《Next Energy》：Optimization of VIV-based renewable current energy harvesting using ant colony algorithms
编辑推荐：
本研究探讨了基于涡激振动（VIV）的能量收集系统与压电换能器耦合的优化，采用蚁群算法（ACO）在范德波尔（Van der Pol）尾流振子框架内进行。研究对象为两种互补的优化策略：(1) 在代表性稳态流条件下的基线参数优化，以及(2) 基于伊朗北部沙赫鲁德河（
本研究探讨了基于涡激振动（VIV）的能量收集系统与压电换能器耦合的优化，采用蚁群算法（ACO）在范德波尔（Van der Pol）尾流振子框架内进行。研究对象为两种互补的优化策略：(1) 在代表性稳态流条件下的基线参数优化，以及(2) 基于伊朗北部沙赫鲁德河（Shahroud River）一年流量数据的流条件依赖优化。研究人员优化了四个关键设计参数：折合流速、机电耦合系数、负载电阻和电容，以最大化能量传递效率。对于基线案例，ACO将最大能量传递效率提高了。收敛发生在59次迭代内，计算成本适中（总运行时间约471秒）。在流条件依赖优化中，年积分导致了一种不同的最优配置，在97次迭代后实现了最大年能量传递效率。尽管该配置在可变水文强迫下增强了鲁棒性，但计算需求显著高于基线优化（约180704秒对比471秒）。因此，除了优越的能量收集性能外，代表性范围优化策略还显示出计算时间的大幅减少。年能量产量比较表明，代表性范围优化相比年度数据优化和基线发电机产生了更优的平均年收集功率。结果表明，在有效能量产生由窄速度带主导的河流中，以统计上占主导的流态为目标的优化可以优于全谱年度优化。该研究确认了ACO适用于导航非线性、多模态的VIV能量系统，并为水动力能量收集应用提供了实用设计指导。
**研究背景与问题**
现代工程对轻质、弹性和自适应结构系统的需求日益增长，要求系统能够自主响应不确定和变化的环境条件。涡激振动（VIV）作为一种典型的流-固耦合现象，传统上被视为需要抑制的不利动态效应，但近期被重新解读为功能性适应的机会，可用于振动调节和能量收集。VIV能量收集系统的实用性最早由Bernitsas等人（文献[17]）通过实验证明，后续研究广泛探讨了质量比、阻尼、刚度等结构参数以及雷诺数等水动力条件对VIV行为的影响。然而，实际部署面临生物污损等挑战，且性能优化仍需深入。近年来，研究重点转向基于VIV的能量收集器性能优化，包括钝体几何修改、运行条件识别、优化算法应用以及多自由度配置等。压电材料因其紧凑性、结构简单性和与低频振荡的兼容性，成为VIV能量收集中的常用换能方式。本研究旨在通过蚁群算法（ACO）优化VIV压电能量收集系统的四个关键参数（折合流速、机电耦合系数、负载电阻、电容），以最大化能量传递效率，并比较基于代表性稳态流条件与基于年度河流流量数据的两种优化策略，为河流水动力能量收集提供设计指导。论文发表在《Next Energy》。
**关键技术方法**
研究人员建立了基于范德波尔（Van der Pol）尾流振子模型的VIV系统动力学方程，并与压电换能器耦合，形成流-固-电耦合动态系统。采用蚁群算法（ACO）进行全局优化，种群规模为15只蚂蚁，迭代100次。优化变量为折合流速（U*，0.5–20）、机电耦合系数（θ，0.001–0.01）、负载电阻（RL，50–200 kΩ）和电容（Cp，30–200 nF）。基线优化假设稳态流条件；流条件依赖优化则基于沙赫鲁德河（Shahroud River，伊朗北部）一年（2024年9月23日至2025年9月22日）的每日流量数据，通过曼宁方程估算流速，并将年能量积分作为目标函数。
**研究结果**
**3.1 基线参数优化**
通过ACO算法优化，在15只蚂蚁、100次迭代下，最大能量传递效率（η）相比基线发电机（Mehmood等人，文献[76]）提高了10%。优化参数收敛于θ=4.7194×10
-3、RL=125 kΩ、Cp=5×10
-8 F、U*=5.26，η在59次迭代后达到最大值。10次独立运行显示平均η=10.272%，标准差0.109%，变异系数1.06%，重复性良好。热图显示最优解集中在低RL、低Cp、中等U*和中等偏高的θ区域。相关性分析表明，η与RL呈强负相关，与θ呈强正相关，而Cp和U*的影响呈非线性且较弱。电气参数（RL、θ、Cp）对η的影响大于水动力参数U*。
**3.2 基于年度河流数据的流条件依赖优化**
优化参数收敛于圆柱直径D=0.66721 m、θ=0.0055516、RL=125 kΩ、Cp=9.5558×10
-8 F，η在97次迭代后达到最大值0.057425。计算时间显著增加，总运行时间约180704秒（约50.2小时），单次迭代最长2012.64秒。热图显示高η集中在高θ和高D区域，且RL固定为125 kΩ。相关性分析与基线类似，η与RL负相关，与θ正相关。
**3.3 性能优化比较**
基于河流速度概率分布（图11），有效能量产生集中在窄速度带内（锁频区间）。代表性范围优化（3.1）的年平均收集功率为0.039 W，而流条件依赖优化（3.2）和基线发电机分别为0.0045 W和0.0022 W。尽管3.2的瞬时峰值功率可能更高，但年累积能量显著低于3.1。结果表明，在有效能量产生由窄速度带主导的河流中，针对统计上占主导的流态进行优化优于全谱年度优化，且计算时间从约50小时降至不到8分钟。
**讨论与结论**
作者指出，优化策略的有效性比纳入的水文数据量更重要。年度能量产生主要由窄锁频速度带决定，而非全流速谱。代表性范围优化能更精确地针对有效能量产生区间，从而提供更优的年性能。ACO算法在非线性多模态响应曲面中表现出稳健性和有效性。研究局限性包括：采用降阶范德波尔模型，未能完全捕捉高保真CFD或实验的复杂流-固相互作用；未进行与其他优化算法（如遗传算法、差分进化、粒子群优化、贝叶斯优化）的基准比较；仅考虑能量传递效率单一目标，实际系统需多目标优化；未考虑参数不确定性、制造公差和长期河流变化。优化参数（RL=125 kΩ、Cp=50–96 nF、θ典型值、D=0.667 m）在工程实际范围内可实施，但需实验验证。结论基于单一河流案例，不可推广至所有河流系统。
**结论翻译**
本研究采用蚁群算法（ACO）应用于范德波尔尾流振子模型，探讨了VIV系统与压电能量收集系统耦合的性能优化。研究了两种互补的优化策略：（1）在代表性稳态流条件下的基线参数优化，以及（2）基于沙赫鲁德河一年流量数据的流条件依赖优化。通过调整四个关键参数，包括压电耦合系数（θ）、负载电阻（RL）、压电电容（Cp）和折合流速（U*），优化框架成功提升了整体能量传递效率（η）。
除了确定最优参数值外，本研究还为基于河流的VIV能量收集器设计提供了新见解。一个关键发现是，优化策略比目标函数中包含的水文数据量更具影响力。尽管年度流量数据提供了更全面的河流条件表征，但基于统计上占主导的速度范围的优化产生了显著更高的年收集功率。这一结果表明，年度能量产生主要由窄锁频速度带决定，而非整个流速谱。因此，对于以能量产生速度集中为特征的河流，代表性流优化可能比全谱年度优化构成更有效且计算效率更高的设计策略。得出以下结论：
• ACO算法显著提高了最大能量传递效率，在基线优化中达到高值，在基于年度数据的优化中实现了全局最优。与基线（未优化）发电机相比，优化配置在峰值效率和年收集功率上均表现出显著改善，确认了ACO导航非线性多模态动态响应曲面的能力。
• 基线参数优化在100次迭代中约需471秒（约4.78秒/次），计算需求适中。相比之下，流条件依赖优化约需180704秒（约50小时），突显了年度水文积分带来的巨大计算成本。因此，虽然年度优化提高了鲁棒性，但代表性范围优化提供了显著更高效的计算替代方案。
• 热图显示，ACO识别的最优解集中在低RL、低Cp、中等U*和中等偏高θ的狭窄区域。由于探索的参数组合稀疏，热图主要说明算法的收敛行为，而非参数相互作用的完整表征。
• 相关性分析显示η与θ和U*呈强正相关，而RL和Cp与η呈负相关。这些发现表明，更强的机电耦合和在锁频速度区间内的运行显著提高了能量收集效率，而增加的电阻和电容倾向于抑制功率输出。
• 尽管采用了完整的年度流量数据，流条件依赖优化产生的中等年收集功率（0.0045 W）低于代表性范围优化（0.039 W）。这一结果反映了河流速度概率分布的偏斜性，其中有效能量产生由窄速度带主导。因此，在能量产生速度集中的河流中，针对统计上占主导的流态进行优化可以优于全谱年度优化。
总体而言，该研究确认了ACO在优化非线性VIV水动力能量收集器中的稳健性和有效性。结果为选择最优机电参数提供了实用设计指导，并表明统计信息驱动的代表性流优化能够以显著降低的计算成本实现优越的年能量性能。
