数字孪生丨Altair 全球学生竞赛：东北电力大学获奖作品揭秘！

为实现中国电力减碳、能源减碳、双碳目标，构建以新能源为主体的新型电力系统成为必经之路。随着我国风力机的大规模使用，建立起大型风电场的稳态仿真模型成为首要目标。

但由于风力涡轮机是非线性的，风的动态是实时变化的，需要常常改变风向倾角，这就需要反复计算风速与偏航角的关系以达到最优性能，有限元模型往往因自由度数目庞大而难以用于结构优化的多次分析，极易引起“维数灾”的问题，往往会造成求解结果困难甚至出现难以得到收敛解的极端情况，因此很难确立一个特定的数学模型来有效的模拟风力机的风速数据。

基于这些原因，迫使东北电力大学团队必须选择合适的方法对其进行抽象化处理，进而构造出一种数学模型。然而采用通用模型或者电磁机电混合模型时，前者忽略了转子等影响，后者仿真速度无法保证，所以这里我们选择降维的方法，将模型降阶视为代数解法，将时变数据分解为特殊的速度和时间的成分，以减少数据集的容量,同时保留数据中包含的最重要部分的信息，减少了完整数据的收集需求，降阶模型的建立可以大大降低计算复杂度。

本次东北电力大学团队的目标是将 Altair 技术与风力机结合，通过romAI降阶技术来模拟风力机不同偏航角下的尾流位点风速数据来验证降阶模型的有效性。在本次降阶模拟实验中，团队采集了风力机在不同的垂直角度0—1,0—10,0—30的全阶数据信息，对全阶数据进行截断，只保留主要数据，将这些数据称为原始数据。

采样中心选取以风力机模型桨叶中心为基准，水平距离x/dT=7进行水平，垂直线性采样，风力机偏航角度设置为0°与30°两种采样共四十个点位，采样频率为300Hz,采样的总时长为30s。训练数据依据分层抽样法，水平垂直各选取 1,5,10,15,20五个测点，每个测点各选取前3000个时间节点数据进行降阶训练。团队将上述数据进行模拟，将原始数据输入，把 romAI降维数据与原数据进行比对。发现romAI模拟的数据与原始数据基本上相吻合。

仿真结果表明简化后的模型具有良好的精确性，可以看到 scope 图像中的 romAI 与原始数据具有很好的相似性和一致性。在参数调节过程中不断调整参数来减小误差，进行反复训练进而得到最优精准值以便于后续预测。

在对 views 图像的分析时选择更平缓的曲线，并保证图像降阶与实际的渐进，以确保最终数据比较的可靠性。在本次模拟中，团队舍弃大部分非主要的信息，仅靠少量数值计算结果建立降阶模型，这给予团队在数据采集方面和运算上的便利。并且 romAI 可以保持原系统的稳定性，所得到的数据较为接近，具有多种算法模拟，精确度较高，可变性强，数据直观可见。

romAI 降阶通过减少模型的关联状态空间尺寸或自由度，计算出与原模型的近似值，就可以较好的兼顾速度与精确度，同时也具有优良可调节的参数，包括但不限于算法，分流层，神经元等。同时Altair具有更快，更准的工具集为设计者们参考与研究，能让设计者更快，更加轻松的设计与实验。从发展趋势来看现在的降阶模型正在引领仿真技术的变革，并且降阶模型与数字孪生技术密切相关，可以说降阶模型的研究推动了数字孪生模型的发展，是未来智能制造的发展方向。

数字孪生技术，可以实现全面监控关键的参数与数据，可以模拟在非常规条件下的各种性能，降阶模型为数字孪生技术提供精确快速的数据，他为数字孪生技术发展提供的很大的助力。同时Altair拥有一款独特的仿真软件技术，该软件采用独特的系统化模型降阶技术，可将有限元数量成百上千的复杂单元胞体简化为数量可控的形变模式和状态变量，这使得多尺度建模能够切实应用于解决当今的复杂异质材料仿真问题。

利用 Altair 的 romAI 人工智能工具，可将 3D 仿真用作训练数据以生成动态 ROM。只需要运行几次 3D 仿真即可，因为与传统的数据驱动方法相比，这种方法需要的训练数据更少。romAI可以与任何求解器搭配使用，并且在训练空间内运行时可生成高度准确的结果， 甚至在该空间外的外推应用中也非常稳定且实用。