Оптимизация по образцу навозных жуков для вероятностного анализа сил на опоры гелиостатов

Почему ветер и зеркала важны

Огромные поля зеркал, называемых гелиостатами, являются сердцем некоторых солнечных электростанций. Они отслеживают солнце и отражают свет на центральную башню для выработки электроэнергии. Но в открытых, ветреных пустынях эти высокие конструкции зеркал постоянно подвергаются порывам и турбулентности. Если инженеры неверно оценят эти ветровые силы, опоры могут оказаться чрезмерно усиленными и дорогими — или, что хуже, недостаточно прочными и небезопасными. В этой работе изучается, как лучше предсказывать ветровые нагрузки на опоры гелиостатов с помощью натуроподобного алгоритма, смоделированного по поведению навозных жуков, с целью обеспечить безопасность и экономичность солнечной энергии.

Как ветер действует на солнечные зеркала

Гелиостаты — это не просто плоские зеркала на столбах. У них есть балки, колонны и соединения, которые по‑разному воспринимают ветер. Традиционно инженеры предполагают, что постоянно меняющееся ветровое давление ведет себя как аккуратная колоколообразная кривая — классическое «нормальное» или гауссово распределение. Однако ранние исследования показали, что реальные ветровые давления на гелиостаты часто нарушают это правило, особенно в отдельных участках поверхности зеркала. Это означает, что простые модели могут неверно оценивать пиковые силы, наиболее критичные для предотвращения разрушений конструкций. Авторы поставили задачу исследовать истинное случайное поведение ветровых сил на опорной конструкции, а не только на поверхности зеркала, при многих комбинациях направления ветра и угла зеркала.

От замеров в пустыне до испытаний в аэродинамической трубе

Исследование начинается с тщательных замеров ветра на реальном месте установки гелиостатов в северо‑западной пустынной области Китая. Команда установила мачту примерно 10 метров высотой с несколькими анемометрами, чтобы зафиксировать, как скорость и направление ветра изменяются с высотой в течение более чем 87 часов. Затем они воссоздали этот пограничный слой атмосферы в специализированной аэродинамической трубе, используя шпили и блоки шероховатости на полу для имитации пустынного рельефа. Масштабная модель гелиостата, примерно в 1/50 от реального размера, была установлена на высокоточный шестикоординатный датчик сил. Поворачивая модель через 130 комбинаций угла возвышения (наклон зеркала) и азимута (горизонтальное направление), они регистрировали, как меняются сопротивление, подъемная сила и опрокидывающие моменты при реалистичном, порывистом ветре.

Отделение упорядоченных ветров от диких

Чтобы определить, ведут ли себя ветровые силы как аккуратная колокольная кривая или проявляют более экстремальное, смещенное поведение, исследователи сфокусировались на двух статистиках: скошенности (skewness), измеряющей асимметрию влево‑вправо, и эксцесса (kurtosis), характеризующей тяжесть хвостов распределения (частоту больших выбросов). Для каждого рабочего условия они вычисляли эти два показателя для сопротивления, подъемной силы и опрокидывающего момента у основания опоры. Сравнивая результаты с предыдущими критериями из исследований зданий и кровель, они разработали новое, более строгое правило, ориентированное на гелиостаты: если скошенность находится в пределах ±0,2, а эксцесс не превышает 3,2, силу можно считать гауссовой; в противном случае она является негауссовой. Это правило корректно классифицировало около 97 процентов всех протестированных случаев при проверке по детализированным временным рядам и гистограммам.

Чему навозный жук учит о ветре

Испытания 130 ветровых условий в трубе дают лишь набор дискретных точек, тогда как проектировщикам нужно предсказывать поведение при гораздо большем числе углов и скоростей. Здесь в дело вступает оптимизатор по образцу навозных жуков. Вдохновленный тем, как навозные жуки катают, направляют и защищают свои пищевые шарики, этот алгоритм ищет оптимальный набор параметров для модели прогнозирования. Авторы использовали его для обучения нейронной сети, связывающей угол зеркала, направление ветра и скорость ветра со скошенностью и эксцессом сил на опоре. По сравнению с более привычными методами, такими как оптимизация роем частиц, оптимизация серых волков и стандартные сети с обратным распространением ошибки, подход по образцу навозного жука дал более точные предсказания и меньшие ошибки, особенно для статистик, управляющих редкими, экстремальными нагрузками.

Как статистика превращается в более безопасные солнечные поля

Комбинируя новое гауссово правило с прогнозами на основе навозного жука, команда построила карту зон, где ветровые силы ведут себя спокойно, и где они становятся неустойчивыми. Они обнаружили, что сопротивление и подъемная сила обычно ведут себя предсказуемо (гауссово) при низком угле возвышения зеркала, но переходят в негауссовое поведение при больших наклонах, где вокруг краев зеркала формируются организованные завихрения. Опрокидывающие моменты показывают обратную картину, становясь более предсказуемыми при больших углах наклона. Для практического проектирования это означает, что при многих повседневных условиях инженеры могут безопасно использовать более простые методы на основе гауссовых допущений, которые дешевле в вычислении. Однако при определенных рискованных углах следует применять более сложные модели, учитывающие тяжелые хвосты и выбросы. Вкратце, исследование предлагает ясное, основанное на физике руководство о том, когда достаточно простых допущений, а когда требуется более осторожный и детализированный подход, чтобы поля гелиостатов оставались одновременно надежными и экономичными.

Цитирование: Luo, H., Liang, Y., Xiong, Q. et al. Dung beetle optimization for probabilistic force analysis of heliostat support structures. Sci Rep 16, 6893 (2026). https://doi.org/10.1038/s41598-026-38236-w

Ключевые слова: нагрузки ветром на гелиостаты, конструкции солнечных башен, гауссовы и не-гауссовы силы, оптимизация навозных жуков, испытания в аэродинамической трубе