科研之友
微信
新浪微博
Facebook
分享链接
摘要
基于卷积神经网络的流场重构方法是风资源评估领域的一种新兴方法，具有成本低、周期短、精度高等优点，在风电场建设评估和风资源利用等领域具有较强的学术价值和工程应用背景。以风资源评估中常用的Bolund岛为研究对象，采用CFD数值模拟的输入风廓线和输出流场为样本标签，构建了以多层融合卷积神经网络为基础的流场重构方法。以缩短计算时间为目标，研究了样本量对流场重构方法精度的影响，同时对重构方法的外插能力进行了分析。研究结果表明：建立的基于卷积神经网络的流场重构方法可以较好地还原流场信息；当重构目标处于训练样本范围内，全场最大重构误差不高于2%，且在样本量从100减小到25时，全场最大重构误差仍在5%以内；构建的重构方法具有一定的外插能力，但其能力有限，当重构目标超出训练样本范围，全场最大重构误差增加到20%以上。
-
单位土木工程与建筑学院; 西南科技大学
