إطار تآزري ANN-GA-CFD لتحسين أداء توربين سافونيوس مع تحقق تجريبي

الرياح الحضرية ببساطة

مع سعي المدن إلى طاقة أنظف، تبدو توربينات الرياح الصغيرة على الأسطح جذابة، لكن العديد من التصاميم تكافح لتحويل النسائم اللطيفة والمتغيرة إلى طاقة مفيدة. تركز هذه الدراسة على جهاز بسيط على شكل برميل يُعرف بتوربين سافونيوس وتُظهر كيف يمكن للأدوات الحاسوبية الذكية استخلاص كهرباء أكثر من كل هبة ريح، مما قد يجعل التوربينات الهادئة ومنخفضة التكلفة أكثر عملية للمنازل وكتل المدينة.

لماذا يهم هذا النوع من التوربينات

توربين سافونيوس ليس العملاق الأملس ذو الثلاث شفرات الذي تراه في مزارع الرياح. بدلاً من ذلك، هو أسطوانة عمودية قصيرة مكوّنة من شفرتين أو أكثر مقوّستين، تشبه قشرة طبل نصفية تواجهان اتجاهين متعاكسين. ميزاته القوة هي البساطة، والتكلفة المنخفضة، والقدرة على التقاط الريح من أي اتجاه، وهو مثالي للمشاهد الحضرية المزدحمة حيث تكون تدفقات الهواء مضطربة وغير متوقعة. عيبه الرئيسي هو الكفاءة المنخفضة: فعادةً ما يحول جزءًا صغيرًا فقط من طاقة الرياح إلى دوران مفيد مقارنةً بأنواع التوربينات الأخرى.

استخدام الذكاء والتطور في الحاسوب

لمعالجة هذا القصور، بنى الباحثون «مَنفق رياح» رقميًا يعمل بثلاثة أساليب متضافرة. أولاً، جمعوا مجموعة كبيرة من النتائج من تجارب سابقة ومحاكاة حاسوبية لتصاميم سافونيوس متعددة، ثم ملأوا مناطق مفقودة من فضاء التصميم بمحاكاة تدفق هواء مفصّلة جديدة. ثانيًا، درّبوا شبكات عصبية اصطناعية، وهي نوع من نماذج تعلّم الآلة، لتتعلم كيف تؤثر تغييرات حجم الشفرة وشكلها والتواءها وتباعدها وسرعة التشغيل على ناتج الطاقة. ثالثًا، ربطوا هذه النماذج المتعلمة بخوارزمية جينية، وهي طريقة بحث مستوحاة من التطور، تزاوج وتطفّر آلاف التصاميم الافتراضية لإيجاد التركيبات التي تدور بأعلى كفاءة.

إيجاد أشكال أفضل وكيف تعمل

من خلال حلقة التعلم والبحث وإعادة المحاكاة هذه، قارن الفريق عائلتين من التوربينات: تلك ذات الشفرات المستقيمة وتلك ذات الشفرات الملتفة بلطف على طول ارتفاع الدوار. أظهر التصميم المستقيم المحسّن زيادة ملحوظة في الطاقة مقارنةً بتصميم مرجعي مستخدم على نطاق واسع. أما أفضل تصميم ملتف فحقق أداءً أفضل، بزيادة في ناتج الطاقة تقارب سدس الناتج مقارنةً بنفس المرجع. الشكل الملتف يملّس القوى المؤثرة على الشفرات أثناء دورانها، ويقلل النقاط الميتة في الدوران ويحافظ على إنتاج عزم مفيد على مدار دورة كاملة، خاصةً عند سرعات الريح الأعلى.

أي النوابض أهم

نظرًا لأن نموذج الشبكة العصبية يعمل بسرعة فائقة، تمكن الباحثون من اختبار تركيبات افتراضية بمليارات المرات من ظروف التصميم والتشغيل. استخدموا ذلك لإجراء تحليل حساسية عالمي، يصنّف مدى قوة تأثير كل عامل على الأداء. تُظهر النتائج أن معدل دوران الدوار بالنسبة لسرعة الريح هو العقَل الوحيد الأكثر أهمية، تليه سرعة الريح نفسها. عدد الشفرات، ونسب الدوار، وزاوية الالتواء أيضاً مهمة، لكنها بدرجة أقل. يعني هذا أن التحكم الذكي في السرعة، مثل تعديل الحمل الكهربائي على المولد مع تغير الريح، يمكن أن يكون لا يقل أهمية عن نحت الشفرات بعناية.

اختبار التصاميم عمليًا

للتحقق مما إذا كانت التصاميم الموجهة بالحاسوب تصمد في العالم الحقيقي، طبع الفريق نماذج أولية ثلاثية الأبعاد لكل من التوربينات المستقيمة والملتفة المحسّنة واختبرها في نفق هواء تحت عدة حالات تدفق. طابقت قياسات نواتج الطاقة تقريبًا توقعات نماذج الشبكة العصبية، وكانت ضمن بضعة بالمئات عبر النطاق المختبر. يشير هذا التطابق إلى أن النهج المتكامل لجمع البيانات وتعلّم الآلة والبحث التطوري ومحاكاة تدفق الهواء الموجهة يمكن أن يوجه التصاميم بشكل موثوق دون الحاجة لبناء واختبار كل متغير فعليًا.

ماذا يعني هذا لمستقبل طاقة الرياح الصغيرة

لغير المتخصص، الخلاصة أن التوربينات العمودية البسيطة يمكن أن تصبح أكثر فعالية بدرجة ملحوظة عندما يتم توجيهها بأدوات حديثة معتمدة على البيانات. وبينما لا تحول هذه المكاسب جهاز سافونيوس إلى عملاق يضاهي آلات مزارع الرياح الكبيرة، فإنها تجعله أكثر قدرة وتوقعًا، خاصةً في الرياح الفوضوية حول المباني. يمكن توسيع نفس الإطار لأنظمة رياح مدمجة أخرى، مما يساعد المهندسين على تصميم أجهزة أكثر هدوءًا وكفاءة تناسب البيئات اليومية وتساهم بكميات متواضعة لكنها موثوقة من الطاقة النظيفة.

الاستشهاد: Sehsah, H.M., Sakr, I.M., Abdelsalam, A.M. et al. Synergistic ANN-GA-CFD framework for high-performance Savonius wind turbine optimization with experimental validation. Sci Rep 16, 15711 (2026). https://doi.org/10.1038/s41598-026-52882-0

الكلمات المفتاحية: توربين رياح سافونيوس, محور عمودي للريح, تصميم بتعلّم الآلة, طاقة متجددة, طاقة الرياح الحضرية