一种基于神经网络的浮式风机气隙响应统计特性预报方法

  • 国民经济行业:电力、热力、燃气及水生产和供应业/电力、热力生产和供应业/电力生产/水力发电
  • 学科类别:力学/流体力学/水动力学
  • 权利人:中国电建集团中南勘测设计研究院有限公司

知识产权简介

本发明公开了一种基于多层感知机人工神经网络的浮式风机基础气隙响应特征预报方法,目的在于提出一种高效的浮式风机基础气隙响应预报方案,以解决传统CFD时域模拟方法因计算耗时长、资源消耗大而无法快速获取工程关注的统计参数的问题。主要包括:使用势流方法计算3h不规则波浪,获取波高时历曲线;将其中最危险波浪(波高最大部分)输入CFD进行仿真,获取气隙响应相关数据;预处理数据结果,构建浮式风机气隙响应的特征参数集;基于反向传播算法训练多层感知机(Multi-Layer Perceptron, MLP)经网络代理模型,建立输入特征与气隙响应间的非线性映射关系,预报气隙响应时历值;取出基础气隙预报值中的所有极小值,并进行数据筛选;根据气隙响应预报值选择(具体到名称)函数进行拟合;通过极值统计分析气隙响应的概率分布及关键统计特性。与现有技术相比,本发明创新性地实现了浮式风机气隙响应的快速预报,提出了适用于浮式风机设计的智能化预报方案,可直接输出工程关注的关键统计参数。

转化前景

本专利对应一种基于计算流体力学和神经网络结合的浮式风机气隙响应快速预报方法,其核心产品为一种高效算法或软件系统,技术优势突出,通过创新性地融合局部高精度CFD仿真和全局神经网络代理模型,实现了对气隙极值统计特性的快速精准预报:一方面,该方法仅提取3小时波浪中最危险的300秒波段(占总量5%)进行CFD仿真,精确捕捉波浪破碎等非线性效应,弥补了传统势流方法在极端海况下预报精度不足的缺陷;另一方面,利用多层感知机神经网络构建非线性映射代理模型,泛化剩余非危险波浪段,在保证精度的同时大幅提升效率。在性能指标上,该方法单工况预报耗时小于10分钟,较传统全CFD计算(需200小时以上)加速超100倍,并能基于威布尔分布可靠预报气隙响应的90%发生概率最小值。产业化应用前景广泛,该方法可直接集成于漂浮式风机工程设计平台,支持深远海风电项目的快速安全评估,避免过度保守设计导致的成本浪费,推动海上风电产业向大型化、智能化和低成本化发展。

基本信息

权利人 中国电建集团中南勘测设计研究院有限公司
知识产权类型 专利
意向合作模式 许可
预估金额
联系合作