海浪发电捕能效率提升关键技术研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号:
    U1806224
  • 项目类别:
    联合基金项目
  • 资助金额:
    280.0万
  • 负责人:
  • 依托单位:
  • 学科分类:
    E0703.电机及其系统
  • 结题年份:
    2022
  • 批准年份:
    2018
  • 项目状态:
    已结题
  • 起止时间:
    2019-01-01 至2022-12-31

项目摘要

The aim of this research is to improve the capture efficiency of ocean wave energy. The efficiency of direct-driven wave power generation is improved from four aspects, namely, wave power generation device buoy and power generation field distribution, generator design, maximum power extraction, wave power generation Grid-connecting. The energy absorption efficiency of different buoy shapes are studied based on irregular waves. the buoy shape with optimum absorption efficiency can be designed for more energy. For optimal energy absorption efficiency, the distances and angles among generators in wave farm are studied , in which can smooth the output power fluctuations and reduce the masking effects among generators. A new type of high power density TLSRM motor topology is proposed. The phase number and stator / rotor number of the motor are optimized reasonably to achieve high operation performance while considering the high reliability of the wave energy generation system, the light weight of the rotor and the good dynamic response. Based on the dynamical modeling research of the direct-driven wave power generation system, the extraction characteristics of wave energy are analyzed, and the optimal power extraction conditions are obtained. Based on the optimal power extraction conditions, the corresponding power electronic topology, control scheme and control strategy of direct-driven wave generator are proposed. And considering the multi frequency characteristics and time-varying characteristics of ocean waves, the maximum extraction of ocean wave energy of direct drive wave power generation system is realized. The mechanism of power fluctuation and voltage quality is explored when large wave power connecting to power grid. In order to improve the reliability and stability of the power supply in the wave power generation system, the existing control strategy is improved according to the mechanism problem. The super capacitor is used as the energy storage unit, and the method of stabilizing the second short-time power fluctuation of the wave power generation is explored, and combined with the direct-driven wave power generation system, a grid-connecting wave power generation system is formed.
本项目以提高海浪能捕获效率为目标,分别从海浪发电装置浮体及发电场布局、电机设计、最大功率提取、海浪发电并网四方面来提高直驱海浪发电的效率。主要研究内容包括:以不规则波为基础,计算不同形状浮体的能量吸收效率,设计具有最佳吸收效率的浮体形状。基于浮体效应,通过排布优化来平抑单个发电装置的功率波动并削弱遮蔽效应,提升对海浪能的捕获效率。提出一种新型高功率密度柱型直线开关磁阻电机结构,实现高性能运行。通过对直驱海浪发电系统动力学的建模研究,考虑海浪的多频率特性、时变特性,分析其海浪能提取特性,得到最优功率提取条件;基于最优功率提取条件设计对应的电力电子拓扑结构、控制方案和直驱海浪发电机的控制策略,实现直驱海浪发电系统对海浪能量的最大提取。研究海浪发电接入电网时产生功率波动和电压质量问题机理,对现有控制策略进行改进,以提高海浪发电系统供电的可靠性与稳定性。

结项摘要

海浪发电综合的能量转换效率目前还较低,是制约其实现大规模的商业应用的瓶颈之一,项目从装置本体优化、新型发电机设计、功率优化控制算法和海浪发电功率平稳输出四个方面展开研究:(1)研究了典型浮体形状的水动力学系数与海浪能吸收特性,指出“上大下小”型的圆型浮体更易于吸收能量,同时考虑多个海浪发电装置形成阵列后,为提高整体输出功率,应尽量增大排布间距和排布角以削弱浮体间的遮蔽效应;(2)针对海浪发电场,提出了一种利用相位差原理通过设计浮体排布实现功率峰谷互补从而削弱系统的功率波动;针对直驱式波浪发电输出功率具有长短时间尺度波动的特点,采用基于滤波算法功率分配的复合储能平抑功率波动,利用功率型储能来平抑高频功率波动,能量型储能平抑低频功率波动;(3)构造直线开关磁阻电机高阶连续函数模型,以电机效率和功率密度为优化母线对开关磁阻电机结构尺寸进行优化,结合海浪发电功率控制电机控制需求,提出了一种考虑母线电压限制的推力分配函数,实现了电机的四象限运行控制;(4)进一步研究了传统基于谐振原理的控制算法在不规则海浪工况下的应用,分别提出了一种基于速度受迫谐振和一种基于神经网络、无需海浪预测的功率优化控制算法,针对基于时域在线优化的模型预测控制算法,提出了一种基于策略演算的策略和实际控制器上的快速求解算法。项目设计并搭建直驱海浪发电实验测试装置,并在造浪池波浪环境下进行了实验测试,结果表明项目所提的功率优化控制算法在能够实现高效稳定的能量提取。

项目成果

期刊论文数量(13)
专著数量(0)
科研奖励数量(0)
会议论文数量(9)
专利数量(10)
Torque Ripple and Electromagnetic Vibration Suppression in Permanent Magnet Synchronous Motor Using Segmented Rotor With Different Pole Widths
不同极宽分段转子永磁同步电机转矩脉动与电磁振动抑制
  • DOI:
    10.1109/tmag.2022.3179278
  • 发表时间:
    2022
  • 期刊:
    IEEE Transactions on Magnetics
  • 影响因子:
    2.1
  • 作者:
    Chen Peng;Chenghui Zhang;Bingdong Wang;Junchen Li;Cheng Xu;Xiuhe Wang
  • 通讯作者:
    Xiuhe Wang
Fast Model Predictive Control System for Wave Energy Converters With Wave Tank Tests
用于波浪能转换器的快速模型预测控制系统与波浪池测试
  • DOI:
    10.1109/tie.2022.3204958
  • 发表时间:
    --
  • 期刊:
    IEEE Transactions on Industrial Electronics
  • 影响因子:
    7.7
  • 作者:
    Zechuan Lin;Xuanrui Huang;Xi Xiao
  • 通讯作者:
    Xi Xiao
Bi-level Capacity Planning of Wind-PV-Battery Hybrid Generation System Considering Return on Investment
考虑投资回报的风光储混合发电系统双层容量规划
  • DOI:
    10.3390/en13123046
  • 发表时间:
    2020
  • 期刊:
    Energies
  • 影响因子:
    3.2
  • 作者:
    Bowen Yang;Yougui Guo;Xi Xiao;Tian Peigen
  • 通讯作者:
    Tian Peigen
A Neural Network-Based Power Control Method for Direct-Drive Wave Energy Converters in Irregular Waves
基于神经网络的不规则波直驱波浪能转换器功率控制方法
  • DOI:
    10.1109/tste.2020.2984328
  • 发表时间:
    2020
  • 期刊:
    IEEE TRANSACTIONS ON SUSTAINABLE ENERGY
  • 影响因子:
    --
  • 作者:
    Huang Xuanrui;Sun Kai;Xiao Xi
  • 通讯作者:
    Xiao Xi
基于机械参数辨识的永磁同步电机驱动系统速度环自调试方法
  • DOI:
    --
  • 发表时间:
    --
  • 期刊:
    电机与控制学报
  • 影响因子:
    --
  • 作者:
    孙欣;肖曦;韩继文;赵守军;王伟华
  • 通讯作者:
    王伟华

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--"}}
  • 发表时间:
    {{ item.publish_year || "--" }}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--"}}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ monograph.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ patent.updateTime }}

其他文献

基于SOC不平衡度的储能装置功率分配方法
  • DOI:
    --
  • 发表时间:
    2016
  • 期刊:
    电力电子技术
  • 影响因子:
    --
  • 作者:
    谭树成;张辉;肖曦;支娜
  • 通讯作者:
    支娜
伺服系统柔性负载建模方法研究
  • DOI:
    --
  • 发表时间:
    2016
  • 期刊:
    中国电机工程学报
  • 影响因子:
    --
  • 作者:
    丁有爽;肖曦
  • 通讯作者:
    肖曦
具有直流电机特性的储能接口变换器控制策略
  • DOI:
    10.13336/j.1003-6520.hve.20171227015
  • 发表时间:
    2018
  • 期刊:
    高电压技术
  • 影响因子:
    --
  • 作者:
    张辉;谭树成;肖曦;支娜
  • 通讯作者:
    支娜
直驱型海浪发电系统输出功率优化控制策略
  • DOI:
    --
  • 发表时间:
    2013
  • 期刊:
    电力系统自动化
  • 影响因子:
    --
  • 作者:
    康庆;肖曦;聂赞相;黄立培
  • 通讯作者:
    黄立培
直驱式波浪发电系统浮子形状与排布优化研究
  • DOI:
    --
  • 发表时间:
    2014
  • 期刊:
    电工电能新技术
  • 影响因子:
    --
  • 作者:
    肖曦;摆念宗;康庆
  • 通讯作者:
    康庆

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--" }}
  • 发表时间:
    {{ item.publish_year || "--"}}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--" }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}
empty
内容获取失败,请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题,我已根据课题信息分析并撰写以下内容,帮您拓宽课题思路:

AI项目思路

AI技术路线图

肖曦的其他基金

阵列式直驱波浪发电系统关键技术研究
  • 批准号:
    52337002
  • 批准年份:
    2023
  • 资助金额:
    230 万元
  • 项目类别:
    重点项目
考虑挠性变惯量负载特性的永磁同步电机控制技术研究
  • 批准号:
    51577095
  • 批准年份:
    2015
  • 资助金额:
    70.0 万元
  • 项目类别:
    面上项目
带复合储能的直驱型海浪发电系统关键技术研究
  • 批准号:
    51177084
  • 批准年份:
    2011
  • 资助金额:
    65.0 万元
  • 项目类别:
    面上项目
基于永磁体状况动态监测的永磁电机控制策略和失磁分析方法研究
  • 批准号:
    50607010
  • 批准年份:
    2006
  • 资助金额:
    27.0 万元
  • 项目类别:
    青年科学基金项目

相似国自然基金

{{ item.name }}
  • 批准号:
    {{ item.ratify_no }}
  • 批准年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号:
    {{ item.ratify_no }}
  • 财政年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目:调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要:

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题,其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子,其表达水平对抗病毒防御至关重要。然而,TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用,影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法,探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用,为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义,并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路:

科学问题:TRIM2如何调控A型流感病毒诱导的IFN-β表达?
前期研究:已有研究表明TRIM2参与抗病毒反应,但其具体机制尚不明确。
研究创新点:本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线:包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术:TRIM2与病毒RNA的相互作用分析,IFN-β启动子活性检测。
实验模型:使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
      
关闭
close
客服二维码