在全球气候变暖、环境问题日益严重的当下,风能作为一种清洁可再生能源已经得到越来越广的应用。垂直轴风力发电机是一类能适应恶劣风场环境的小型风能发电设备。由于其条形叶片横截面均匀一致,所以提高风能利用率主要围绕优化风轮截面展开。传统的风轮设计与优化使用基于数学定义的解析表达式来描述截面造型,但受限于目前已有的数学和空气动力学等理论知识,一些造型新颖且发电效能优异的风轮造型并不能直接通过预先设计的数学表达式描述。一种有潜力的方法是使用计算机视觉技术提取图像特征来参数化描述风轮截面,但通常提取出的特征冗长复杂,不适合在此基础上寻找性能更优的风轮造型。本文提出一种用于风轮截面参数化的稀疏图像编解码算法和新颖造型风轮生成方法,并在此基础上设计风轮自动寻优系统用于自动生成性能更优的风轮截面造型。本文主要工作和创新点如下:1.提出基于残差递归自编码器的风轮截面参数化方法。相比一般面向自然图像的编解码算法,残差递归自编码器可以充分利用截面图像稀疏性,规律性的特点,从而将高分辨率截面图像以较高压缩率压缩到一组编码向量中,并且可以根据一组编码向量高精度地解码出原始图像,这一过程被称为风轮截面参数化,编码向量即风轮截面参数组。此外,本文将残差递归自编码器推广到公开的稀疏图像数据集,根据数据集和编码维度不同,该方法相比传统自编码器的重建图像PSNR提升3.4%～27.18%。此外,残差递归算法不依赖特定网络结构,即使在结构简单的全连接网络中也有2.5%～14.11%的性能提升。2.提出一种风轮截面新颖性约束方法,用于生成残差递归自编码器的训练样本。该方法使用一个截面随机扰动器,根据输入的扰动强度生成一组跟扰动强度正相关的随机噪声,通过把噪声加到截面的频域特征中生成与原图相似但造型新颖的风轮截面。将新颖截面用于训练残差递归自编码器可以提高编码向量空间中截面造型的丰富度。3.设计一种基于稀疏图像编解码算法的风轮截面优化方法,用于自动化地在蕴含丰富风轮造型的编码空间中寻找发电效能更高的截面造型。该寻优方法利用遗传算法可以自适应地在编码空间中选择合适的进化方向。将上述参数化方法和新颖性约束方法结合应用到风轮寻优系统,找到的最优截面相比训练数据集中最优样本扭矩系数提升12.67%。