基于应力和光斑实测的碟式聚光系统风扰聚光误差建模与补偿方法技术方案

本发明专利技术公开了一种基于应力和光斑实测的碟式聚光系统风扰聚光误差建模与补偿方法，它是通过同步实测风环境信息、聚光系统结构关键应变和聚焦光斑质心位移值，再以采集的大量数据信息进行神经网络训练得到高精度预测模型，该模型更符合碟式聚光系统实际服役情况，避免了采用有限元模型风振响应模拟动态聚光的不准确性和复杂性；通过实测风振动态聚焦光斑处理的质心平均位移值，即考虑了风载下支撑立柱、驱动丝杆和支撑桁架等结构变形导致的视日指向误差，也能考虑聚光器反射镜面的变形引起的聚光误差，根据预测的质心平均位移值进行跟踪补偿或接收器位置调节，实现风扰下接收器的能流分布“保持”，具有预测精度高和补偿效果好的优点。的优点。的优点。

【技术实现步骤摘要】
基于应力和光斑实测的碟式聚光系统风扰聚光误差建模与补偿方法


[0001]本专利技术属于太阳能聚光热发电领域，尤其是涉及一种基于应力和光斑实测的碟式聚光系统风扰聚光误差建模与补偿方法。

技术介绍

[0002]太阳能是清洁环保、储量巨大和分布广泛的可再生能源，开发和利用太阳能资源进行太阳能聚光热发电是实现未来能源结构升级的重要途径之一。碟式聚光系统是太阳能聚光热发电中的一种光学装置，它能将低密度太阳光能聚集到较小面积的接收器上形成高密度能量，使工质获得更高温度，从而提升整个太阳能热发电系的光
‑
电能量转换效率，例如碟式/斯特林热发电系统中采用了上述碟式聚光系统。
[0003]然而，碟式聚光系统工作在开阔地带，由于它具有迎风面积非常大和透风性差等特点，服役时的光学性能受风载荷影响非常敏感。风载荷作用导致的结构变形将产生镜面斜率误差和指向误差，进而显著恶化其聚焦性能和接收器能流密度分布等光学性能指标。尤其是商业电站苛刻的要求碟式聚光系统能在一定风速内(通常为六级~八级风速内)正常聚光发电运行，这给其安全、高效运行带来更加严峻的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于应力和光斑实测的碟式聚光系统风扰聚光误差建模与补偿方法，其特征在于：包括以下实施步骤：步骤S01：在无风天气下，校正实验用碟式聚光系统的高度
‑
方位双轴跟踪误差，使视日程序跟踪下碟式聚光系统能准确跟踪太阳位置；步骤S02：在实验用碟式聚光系统中的支撑立柱、实现高度角跟踪的驱动丝杆和与聚光器连接且与驱动丝杆铰接的支撑桁架上粘贴若干测量结构应变的应变传感器；其中，粘贴在支撑立柱的周向均匀分布的应变传感器包含与支撑立柱轴线平行的N个应变传感器A和与支撑立柱轴线垂直的N个应变传感器B，单个应变传感器A与单个应变传感器B组成相互垂直的T形分布；粘贴在驱动丝杆的应变传感器C沿其轴线方向平行且沿周向均匀分布；粘贴在支撑桁架的若干应变传感器D位于其上弦杆和下弦杆的受压力应力的表面，且与支撑桁架的长度方向平行；步骤S03：在晴朗天气下碟式聚光系统处于聚光运行状态，连续实时测量碟式聚光系统所处环境的风速和风向角参数，并同步采集粘贴的所有应变传感器的应变值和采用CCD相机采集安装在碟式聚光系统焦平面的平面接收靶表面的聚焦光斑图像；上述的数据采集频率均设定为f；步骤S04：对现在时刻之前的T1时间段内采集的风向数据进行处理，得到风向波动区间占比η为：；式中，E
z
是此时间段内采集的总风向角数据量，满足E
z
= T1×
f；θ
a
是此时间段内的平均风向角；函数的功能是统计风向角落在范围内的数据次数；θ
b
是设定的角波动范围值；步骤S05：当η小于设定的需求占比η1时，间隔时间T2后再转到S04重新计算η；当η≥η1时，对现在时刻之前的T1时间段内测量的风速、应变和聚焦光斑进行统计处理，首先得到平均风速V
a
和风速波动值S
v
分别为：；式中，V
i
是统计时间段内第i次采集的风速值；统计得到任意应变传感器c的平均应变值σ
a
‑
c
和应变波动值S
σ
‑
c
分别为：；式中，σ
a
‑
c
‑
i
是应变传感器c在统计时间段内第i次采集的应变值；统计得到平面接收靶表面聚焦光斑质心的平均位移值A
xc
和A
yc
分别为：
；式中，x
i
和y
i
是在统计时间段内第i次采集的聚焦光斑的质心坐标；最后，将聚光器平均高度角、以及上述处理得到的统计结果数据以行为单位存储在数据库A中，该行数据依次为平均高度角、平均风向角θ
a
、平均风速V
a
、风速波动值S
v
、应变传感器1~N
t
的平均应变值、应变传感器1~N
t
的应变波动值、质心平均位移值A
xc
和A
yc
，每行总共有4+2
×
N
t
+2个数据，其中N
t
为所有粘贴应变传感器的总数量；平均高度角为此统计时间段内高度角的平均值，每个时刻的高度角值可以从碟式聚光系统的程序跟踪中获取；步骤S06：当数据库A中存储的数据足够时，采用神经网络预测算法对数据库A的数据进行训练，并获得预测模型，实现平均高度角加现场实测风速和风向角为输入、或者平均高度角加实测若干测点的应变值为输入，即可预测出风扰工况下碟式聚光系统的聚焦光斑质心的平均位移值A
xc
和A
yc
：根据实测的输入值不同，分为以下两类预测模型建立过程：当采用平均高度角加现场实测风速和风向角为输入时，以行为单位将数据库A中的数据按照8:2的比例分为训练数据集和测试数据集，采用神经网络预测算法对数据库A进行训练，训练时以每行的平均高度角、平均风向角、平均风速V
a
、风速波动值S
v
为输入值，以每行的质心平均位移值A
xc
和A
yc
为输出值，获得预测模型；当采用平均高度角加实测若干测点的应变值为输入时，实施步骤如下：步骤T01，将高度角0~90
°
等分成M个高度角区间，则第m高度角区间的取值范围是β
m
∈[(m
‑
1)
×
90
°
/M, m
×
90
°
/M)，m为1至M的整数；步骤T02，将数据库A中的数据以平均高度角值进行分类，即将平均高度角值位于相同第m高度角区间的一行有用数据放在一个新的数据包B
m
中，每行有用数据包括平均高度角、应变传感器1~N
t
的平均应变值、应变传感器1~N
t
的应变波动值、质心平均位移值A
xc
和A
yc
，每行总共有1+2
×
N
t
+2个数据；数据库A全部分类完成后得到M个新数据包，依次记为数据包B1~数据包B
M
；步骤T03，对任意新的数据包B
m
进行应变测点重要性分析，即以数据包B
m
中每行应变传感器1~N
t
的平均应变值和应变波...

【专利技术属性】
技术研发人员：颜健，宋天池，习毅，周炜，刘永祥，
申请(专利权)人：湖南科技大学，
类型：发明
国别省市：