摘要
对大型海上风力涡轮机的精确性能预测需要系统地处理风资源和转子设计参数中的不确定性。在本文中，我们开发了一个基于替代模型的多级不确定性量化（UQ）框架，该框架将基于物理的叶片元素动量（BEM）求解器与光谱多项式混沌展开（PCE）替代模型相结合，以替代昂贵的蒙特卡洛方法，并将其应用于IEA 15 MW海上参考风力涡轮机。该框架还通过Sobol方差分析进行了完整性验证。本文的贡献主要在于方法论层面，而非算法本身：尽管各个组成部分（PCE、Sobol、BEM和Jensen）都已成熟，但将它们集成到一个统一、内部一致的概率工作流中，可以同时实现以下目标：(i) 结合分析性Sobol排序的空气动力学-结构不确定性量化；(ii) 三种参考涡轮机的同类比较；(iii) 雪冰侵蚀的定量研究；(iv) 对同一IEA 15 MW参考转子的阵列级尾流导向优化。由此可以得到一个统一的概率模型，从而可以一致地推断出制造公差、寒冷气候下的投资阈值以及风电场布局/控制的权衡因素。五个输入参数被视为随机变量：轮毂高度处的风速（Weibull分布，k = 2.2, c = 9.8 m/s）、空气密度、叶片弦长、扭转角和转子转速。通过使用N = 5000个Sobol准随机实数进行非侵入式光谱投影，构建了一个四阶稀疏PCE模型，这使得可以从展开系数中解析地获得Sobol指数，而几乎不增加额外成本。三项并行工程研究补充了核心的UQ分析：(A) NREL 5 MW、DTU 10 MW和IEA 15 MW参考涡轮机的对比研究；(B) 四种严重程度下的雪冰堆积定量评估；(C) 具有静态尾流导向功能的25台风力涡轮机阵列的Jensen基尾流优化。主要结果如下：该涡轮机在λopt = 8.51时达到Cp_max = 0.480，年能量产出（AEP）为71,261 MWh（PCE：70,840 ± 2,140 MWh，95%置信区间）。风速是Cp方差的主要影响因素（S1 = 0.412），其次是叶片扭转（0.198）和叶片弦长（0.143）。严重雪冰（30 kg/m）使Cp降低了18.2%，并使叶片根部等效载荷（DEL）增加了18.5%。对于风电场而言，最佳间距（sx = 8D, sy = 6D）可提高风电场效率至89.6%，年能量产出为1296 GWh；15°的尾流导向偏移可进一步增加3.2%的年能量产出。与传统的蒙特卡洛方法相比，稀疏PCE方法在模型评估次数上减少了约36%，相对误差低于0.8%。
