基于深度图表示学习的端到端风力机尾流建模

风力机尾流建模对于风资源评估、布局优化以及风电场运行控制至关重要。本文提出了一种基于最先进图表示学习方法即图神经网络的风力机尾流代理模型。所提出的端到端深度学习模型直接在非结构网格上运行，并已对照高保真数据进行了验证，展示了其为不同来流条件和涡轮偏航角快速做出准确三维流场预测的能力。此处所用的特定图神经网络模型对未见数据具有良好泛化能力，且相较于常见图神经网络对过平滑更不敏感。基于真实风电场的案例研究进一步证明了该方法预测风场尺度发电量的能力。此外，所提出的图神经网络框架灵活且高度通用，按此处公式化后可应用于非结构网格上的任意稳态计算流体动力学模拟。