风速分布（精选4篇）
风速分布 篇1
1 引言
随着世界各国对环境保护、节能减排、可持续发展等问题的日益关注,可再生能源发电技术越来越受到人们的重视。风能作为一种清洁无污染的可再生能源,已经具有与传统常规能源发电竞争的潜力,越来越多的国家把发展风力发电作为改善能源结构和保护生态环境的一种措施。由于风电具有随机性、波动性和间歇性的特点,使得风电场的输出功率波动很大,当其穿透功率达到一定比例后,将对电网的安全稳定运行带来严重影响[1,2,3]。因此,为了优化电网调度,减少旋转备用容量,提高风电穿透功率极限,满足电力市场交易需要,有必要对风电的分布特性进行研究。
体现风电统计特性的一个重要形式是风速的概率分布特性。按照时间尺度不同,风速分布特性有短、中和长周期之分,而绝大多数研究都涉及中长周期,如年、季或月[4]。中长周期的风速概率分布模型主要应用于风电场风资源评估、风电场规划与建设、发电系统可靠性评估等,它是从长期统计数据出发,用数学统计模型实现对风况的描述。中长周期的风速分布一般近似为正偏态分布,风力愈大的地区,风速分布曲线愈平缓,峰值降低右移,即风力大的地区,大风速所占比例也大。由于地理气候特点的不同,各地域的风速分布规律也呈现多样性。
本文较全面地综述了各种风速概率分布模型的特点,以威布尔分布模型为例,总结了常用参数估计方法的优缺点,并对我国的风电分布特性研究与开发工作提出了一些建议。
2 风速概率分布模型
目前,用于拟合风速概率分布的模型很多,有伽马分布、对数正态分布、瑞利分布、威布尔分布、Burr分布等,其中双参数威布尔分布模型应用最为广泛。下面分别对各种分布模型的概率密度函数、累积分布函数以及其优缺点等进行简要介绍。
2.1 伽马(Gamma)分布模型
风能开发利用中,最早用于拟合风速分布的模型是伽马分布,它考虑风速作为离散的随机变量。伽马分布几乎可以拟合欧洲大陆任何地面的风速分布情况[5],其概率密度函数为[6]
式中,v为风速,单位:m/s;k为形状参数,无量纲;c为尺度参数,单位:m/s;Γ为gamma函数。其数学期望μ和方差σ2与参数之间的关系分别为
伽马分布的累积分布函数为[3]
式中,Γv/c为不完全gamma函数。
2.2 对数正态(Log-normal)分布模型
除伽玛分布以外,早期还常用对数正态分布来拟合风速频率分布,其概率密度函数为[7]
式中,v为风速,单位:m/s;c为变量v对数的平均值;k为变量v对数的标准差。其数学期望μ和方差σ2分别为
对数正态分布的累积分布函数为[7]
由于对数正态分布能从多方位的角度对风速分布进行描述,消除数据中的异方差和避免数据变化带来的剧烈波动,大体上能说明风能资源分布情形,但它趋近于无穷大,永远不可能与x轴、y轴相交,导致在低风速和高风速情形下的风速频率拟合效果较差,目前不提倡采用该分布模型[8]。
2.3 瑞利(Rayleigh)分布模型
瑞利分布也常用来拟合风速分布,它是威布尔分布的一个特例。得到某一特定地点一年或甚至更长时间内的风速数据之后,瑞利分布能够以适当的精度来描述风速的分布情况。它所需要的最重要参数是风速的平均值。当平均风速小于4.5m/s时,瑞利分布的可靠性较差;而当平均风速小于3.6m/s时,瑞利分布根本不适用。瑞利分布的概率密度函数为[9]
式中,v为风速,单位:m/s;c为尺度参数,单位:m/s。其数学期望μ和方差σ2分别为
瑞利分布的累积分布函数为[9]
瑞利分布可以合理地描述一些地方风速的特性,但它并不对所有的地点完全适用。普遍公认按瑞利分布得出的结果与实际情况的误差在10%左右,在缺乏更好的数据情况下,可以使用瑞利分布来估计风能[10]。
2.4 威布尔(Weibull)分布模型
威布尔分布模型对不同形状的频率分布有很强的适应性,能较好地描述风速的分布,因其形式简单、计算方便,目前在工程中的应用最为广泛。其概率密度函数为[11]
式中,v为风速,单位:m/s;k为形状参数,无量纲;c为尺度参数,单位:m/s。其数学期望μ和方差σ2分别为
其累积分布函数为[11]
k反映分布曲线的峰值情况,若风速数据的方差较小,则k取值很高,分布曲线的形状也比较陡。当0
2.5 Burr分布模型
近年来,Burr分布也逐渐成为拟合风速分布的模型,它有较好的拟合效果[13,14],但是计算量较大,计算费时。Burr分布的概率密度函数为[13]
式中,v为风速,单位:m/s;α为形状参数;β和k为尺度参数,单位:m/s。其数学期望μ和方差σ2分别为
Burr分布的累积分布函数为[3]
总之,采用哪种风速概率分布模型,要根据该地区的风资源具体情况而定,因地理气候特点的不同,各地域的风速分布规律也不尽相同。
3 常用的参数估计方法
上述各种风速分布模型,只要确定了相关参数,其具体形式就可以确定出来。目前,用于参数估计的方法主要有最小二乘法、极大似然法、矩估计、最小逼近法等。下面以威布尔分布为例,介绍几种常用的参数估计方法。
3.1 最小二乘估计
早在1978年Justus等[15]采用最小二乘法估计参数,以误差平方和最小为目标寻找一组数据的最佳函数拟合。由式(16)可得
令a=-klnc,b=k,x=lnv,则式(21)可转化为y=a+bx的形式。令
式中,n为采样数据样本总数。
对式(22)求各参数的导数,并令导函数为零,求解正则方程组得到参数k和c的值。文献[16,17]结果表明,采用最小二乘法求解风速概率分布的参数,计算比较方便、简单、易于实现,但是其计算精度不高。
3.2 极大似然法
Ramrez等[18]采用极大似然法,根据子样观察值出现的概率最大的原则,求取母体中未知参数的估计值。由式(16)构造对数似然函数
令
得到包含参数k和c的方程组,解出k、c值即可。
极大似然法估计虽具有渐近无偏性、一致性、渐进有效性,其计算精度高[19],但是两个方程均为超越方程,且相当复杂,需利用迭代法经编程求解,其结果对初值十分敏感[20]。此外,当k值较小时,迭代不易收敛甚至无解[21]。因此,该法难以作为一个易行、普适的方法予以应用。
3.3 矩估计法
刘鹏等[22]采用矩估计法,认为服从威布尔分布的随机变量的各阶矩仍服从威布尔分布,故可用r阶样本矩代替总体r阶矩,求解由所有以未知参数为自变量的矩方程组,便可得到总体未知参数的估计值,此估计值即为参数的矩估计。双参数威布尔分布的r阶原点距mr为
设s为平均风速样本标准差,珋v为平均风速样本均值,则可以由矩估计定义推导出
式(26)无法直接求出解析解,可通过数值法计算得到k值。矩估计的优点在于它的简单性,意义明确,缺点是不能完全利用样本的信息,但是其精度明显高于最小二乘法、最小误差逼近法[23]。
3.4 最小误差逼近法
吴学光等[24]采用最小误差逼近法,较准确地反映特定风电场的实际风速分布。以式(27)为目标函数进行参数寻优
式中,fi、pi为第i个风速的威布尔分布概率和实际分布概率;ε为容许误差。
首先假定k值,利用式(25)计算c值,并代入式(13)计算fi,由实际风速数据统计出pi,将二者代入式(27),然后判断是否成立。若不成立,如此循环;若成立,则所得的k、c值即为最优估计。
最小误差逼近法一般需编程求解,探求的分布函数可以达到与实测分布在形态上相似,但其结果对于风能特征指标只是理论发电量的计算,计算精度较低[23]。
4 分布模型和参数估计方法的比较
前文所述的各种风速概率分布模型的简要总结见表1。常用的参数估计方法的优缺点比较见表2。
5 结论
大量研究表明,双参数Weibull函数能较好地拟合中长周期(如年或部分月份)风速分布,但是当需要研究更短周期或某些特殊时段的风速概率分布特性时,由于气候变化等随机因素对分布影响明显增强,导致出现两峰甚至三峰分布情况[12],其规律已很难用双参数Weibull函数准确逼近。因此,作者建议今后的工作重点应放在短周期风速分布特性研究上,具体方法可以采用多种分布相结合,或者多参数威布尔分布建模等,考虑从提高参数估计的计算速度、计算精度以及简化分布模型的复杂程度等方面进行改进。总之,获取高拟合精度的风速分布模型,不仅有助于预判风速、风电功率变化趋势,减少常规电源调度计划安排的偏差,而且对提高系统的风电接纳能力,促进风能的大规模开发利用等起到重要作用。
风速分布 篇2
关键词：极值风速,概率模型,参数估计,优度拟合检验,辽宁省,沿海地区
辽宁省海岸线东起鸭绿江口西至绥中县的老龙头, 全长2 294.4 km, 占全国海岸线长的12%。大风灾害是辽宁沿海地区最严重的气象灾害之一, 夏季的台风和冬季的寒潮是造成该地区出现大风的主要因素。由于辽宁沿海地区经济比较发达, 大风造成的危害是非常严重的[1]。大风不仅自身具有巨大的破坏性, 还会带来严重的次生灾害, 威胁人民的生命财产安全, 甚至影响社会稳定和经济发展。同时, 大风也是工程建设与规划中必须慎重考虑的气象要素。因此, 研究辽宁省沿海地区极值风速的概率分布特征, 对于该地区大风灾害防御工作有重要意义。
本文基于经典极值理论的GEV模型, 利用辽宁省沿海地区国家气象站的风观测资料, 对该地区极值风速的概率分布特征进行统计分析。
1 资料与方法
1.1 资料
本文的极值风速是指年最大风速, 最大风速是指给定时段内10 min平均风速的最大值, 年最大风速由风自记资料统计获得, 而风自记资料来源于辽宁省气象档案馆。共选取辽宁省沿海地区16 个站的资料, 时间范围为1980—2014年。抽样采用AM法 (Annual Maximum) , 即每年取一个最大值组成一个新序列。
1.2 GEV模型及其参数估计
经典极值理论起源于1928 年Fisher和Tippett的研究, 自20 世纪30 年代开始, 极值理论在气象、水文、地震、保险等领域得到了广泛的应用[2,3,4]。
根据Fisher—Tippett的极值类型定理, 设x1, x2, …, xn是独立同分布的随机变量序列, 其极值的渐进分布趋于下列3种极值分布类型中的一种, 即极值Ⅰ型 (Gumbell分布) 、极值Ⅱ型 (Fréchet分布) 、极值Ⅲ型 (Weibull分布) 。
上述3 种模型得到了广泛的实际应用, 但在应用中发现有一个难点, 就是对于给定的极值序列, 很难确定该极值序列的分布是上述3 种分布的哪一种。如果分布类型选择不当, 将会导致严重的偏差。1955 年, Jenkinson提出了广义极值分布模型 (Generalized Extreme Value Distribution, 简称GEV) , 解决了这个难题。 他将上述3 种类型的分布函数统一成一种形式, 广义极值分布的分布函数为:
式 (1) 中, α 为尺度参数, α>0;β 为位置参数, -∞<β<∞;k为形状参数, -∞<k<∞, 也称k为GEV分布的极值指数 (EVI) , k值的大小决定GEV分布的具体类型:当k=0 时, F (x) 为Ⅰ型极值分布, 即Gumbell分布;当k<0 时, F (x) 为Ⅱ型极值分布, 即Fréchet分布;当k>0 时, F (x) 为Ⅲ型极值分布, 即Weibull分布;GEV分布参数估计的方法包括极大似然估计法、矩估计法、概率加权矩法、L-矩法等, 本文采用L-矩法来估计极值分布的参数。L-矩法是由Hosking在概率权重法的基础上发展起来的, 其参数估计精度与极大似然法相当, 且统计方法较简单, 最大特点是对序列的极大值和极小值没有长规矩那么敏感, 其求得的参数估计值的稳健性较强[5]。
对于给定的样本长度为n的序列x1, x2, …, xn, 将样本按照从小到大的顺序排列, 即x (1) ≤x (2) ≤…≤x (n) , 则样本的前三阶矩可以如下计算[6]:
GEV分布参数的估计公式为[7]:
1.3 拟合优度检验
拟合优度检验有多种方法, 本文选取Kolmogorov-Smirnov (K-S) 检验法来进行拟合优度检验, 由于K-S法不是分区间来检验样本得到经验分布函数Fn (xi) 与理论分布F (xi) 之间的偏差, 而是对每一点都检验Fn (xi) 与F (xi) 之间的偏差, 因此, K-S检验法相对比较准确。
假设理论分布函数F (x) , 根据样本数据计算的经验分布函数Fn (x) , 检验统计量D=MAX|Fn (x) -F (x) |。Dα (n) 为给定的显著性水平 α 下, 样本量为n时的K-S检验的临界值, 可以通过查K-S临界值表获得。如果D<Dα (n) , 则认为样本所在的总体分布在显著性水平 α 下与理论分布F (x) 无显著差异, 理论分布与样本数据拟合良好。
本研究所有站点的样本长度均为35 年, 这样, 在显著性水平为0.01 下, K-S临界值为0.27。
1.4 重现期估算
重现期极值风速的估算是工程设计的一个重要参数, 也是研究极值分布特征的重要目的之一。重现期是在一定年代的记录资料统计内, 大于或等于某量级的要素出现一次的平均间隔时间。它是概率意义上的徊转周期, 本质是概率分布右侧的小概率问题。对于GEV分布, 重现期T年下的极值估算可采用下式[8]:
2 结果与分析
利用16 个站点的最大风速资料, 进行了GEV分部模型拟合, 计算得到的GEV模型参数估算值和K-S检验统计量列于表1 中。可以看出, 所有站点的K-S检验统计量均小于其临界值0.27, 全部通过了柯尔莫科洛夫检验, 表明辽宁省沿海地区极值风速符合GEV分布。
图1 给出了葫芦岛、盖州、旅顺、皮口4 站点的GEV概率分布模型拟合情况, 通过累积频率理论值与经验值的对比图可以看到模型拟合效果良好。
注:a为葫芦岛, b为盖州, c为旅顺, d为皮口。
GEV形状参数值的大小决定分布的类型, 由表1 可知, 大洼、皮口、东港的形状参数值小于0, 其他13 个站点的形状参数值均大于0, 说明辽宁省沿海地区极值风速分布多服从极值Ⅲ分布。
从表2 可知, 在15 年重现期下, 极值风速在12.5~27.8m/s之间; 在30 年重现期下, 极值风速在16.1~24.4 m/s之间;在50 年重现期下, 极值风速在16.4~30.6 m/s之间;在100 年重现期下, 极值风速在16.8~31.8 m/s之间。 在这16个站中, 旅顺在不同重现期下的极值风速是最大的, 而绥中则是最小的。
3 结论
辽宁省沿海地区极值风速符合GEV分布, 从GEV形状参数值的大小看, 该地区极值风速分布多服从极值Ⅲ型分布。辽宁沿海地区不同站点重现期下的极值风速变化很大, 其中, 旅顺在不同重现期下的极值风速最大, 而绥中则最小。
参考文献
[1]孟莹.辽宁大风气候特征及风能资源分析[D].南京:南京信息工程大学, 2005.
[2]李明辉.极值理论在气象中的应用[D].扬州:扬州大学.2010.
[3]王灿.基于极值统计的洪水频率分析模型及其应用研究[D].长沙:湖南师范大学.2013.
[4]柳会珍.统计极值理论及其应用研究进展[J].统计与决策.2006, 8 (1/2) :150-153.
[5]蔡敏.L-矩估计方法在极端降水研究中的应用[J].气象科学, 2007, 27 (16) :597-603.
[6]佘敦先, 夏军, 张永勇, 等.近50年来淮河流域极端降水的时空变化及统计特征[J].地理学报, 2011, 66 (9) :1200-1210.
[7]金光炎.水文水资源计算务实[M].南京:东南大学出版社.2010.
风速分布 篇3
随着我国经济的快速发展,高层建筑越来越多的出现在城市建筑群中,它们给城市添上一道靓丽的风景线的同时也带来了一些问题。近年来,重特大高层建筑火灾频发:2008年1月,乌鲁木齐德汇国际广场发生火灾,共造成3名消防队员和2名平民死亡,火灾直接财产损失3亿元人民币;2009年2月9日,央视北配楼发生火灾,直接经济损失1.6亿元据统计[1];2010年11月15日,上海静安区胶州路一高层住宅发生火灾,58人遇难,70余人受伤。高层建筑火灾发生后扑救难度大,由于灭火装备施救高度有限,难以从外部实施有效的火灾扑救[2]。
国内外学者对高层建筑火灾的研究主要集中在建筑物内部的火灾蔓延、烟气流动和人员疏散等方面[3,4,5],对火灾中产生的高温烟气和有毒气体在周围环境中的扩散讨论较少。目前,城市建设用地的日趋紧张,特别是一些大城市,土地资源非常宝贵。如何确定相邻建筑物之间的距离,使其不受火灾中产生的高温烟气和毒气的影响,具有非常重要的意义[6]。2009年2月9日,位于北京市东三环的中央电视台北配楼由于擅自燃放烟花酿成火灾,火灾持续六个小时,对位于北配楼相距约100m的央视主楼的安全受到了人们的广泛关注[7]。
笔者以央视北配楼火灾为背景,应用火灾动力学软件FDS,对不同风速下高层建筑火灾进行模拟分析。通过分析火灾过程中的温度场、烟气浓度分布及CO浓度分布,为现实中相邻高层建筑的火灾救援和不同地区不同气候条件下确定防火间距提供理论依据。
2火灾模拟场景设定
2.1央视北配楼火灾介绍
工程总建筑面积103648m2,最高标高159m,建筑标准层高4.0 m。央视新址北配楼着火后,燃烧主要集中在钛合金下面的保温层,具有表皮过火的特点。火灾中保温材料燃烧导致火势沿屋面蔓延,引起内部材料二次燃烧。大楼保温层使用的材料是国家推荐使用的新型节能保温材料,这种材料燃烧后过火极快,因此瞬间从北配楼顶部蔓延到整个大楼[8]。
2.2FDS火灾模型介绍
模拟实验重在分析火灾蔓延进入稳定阶段以后温度和烟气分布状况。根据火灾表皮过火的特点建立FDS火灾模型(见图1)。模型过火表面主要使用泡沫代替实际火灾中主要燃烧的保温材料、隔音材料、装饰材料等。燃烧过程中很多玻璃破碎使过火面呈现很多矩形的镂空。受到模拟软件的限制,将过火面近似为由水平距离为2.5m、垂直距离为2m的泡沫网(图2、3),泡沫条宽为1m,厚度为0.5m。模型的主要支撑结构为混凝土,大楼尺寸为长×宽×高=50m×43m×100m,模拟时间为800s。在模型周围空气中探点水平距离为1m,垂直距离为2m。火源高度为27m,功率为3MW。
具体实验模型如下:
在实验中探点的布置主要是分布在大楼外部,所以网格体积空间尺寸大于大楼的实际尺寸。受到计算机的性能的限制,为保证计算的精度,实验中将整个模拟空间划分为三个区域(如图1)。靠近着火面和布置有探头的区域内需要的计算精度大,网格大小为1m×1m×1m:其它区域计算精度可以稍微小一些,网格大小为1m×1m×4m。实际网格参数参见表1。
2.3模拟风速设置
模拟实验主要是为了得到在不同风速下空气温度、烟气浓度、CO浓度在环境中的分布状态变化规律。由于国内大部分地区年平均风速不大于6m/s[9],所以实验中设置最小风速为0m/s,最大风速为6m/s,每增加1m设置一组实验,共七组实验。
3实验结果及分析
3.1火灾初期温度分析
火焰从火源蔓延至楼顶,扩散速度可以高达3-4m/s。实验测得:在无风情况下,楼顶温度在13s时开始变化,从13-225s空气温度一直保持在100-300℃之间,225-400s空气温度由300℃上升到800℃,之后气体温度稳定在800-900℃;当风速为6m/s时,楼顶温度在11s时开始变化,升高到140℃后又迅速下降到接近环境温度,然后不断上升,在203s时空气温度已经达到了800℃,之后空气温度稳定在800℃左右(图4)。在无风时,火源处燃烧产生的高温烟气几乎贴近墙面垂直升高,到达楼顶,共用时间13s,上升高度为72m,上升速度5.5m/s。在接下来的212s内,墙面物质还没有开始燃烧,空气温度没有明显升高,受到下面已经开始燃烧的物质产生的高温气体上升造成的影响,温度在一个范围内波动。有风时受到空气水平方向流动的影响,下面已经燃烧的物质产生的高温气体倾斜上升,因此在一段时间内楼顶温度接近环境温度;由于火势向上蔓延,探点温度逐渐升高,较无风时相比,空气温度没有出现在一段时间内稳定波动的现象。最后探点的温度都趋于稳定,但是从图4中可以看出风速为6m/s比无风状态下提前约200s进入稳定状态,这说明有风时火灾蔓延的速度快。
3.2火灾稳定期空气温度分析
3.2.1 物质燃烧的基本过程
模拟实验中可燃物都是固体,燃烧过程是:受热后首先分解,析出气态或液态产物,然后气态产物和液态产物的蒸气发生氧化后着火燃烧。燃烧的火焰属于扩散火焰,可燃气与空气边混合边燃烧,由于燃烧不充分会产生碳粒,碳粒在高温下辐射出黄色光而使整个火焰呈黄色[10]。
3.2.2 火焰位置分析
火焰温度中心在空间的具体位置和中心温度的高低直接影响到周围建筑物接收到的热辐射和热对流的强度,因此了解风速对火焰温度中心位置和温度高低的影响就很有必要。
实验模拟中,不同风速下火灾在400s以后都进入稳定阶段,选取700-800s这段时间内的温度作为分析对象。对每个探点温度进行统计,每隔0.8s记录一次,每个探点共记录数据126个。取同一平面上平均温度最高的探点将其连接,所绘图形可以认为是从楼顶到143m之间火苗温度中心的位置,火灾稳定后不同风速下的火焰中心位置曲线如图5所示。图6是风速为0m/s状态下时间在800s时的实际火焰侧视图,与图5中风速为0m/s的火焰中心位置曲线基本吻合。
图5显示,不同风速下火苗的位置并没有发生很大的变化。在风速小于3m/s时,风速的变化对火苗温度中心的偏移有比较明显影响;当风速大于3m/s时,继续增加风速,温度中心偏移的量并不明显。图中风速在3-6m/s之间的火焰中心位置曲线比较集中,很多部分出现了重合。每条曲线的变化过程基本相同,可以依据温度中心随高度变化的水平偏移量,将曲线分为三个部分。温度中心随高度变化的水平偏移量计算方法如下:
η=ΔD/Δh (1)
式中:η—温度中心随高度变化的水平偏移量;
Δd—水平方向的偏移增量,m;
Δh—垂直方向的高度增量,m。
第一部分由于离着火面很近,最高温度都在离着火面水平距离4m的范围内,η值通常比较小,实验中得到0<η<0.25,位置在离着火面水平距离区间在1-4m范围内。风速越大这部分曲线越短,当风速为5m/s时,这部分曲线几乎消失。第二部分温度中心偏移量是整条曲线中最大的,实验中得到的η值都在2左右,位置在离着火面水平距离区间在4-10m范围内,曲线长短随风速的增加而增加。每条曲线的第三部分变化趋势基本上相同,实验测得0.3<η<0.4,位置离着火面水平距离区间在10-24m范围内。由于计算机性能有限,实验中并没有将火焰整个部分都设置探点,因此图5中的曲线是不完整的,笔者认为曲线应该还存在第四部分,这部分曲线η<0.3,并且将随着距离的增加而减小,最终趋近于0。
探点所在区域网格大小为1m×1m×1m,探点间水平方向距离为1m,垂直方向距离为2m。笔者认为这些距离都偏大,对曲线的精确度有较大影响,在网格大小和探点间距都合适的情况下,测得的火焰中心位置曲线可能是一条抛物线。
3.2.3 火焰温度分析
空气水平方向的流动影响了火焰中心的偏移,同时带来的新鲜空气中所含的大量氧气增强了燃烧的剧烈程度。实验中测得无风时火焰最高温度为831℃,风速为6m/s时火焰最高温度为1126℃,高出无风条件下295℃。根据斯忒藩-波尔兹曼定律:
Eb=εσbT4 (2)
式中:Eb—物体热辐射能流密度,单位为W/m;
ε—发射率,与材料有关,黑体的ε=1;
σb—斯忒藩-玻耳兹曼常数,σb=5.67×10-8]W/(m);
T4—物体的绝对温度。
通过计算,在相同条件下,风速6m/s的Eb(6)是无风时Eb(0)的2.58倍,这说明在同一位置风速为6m/s时受到的热辐射强度是无风的2.58倍。可见环境风速对火灾危害的影响是很明显的。
通过不同风速下,高度与火焰中心温度关系曲线(见图7),可以发现火焰温度整体上随着垂直高度的增加而上升,但是在局部也有温度先上升,再下降,再上升,再下降这个过程。在无风时这个过程表现的最明显,在95-97m这个区间内温度迅速上升;在97m以后温度成下降趋势,在107m处达到最低;之后温度缓慢上升,在大概141m处达到最高,之后温度曲线开始下降。受到条件的限制,实验中没有得到下降部分的完整曲线。曲线中先下降再上升这个过程随着风速的增加,表现的越来越不明显。从风速为3m/s开始,就没有明显的下降过程,但是还是受到一定的影响。风速为2m/s的曲线温度升高幅度最大,高度为95m处的温度为671℃,在高度为141m处温度达到最高值1034℃。风速在1-2m/s范围内,对温度的影响最明显,风速虽然只增加了1m/s,但是最高温度增加了145℃。 从无风到风速为1m/s这个范围内最高温度增加了58℃。风速从2m/s增加到6m/s最高温度只增加了97℃。
风速对同一高度平面上的空气温度分布也会造成影响,图8是时间为700-800s,高度为141m处,风速分别为0m/s、2m/s、6m/s的平均温度与离着火面水平距离变化曲线。当无风时高温气体以温度中心为轴对称分布,有风时轴对称分布受到影响,风速越大迎风面温度升高越平缓,背风面温度下降越快,但是受影响范围增加。实验测得:风速6m/s时,在离着火面46m处空气温度仍然高达66℃;当风速为2m/s时在离着火面35m处空气温度为64℃,离着火面46m处空气温度是22.5℃。
3.3火灾稳定期烟气分析
3.3.1 火灾中烟气的形成和组成
火灾中烟气主要是由可燃物在空气中的燃烧和热分解反应形成的。受到FDS软件的限制,实验中测得的烟气主要是指燃烧产生的碳粒。
3.3.2 烟气位置分析
烟气是伴随着燃烧产生的,但是烟气浓度中心位置与火焰温度中心位置并不完全相同。图9是统计得到的不同风速下的烟气浓度中心位置曲线,与图5相比,在高度达到131m以后曲线的位置及走势基本相同,而高度在95-103m这个范围内的曲线形状却是完全不同。在靠近楼顶的这个范围内,不同风速下的烟气浓度中心位置基本相同。从95-99m的范围内烟气浓度中心是贴近着火面的,这种现象说明着火表面的烟气浓度最高。从99-103m的范围内烟气浓度中心都出现了大幅度偏移,并且风速越大,偏移幅度越大,无风时偏移了5m,风速为6m/s时偏移了7m。103-143m的范围内偏移量随着风速的增加而增加,在0-3m/s的区间内风速的变化对偏移量的影响是很明显的,但是在3-6m/s的区间内风速的变化对偏移量的影响就减弱了,图9中3-6m/s的四条曲线在同一高度上距离均不超过1m。
3.3.3 烟气浓度分析
烟气中心浓度随高度增加先升高,再降低。有风时,在95-99m范围内,浓度随高度增加而上升,在99m处达到最大,在99-103m处变化浓度快速下降,从103m开始高度增加浓度缓慢下降(如图10),其中风速小于2m/s时浓度下降幅度较大。在同一水平面上,浓度随风速增加升高。在风速小于2m/s时浓度受风速的影响较为明显,在风速为2-6m/s时浓度受风速影响较小。这与中心温度受风速的影响规律基本相同。
图11是时间为700-800s,高度为141m处,风速分别为0m/s、2m/s、6m/s的平均烟气浓度与离着火面水平距离变化曲线,与平均温度离着火面水平距离变化曲线(图8)变化规律基本相同。风速越大,空气中烟气浓度越高。当风速为6m/s时在离着火面46m处烟气浓度为12.05mg/m3,是风速为2m/s时该处烟气浓度的26倍。
3.4火灾稳定期CO浓度分析
不同风速下的CO中心位置和浓度(见图12、图13)与烟气中心位置和浓度随高度变化关系(见图9、图10)基本相同,但是CO浓度要远远高于同一位置的烟气浓度。风速小于2m/s时CO中心浓度受到风速的影响明显,在风速为2-6m/s时CO中心浓度受风速影响较小,图13中该区域曲线比较密集。
火灾中风速越大,周围环境中的CO浓度越高。图14是时间为700-800s,高度为141m处,风速分别为0m/s、2m/s、6m/s的平均CO浓度与离着火面水平距离变化曲线,风速为6m/s时CO浓度比无风时的浓度要高出很多。该曲线在离着火面水平距离大约10m处开始迅速上升至最大值,然后又迅速下降,在离波峰约10m处浓度就已经接近于0。风速为6m/s时测得离着火面23m处的浓度最高为21.88g/m3,在离着火面33m处的浓度只有0.16g/m3。
CO浓度的迅速升高和降低说明在温度较高的位置发生了可燃物质的氧化分解产出大量CO,然后CO与O2反应生成CO2,同时仅有少量的CO向外扩散至周围环境中。
4结论
通过对以央视北配楼火灾为背景的高层建筑火灾的大涡模拟,分析了不同风速下温度、烟气、CO在周围环境中的分布状态。结果表明:
(1)火焰温度中心、烟气浓度中心、CO浓度中心离着火面的水平距离与高度有关,高度不同各中心的位置不同。
(2)火焰温度中心、烟气浓度中心、CO浓度中心离着火面的水平距离与风速有关,风速越大向顺风方向偏移越远,风速小于3m/s时偏移增量随风速变化较明显。
(3)风速越大同一位置温度、烟气浓度、CO浓度值越大。当风速小于2m/s时各值增量随风速增加明显。
(4)温度较其他因数对防火间距的影响更大。
致谢:特别感谢指导本次实验的吴建星教授。
参考文献
[1]司戈.中国高层建筑火灾[J].消防科学与技术,2010,29(10):863-870SI Ge.China's high-rise buildings fire[J].Fire Sci-ence and Technology,2010,29(10):863-870
[2]齐鹏.高层建筑的火灾特性与防控对策研究[J].科技创新导报,2009,(34):48-48QI Peng.The fire characteristics and the prevention andcontrol measures about the high-rise building[J].Sci-ence and Technology Consulting Herald,2009,(34):48-48
[3]姜蓬,邱榕,蒋勇.基于数值模拟的某大厦特大火灾过程调查[J].燃烧科学与技术,2007,13(1):76-80JIANG Peng,QIU Rong,JIANG Yong.Investigation ofa Mansion Fire Based on Numerical Simulation[J].Journal of Combustion Science and Technology,2007,13(1):76-80
[4]周汝,何嘉鹏,蒋军成,等.高层建筑火灾时烟气温度扩散的数值模拟[J].南京工业大学学报(自然科学版),2007,29(1):40-43ZHOU Ru,HE Jia-peng,JIANG Jun-cheng,et al.Computational simulation of smoke temperature diffusingin high-rise building fire[J].Journal of Nanjing Uni-versity of Technology,2007,29(1):40-43
[5]肖国清,廖光煊.建筑物火灾中人的疏散方式研究[J].中国安全科学学报,2006,16(2):26-30XIAO Guo-qing,LIAO Guang-xuan.Study on HumanEvacuation Style in Building Fire[J].China SafetyScience Journal,2006,16(2):26-30
[6]罗春坚.相同高度两相邻建筑防火间距设计[J].武警学院学报,2008,24(6):34-34,40LUO Chun-jian.The Discussion on Fire Separation Dis-tance Design of Two Adjacent[J].Journal of ChinesePeople's Armed Police Force Academy,2008,24(6):34-34,40
[7]赵西安.从TVCC火灾看幕墙防火的一些问题[J].门窗,2009,(3):1-3Zhao Xi'an.Curtain fire resisting from TVCC on fire[J].DOORS&WINDOWS,(3):1-3
[8]龙文志.央视新址附楼失火对幕墙的反思[J].中国建筑金属结构,2009,(3):16-26LONG Wen-zhi.Reflection on CCTV North building fire[J].China Construction Metal Structure,2009,(3):16-26
[9]林之光.中国的气候及其极值[M].北京:商务印书馆,1996
风速分布 篇4
矿井通风在煤矿生产中占有非常重要的地位, 测定风量又是井下通风管理必须经常检测的项目之一。《煤矿安全规程》规定: 矿井至少10天进行一次全面测风,至少3年进行一次阻力测定,至少5年进行一次风扇机性能测定。在进行这些工作时都需要对风速进行测量,而对于矿井断面风速分布的研究又是计算井下巷道瓦斯、火灾气体、粉尘运移规律,温度、湿度分布,传热传质过程的基础,对风速传感器布置及测风仪表研制具有重要意义。目前,矿井测定巷道断面风速主要采用传统的测风方法- 侧身法和迎面法,但由于测风人员的移动,会导致被测断面风流的不稳定,各测点风速会随人员的移动而不断发生变化,影响测试精度,产生误差[1]。而受测试手段的限制,对于井下巷道风速的实验室测量多数采用传统测量方法,文献[2 - 7]利用皮托管或热线风速仪等流速测量仪器对不同类型巷道内的流速分布规律展开了实验研究,虽然较以前传统测风方法有较大进步,但是皮托管或热线风速仪属接触式测速方法对流场具有一定的干扰,影响测试精度, 得到的实验结果虽对部分生产实际具有一定的指导意义,但并未得到广泛的推广,通常仅仅能满足工程需求,并未体现井下巷道风流状态的湍流脉动性和随机性,因此该课题尚需做一步的研究。
随着现代电子计算机技术和实验测量方法的不断发展,尤其是激光多普勒测速仪( LDA) 的出现, 可实现对液体或气体流动中的一到三维速度场进行连续非接触式测量,对于湍流流动的速度测量影响深远,具有不干扰流体流动、空间分辨率高、动态响应快等优点。由此,本文以巷道断面风速分布测试为例,论述LDA在矿井通风测试实验中的应用。
1测速装置及实验模型
1. 1 LDA工作原理及系统组成
激光多普勒测速系统( LDA) 的工作原理是利用运动粒子散射光的多普勒效应原理测量粒子速度[8]。本实验采用的LDA由Dantec公司提供,测速范围: - 280 ~ 400m/s,测速精度: 0. 5% 。主要由spectra - physics 2017型6W氩离子激光器( Laser) 、 分光器、光电接收器( A、B) 、BSA - F80信号处理器、1D紫光发射探头B、2D绿光和蓝光发射探头A、三维坐标移动系统和软件系统等组成。LDA系统组成如1所示。
LDA测速系统发射出的激光束照射到实验巷道流场中的示踪粒子,会产生散射,探头接收到的散射光信号经过光电倍增管放大转化成电信号,进入多普勒信号处理器,即将多普勒信号转化成速度[9,10]。实验采用普通的祭祀燃香所产生的烟作为示踪粒子,粒径可达到纳米量级,可满足对气体跟随性的要求。
本次实验中,由于LDA测试系统探头布置夹角 α1= 0,α2= 22°,经坐标公式转换[8]后,z方向的速度分量u = u1( LDA1) ,x方向的速度分量v = u2( LDA2) ,y方向的速度分量w = ( LDA3 + LDA2 cosα2) /sinα2。
1. 2实验模型
实验测试模型采用循环供风方式,主要由主体框架( 铝合金) 、通风动力装置、风量调节阀、涡街流量计、整流格栅、连接管路及测试段组成。其中测试段为一矩形均直巷道,尺寸为200mm × 200mm × 2800mm,并采用透光性好,折射率低,尽可能消除边界层效应的光滑有机玻璃加工制成,并用玻璃胶粘贴,系统密闭性良好。实验场景如图2所示。
2实验测试
2. 1测试断面及测点布置
本次实验对均直巷道断面进行风速测试,测试断面如图3所示。LDA系统具体参数设定值见文献[8],同时根据信号的变化调节示踪粒子的释放量和滤波器带宽。为了获取贴近巷道壁面的风流速度,本实验将激光束交汇点调试到距离巷道壁面1mm处,坐标架自动移动步距亦即测点y水平方向及z垂直方向的间距设置为4mm,共设置2 601个测点,YOZ测试断面中测点布置及移动轨迹如图4所示。实验中,调节风量调节阀,使通过涡街流量计的风量约为0. 12m3/ s,即在断面平均风速为3m / s下按着图4的测点布置进行整个断面风速测试。
同时,为了进一步分析均直巷道断面垂直中线上速度分布情况,调节风量调节阀,使通过涡街流量计的风量分别约为0. 04m3/ s、0. 08m3/ s、0. 12m3/ s、 0. 16m3/ s,即在断面平均风速分别为1m / s、2m / s、 3m / s、4m / s下,在距离断面垂直中线上下壁面4mm距离内按照步长0. 2mm进行测点布置,中间192mm按照步长2mm布置,共设置138个测点。
2. 2数据采集及处理
LDA自动采集激光束捕捉到的粒子到达时间、 通过测点时间以及粒子通过速度,自动生成数据表。 非协同模式多点测试下,需要对每个测点采集的粒子样本速度进行平均化处理,既将各激光束在不同时刻捕捉到的粒子速度转化成测点的平均速度。转换式如下:
式中:为测点的平均速度,m/s; vi( i = 1,2, 3…n) 为各采集样本粒子的速度,m / s。
3实验结果分析
3. 1测点速度的湍流脉动性
断面平均风速为3m/s时的第1301号测点速度为例进行分析,对测点的2 000个粒子各向LDA1、 LDA2和LDA3的速度进行统计分析,得到测点各向极限速度如表1所示,各向速度变化情况如图5所示。经计算可得测点x方向速度v的平均脉动幅度可达35. 8% 左右。
从采集数据及图5看出,即使是均直巷道内稳定流动断面的中心测点,粒子速度也呈现极度的湍流随机脉动特征,不同时刻的速度总体表现为在速度均值附近的不规则涨落,可见即使保持相同的实验条件,每次测定的瞬时风速也不相同,与传统的测风手段( 毕托管测速) 相比,LDA技术可以精确测到速度的脉动变化量。
利用SPSS软件得到断面中心第1301个测点各向速度分布直方图如图6所示。从速度分布直方图可以看出,各向测点速度具有一定的统计规律特征, 经检验,测点各向速度大小变化服从正态分布。
3. 2巷道断面风流速度分布
测量结果采用Matlab. 7. 0以及Origin8. 6软件进行数据处理,得到在平均风速为3m/s时的断面平均风速分布如图7所示。文献[7]中采用接触式测速手段毕托管对正方形截面巷道风速进行了实验测试,正方形截面积为0. 04m2,与本文模型尺寸一致,沿着边长划分20 × 20个等面积的小孔来实现风速的测量,在断面平均风速为3m/s时的测量结果如图8所示。
从断面速度分布图7、图8可以看出,风速分布的等值线图为封闭的环状,形状近似为矩形,可见断面上速度的等值线分布曲线与断面形状有关。但是本次实验测试结果图7中每一个速度分布环状曲线均有一定尺度的波动,进一步验证了即使在平均风速为3m/s左右的均直巷道稳定流动状态下,巷道风流速度亦呈现极度的湍流特征即脉动现象。这与图8速度等值线图分布形式并没有表现出一致性, 再一次说明LDA测速技术比毕托管测速能够更精确测量速度的脉动性变化。从整体上看,风速变化都表现出了风速值在中心区域速度最大,越靠近巷道边壁速度越小的变化趋势,断面平均风速均分布在靠近巷道边壁的位置。由于接触式测量手段固有的局限性,毕托管测速并未获得贴近巷道边壁风速变化的特点,而非接触LDA测量技术因其具有不干扰流体流动、空间分辨率高、动态响应快等优点可实现对边界层内风速的测量,为进一步分析风流贴近边壁时风速变化特点,得到的不同风速下均直巷道断面垂直中线上速度分布如图9所示。
从图9可以看出,断面上风流速度分布的对称性较好,在靠近边壁处速度较小,中心区域速度较大。从不同平均风速下速度分布曲线来看,平均风速越小,轴线上风速分布曲线越平坦; 平均风速越大,轴线上风速分布曲线越陡峭,在靠近巷道边壁的区域内风速梯度较大,中间区域内风速变化很小,说明风速的分布在靠近边壁时受边界影响较大。图10中断面垂直中线上速度分布的对称性较好,表现出速度变化的一致性,因此选取距离巷道模型下壁面Z = 100mm内测得的风速数据分析断面轴线速度分布规律,得到不同平均风速下巷道断面轴线速度分布拟合曲线如图10所示,拟合函数见表2。
由于固壁剪切湍流分为: 粘性底层区、过渡区、 湍流核心区,而粘性底层风流为层流状态,层流子层和过渡区非常小,可以用主流核心湍流区的速度分布剖面代替真实剖面,产生的误差可忽略不计[11]。 从表2函数拟合结果可知,巷道断面轴线速度分布大致符合指数函数关系。由于拟合曲线上各点的切线斜率的大小可以反映出巷道断面各点速度梯度的大小,可看出在靠近巷道壁面的区域内风速梯度较大,中间区域内风速变化很小。
4结论
1) 在均直巷道稳定流动状态下,风速呈现极度的湍流脉动性,不同时刻的速度总体表现为在速度均值附近的不规则涨落,与传统的测风手段( 毕托管测速) 相比,LDA技术可以精确测到速度的脉动变化量。
2) 巷道风流虽具有湍流随机脉动特征,但各向速度具有一定的统计规律,测点风速大小服从正态分布。
3) 矩形均直巷道断面风速分布近似呈封闭的波动地矩形环状分布; 断面轴上速度分布近似为指数函数分布形式。