该叶轮机械气动优化方法通过图神经网络实现流场快速预测，在提升功率和效率的同时显著降低性能波动，为能源系统的数字孪生提供高效工具。
李金星 · 刘天源 · Zhu, Guangya · Li, Yunzhu · 谢永慧
Energy 2023
DGNN在保持精度的同时，时间消耗远小于CFD，可将优化迭代时间从数天缩短至分钟级。
稳健优化在提升功率的同时降低其标准差，使涡轮输出更稳定，减少对不确定因素的敏感性。
效率稳健优化显著降低效率波动，使涡轮在变工况下保持高效率运行。
基于图学习的代理模型可快速预测流场，避免重复进行昂贵CFD计算，降低使用门槛。