English(EN) Multi-scale Dynamic Wake Modeling of Floating Offshore Wind Turbines via Fourier Neural Operators and Physics-Informed Neural Networks

AI模型高保真度预测海上风力涡轮机尾流

作者 PulseAugur 编辑部 · [1 个来源] · 2026-04-28 04:00

研究人员开发了一种使用傅里叶神经网络算子（FNO）和物理信息神经网络（PINNs）对浮动式海上风力涡轮机动态尾流进行建模的新方法。研究发现，与PINNs相比，FNO在捕捉复杂湍流结构和预测各种频率下的尾流行为方面更有效。FNO还显示出显著更快的训练时间，收敛速度比PINNs快八倍。 AI

影响为可再生能源系统中复杂流体动力学的预测引入了一种更高效、更准确的AI驱动方法。

排序理由学术论文，详细介绍了使用神经网络解决特定工程问题的新的建模方法。

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

报道来源 [1]

arXiv cs.LG TIER_1 English(EN) · Guodan Dong, Jianhua Qin, Chang Xu · 2026-04-28 04:00

Multi-scale Dynamic Wake Modeling of Floating Offshore Wind Turbines via Fourier Neural Operators and Physics-Informed Neural Networks

arXiv:2604.23937v1 Announce Type: cross Abstract: Multi-scale dynamic wake prediction is essential for the real-time control and performance optimization of floating offshore wind turbines (FOWTs). In this study, Fourier neural operators (FNOs) and physics-informed neural network…