风力发电场流控系统的实验验证博士研究生岗位

该博士项目旨在通过开发数据融合方法来提升风电场效率，该方法将基于物理的模型与风洞及海上风力发电机的实验数据相结合。研究重点在于改进控制策略，以减少风电场中的尾流损失，特别是通过叶片俯仰控制技术进行主动操控来实现。

职位说明： 大型海上风电场的快速发展对于实现可持续能源体系至关重要。然而，随着风力涡轮机被安装得越来越密集，它们会通过湍流风尾流产生相互作用。这种风尾流会降低下游涡轮机的能量产出，并可能增加结构载荷，从而给大型风电场的高效可靠运行带来重大挑战。 我们研究小组开发的一种名为“螺旋”的新方法，旨在通过利用单个叶片俯仰控制主动调节尾流，从而减轻这些尾流损失。尽管已取得令人期待的结果，但“螺旋”技术及其他先进的尾流混合策略的有效性，严重依赖于用于设计与评估这些控制策略的风电场模型的准确性。因此，提升这些模型的预测能力仍是一项重要的科学挑战。 在本项博士研究中，您将开发并应用数据融合方法，将基于物理学的风电场模型与风洞实验及现场数据相结合。重点将放在利用 HKN 项目中生成的丰富实验数据上，包括风洞实验及全尺寸海上风力发电机的测量数据。这些数据将用于改进和校准风电场模型，量化其不确定性，并通过实验评估 Helix 系统及其他尾流混合与风电场控制策略的性能。 该项目将整合风电场空气动力学、先进控制、系统识别、滤波及数据驱动建模技术，重点在于将物理知识与实测数据相结合，而非依赖纯粹的数据驱动方法。最终目标是为先进风电场控制策略的设计、验证与实施，开发更为准确可靠的模型与方法论。 教学活动是您博士研究生涯的一部分，可能包括：指导工作小组或实验课、协助授课以及指导学士和硕士学生。虽然教学并非您的主要职责，但它能提供宝贵的经验，有助于您的成长，并为您未来从事学术或专业工作做好准备。教学活动的比例不得超过您整个博士期间总任期的20%。

申请程序： 请最迟于2026年10月31日通过申请按钮提交申请，并上传以下材料： 个人简历（CV）。 动机信。 硕士论文（可为草稿）。 如获邀面试，须在征得至少两位推荐人同意后提供其联系方式。 在代尔夫特理工大学（TU Delft）攻读博士学位须具备一定水平的英语能力，以确保能够良好沟通和互动、参加英语授课的博士培养课程，并撰写科研论文和最终学位论文。具体要求请参阅研究生院入学要求。 请注意： 请在线提交申请。通过电子邮件和／或邮寄提交的申请不予处理。 为保障知识安全，代尔夫特理工大学在招聘人员时开展风险评估，目的之一是防止敏感知识与技术发生非预期转移。评估依据申请者本人提供的信息，例如动机信和个人简历（CV），在遴选的最后阶段进行。如评估结果不利，将通知申请者。风险评估中的个人数据处理依据GDPR规定的法律基础，即为公共利益执行公共任务。更多信息请见学校网站的知识安全页面。 请勿主动联系我们推销未经请求的服务。