基于調(diào)諧質(zhì)量阻尼器的風(fēng)電機(jī)組振動(dòng)抑制

王 磊，田 輝，孫鼎鼎，賀吉星，楊 波

（寧夏銀星能源股份有限公司，銀川 750021）

由于復(fù)雜風(fēng)浪載荷和基礎(chǔ)多自由度的特點(diǎn)，更容易產(chǎn)生超過(guò)風(fēng)電機(jī)組結(jié)構(gòu)極限的振動(dòng)和變形，將在其關(guān)鍵部位產(chǎn)生嚴(yán)重的疲勞載荷，如葉根、塔根和塔架與機(jī)艙連接處[1]。這些缺點(diǎn)將影響風(fēng)電機(jī)組的發(fā)電功率，嚴(yán)重時(shí)將會(huì)導(dǎo)致風(fēng)電機(jī)組結(jié)構(gòu)破壞和平臺(tái)傾覆[2]。因此如何有效降低結(jié)構(gòu)振動(dòng)和彎曲程度成為設(shè)計(jì)時(shí)的關(guān)鍵問(wèn)題[3]。

傳統(tǒng)的結(jié)構(gòu)抑制方式是通過(guò)不同工況下調(diào)節(jié)槳距角和轉(zhuǎn)矩實(shí)現(xiàn)降低風(fēng)電機(jī)組的結(jié)構(gòu)載荷[4]。陳文婷等[5]在基于葉片根部載荷的PID 獨(dú)立變槳的基礎(chǔ)上，引入激光雷達(dá)并提出優(yōu)化的獨(dú)立變槳控制方法。但調(diào)節(jié)槳距角將使風(fēng)輪減少受風(fēng)面積，進(jìn)而影響發(fā)電機(jī)轉(zhuǎn)速，降低風(fēng)電機(jī)組發(fā)電效率，因此尋求新的結(jié)構(gòu)控制方法十分必要。

目前風(fēng)電機(jī)組發(fā)展方向具有單機(jī)容量較大、塔式高聳結(jié)構(gòu)的特點(diǎn)。調(diào)諧減振裝置是在高聳結(jié)構(gòu)中應(yīng)用較廣泛的控制裝置，故將TMD 引入風(fēng)電機(jī)組結(jié)構(gòu)控制。Lackner 等[6]首次將TMD 應(yīng)用于風(fēng)電機(jī)組，研究了TMD 在機(jī)艙縱向布置下的結(jié)構(gòu)減振效果，發(fā)現(xiàn)其對(duì)機(jī)組振動(dòng)位移及載荷指標(biāo)的減振率約為10%；Stewart[7]基于達(dá)朗貝爾原理建立了不同類型風(fēng)電機(jī)組的3 自由度二維簡(jiǎn)化模型，采用遺傳法優(yōu)化了TMD 的剛度及阻尼；賀爾銘等[8]建立11 自由度的風(fēng)電機(jī)組動(dòng)力學(xué)模型，采用TMD-HMD 主被動(dòng)綜合控制方法，有效抑制風(fēng)電機(jī)組振動(dòng)；鄭建才等[9]研究了垂蕩板有效地降低風(fēng)電機(jī)組系統(tǒng)的運(yùn)動(dòng)響應(yīng)；陳建兵等[10]分析了風(fēng)浪載荷作用風(fēng)電機(jī)組結(jié)構(gòu)的整體可靠性，建立了結(jié)合多體動(dòng)力學(xué)理論與有限元方法的風(fēng)電機(jī)組結(jié)構(gòu)一體化耦合動(dòng)力學(xué)分析模型。在上述研究中，有效抑制風(fēng)電機(jī)組的結(jié)構(gòu)載荷。但上述研究還存在下列問(wèn)題：首先針對(duì)TMD 參數(shù)優(yōu)化中，由于FAST 模型仿真周期較長(zhǎng)，不能迅速尋得TMD 各參數(shù)的最佳配置；其次由于TMD 參數(shù)尋優(yōu)區(qū)域具有強(qiáng)非線性，傳統(tǒng)的尋優(yōu)算法尋優(yōu)能力有限，很可能陷入局部最優(yōu)。

綜上，本文針對(duì)風(fēng)電機(jī)組機(jī)艙中配置的TMD 各參數(shù)進(jìn)行尋優(yōu)。首先依據(jù)風(fēng)電機(jī)組結(jié)構(gòu)特點(diǎn)，建立仿真計(jì)算更迅速、擬合更準(zhǔn)確的含風(fēng)浪載荷的動(dòng)力學(xué)模型；其次采用辨識(shí)能力強(qiáng)的LM 算法分別尋得動(dòng)力學(xué)模型中的結(jié)構(gòu)未知參數(shù)和風(fēng)浪載荷參數(shù)，并利用FAST 模型驗(yàn)證其準(zhǔn)確性；再次利用尋優(yōu)能力較強(qiáng)的蟻獅算法與含風(fēng)浪載荷的動(dòng)力學(xué)模型配合對(duì)TMD 參數(shù)尋其最優(yōu)配置；最后利用FAST 全耦合模型驗(yàn)證尋優(yōu)后的TMD對(duì)風(fēng)電機(jī)組關(guān)鍵部位的載荷抑制能力。證明尋優(yōu)后的TMD 在多種環(huán)境條件下均能顯著提升風(fēng)電機(jī)組的結(jié)構(gòu)穩(wěn)定性。

1 建立含風(fēng)浪載荷的動(dòng)力學(xué)模型

先前研究針對(duì)TMD 參數(shù)尋優(yōu)需要多次調(diào)用FAST模型，因而需要大量仿真時(shí)間且存在大量無(wú)關(guān)計(jì)算；針對(duì)FAST 模型的仿真時(shí)間長(zhǎng)、運(yùn)算過(guò)程復(fù)雜等特點(diǎn)，本文基于風(fēng)電機(jī)組關(guān)鍵模態(tài)建立的含風(fēng)浪載荷的動(dòng)力學(xué)模型，其仿真時(shí)間短、運(yùn)算過(guò)程簡(jiǎn)單且能準(zhǔn)確模擬風(fēng)電機(jī)組關(guān)鍵部位的結(jié)構(gòu)狀態(tài)和疲勞載荷。

在風(fēng)電機(jī)組研究設(shè)計(jì)中，美國(guó)可再生能源實(shí)驗(yàn)室開(kāi)發(fā)的風(fēng)電機(jī)組模型作為基礎(chǔ)研究對(duì)象被廣泛應(yīng)用[11]，因此本文選用其作為研究對(duì)象。本文浮臺(tái)選擇為Barge型。風(fēng)電機(jī)組的主要參數(shù)見(jiàn)表1。

表1 Barge 型風(fēng)電機(jī)組的主要參數(shù)

1.1 建立含風(fēng)浪載荷的動(dòng)力學(xué)模型

以圖1 中O 點(diǎn)為風(fēng)電機(jī)組動(dòng)力學(xué)模型旋轉(zhuǎn)中心，塔架視為含有一階縱彎的彈性體，浮臺(tái)視為剛體，機(jī)艙TMD 視為質(zhì)點(diǎn)，只考慮其水平運(yùn)動(dòng)自由度，浮臺(tái)各個(gè)自由度錨鏈和水互相作用的阻尼和剛度等效為與浮臺(tái)連接的彈簧和阻尼器。針對(duì)機(jī)艙空間尺寸限制，設(shè)置行程限制器。設(shè)置在距離TMD 初始位置±8 m 處接觸。

圖1 中m、I 表示質(zhì)量和轉(zhuǎn)動(dòng)慣量，x、θ 表示偏離于Z 軸的位移和角度；k、d 為剛度和阻尼，R 為質(zhì)心與參考點(diǎn)距離，下標(biāo)t、p、T 表示塔架、浮臺(tái)和TMD。

隨著互聯(lián)網(wǎng)技術(shù)的不斷發(fā)展，中國(guó)已經(jīng)進(jìn)入到了“互聯(lián)網(wǎng)+”時(shí)代，網(wǎng)絡(luò)在各個(gè)行業(yè)中得以普及，給傳統(tǒng)的發(fā)展帶來(lái)了巨大的變革、機(jī)遇以及挑戰(zhàn)。將企業(yè)財(cái)務(wù)管理創(chuàng)新與網(wǎng)絡(luò)技術(shù)進(jìn)行結(jié)合是當(dāng)前財(cái)務(wù)管理方面發(fā)展的重要方向，本文結(jié)合“互聯(lián)網(wǎng)＋”在企業(yè)財(cái)務(wù)管理中的影響與策略展開(kāi)了探究。首先對(duì)企業(yè)財(cái)務(wù)管理理念進(jìn)行分析，并對(duì)其進(jìn)行改變，結(jié)合“互聯(lián)網(wǎng)＋”的特點(diǎn)，積極對(duì)先進(jìn)的企業(yè)財(cái)務(wù)管理平臺(tái)進(jìn)行引進(jìn)，以達(dá)到提升綜合工作效率的目的，減少人力方面的耗費(fèi)，并通過(guò)創(chuàng)新的模式來(lái)通入其日常的工作，提升數(shù)據(jù)一體化程度。

圖1 風(fēng)電機(jī)組結(jié)構(gòu)示意圖

基于歐拉-拉格朗日（Lagrange）能量方程建立含風(fēng)浪載荷的風(fēng)電機(jī)組動(dòng)力學(xué)模型。含有5 個(gè)廣義坐標(biāo)qi的Lagrange 方程可以表示為

式中：T 為系統(tǒng)總動(dòng)能，J；V 為系統(tǒng)總勢(shì)能，J；Qi為系統(tǒng)非有勢(shì)力；L 為L(zhǎng)agrange 乘子；q˙i為坐標(biāo)qi對(duì)應(yīng)速度，m/s。

利用Lagrange 方程和小角度假設(shè)得到動(dòng)力學(xué)模型的振動(dòng)方程

式中：klim、clim為限制器阻尼系數(shù)和剛性系數(shù)，N/m、Nos/m；xlim為限制器設(shè)定位置，m；Mwind、Mwave為風(fēng)和波浪等效載荷，N/m、Nos/m；fa為T(mén)MD 控制力，N。

1.2 TMD 控制力fa

因?yàn)榘自肼晸碛辛己玫臄?shù)學(xué)特性，即功率譜密度SN（ω）為常數(shù)N0。

于是當(dāng)白噪聲信號(hào)輸入到線性系統(tǒng)時(shí)，系統(tǒng)響應(yīng)信號(hào)的功率密度譜SY（ω）完全由線性系統(tǒng)的頻率特性H（ω）決定。

本文將低通白噪聲信號(hào)輸入動(dòng)力學(xué)模型中作為T(mén)MD 控制力fa。在功率譜分析的角度更加清晰、準(zhǔn)確地分析動(dòng)力學(xué)模型振動(dòng)模態(tài)。

含風(fēng)浪載荷的動(dòng)力學(xué)模型中一些參數(shù)可以在NREL 設(shè)計(jì)手冊(cè)[12]中查找，例如浮臺(tái)的質(zhì)量mp、塔架的質(zhì)量mt和各個(gè)位置質(zhì)心到塔架底座的距離等；還存在一部分參數(shù)需要通過(guò)辨識(shí)得到具體數(shù)值，例如塔架及浮臺(tái)的轉(zhuǎn)動(dòng)慣量、引入的2 個(gè)虛擬旋轉(zhuǎn)阻尼結(jié)構(gòu)參數(shù)及風(fēng)浪載荷參數(shù)。本文將未知參數(shù)分為2 組辨識(shí)，分別為結(jié)構(gòu)參數(shù)和風(fēng)浪載荷參數(shù)。將辨識(shí)結(jié)果代入動(dòng)力學(xué)模型，與FAST 模型對(duì)比仿真結(jié)果驗(yàn)證。

1.3 結(jié)構(gòu)參數(shù)辨識(shí)及驗(yàn)證

需辨識(shí)的結(jié)構(gòu)參數(shù)共6 個(gè)，向量表示為

式中：W 為權(quán)重矩陣；m 為輸出參數(shù)的數(shù)量；n 為輸出參數(shù)對(duì)應(yīng)的數(shù)據(jù)長(zhǎng)度；yj（ti）為ti時(shí)刻FAST 模型第j 個(gè)輸出；fj（ti，U）為ti時(shí)刻動(dòng)力學(xué)模型設(shè)為U 時(shí)的第j 個(gè)輸出。

結(jié)構(gòu)參數(shù)的辨識(shí)及驗(yàn)證流程如下：首先關(guān)閉TMD系統(tǒng)，令風(fēng)浪載荷系數(shù)為0，打開(kāi)塔架和浮臺(tái)自由度；其次設(shè)置浮臺(tái)初始俯仰角為8°，轉(zhuǎn)子初始轉(zhuǎn)速14 rpm，其他初始化參數(shù)為0；再次利用FAST 模型得到塔架前后位移、平臺(tái)俯仰角的響應(yīng)數(shù)據(jù)；最后利用LM 算法尋得動(dòng)力學(xué)模型結(jié)構(gòu)參數(shù)最佳數(shù)值。為了能快速準(zhǔn)確地確認(rèn)未知參數(shù)，需對(duì)未知參數(shù)進(jìn)行初始猜測(cè)。如果初始值離最優(yōu)值太遠(yuǎn)通常會(huì)導(dǎo)致收斂速度慢且結(jié)果令人不滿意。動(dòng)力學(xué)模型結(jié)構(gòu)參數(shù)初始值和辨識(shí)結(jié)果見(jiàn)表2。

表2 動(dòng)力學(xué)模型結(jié)構(gòu)參數(shù)初始值和辨識(shí)結(jié)果

將fa分別輸入動(dòng)力學(xué)模型和FAST 模型，動(dòng)力學(xué)模型和FAST 模型關(guān)鍵部位輸出響應(yīng)的頻域和時(shí)域效果如圖2 所示。從圖2 中發(fā)現(xiàn)動(dòng)力學(xué)模型和FAST 模型的輸出響應(yīng)擬合很好，在頻域中3 個(gè)峰值分別出現(xiàn)在0.036 4、0.087 4 和0.540 4 Hz，分別與TMD、平臺(tái)俯仰角和塔架彎矩的振動(dòng)模態(tài)一致。

圖2 輸入fa 后動(dòng)力學(xué)模型與FAST 模型對(duì)比圖

1.4 風(fēng)浪載荷參數(shù)辨識(shí)及驗(yàn)證

本文根據(jù)海風(fēng)作用到塔架的力矩與風(fēng)電機(jī)組轉(zhuǎn)子的推力（RotThrust）成正比，通過(guò)RotThrust 乘以系數(shù)bwind等效為風(fēng)載荷效果；在一定范圍內(nèi)波浪作用到浮臺(tái)的力矩與浪高（WaveElev）成正相關(guān)，通過(guò)WaveElev乘以系數(shù)bwave等效為波浪載荷效果。其中RotThrust 和WaveElev 可從FAST 仿真結(jié)果得到。

在辨識(shí)中，本文將工況設(shè)置為平均風(fēng)速12 m/s，有效浪高設(shè)置為4 m，此工況接近風(fēng)電機(jī)組的額定工況。風(fēng)浪載荷參數(shù)辨識(shí)過(guò)程如下：首先在FAST 模型仿真中得到RotThrust、WaveElev、塔架縱向位移和浮臺(tái)俯仰角響應(yīng)；其次將擬合后的結(jié)構(gòu)參數(shù)代入動(dòng)力學(xué)模型，將RotThrust、WaveElev 作為輸出信號(hào)對(duì)bwind和bwave進(jìn)行參數(shù)辨識(shí)。風(fēng)浪載荷系數(shù)辨識(shí)結(jié)果見(jiàn)表3。

表3 動(dòng)力學(xué)模型風(fēng)浪載荷參數(shù)初始值和辨識(shí)結(jié)果

將辨識(shí)結(jié)果代入動(dòng)力學(xué)模型，并與FAST 模型輸出響應(yīng)在頻域和時(shí)域?qū)Ρ刃Ч鐖D3 所示。從時(shí)域和頻域?qū)Ρ冉Y(jié)果分析，雖然含風(fēng)浪載荷的動(dòng)力學(xué)模型與FAST模型輸出響應(yīng)在細(xì)節(jié)上存在一定偏差，這是由FAST 模型非線性的特點(diǎn)決定的，但動(dòng)力學(xué)模型在頻域中仍然能夠較好地表現(xiàn)風(fēng)電機(jī)組運(yùn)行過(guò)程中的狀態(tài)響應(yīng)。

圖3 含風(fēng)浪載荷的動(dòng)力學(xué)模型與FAST 模型對(duì)比圖

2 蟻獅算法尋優(yōu)

2.1 蟻獅算法和優(yōu)化參數(shù)

蟻獅優(yōu)化（Ant Lion Optimizer，ALO）算法是澳大利亞學(xué)者Seyedali Mirjalili 提出的一種新型元啟發(fā)式群智能算法[13]。ALO 算法受蟻獅捕捉螞蟻過(guò)程的啟發(fā)，仿照蟻獅捕捉螞蟻的過(guò)程來(lái)解決未知空間搜索實(shí)際問(wèn)題。

在ALO 算法尋優(yōu)過(guò)程中，螞蟻和蟻獅的位置表示優(yōu)化問(wèn)題的解，蟻獅通過(guò)不斷捕食螞蟻尋找問(wèn)題的最優(yōu)解。因其良好的自適應(yīng)邊界收縮機(jī)制和精英主義優(yōu)勢(shì)，所以具有收斂速度快、全局搜索能力良好和需要調(diào)節(jié)的參數(shù)少的特點(diǎn)，與遺傳算法和粒子群算法相比，ALO 算法只需選取合適的蟻獅數(shù)量和迭代次數(shù)即可進(jìn)行優(yōu)化，有效避免了參數(shù)設(shè)置不合理對(duì)優(yōu)化過(guò)程和結(jié)果的影響，ALO 算法具有更好的優(yōu)化效果。

由于風(fēng)電機(jī)組結(jié)構(gòu)的特點(diǎn)，漂浮式平臺(tái)較多的自由度使風(fēng)電機(jī)組在風(fēng)浪影響下塔架縱向位移幅度明顯增加，同時(shí)塔架縱向位移和塔基疲勞載荷關(guān)系密切[8]，因此本文將目標(biāo)函數(shù)定義為塔架縱向位移標(biāo)準(zhǔn)差

式中：σt為有TMD 時(shí)塔架縱向位移標(biāo)準(zhǔn)差；σs為無(wú)TMD 時(shí)塔架縱向位移標(biāo)準(zhǔn)差；η 為塔架縱向位移標(biāo)準(zhǔn)差抑制率，%。根據(jù)工程經(jīng)驗(yàn)，在尋優(yōu)過(guò)程中mT約束在漂浮式風(fēng)電機(jī)組的總質(zhì)量的0.3%～1.8%[11]。

考慮機(jī)艙實(shí)際尺寸，TMD 的運(yùn)動(dòng)行程限制在一定區(qū)間內(nèi)，其質(zhì)量mT、剛度系數(shù)kT和阻尼系數(shù)dT的配置對(duì)減載效果起著決定性作用[14]，因此TMD 參數(shù)研究十分必要。根據(jù)前文建立的含風(fēng)浪載荷的動(dòng)力學(xué)模型設(shè)計(jì)目標(biāo)函數(shù)，轉(zhuǎn)化為求TMD 各參數(shù)最優(yōu)值問(wèn)題，利用尋優(yōu)能力更強(qiáng)的蟻獅算法尋求TMD 各參數(shù)最優(yōu)配置。

2.2 優(yōu)化結(jié)果及分析

ALO 算法、粒子群算法和遺傳算法設(shè)置參數(shù)見(jiàn)表4。由ALO 算法、粒子群算法和遺傳算法尋得的TMD各參數(shù)最優(yōu)解見(jiàn)表5。

表4 3 種智能算法設(shè)計(jì)參數(shù)

表5 TMD 各參數(shù)最優(yōu)解

圖4（a）、圖4（b）為迭代穩(wěn)定代數(shù)分布圖、尋優(yōu)結(jié)果分布圖。對(duì)比多次尋優(yōu)結(jié)果，ALO 算法擁有著更快的尋優(yōu)速度和更穩(wěn)定的尋優(yōu)結(jié)果，而粒子群算法和遺傳算法的尋優(yōu)速度不穩(wěn)定，且可能陷入局部最優(yōu)解。

圖4 迭代穩(wěn)定代數(shù)和尋優(yōu)結(jié)果分布圖

圖5（a）為無(wú)有TMD 的含風(fēng)浪載荷的動(dòng)力學(xué)模型塔架縱向位移對(duì)比圖，如圖可以發(fā)現(xiàn)優(yōu)化參數(shù)后的TMD 大幅度降低了塔架縱向位移幅度，證明其有良好的減振效果。圖5b 為T(mén)MD 的運(yùn)動(dòng)行程圖，如圖5（b）所示，TMD 的運(yùn)動(dòng)幅度在-9～9 m 之間，符合實(shí)際工程要求。

圖5 TMD 參數(shù)優(yōu)化后的減載效果

3 TMD 減載效果驗(yàn)證

3.1 設(shè)計(jì)工況

漂浮式風(fēng)電機(jī)組結(jié)構(gòu)振動(dòng)響應(yīng)載荷工況見(jiàn)表6，表中5 種工況為風(fēng)電機(jī)組常見(jiàn)的環(huán)境工況。為充分發(fā)揮TMD 減載效果，將海浪譜峰頻率設(shè)為11.8 s，這是平臺(tái)和塔架的耦合頻率。

表6 工況設(shè)計(jì)

3.2 減振效果分析

葉片和塔基作為風(fēng)電機(jī)組中關(guān)鍵部位，本文重點(diǎn)分析風(fēng)電機(jī)組塔基縱向載荷和葉片載荷，其中塔基縱向載荷通過(guò)塔基縱向剪力和縱向彎矩體現(xiàn)，葉片載荷通過(guò)葉根縱向彎矩和縱向剪力體現(xiàn)。圖6 分別為在工況5 條件下，有無(wú)TMD 時(shí)塔架縱向位移和平臺(tái)俯仰角的功率譜密度（PSD）和其時(shí)域?qū)Ρ葓D。圖6（a）和圖6（b）中發(fā)現(xiàn)載荷峰值集中在0.05～0.15 Hz，放置TMD 后顯著降低在0.083 Hz 的最大峰值。圖6（c）和圖6（d）中發(fā)現(xiàn)在時(shí)域中放置TMD 后塔架縱向位移幅度和平臺(tái)俯仰運(yùn)動(dòng)幅度降低20%。

圖6 Barge 型漂浮式風(fēng)電機(jī)組的PSD 比較

圖7 是在5 種工況下TMD 對(duì)塔基縱向載荷和葉片載荷的抑制效果，從圖7 中可以發(fā)現(xiàn)在不同工況下，TMD 的載荷抑制率均超過(guò)5%，最高達(dá)到了46%，證明TMD 能夠有效抑制塔基縱向載荷和葉片載荷。

同時(shí)在圖7 中發(fā)現(xiàn)TMD 在不同工況下，對(duì)關(guān)鍵部位載荷的抑制率呈V 型分布。相比于工況3 時(shí)，TMD在其他工況下表現(xiàn)出更好的減載效果。原因在于工況3 更接近風(fēng)電機(jī)組的額定工況，在此工況下啟動(dòng)槳距控制，降低了風(fēng)電機(jī)組關(guān)鍵部位載荷，進(jìn)而證明TMD控制能與槳距控制配合，進(jìn)一步降低風(fēng)電機(jī)組關(guān)鍵部位載荷。

圖7 TMD 對(duì)關(guān)鍵部位疲勞載荷標(biāo)準(zhǔn)差抑制效果圖

4 結(jié)論

針對(duì)風(fēng)電機(jī)組機(jī)艙中配置的TMD，利用蟻獅算法和含風(fēng)浪載荷的動(dòng)力學(xué)模型配合，尋求TMD 最佳配置，充分抑制風(fēng)電機(jī)組關(guān)鍵部位載荷。本文主要結(jié)論如下。

1）根據(jù)風(fēng)電機(jī)組的結(jié)構(gòu)特點(diǎn)，依據(jù)歐拉-拉格朗日方程建立含風(fēng)浪載荷的動(dòng)力學(xué)模型，利用LM 算法分別對(duì)結(jié)構(gòu)未知參數(shù)和風(fēng)浪載荷系數(shù)辨識(shí)，并分別從時(shí)域和頻域準(zhǔn)確擬合FAST 模型。

2）利用蟻獅算法和含風(fēng)浪載荷的動(dòng)力學(xué)模型配合，對(duì)TMD 參數(shù)尋求最優(yōu)配置，并與多種傳統(tǒng)智能算法對(duì)比尋優(yōu)結(jié)果，證明蟻獅算法能準(zhǔn)確、快速地尋得TMD最優(yōu)配置。

3）利用FAST 全耦合模型，從不同工況中分析TMD對(duì)風(fēng)電機(jī)組關(guān)鍵部位載荷的抑制率，并證明TMD 在低于額定風(fēng)速下和高于額定風(fēng)速下載荷抑制效果更好，同時(shí)證明優(yōu)化參數(shù)后的TMD 能有效抑制風(fēng)電機(jī)組關(guān)鍵部位載荷，有效提升機(jī)組穩(wěn)定性。