Durante la fase de diseño general de vehículos aéreos no tripulados (UAV) impulsados por energía solar, se requiere una gran cantidad de datos de rendimiento aerodinámico de hélices de alta fidelidad (HF) para mejorar el rendimiento del diseño, pero el costo de adquisición es prohibitivamente caro. Para mejorar la precisión del modelo y reducir los costos de modelado, este documento construye un modelo de fusión de datos aerodinámicos de múltiples fidelidades asociando datos de diferentes fidelidades. Este modelo utiliza un método computacional de baja fidelidad para determinar rápidamente el espacio de diseño. Se adoptaron el muestreo de hipercubo latino restringido basado en la enumeración local sucesiva (SLE-CLHS) y el criterio de mejora esperada (EI) para lograr la inicialización eficiente y la convergencia más rápida del modelo sustituto Co-Kriging dentro del espacio de diseño. Este marco de modelado se aplicó para adquirir el rendimiento aerodinámico de hélices de gran altitud, y el modelo fue evaluado utilizando varios indicadores de rendimiento. Los resultados demuestran que el modelo propuesto tiene un excelente rendimiento predictivo. Específicamente, cuando el modelo sustituto se construyó utilizando 350 muestras de alta fidelidad, hubo mejoras del 13.727%, 12.241% y 5.484% en empuje, par y eficiencia en comparación con el modelo sustituto construido a partir de muestras de baja fidelidad.