基于深度学习的风力机叶片气动优化方法研究

摘要

针对传统计算流体力学方法在评估叶片气动性能时计算量大、耗时长的问题，提出了一种基于深度学习的风力机叶片气动优化方法。该方法首先通过构建基于多层感知器的翼型气动力快速预测模型，实现了对风力机翼型气动性能的快速优化，随后，结合叶素动量理论，建立了风力机叶片气动性能的快速计算方法，从而进行风力机叶片的外形优化研究。以某1.5 MW风力机为例，分别针对最大升阻比和年发电量进行了翼型优化和叶片外形优化。研究结果表明，基于多层感知器的翼型气动力预测模型在训练集和测试集上的总体预测准确率超过了99%,通过该方法优化后的风力机叶片，其功率系数提升了13.74%,年发电量提高了4.04%,证明了深度学习在风力机叶片气动优化领域的实用价值。

关键词

深度学习 / 风力机叶片优化 / 叶素动量理论 / 翼型优化

基金资助

福建省科技计划对外合作项目(No.2020I0004)