[發明專利]結合神經網絡算法的風電場數值模擬方法、裝置及存儲介質

在審

• 申請號: 202110580913.5
• 申請日: 2021-05-26
• 公開（公告）號: CN113158586A
• 公開（公告）日: 2021-07-23
• 發明（設計）人: 尹鐵男;閆姝;郭小江;丁坤;史紹平;屠勁林;梁思超;馮笑丹
• 申請（專利權）人: 華能新能源股份有限公司;中國華能集團清潔能源技術研究院有限公司;華能集團技術創新中心有限公司;華能海上風電科學技術研究有限公司
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06F30/28;G06F111/10;G06F113/06
• 代理公司: 西安通大專利代理有限責任公司 61200
• 代理人: 安彥彥

本發明公開了一種結合神經網絡算法的風電場數值模擬方法、裝置及存儲介質，屬于風電場數值模擬技術領域。首先對目標風電場求解區域劃分網格進行離散，給定初始時刻參數，求解動量方程，獲得計算流速數值，求解壓力修正方程，對求得的計算流速數值進行修正，判斷求解結果是否達到收斂，若否，則重復求解過程；若是，則將幾何參數和流場參數作為輸入數據，將本次求解結果作為輸出數據輸入神經網絡進行一次訓練，最后判斷是否達到預設的求解時間，若否則重復之前步驟；若是則停止求解，得到訓練后的神經網絡；利用該神經網絡完成風電場數值模擬。該方法相較于人工主觀給定初始值會大大提高準確性，代替常見的人為主觀給定初值的方法，提高收斂性。

技術領域

本發明屬于風電場數值模擬技術領域，具體涉及一種結合神經網絡算法的風電場數值模擬方法、裝置及存儲介質。

背景技術

通常情況下，人們難以對流體參數的分布情況進行充分的試驗、測量。以風電場為例，只能采用數量有限的測風塔對風速進行單點測量，對整個風電場內風速、壓力等參數的分布情況只能依賴數值模擬手段進行計算。將以風電場的數值模擬計算結果作為前期發電量計算、微觀選址的基礎，是項目規劃的重要依據，提高其準確性對項目建設的經濟性十分必要。

目前對流場內流速的求解，包括風電場，都采用以SIMPLE算法為例的數值模擬方法進行求解。主要求解過程為：將流場劃分為若干(通常數目較大，如為三維計算，網格數目可達千萬甚至億級)假設流速、壓力的初始分布，根據初始分布求解動量方程獲得新的流速分布，該分布并不一定滿足連續方程；用連續方程對上一步求解的流速進行修正；如果修正前后的流速差值符合精度要求則認為收斂，否則繼續重復動量方程求解-連續方程修正這一過程，直到獲得符合精度要求的數值解。

流場的數值求解往往存在收斂性問題，其中影響收斂性的一個重要問題是初始流場分布的給定。如果給定的流場與實際不符，往往會導致求解過程的震蕩。但在沒有求解之前，往往又沒有恰當的初始值，只能人為給定一種分布，而這種分布往往與實際相差甚遠，在這種初始分布的情況下往往需要很多次迭代才能達到收斂。

發明內容

為了解決上述問題，本發明的目的在于提供一種結合神經網絡算法的風電場數值模擬方法、裝置及存儲介質，相對于普遍采用的人工主觀給定初始值的做法更加貼近實際，能夠促進CFD求解過程的收斂速度。

本發明是通過以下技術方案來實現：

一種結合神經網絡算法的風電場數值模擬方法，包括以下步驟：

S1：對目標風電場求解區域劃分網格，進行離散；

S2：給定初始時刻參數；

S3：求解動量方程，獲得計算流速數值；

S4：求解壓力修正方程，對S3求得的計算流速數值進行修正；

S5：判斷S4的求解結果是否達到收斂，若否，則重復S3～S4；若是，則將幾何參數和流場參數作為輸入數據，將本次求解結果作為輸出數據，輸入神經網絡進行一次訓練；

S6：判斷是否達到預設的求解時間，若否，則重復S3～S5；若是，則停止求解，得到訓練后的神經網絡；利用該神經網絡完成風電場數值模擬。

優選地，S1具體為：在目標風電場取一個方形區域，將該區域劃分成若干小塊，每塊用一個點表示。

優選地，S2中，初始時刻參數包括流速、壓力、溫度和物性參數。

優選地，S5中，幾何參數包括目標風電場的形狀和地形數據。

優選地，S5中，本次求解結果是指使本次求解結果收斂的流速和壓力參數。

優選地，S5中，神經網絡的輸出矩陣大小與求解精度相匹配。