申请/专利权人：安徽工业大学

申请日：2023-06-21

公开（公告）日：2024-04-12

公开（公告）号：CN116776600B

主分类号：G06F30/20

分类号：G06F30/20;G06F30/17;G06F18/214;G06F18/24;G06N3/04;G06N3/08;G06F111/04

优先权：

专利状态码：有效-授权

法律状态：2024.04.12#授权;2023.10.10#实质审查的生效;2023.09.19#公开

摘要：本发明公开了一种基于自适应代理模型的风力机叶片优化设计方法及系统，涉及风力发电技术领域，所述方法包括：S1：确定风力机叶片优化设计需要的目标函数F＝f1,f2,...,fm、设计变量x＝x1,x2,...,xn和设计空间D；S2：使用自适应代理模型代理目标函数F，得到自适应代理目标函数S3：对自适应代理目标函数使用优化算法进行优化，得到Parato解集该解集就是风力机叶片设计需要的具体设计参数值。本发明加快了风力机的叶片优化设计过程，同时提高了代理目标函数的计算精度，有利于快速准确地设计出高风能利用率的风力机叶片，同时优化叶片的质量和结构，降低了风力发电的生产成本。

主权项：1.一种基于自适应代理模型的风力机叶片优化设计方法，其特征在于，包括以下步骤：S1：确定风力机叶片优化设计需要的目标函数F＝f1,f2,...,fm、设计变量x＝x1,x2,...,xn和设计空间D，将多目标优化问题转化为数学模型，表达式为： s.t.x∈DS2：使用自适应代理模型代理目标函数F，得到自适应代理目标函数目标函数F和自适应代理目标函数满足以下关系： 其中，T表示优化算法调用自适应代理目标函数的次数；S3：对自适应代理目标函数使用优化算法进行优化，得到Pareto解集该解集就是风力机叶片设计需要的具体设计参数值；所述S2：使用自适应代理模型代理目标函数F，得到自适应代理目标函数包括以下步骤：S201：输入设计变量x；S202：判断是否是第一次迭代进入自适应代理目标函数如果是，则进入步骤S203；否则，跳过步骤S203，进入步骤S204；S203：初始化数据库中的样本数据S、代理判别器Mp和自适应代理模型Ms；S204：加载数据库中的样本数据S、代理判别器Mp和自适应代理模型Ms；S205：使用样本数据S和代理判别器Mp判断输入的设计变量x是否可以代理；如果是，则进入步骤S206；否则进入步骤S207；S206：使用自适应代理模型Ms计算目标函数值；输出目标函数值，并且结束调用；S207：使用目标函数F计算函数值；输出目标函数值；S208：根据样本数据S和输入的设计变量x判断是否需要更新数据库；如果是，则将这组设计变量和目标函数值添加到样本数据中，生成新样本数据，并使用新样本数据更新代理判别器Mp，重新训练自适应代理模型Ms；否则舍弃该样本数据，结束调用；所述步骤S205中，使用样本数据S和代理判别器Mp判断输入的设计变量x是否可以代理，包括：通过离群值检测的算法来判断是否可以代理，该方法具体包括：S2001：用样本数据S构建训练样本{x1,y1,x2,y2,...,x|S|,y|S|}；其中，y1,y2,...,y|S|为样本标签，将标签全部定义为“正类”，即y1,y2,...,y|S|都等于1；S2002：将离群值检测的算法转化为相应的对偶问题， 式中，φ是一个非线性函数，它将原始样本映射到高维的特征空间，通过定义映射函数φ的内积，回避内积的显式计算，即：φxiTφxj＝κxi,xj；κxi,xj为核函数，这里的核函数为高斯核函数，即κxi,xj＝exp-||xi-xj||22σ2；σ是带宽，用于控制高斯核函数的局部作用范围；αi和αj是拉格朗日乘子；ν是一个决策边界的控制参数；xi,xj均表示设计变量；S2003：求解对偶问题，得到最优解α*＝α1*,α2*,...,α|S|*T；根据α*求解最优偏置b*，那么S2004：得到代理判别器的表达式： 式中，sign为符号函数，当k＞0，signk＝1；当k＝0，signk＝0；当k＜0，signk＝-1；当Mpx的值为1时，表示该设计变量x可以代理；当Mpx的值不等于1时，表示该设计变量x不可以代理。

全文数据：

权利要求：

百度查询： 安徽工业大学 基于自适应代理模型的风力机叶片优化设计方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD