基于元启发式的性能优化在涡流诱导振动清洁能源采集中的应用

《Ocean Engineering》：Metaheuristic-based performance optimization in vortex-induced vibration clean energy harvesting

本研究采用Van der Pol模型模拟VIVACE系统，开发耦合电磁机械模型进行优化，对比十种元启发式算法发现PSO效率最高但计算时间长，而IC算法在效率与计算时间间取得平衡最优。摘要：

　　随着全球对清洁可持续能源需求的不断增长，尤其是在发展中国家，能源危机和环境问题促使研究者探索新的能源获取方式。其中，利用流体动力学现象进行能量收集的技术逐渐受到关注，特别是基于涡激振动（Vortex-Induced Vibration, VIV）的水下能量收集系统。VIV是一种当自由移动的圆柱体暴露于流体流动中时，由于流体分离和涡旋脱落产生的振动现象。这一现象在工程领域曾被视为破坏性的，但如今被广泛认可为一种可行的可再生能源来源。VIVACE（Vortex-Induced Vibration Aquatic Clean Energy）系统便是利用这一现象进行水下能量收集的一种创新技术。

在VIVACE系统的研究中，参数优化成为提高能量收集效率的关键。本研究基于实验数据，采用校准过的Van der Pol尾流振荡器模型对基于压电效应的VIVACE系统进行建模，并开发了一种耦合机电系统的公式，用于模拟水动力能量收集过程。通过优化关键设计变量，如降速比、耦合系数、负载电阻和压电电容，研究者希望找到能够最大化系统能量效率的参数组合。然而，传统的优化方法往往难以处理这类复杂、非线性和多目标问题，因此，研究者开始尝试使用元启发式算法来解决这些问题。

目前，元启发式算法在能源收集领域的应用尚处于发展阶段。尽管粒子群优化（Particle Swarm Optimization, PSO）被广泛用于VIVACE系统的优化研究，但其他先进的元启发式算法，如灰狼优化器（Grey Wolf Optimizer）、人工蜂群算法（Artificial Bee Colony）、萤火虫算法（Firefly Algorithm）、鲸鱼优化算法（Whale Optimization Algorithm）、蝙蝠算法（Bat Algorithm）、 cuckoo search（布谷鸟搜索）、正弦余弦算法（Sine Cosine Algorithm）、帝国竞争算法（Imperialist Competitive Algorithm, ICA）和和声搜索算法（Harmony Search, HS），在相关文献中的应用相对较少。本研究正是在这一背景下展开，旨在通过系统比较这些算法的性能，探索其在VIVACE系统优化中的潜力。

实验结果表明，PSO算法在能量效率方面表现最佳，达到了10.88%的效率，而HS算法则效率最低，为10.16%。然而，当使用技术顺序偏好相似性理想解法（Technique for Order of Preference by Similarity to Ideal Solution, TOPSIS）进行排名时，PSO的排名却相对较低，原因在于其较高的计算时间。相比之下，ICA算法在效率（10.86%）和计算时间（382秒）之间取得了良好的平衡，成为整体性能最优的选择。HS算法排名第二，而FA（萤火虫算法）则在收敛速度上表现最慢。因此，ICA算法因其在速度和精度之间的平衡，被认为是最适合实际部署的优化算法。

在VIVACE系统的研究中，压电能量收集器因其独特的性能优势而备受青睐。压电装置的结构简单、体积紧凑、在小规模系统中具有较高的功率密度，并且能够直接将机械应变转化为电能，无需复杂的外部电路。这些特性使得压电装置在VIV应用中尤为适用，因为VIV系统中的结构振动可以被高效地利用来产生电能。因此，本研究采用了基于VIV的压电能量收集系统模型，以充分发挥其在水下环境中的能量转换能力。

近年来，研究者们在压电配置的优化方面取得了显著进展。通过结合压电和电磁机制，Muthalif等人实现了高达52%的输出功率提升。此外，Karimzadeh等人和Du等人分别应用了参数优化和拓扑优化技术，以改善压电装置的几何形状和材料特性，从而提高其整体性能。这些研究强调了采用系统化优化框架的必要性，以实现更高效率和可靠性的压电VIV系统。

元启发式算法在现代工程应用中展现出了强大的适应性和灵活性，特别是在清洁能量收集领域。与传统的确定性方法相比，元启发式算法能够有效解决复杂、非线性和多目标优化问题。这些算法特别适用于在不确定和动态环境条件下优化能量收集器的设计和操作参数，例如变化的流速和流体-结构相互作用。通过在解空间中平衡探索与开发，元启发式优化方法能够提高能量效率、系统稳定性和长期适应性。

在能量收集系统的优化研究中，元启发式算法的综合应用正在逐步扩展。例如，Bakshi等人引入了一种基于Shapley值的混合元启发式方法，用于多目标优化，提高了能量收集效率。Heroual等人则将遗传算法、蚁群优化和灰狼优化相结合，以优化混合储能系统的性能。Pati等人利用元启发式优化方法评估了太阳能和风能与多效蒸发器结合的混合系统中的能量产出。Syama等人提出了一个集成的二进制元启发式方法，用于动态单元承诺问题的优化。这些研究显示了元启发式算法在复杂能量收集配置优化中的广泛应用前景。

除了能量收集系统的优化，元启发式算法还被应用于更广泛的VIV控制和空气动力学性能优化。例如，Patil等人研究了使用多目标优化框架来缓解长跨桥梁的VIV现象，通过截面改造和调谐质量阻尼器平衡了空气动力学性能和成本。Pinto和Margnat则利用PSO和直接数值模拟优化了钝体几何形状，以减少由涡旋脱落引起的流动噪声和阻力。这些研究进一步展示了元启发式算法在处理复杂工程问题中的潜力。

尽管已有大量关于VIV现象的理论研究，但大多数现有研究仍主要集中在分析流体动力学行为和参数影响，而非通过先进的计算方法进行系统的性能优化。虽然PSO算法已被用于调整某些设计参数，但其他元启发式算法在VIVACE系统优化中的潜力尚未得到充分探索。此外，将耦合机电模型（连接尾流振荡器动态和压电能量转换）与优化框架相结合的研究仍显不足，这一问题限制了算法驱动设计在VIV能量收集器中的预测精度和实际应用价值。

为了弥补这些研究空白，本研究构建了一个校准过的Van der Pol尾流振荡器模型，用于模拟基于VIV的压电能量收集系统，并对十种先进的元启发式算法进行了全面评估。优化目标是通过调整关键系统参数，如压电耦合系数、负载电阻、电容和降速比，来最大化能量效率。研究不仅比较了不同算法的性能，还分析了它们的收敛行为和计算效率。此外，研究结果还通过敏感性分析和多准则TOPSIS评估进行进一步验证，以识别最有效的优化策略。

本研究的成果为VIVACE系统的算法选择提供了严格的基准，并为开发高效、可靠和适应性强的水下清洁能源技术提供了理论支持。通过系统化比较不同的元启发式算法，研究者能够更好地理解每种算法在优化过程中的优缺点，从而为实际工程应用提供指导。此外，本研究还强调了在优化过程中考虑耦合机电模型的重要性，以确保系统设计能够准确反映实际运行条件下的性能表现。

总之，本研究通过引入多种先进的元启发式算法，对基于VIV的压电能量收集系统进行了全面的性能优化分析。研究结果不仅揭示了不同算法在优化过程中的表现差异，还提供了对关键设计参数影响的深入理解。这些发现有助于推动VIVACE系统在实际水下环境中的应用，为实现可持续能源技术提供了新的思路和方法。未来的研究可以进一步探索这些算法在更复杂系统中的应用，以及如何通过改进模型和优化策略来提高整体性能。