For determining 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 determining 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.

کلیدواژه‌ها [English]

  • Power coefficient
  • Computational fluid dynamic
  • Darrieus wind turbine
  • Artificial neural network
  • Genetic algorithm

مراجع

[1] A. Sofla, S. Meguid, K. Tan, W. Yeo, Shape morphing of aircraft wing: Status and challenges, Materials & Design, 31(3) (2010) 1284-1292.
[2] A. De Gaspari, S. Ricci, Knowledge-based shape optimization of morphing wing for more efficient aircraft, International Journal of Aerospace Engineering, 2015 (2015).
[3] D.W. MacPhee, A. Beyene, Experimental and fluid structure interaction analysis of a morphing wind turbine rotor, Energy, 90 (2015) 1055-1065.
[4] L. Weishuang, T. Yun, L. Peiqing, Aerodynamic optimization and mechanism design of flexible variable camber trailing-edge flap, Chinese Journal of Aeronautics, 30(3) (2017) 988-1003.
[5] G. Jones, M. Santer, M. Debiasi, G. Papadakis, Control of flow separation around an airfoil at low Reynolds numbers using periodic surface morphing, Journal of Fluids and Structures, 76 (2018) 536-557.
[6] W. Tay, K. Lim, Numerical analysis of active chordwise flexibility on the performance of non-symmetrical flapping airfoils, Journal of Fluids and Structures, 26(1) (2010) 74-91.
[7] J. Fincham, M. Friswell, Aerodynamic optimisation of a camber morphing aerofoil, Aerospace Science and technology, 43 (2015) 245-255.
[8] B. Gardner, M. Selig, Airfoil design using a genetic algorithm and an inverse method, in:  41st Aerospace Sciences Meeting and Exhibit, 2003, pp. 43.
[9] J. Chen, L. Chen, H. Xu, H. Yang, C. Ye, D. Liu, Performance improvement of a vertical axis wind turbine by comprehensive assessment of an airfoil family, Energy, 114 (2016) 318-331.
[10] M. Mohamed, A. Dessoky, F. Alqurashi, Blade shape effect on the behavior of the H-rotor Darrieus wind turbine: Performance investigation and force analysis, Energy, 179 (2019) 1217-1234.
[11] O.S. Mohamed, A.A. Ibrahim, A.K. Etman, A.A. Abdelfatah, A.M. Elbaz, Numerical investigation of Darrieus wind turbine with slotted airfoil blades, Energy Conversion and Management: X, 5 (2020) 100026.
[12] M. Baghdadi, S. Elkoush, B. Akle, M. Elkhoury, Dynamic shape optimization of a vertical-axis wind turbine via blade morphing technique, Renewable Energy,  (2020).
[13] Y. Maruyama, M. Shimura, R. Yoshie, R. WEI, K. SEKI, Development of vertical axis wind turbine with straight blades suitable for buildings, JWE: 日本風工学研究会誌, 89 (2001) 265-268.
[14] M. Islam, D.S.-K. Ting, A. Fartaj, Aerodynamic models for Darrieus-type straight-bladed vertical axis wind turbines, Renewable and sustainable energy reviews, 12(4) (2008) 1087-1109.
[15] M. Hazewinkel, Encyclopaedia of Mathematics:, in, Springer Science & Business Media, 1997.
[16] R.K.N. Parasaram, T. Charyulu, Airfoil Profile Design by Reverse Engineering Bezier Curve, International Journal of Mechanical Engineering and Robotics Research, 1(3) (2012) 410-420.
[17] F.M. White, Fluid Mechanics, 8th edition ed., McGraw-Hill, NY, 2016.
[18] M. Kaewbumrung, W. Tangsopa, J. Thongsri, Investigation of the trailing edge modification effect on compressor blade aerodynamics using SST k-ω turbulence model, Aerospace, 6(4) (2019) 48.
[19] R. Lanzafame, S. Mauro, M. Messina, 2D CFD modeling of H-Darrieus wind turbines using a transition turbulence model, Energy Procedia, 45 (2014) 131-140.
[20] R. Bravo, S. Tullis, S. Ziada, Performance testing of a small vertical-axis wind turbine, in:  Proceedings of the 21st Canadian Congress of Applied Mechanics, 2007, pp. 3-7.
[21] G. Srinivasan, J. Ekaterinaris, W. McCroskey, Evaluation of turbulence models for unsteady flows of an oscillating airfoil, Computers & Fluids, 24(7) (1995) 833-861.
[22] K. Chakraborty, S. Bhattacharyya, R. Bag, A. Hassanien, Sentiment analysis on a set of movie reviews using deep learning techniques, in:  Social Network Analytics—Computational Research Methods and Techniques, Elsevier, 2018.
نشریه مهندسی مکانیک امیرکبیر
دوره 53، شماره 5 (Special Issue)
مرداد 1400
صفحه 3227-3240

فایل ها

هم رسانی

ارجاع به این مقاله

آمار