4、经典尾流模型：Larsen模型的推导与适用条件
说到Larsen模型，我得先坦白一件事。刚入行那会儿，我总觉得尾流模型越复杂越好。直到有一次在西北某风场做后评估，发现用复杂模型算出来的结果，反而不如这个“看起来简单”的Larsen模型准。嗯，从那以后，我对这个模型就多了几分敬畏。
4.1 Larsen模型的基本思想
Larsen模型，说白了就是基于湍流边界层理论推导出来的。它不像Jensen模型那样假设一个简单的线性扩张，而是考虑了湍流的混合效应。
我个人习惯把Larsen模型理解成“风轮后的湍流搅拌机”。风轮转动时，不仅消耗了能量，还把周围的空气搅得乱七八糟。这种搅动，就是尾流恢复的主要动力。
模型的核心假设有三条：
- 尾流区是轴对称的
- 湍流黏度是常数
- 压力梯度可以忽略
你想想看，这三条假设其实挺大胆的。实际风场哪有那么理想？但工程上，我们就是要找这种“够用”的近似。
4.2 数学推导过程
推导过程我尽量讲得直白些。Larsen从雷诺平均Navier-Stokes方程出发，做了边界层近似：
U ∂U/∂x + V ∂U/∂r = (1/r) ∂/∂r (r ν_T ∂U/∂r)其中U是流向速度，V是径向速度，ν_T是湍流黏度。
这里有个关键点：Larsen假设速度亏损剖面是自相似的。什么意思呢？就是不同下游距离处的速度亏损形状差不多，只是幅度和宽度在变。
基于这个假设，他设定了速度亏损的形式：
ΔU(x,r) = U_∞ - U(x,r) = U_∞ · f(x) · g(r/R(x))其中f(x)是衰减函数，g(η)是形状函数，R(x)是尾流半径。
我记得第一次推导到这里时卡了很久。后来发现，其实Larsen巧妙地用了量纲分析，把问题简化成了求解一个常微分方程。
最终得到的尾流速度表达式是：
U(x,r) = U_∞ [1 - (C_T / (2π))^(2/3) · (x/D)^(-2/3) · exp(-r^2 / (2σ^2))]其中σ是尾流宽度参数，与推力系数C_T和下游距离x有关。
重要公式： Larsen模型的速度亏损与x^(-2/3)成正比，这比Jensen模型的衰减要慢一些。实际观测也证实了这一点——远场尾流的恢复确实比线性模型预测的要慢。
4.3 模型参数与工程应用
Larsen模型需要输入的参数不多：
| 参数 | 符号 | 说明 |
|---|---|---|
| 来流风速 | U_∞ | 轮毂高度处的自由流风速 |
| 推力系数 | C_T | 与风速和桨距角有关 |
| 风轮直径 | D | 机组的基本参数 |
| 湍流强度 | I_0 | 环境湍流，影响尾流恢复速率 |
这里有个坑，我踩过。Larsen模型对湍流强度的敏感性很高。我曾经在一个低湍流（I_0≈5%）的场址用这个模型，结果尾流长度算出来比实际长了将近一倍。后来加了环境湍流修正，才把结果拉回来。
实用技巧： 当环境湍流强度低于8%时，建议对Larsen模型做湍流修正。我常用的方法是把I_0替换为等效湍流强度I_eff = sqrt(I_0² + I_wake²)，其中I_wake是尾流自生湍流。
4.4 适用条件与局限性
Larsen模型不是万能的。根据我的项目经验，它最适合的场景是：
- 下游距离3D-15D：太近了尾流结构复杂，太远了尾流基本消散
- 中等湍流环境：I_0在8%-15%之间效果最好
- 单台或简单排布：多台机组叠加时误差会累积
那什么时候别用Larsen？
- 近尾流区（x < 3D）：这时候尾流还有明显的涡旋结构，Larsen的湍流假设不成立
- 极端稳定大气：层结稳定时湍流被抑制，模型会高估尾流恢复
- 复杂地形：山脊、陡坡会扭曲尾流形状，轴对称假设失效
注意： 我曾经在云南一个山地风场用过Larsen模型，结果偏差大到离谱。后来发现是地形导致的加速效应把尾流吹偏了。所以复杂地形下，要么用CFD，要么至少做个地形修正。
4.5 与其他模型的对比
做工程选型时，我一般这样对比：
| 模型 | 精度 | 计算量 | 适用场景 |
|---|---|---|---|
| Jensen | 中等 | 极低 | 快速估算、宏观布局 |
| Larsen | 较高 | 低 | 详细设计、发电量计算 |
| Ainslie | 高 | 中等 | 科研、复杂工况 |
| CFD | 最高 | 极高 | 特殊地形、极端工况 |
说白了，Larsen模型是“性价比”最高的选择。它比Jensen准，又比CFD快。我在做风场微观选址时，90%的情况都用它。
4.6 知识体系总览
下面这张图，是我自己总结的Larsen模型知识框架。每次培训我都拿它出来讲：
这张图把Larsen模型的来龙去脉都串起来了。从理论到应用，从优势到局限，一目了然。
4.7 实战建议
最后，给几个我踩坑换来的建议：
- 参数标定很重要：不同机型的C_T曲线差异很大，别用默认值
- 多机组要谨慎：Larsen模型对尾流叠加的线性假设，在密集排布时误差会放大
- 别忘了验证：有条件的话，用SCADA数据做个后评估，校准模型参数
嗯，Larsen模型就讲到这里。它不完美，但够用。做工程嘛，有时候“够用”就是最好的选择。
公众号:蓝海资料掘金营，微信deep3321