基于逆向建模与遗传算法优化的汽轮机数字孪生设计与建模方法

《Designs》：A Digital Twin Design and Modeling Method for Steam Turbines Based on Reverse Modeling and Genetic Algorithm Optimization

　　

监测汽轮机运行状态对高效安全发电至关重要。本研究提出一种融合逆向建模技术与遗传算法（Genetic Algorithm, GA）优化的汽轮机数字孪生设计与建模方法。首先，利用点云融合与曲面重建技术，从三维扫描点云数据重构几何设计模型，覆盖13级高压转子叶片、9级中压静叶及汽缸。其次，采用优化网格设计参数生成适用于计算流体动力学（Computational Fluid Dynamics, CFD）仿真的物理模型。针对不可测参数，应用遗传算法进行数据驱动设计优化，将动态仿真精度提升至95%。最后，借助降阶模型（Reduced-Order Model, ROM）实现关键物理场的实时映射。该方法在典型深度调峰工况下的有效性得到验证。

研究背景方面，在碳达峰碳中和目标推进下，可再生能源装机上升使电力系统不确定性增加，火电由基荷转向深度调峰，汽轮机长期变负荷导致热应力集中与疲劳损伤，高精度建模需求迫切。现有研究在逆向几何建模与仿真网格生成脱节、全阶模型计算负担重难实时、混合模型多补偿输出而非修正机理内部参数、GA标定多离线难在线更新等方面存在不足。为此，研究人员开展面向深度调峰的汽轮机数字孪生建模研究，提出逆向建模—CFD网格—GA不可测参数标定—本征正交分解（Proper Orthogonal Decomposition, POD）降阶实时映射的全流程方法，并在600 MW亚临界机组现场数据下验证，动态仿真精度达95%，温度场重构误差小于2.5%、单次重构小于1 s，具有重要意义，论文发表于《Designs》。

关键技术方法上，研究人员以某600 MW亚临界汽轮机为对象，采用手持激光三维扫描（单点精度0.05 mm）获取13级高压转子叶片与9级中压静叶点云；经统计滤波、移动最小二乘平滑、迭代最近点（Iterative Closest Point, ICP）配准后，用区域生长分割与非均匀有理B样条（Non-Uniform Rational B-Splines, NURBS）重建曲面并离散为STL网格，总约320万三角面；CFD采用RANS（Reynolds-Averaged Navier–Stokes）方程结合SST k-ω湍流模型、IAPWS-IF97真实蒸汽物性、SIMPLE耦合，在ANSYS Fluent 2023 R1完成定常求解；不可测参数（流量系数、摩擦系数、传热系数）以RMSE最小为目标用实数编码GA（种群50、200代、模拟二进制交叉、多项式变异、锦标赛选择）标定，约1万次CFD评价；降阶模型以30%/50%/75%/100%负荷共32个稳态快照建快照矩阵，SVD保留99.2%能量前若干模态，在线用径向基函数（Radial Basis Function, RBF）插值投影系数重构温度场。

研究结果部分，2 几何模型建立：通过扫描预处理与NURBS曲面重建完成全机装配，点云扰动±0.05 mm引起高压排汽温度预测变化小于±0.3 °C，证明扫描精度满足工程需要。3 物理模型构建：分区结构化/非结构化网格（高压转子叶高方向70层、首层0.15 mm、膨胀比1.3；中压静叶38层、首层0.08 mm、膨胀比2），网格无关性研究显示中等网格与细网格峰值温压差异小于1.5%且省40%算力；RANS+SST k-ω定常求解在30%与50%负荷下高压排汽温度相对误差小于1.2%。4 不可测参数优化：GA以仿真与DCS监测RMSE最小标定流量系数、摩擦系数、传热系数，50代后收敛；30%与50%负荷下温度预测RMSE较经验常数下降超72%，精度提升显著，且对种群规模、交叉与变异概率不敏感（RMSE波动≤0.22 °C）。5 深度调峰验证：POD-ROM用32快照前模态（99.2%能量）结合RBF在线映射，高压一级转子叶片温度场与全阶CFD最大相对误小于2.5%，单次重构<1 s；50%负荷2 h验证中高压排汽温度最大绝对偏差3.2 °C、平均1.8 °C、相对误差<0.5%，30%负荷各测点平均绝对偏差<3 °C、相对误差<0.6%；传热系数贡献约68%输出方差，证实GA标定价值；与Yu等、Zhang等同类研究比，本研究RMSE（3.12 °C/2.34 °C）与相对误差（<0.6%）更优且全流程集成。

讨论与结论翻译部分，研究人员指出该框架可扩展至超超临界或联合循环机组，网格与GA标定可脚本自动化，ROM经OPC-UA/MQTT接入DCS可在边缘端<1 s返回温度/应力场，给出从离线标定到在线监测的工业部署路径；未来将引入斜坡瞬态快照并结合动态模态分解（Dynamic Mode Decomposition, DMD）提升瞬态保真度。结论归纳为四点：一、基于逆向建模的全机几何重建为数字孪生提供高保真几何基础；二、精细化网格物理模型准确捕捉深度调峰流热特性；三、GA标定不可测参数使30%/50%负荷温度预测RMSE显著下降；四、POD降阶模型实现亚秒级温度场重构，平均绝对偏差<3 °C、最大相对误差<0.6%，在保计算效率的同时显著提升深度调峰监测能力。