两种半潜式海上风力发电平台在波浪-水流条件下的动态响应与性能预测

《Ocean Engineering》：Dynamic responses and performance predictions of two semi-submersible floating offshore wind turbine platforms under wave–current condition

浮式海上风电半潜式平台VolturnUS-S与DeepCwind的动态响应研究，通过全耦合CFD模型分析波高及波流耦合作用下的运动特性，并构建CNN-LSTM预测模型。结果显示DeepCwind因湿面积大抑制运动更优，VolturnUS-S响应幅度更高，且涡结构更显著。研究揭示了平台结构几何与海洋环境的协同作用机制，为优化稳定性与发电效率提供理论支撑，成果可拓展至FLNG及波浪能转换设备等领域。

　　

尹彦青|吴志伟|张宇|王先波|王子帅|杨杰

浙江大学海南研究院，三亚，572025，中国

摘要

半潜式平台在浮动式海上风力涡轮机（FOWTs）中发挥着关键作用，用于在深海环境中利用风能。然而，两种代表性半潜式平台VolturnUS-S和DeepCwind在粘性效应下的动态响应尚未得到充分研究。本研究开发了一个完全耦合的计算流体动力学（CFD）模型，利用滑动网格技术和三维剪切应力传输（SST）k-ω湍流模型，来研究波高和波浪-水流相互作用对这两种平台动态响应的影响。此外，还开发了一个结合卷积神经网络和长短期记忆（CNN-LSTM）的深度学习模型来预测平台的动态响应。结果表明，由于DeepCwind平台具有更大的湿润表面积，其附加质量和阻尼系数更高，因此表现出更强的运动抑制能力。相比之下，VolturnUS-S平台的响应幅度（RAO）值更大，涡旋结构更为明显。所提出的CNN-LSTM模型在预测平台动态响应方面具有较高的准确性。通过对半潜式平台在不同环境条件下的敏感性分析，为优化平台稳定性和发电性能提供了关键见解。这种方法也可以扩展到其他海洋工程应用中。

引言

近年来，浮动式海上风力涡轮机（FOWTs）因其能够高效利用丰富的海上风能而受到越来越多的关注（Bashetty和Ozcelik，2021；Xin等人，2024；Roberts等人，2025）。在主要的FOWT平台类型中，半潜式设计因其良好的可扩展性、相对简单的部署程序以及适应不同水深的能力而受到青睐（Hmedi等人，2022；Shi等人，2025）。包括DeepCwind和VolturnUS-S设计在内的代表性半潜式平台已经应用于工程实践中。然而，考虑到粘性效应的DeepCwind和VolturnUS-S平台的动态响应尚未在相同的环境条件下进行比较和分析。为了解决以往研究中的空白，本文对两种平台在不同海况下的动态响应进行了全面分析，特别强调了结构几何形状与环境因素之间的相互作用及其对平台运动的综合影响。此外，还引入了一个结合卷积神经网络和长短期记忆（CNN-LSTM）的深度学习模型来预测平台的运动响应。Hywind Demo项目于2009年在海上部署了世界上第一个FOWT原型（Anja等人，2016），标志着FOWT技术从概念到现实的转折点。在此基础上，英国在2017年建造了其第一个浮动式海上风电场（Mccracken，2017）。同时，美国的国家可再生能源实验室（NREL）建立了OC3–OC6研究系列（Jonkman和Musial，2010；Robertson等人，2014、2015、2022），推进了数值建模和设计实践。挪威研究人员进一步将原来的5 MW FOWT平台扩展到了10 MW配置（Islam，2016；Leimeister，2016）。尽管FOWT的工程设计已趋于成熟，但上述研究中仍很大程度上未探索平台运动响应与设计参数之间的关系。由于海洋环境的高度动态性和FOWT的复杂结构，实际实验难以建立平台运动响应与设计参数之间的功能关系。

随着计算流体动力学（CFD）的进步，原本难以通过实验分析的复杂现象现在可以通过数值模拟来研究和讨论。为了评估平台运动响应并描述周围流场，许多研究人员对平台进行了模拟研究。Tran和Kim（2015）通过基于CFD的动态模拟研究了半潜式DeepCWind FOWTs的非稳态流体力学，采用了重叠网格和势流面板方法。Liu和Xiao（2019）开发了一个高保真的气动-水力-弹性-系泊分析工具，对OC4半潜式平台在风浪联合作用下的动态进行了完全耦合模拟。Guo等人（2022）使用CFD方法研究了在相同和不同频率下，初始相位差变化时平台俯仰和纵摇运动的影响。Ji等人（2024）使用CFD研究了在聚焦波浪和水流联合作用下固定式海上风力涡轮机桩基的水动力响应，考察了不同波浪和水流参数的影响。Haider等人（2025）在OpenFOAM中使用完全耦合的气动-水力-系泊CFD模型对FOWTs在聚焦波浪激励下的动态进行了高保真数值分析。Kim等人（2025）开发了一个集成求解器，结合了OpenFAST、OpenFOAM和MoorDyn来模拟FOWTs，考虑了多种环境条件下的空气动力载荷、控制动力学、水动力效应和系泊响应。

除了浮动平台的整体动态行为外，涡轮机尾流动力学和在各种环境和运行条件下的水动力性能也引起了广泛的研究关注。Ji等人（2025）通过将执行器线模型与动态大涡模拟（LES）框架相结合，开发了JUST–FOAM–Turbine求解器，研究了在不同叶尖速度比下的尾流动力学。Kong等人（2025）使用改进的延迟脱离涡模拟（IDDES）开发了一个三维CFD模型，系统研究了波周期、波高和俯仰幅度对涡轮机水动力学的影响。Yin等人（2026）使用格子Boltzmann方法与LES相结合，研究了短管式潮流水流涡轮机（TSTs）在0°到45°偏航角下的水动力性能和尾流行为。

已经付出了大量努力来研究平台在规则波浪和水流条件下的运动响应。然而，作为代表性的半潜式配置，DeepCwind和VolturnUS-S平台的动态运动响应尚未在相同的环境条件下得到充分研究或比较分析。为了填补这一空白，本研究使用完全耦合的CFD模拟系统研究了这两种平台的水动力响应，并进一步开发了一个CNN-LSTM模型来预测它们在多种海况下的动态响应。

主要目的是阐明平台几何形状如何控制水动力运动响应的基本机制，包括运动行为、涡流诱导运动（VIM）和流场演变。本研究的贡献有四个方面：（1）开发了一个基于CFD的框架，用于系统评估FOWT平台在波浪-水流相互作用下的水动力性能；（2）对运动响应和VIM敏感性进行了比较评估，重点关注结构几何形状的作用；（3）分析了流场动力学与整体运动的关系，为平台优化和运动抑制提供了指导；（4）开发了一个深度学习模型，用于预测平台在不同海况下的动态响应特征。

本文的结构如下。首先介绍了数值方法和深度学习模型，涵盖了波浪生成和吸收技术、体积流体（VOF）方法、系泊系统实现、耦合分析框架和深度学习模型预测框架。其次介绍了基线平台配置和基本模拟参数。随后，在多种海况下进行了全面的动态响应分析和预测，严格检验了结构几何形状与环境条件之间的内在关系——特别是它们对平台运动学的协同效应。最后讨论了主要发现和意义。值得注意的是，这些发现推动了远海风电场的发展，同时也扩展到了海洋工程应用，包括浮动式液化天然气（FLNG）生产单元和波浪能转换器。

部分摘录

波浪生成和吸收

本研究使用OpenFOAM来研究平台的动态响应。流体流动通过多相求解器waveDyMFoam解决，该求解器集成在OpenFOAM框架中，并通过第三方模块waves2Foam进行了增强。波浪生成是通过速度入口边界条件实现的，其中波浪高度方程应用于相位分数场，流体粒子速度方程应用于速度场。这种方法因其

FOWTs平台的配置

本节介绍了两种代表性的半潜式浮动平台：DeepCwind平台（Bulder等人，2002）和VolturnUS-S平台（Christopher等人，2020）。这两种平台均设计用于150米的水深，分别支持5 MW和15 MW的风力涡轮机。为了提高计算效率，模拟模型中省略了DeepCwind平台的交叉支撑结构。两种平台的整体尺寸经过精心匹配

规则波浪下的水动力分析

本节研究了两种半潜式平台在规则波浪条件下的动态响应。数值模拟中使用的海况参数总结在表2中。案例1-3分别考察了不同波高的规则波浪对两种半潜式平台的影响。案例1代表相对稳定的海况，案例2和3展示了恶劣的海况。

结论

本研究探讨了两种代表性半潜式平台VolturnUS-S和DeepCwind在考虑粘性效应的各种海况下的动态响应。使用滑动网格技术和三维剪切应力传输（SST）k-ω湍流模型研究了波高和波浪-水流角度对两种平台动态响应的影响。同时，建立了一个CNN-LSTM模型来预测平台的运动响应。

CRediT作者贡献声明

尹彦青：撰写——原始草稿，正式分析。吴志伟：方法论。张宇：正式分析。王先波：资源。王子帅：资源。杨杰：验证。

数据可用性声明

数据将应要求提供。

利益冲突声明

?作者声明他们没有已知的竞争性财务利益或个人关系可能影响本文报告的工作。

致谢

本研究得到了国家自然科学基金（授权号：52467024）、海南省三亚亚洲湾科技创新联合项目（授权号：ZDYF2025GXJS142）、海南省自然科学基金（授权号：525MS108）、广州市科技项目（授权号：2025B01J2002）以及三亚亚洲湾科技城项目（授权号：SKJC-JYRC-2025-53）的支持。