Automatic identification of wind turbine models using evolutionary multiobjective optimization

توربین های بادی در صنعت صنعتی مدرن، سیستم های غیر خطی هستند که در محیط های آشفته عمل می کنند. به این ترتیب، رفتار دقیق آنها در طیف گسترده ای از شرایط عملیاتی با استفاده از مدل های جسمی معنی دار دشوار است. به طور معمول، مدل های حاصل از داده های توربین بادی در فرمت جعبه سیاه وجود دارد که در هر دو مختصر و قابل فهم بودن وجود ندارد. برای رسیدگی به این کمبودها، از یک روش رگرسیون نمادین به تازگی توسعه داده شده است تا مدل های توربین بادی افقی محور مدرن را در شکل نمادین شناسایی کنیم. این روش از بهینه سازی چند هدفه تکاملی برای تولید مدل های پویای مختلط از داده های عملیاتی استفاده می کند، در حالی که حداقل فرضیه ها درباره خواص فیزیکی سیستم را تولید می کند. ما مدل های تولید شده توسط این روش را به مدل های مشتق شده با روش های دیگر با توجه به ظرفیت برآورد خود مقایسه می کنیم و تجارت بین روشنی و دقت مدل را ارزیابی می کنیم. مدل های مختلط متعددی وجود دارد که پیش بینی رفتار توربین های بادی را به خوبی یا بهتر از جایگزین های پیچیده تر که توسط روش های دیگر بدست آمده است. ما مدل های جدید را تفسیر می کنیم تا نشان دهند که اغلب آنها برآوردهای قابل فهم از فیزیک پردازش واقعی محسوب می شوند.