CN115408962A - 基于cfd模拟和测风激光雷达的风场重建方法及系统 - Google Patents

基于cfd模拟和测风激光雷达的风场重建方法及系统 Download PDF

Info

Publication number
CN115408962A
CN115408962A CN202211362731.1A CN202211362731A CN115408962A CN 115408962 A CN115408962 A CN 115408962A CN 202211362731 A CN202211362731 A CN 202211362731A CN 115408962 A CN115408962 A CN 115408962A
Authority
CN
China
Prior art keywords
wind
cfd
speed
wind field
data
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202211362731.1A
Other languages
English (en)
Other versions
CN115408962B (zh
Inventor
袁金龙
夏海云
舒志峰
董晶晶
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing University of Information Science and Technology
Original Assignee
Nanjing University of Information Science and Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Nanjing University of Information Science and Technology filed Critical Nanjing University of Information Science and Technology
Priority to CN202211362731.1A priority Critical patent/CN115408962B/zh
Publication of CN115408962A publication Critical patent/CN115408962A/zh
Application granted granted Critical
Publication of CN115408962B publication Critical patent/CN115408962B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/28—Design optimisation, verification or simulation using fluid dynamics, e.g. using Navier-Stokes equations or computational fluid dynamics [CFD]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/21—Design, administration or maintenance of databases
    • G06F16/211—Schema design and management
    • G06F16/212—Schema design and management with details for data modelling support
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
    • G06T17/205—Re-meshing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2113/00—Details relating to the application field
    • G06F2113/08—Fluids
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Analysis (AREA)
  • Computing Systems (AREA)
  • Fluid Mechanics (AREA)
  • Algebra (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Physics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Software Systems (AREA)
  • Computer Graphics (AREA)
  • Data Mining & Analysis (AREA)
  • Optical Radar Systems And Details Thereof (AREA)

Abstract

本发明公开了基于CFD模拟和测风激光雷达的风场重建方法及系统，属于大气风场测量领域，基于CFD模拟和测风激光雷达的风场重建方法及系统，在进行边界条件离散时，根据目标区域风速风向的概率分布来进行边界条件离散，可减少计算工况并节约计算成本，在测风激光雷达实测数据与CFD数据库匹配前，先根据测风激光雷达实测结果进行分块处理，充分考虑了实际风场常常出现风速风向转变情况，在进行CFD数据匹配时，根据反演精度来确定加权系数，提高了匹配精度，充分利用了测风激光雷达测风精度高的特点和CFD模拟风场信息全的特点，弥补了测风激光雷达采样空间有限，容易受挡的缺点，弥补了CFD难以模拟多变的复杂环境的缺点。

Description

基于CFD模拟和测风激光雷达的风场重建方法及系统
技术领域
本发明涉及大气风场测量领域，更具体地说，涉及基于CFD模拟和测风激光雷达的风场重建方法及系统。
背景技术
传统数值天气预防方法系统如WRF，常用全球或跨区域的三维风场预报，而针对局部区域（工业园区、城市、机场等）的精细风场建立，是目前很多工程和科学问题的关键。例如，恶臭异味污染是指一切能够通过刺激嗅觉感官从而引起人类心理厌恶感的气体，它往往是由多种有机物组分构成的混合物，是一种典型的大气环境污染。恶臭异味污染不仅对人体健康造成伤害，而且对社会稳定和经济发展都会产生影响。实现工业园区三维风场重建，可用于深入研究化工园区的恶臭异味污染的时空分布特征，并对恶臭异味污染进行溯源和未来轨迹的分析，在经济和社会效益上都具有重要意义。随着航空运输总量的不断增长，飞机的飞行密度也迅速膨胀，而机场风切变事故也不断地报道出来，低空风切变严重威胁飞行安全。由于风场具有随机性、变化快等特点，机场三维空间风场建立，对威胁飞机飞行的安全危险事件（风切变、大风、阵风、顺风、侧风、湍流等）的实时预警和预报具有重大意义。此外，局部三维精细风场的重建和预报，对风力发电场、城市风风场、山地风场、桥梁建筑风工程都有重大应用价值。
目前针对对局部区域三维风场的实验测量手段包括探空气球、风廓线仪、测风激光雷达、地基风速仪等等，但是这探测设备只能对局部的空间的风场采样，覆盖面低。虽然遥感测风设备如测风激光雷达能通过扫描来对空间风场进行采样，但是耗时长、光束常被地表建筑或地形遮挡，且只能获得较为准确的径向速度，其他分速度的反演精度有限。现有的探测手段都无法直接获得局部区域的三维精细风场。计算流体动力学（CFD）模拟通过求解控制流体流动的微分方程，可以模拟精细的风场流动情况，具有成本低，信息全、距离分辨率高和能模拟实际过程中各种状态的优点，随着高性能计算机的发展，CFD被广泛应用于城市风场研究中。而实际风场情况非常复杂，CFD模型的复杂初始条件和边界条件难以准确获取，难以适应不同的物理场景，且CFD模拟的计算量大，实时性较差。将探测技术和模拟技术的优缺点结合起来实现三维精细风场重建，具有重大意义。
发明内容
1．要解决的技术问题
针对现有技术中存在的问题，本发明的目的在于提供基于CFD模拟和测风激光雷达的风场重建方法及系统，它能够根据测风激光雷达测量数据，结合CFD数据库，实现局部区域精细风场的重建，可用于机场气象保障、城市风场、山地风场研究，以及化工园区的污染和异味溯源和扩散追踪。
2．技术方案
为解决上述问题，本发明采用如下的技术方案。
基于CFD模拟和测风激光雷达的风场重建方法，包括以下步骤：
S1、根据局部区域的地形和建筑，进行网格划分，对计算域进行离散化，建立CFD模型；
S2、根据测风激光雷达历史探测数据和当地气象日志，统计出计算域的风速风向概率密度分布；
S3、对CFD模型的边界条件进行离散化，覆盖所有可能出现的来流条件，对风速风向概率密度分布大的工况进行加密离散化，建立CFD数据库；
S4、测风激光雷达进行不同仰角的实时PPI扫描，反演出径向风速、水平风速和风向，根据风速风向对计算域的风场进行分块处理（V1，V2...Vn）,对每个分块分别匹配出最接近的CFD数据库，对于均匀风场则直接匹配不需要分块处理；
S5、多源数据融合，用匹配的数据库，填补激光雷达盲区和其未为探测区域的风场结果，从而获得整个计算域内的完整的精细三维风场数据S0；
S6、根据雷达实测边界条件和三维风场S0作为初始场，激活CFD模拟程序可对未来三维风场分布进行预测。
进一步的，S1中，CFD模型包括计算网格、边界条件、计算域、湍流模型和CFD求解器。
进一步的，CFD模型的计算域为圆柱形，下边界为无滑移壁面边界条件，上边界条件为对称边界条件，前方来流为速度入口。
进一步的，S2中，通过当地气象局获得气象日志中风速风向数据。
进一步的，S2中，通过提前布置测风激光雷达进行长期观测试验，统计出目标区域的风速风向概率密度分布。
进一步的，S3中，在进行边界条件离散时，对风速风向概率密度分布大的工况进行加密离散化处理；对于风速风向概率密度低的情况，设置梯度更稀疏的计算工况。
进一步的，S3中，仅保留目标区域网格节点位置(x,y,z)和风场数据（u,v,w）,x为水平方向坐标、y侧向坐标，w为竖直方向坐标，u为南北方向分速度、v东西分速度、w为竖直分速度，并记录目标区域的平均风速。
进一步的，S4中，对于存在风速风向突变、阵风情况下，不同区域的风场流入情况不同，此时则根据目标区域的风速和风向分布进行分块处理，相邻距离门风速差异小于第一阈值W1且风向差异小于第二阈值D1，分类为同一块区域，将探测区域分为（V1，V2...Vn），对每个分块分别匹配出最接近的CFD数据库（C1，C2...Cn）；
罚函数
Figure 526000DEST_PATH_IMAGE001
为：
Figure 238739DEST_PATH_IMAGE002
其中：
Figure 399593DEST_PATH_IMAGE003
Figure 74288DEST_PATH_IMAGE004
Figure 394411DEST_PATH_IMAGE005
Figure 230780DEST_PATH_IMAGE006
Figure 643045DEST_PATH_IMAGE007
Figure 855851DEST_PATH_IMAGE008
Figure 30481DEST_PATH_IMAGE009
其中，
Figure 568909DEST_PATH_IMAGE010
和
Figure 704356DEST_PATH_IMAGE011
分别为分速度项和径向速度项，
Figure 219388DEST_PATH_IMAGE012
和
Figure 389470DEST_PATH_IMAGE013
为对应的加权系数，
Figure 692275DEST_PATH_IMAGE014
，
Figure 580597DEST_PATH_IMAGE015
，
Figure 400785DEST_PATH_IMAGE016
和
Figure 923908DEST_PATH_IMAGE017
分别为雷达反演的南北方向分速度、东西方向分速度，竖直方向分速度和径向速度，
Figure 272981DEST_PATH_IMAGE018
，
Figure 648598DEST_PATH_IMAGE019
和
Figure 131532DEST_PATH_IMAGE020
分别为CFD模拟数据库中的南北方向分速度、东西方向分速度和竖直方向分速度，
Figure 10627DEST_PATH_IMAGE021
和
Figure 566154DEST_PATH_IMAGE022
分别为方位角和俯仰角，
Figure 897909DEST_PATH_IMAGE023
为网格节点三维坐标的标号；
所示加权系数
Figure 918955DEST_PATH_IMAGE024
和
Figure 183714DEST_PATH_IMAGE025
由雷达反演的南北方向分速度、东西方向分速度，竖直方向分速度和径向速度的反演精度决定，反演精度越高，则对应的加权系数应设置的越大。
进一步的，S5中，完整的精细三维风速数据S0包括实测风场数据和CFD模拟数据，完整的精细三维风速数据S0中有实测风场数据计算网格节点，直接保留实测数据，没有实测风场数据的计算网格节点，则采用匹配的CFD模拟数据。
应用于基于CFD模拟和测风激光雷达的风场重建方法的系统，包括：
CFD模型模块，用于根据目标区域的地形和建筑的几何参数建立目标区；
CFD数据库建立模块，根据目标区域的风速风向分布的概率分布，对CFD边界条件进行离散化，并分别求解这些计算工况，批量输出节点坐标和风速，建立目标区域的CFD风场数据库；
风场实时采集模块，基于测风激光雷达实时对目标区域的风场进行采样；
CFD数据库匹配模块，用于实测数据和CFD数据库匹配；
多源数据融合模块，用于实测数据和CFD模拟数据的融合；
三维风场预测模块，基于初始场，求解未来风场变化。
3．有益效果
相比于现有技术，本发明的优点在于：
（1）本发明根据激光雷达、地基风速仪等实测风场数据，可实现对目标区域CFD模型的反复修正和验证，可以获得准确合理的CFD模型。
（2）本发明在建立CFD数据库时，在进行边界条件离散时，根据目标区域风速风向的概率分布来进行边界条件离散，可减少计算工况并节约计算成本。
（3）本发明在测风激光雷达实测数据与CFD数据库匹配前，先根据测风激光雷达实测结果进行分块处理，充分考虑了实际风场常常出现风速风向转变情况，在进行CFD数据匹配时，根据反演精度来确定加权系数，提高了匹配精度。
（4）本发明充分利用了测风激光雷达测风精度高的特点和CFD模拟风场信息全的特点，弥补了测风激光雷达采样空间有限，容易受挡的缺点，弥补了CFD难以模拟多变的复杂环境的缺点。
附图说明
图1为本发明实施例提供的方法流程图；
图2为本发明实施例提供的系统模块流程图；
图3为本发明实施例提供的CFD网格模型示意图；
图4为本发明实施例提供的三维风场重建结果示意图。
具体实施方式
下面将结合本发明实施例中的附图；对本发明实施例中的技术方案进行清楚、完整地描述；显然；所描述的实施例仅仅是本发明一部分实施例；而不是全部的实施例，基于本发明中的实施例；本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例；都属于本发明保护的范围。
在本发明的描述中，需要说明的是，术语“上”、“下”、“内”、“外”、“顶/底端”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性。
在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“设置有”、“套设/接”、“连接”等，应做广义理解，例如“连接”，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
实施例1：
请参阅图1，基于CFD模拟和测风激光雷达的风场重建方法，包括以下步骤：
S1、根据局部区域的地形和建筑，进行网格划分，对所研究空间（计算域）进行离散化，建立计算流体动力学（CFD）模型；
其中，局部区域，包括机场、工业园区、城市、山地、体育赛场的空域。
CFD是计算流体动力学（Computational Fluid Dynamics）的简称，是流体力学和计算机科学相互融合的一门新兴交叉学科，它从计算方法出发，利用计算机快速的计算能力得到流体控制方程的近似解。
S1具体包括：CFD模型包括计算网格、边界条件、计算域、湍流模型、CFD求解器等，局部地形和建筑可通过GIS数据、激光雷达测绘点云数据构建，采用专业网格划分软件获得目标区域的网格文件。
CFD模型的计算域为圆柱形，下边界为无滑移壁面边界条件，上边界条件为对称边界条件，前方来流为速度入口。
CFD求解器可采用商用软件（如FLUENT），或基于开源CFD计算平台（如OpenFoam）。
下面以一个具体的应用场景来对本发明的方法进行详细阐述：
根据目标区域的地形和建筑，建立目标区域三维几何模型，为了减小网格数量和计算复杂度，在几何建模过程中仅保留建筑的主体结构，忽略局部微小结构。为了方便边界条件的设置和网格划分，典型网格模型如图3所示。
整个计算域采用非结构化网格和结构化网格相结合的混合网格方式，对地形和建筑表面网格进行加密处理以精确捕捉表面流场信息，在边界条件设置时，入口为速度入口，出口设为自由出口，计算区域入口和出口边界根据风向设置，即迎风面为入口，背风面设置为出口。上边界为对称边界条件，地形和表面设置为无滑移壁面边界条件。采用粗糙壁函数，其计算公式如下：
Figure 140169DEST_PATH_IMAGE026
式中，E=9.793为壁面常数，C=0.327为粗糙度常数，K≈0.4是冯卡门常数，
Figure 457755DEST_PATH_IMAGE027
是粗糙度高度，
Figure 157858DEST_PATH_IMAGE028
是第一个单元中心到壁面的距离，
Figure 136178DEST_PATH_IMAGE029
是单元中心的摩擦速度。
采用OpenFOAM计算平台中的RNG k-ε湍流模型。OpenFOAM是CFD模拟领域的免费开源软件。RNG k-ε模型输运方程如下：
Figure 263534DEST_PATH_IMAGE031
Figure 835461DEST_PATH_IMAGE033
式中，
Figure 572211DEST_PATH_IMAGE034
和
Figure 545983DEST_PATH_IMAGE035
是时间和空气密度，
Figure 968874DEST_PATH_IMAGE036
和
Figure 762518DEST_PATH_IMAGE037
是湍流动能（TKE）和及其耗散率，
Figure 70002DEST_PATH_IMAGE038
和
Figure 131237DEST_PATH_IMAGE039
是尺寸
Figure 865975DEST_PATH_IMAGE040
和
Figure 271548DEST_PATH_IMAGE041
上的位移，
Figure 851565DEST_PATH_IMAGE042
是尺寸
Figure 534351DEST_PATH_IMAGE040
上的速度，
Figure 932665DEST_PATH_IMAGE043
和
Figure 700901DEST_PATH_IMAGE044
是
Figure 209243DEST_PATH_IMAGE045
和
Figure 12114DEST_PATH_IMAGE046
普朗特数，
Figure 823075DEST_PATH_IMAGE047
是有效粘度，
Figure 311563DEST_PATH_IMAGE048
和
Figure 623596DEST_PATH_IMAGE049
分别为因平均速度梯度和浮力而产生的湍流动能和耗散率项，
Figure 280973DEST_PATH_IMAGE050
表示可压缩湍流中的脉动膨胀对总耗散率的贡献，
Figure 262836DEST_PATH_IMAGE051
和
Figure 5664DEST_PATH_IMAGE052
是自定义的源项，
Figure 229709DEST_PATH_IMAGE053
,
Figure 866227DEST_PATH_IMAGE054
和
Figure 18991DEST_PATH_IMAGE055
是常数，采用OpenFOAM推荐的输入湍流参数，RNG k-ε的默认模型系数是：
Figure 249115DEST_PATH_IMAGE056
。
S2、根据测风激光雷达历史探测数据和当地气象日志，统计出所研究区域的风速风向概率分布；
在一个实施例中，可通过当地气象局可以获得气象日志中风速风向数据，此外还可以通过提前布置测风激光雷达进行长期观测试验，统计出目标区域的风速风向分布概率密度分布。
S3、对CFD模型的边界条件进行离散化，覆盖所有可能出现的来流条件，对风速风向概率密度分布大的工况进行加密离散化，建立CFD数据库；
在一个实施例中，采用S1中的CFD模型通过离散边界条件，计算所有可能出现来流条件下的目标区域的风场，提取每个计算工况中坐标和风速信息，按照标准数据格式构建CFD模拟风速数据库。
在建立CFD数据库时，在进行边界条件离散时，对风速风向概率密度分布大的工况进行加密离散化处理；对于风速风向概率密度低的情况，设置梯度更稀疏的计算工况，节约了计算成本。
其次仅保留了目标区域网格节点位置(x,y,z)和风场数据（u,v,w）,x为水平方向坐标、y侧向坐标，w为竖直方向坐标，u为南北方向分速度、v东西分速度、w为竖直分速度，并记录目标区域的平均风速，降低存储成本和索引时间。
在建立CFD数据库时，批量输出网格节点位置和风速信息，并按照标准格式存储。
S4、测风激光雷达进行不同仰角的实时PPI扫描，反演出径向风速、水平风速和风向，根据风速风向对计算域的风场进行分块处理（V1，V2...Vn）,对每个分块分别匹配出最接近的CFD数据库，对于均匀风场则直接匹配不需要分块处理；
在本发明的一个实施例中，测风激光雷达采用PPI扫描，即恒定天顶角模式扫描，直接获取测量方向的径向风速信息。
测风激光雷达进行不同仰角的实时PPI扫描，反演出径向风速、水平风速和风向，根据风速风向对计算域的风场进行分块处理。
对于均匀风场则直接匹配不需要分块处理；对于存在风速风向突变、阵风情况下，不同区域的风场流入情况不同，此时则根据目标区域的风速和风向分布进行分块处理，相邻距离门风速差异小于第一阈值W1且风向差异小于第二阈值D1，分类为同一块区域，将探测区域分为（V1，V2...Vn），对每个分块分别匹配出最接近的CFD数据库（C1，C2...Cn）。
罚函数
Figure 512737DEST_PATH_IMAGE057
为：
Figure 269341DEST_PATH_IMAGE058
其中：
Figure 91541DEST_PATH_IMAGE003
Figure 808961DEST_PATH_IMAGE004
Figure 876274DEST_PATH_IMAGE005
Figure 362750DEST_PATH_IMAGE006
Figure 981951DEST_PATH_IMAGE007
Figure 691062DEST_PATH_IMAGE008
Figure 562066DEST_PATH_IMAGE009
其中，
Figure 903048DEST_PATH_IMAGE059
和
Figure 568516DEST_PATH_IMAGE060
分别为分速度项和径向速度项，
Figure 119583DEST_PATH_IMAGE061
和
Figure 292813DEST_PATH_IMAGE062
为对应的加权系数，
Figure 753881DEST_PATH_IMAGE063
，
Figure 324671DEST_PATH_IMAGE064
，
Figure 363034DEST_PATH_IMAGE065
和
Figure 841420DEST_PATH_IMAGE066
分别为雷达反演的南北方向分速度、东西方向分速度，竖直方向分速度和径向速度，
Figure 389951DEST_PATH_IMAGE067
，
Figure 397221DEST_PATH_IMAGE068
和
Figure 798247DEST_PATH_IMAGE069
分别为CFD模拟数据库中的南北方向分速度、东西方向分速度和竖直方向分速度，
Figure 939378DEST_PATH_IMAGE070
和
Figure 843880DEST_PATH_IMAGE071
分别为方位角和俯仰角，
Figure 786166DEST_PATH_IMAGE072
为网格节点三维坐标的标号；
所示加权系数
Figure DEST_PATH_IMAGE073
和
Figure 205646DEST_PATH_IMAGE074
由雷达反演的南北方向分速度、东西方向分速度，竖直方向分速度和径向速度的反演精度决定，反演精度越高，则对应的加权系数应设置的越大。
S5、多源数据融合，用匹配的数据库，填补激光雷达盲区和其未为探测区域的风场结果，从而获得整个计算域内的完整的精细三维风场数据S0；
该完整的精细三维风速数据S0包括实测风场数据和CFD模拟数据，完整的精细三维风速数据S0中有实测风场数据计算网格节点，直接保留实测数据，没有实测风场数据得计算网格节点，则采用匹配的CFD模拟数据，典型三维风速切片结果如图4所示。
S6、根据雷达实测边界条件和三维风场S0作为初始场，激活CFD模拟程序可对未来三维风场分布进行预测；
如图2所示，相应的，应用于基于CFD模拟和测风激光雷达的局部精细风场重建方法的系统，包括：
CFD模型模块，用于根据目标区域的地形和建筑的几何参数建立目标区；
CFD数据库建立模块，根据目标区域的风速风向分布的概率分布，对CFD边界条件进行离散化，并分别求解这些计算工况，批量输出节点坐标和风速，建立目标区域的CFD风场数据库；
风场实时采集模块，基于测风激光雷达实时对目标区域的风场进行采样。
CFD数据库匹配模块，用于实测数据和CFD数据库匹配；
多源数据融合模块，用于实测数据和CFD模拟数据的融合；
三维风场预测模块，基于初始场，求解未来风场变化。
以上所述；仅为本发明较佳的具体实施方式；但本发明的保护范围并不局限于此；任何熟悉本技术领域的技术人员在本发明揭露的技术范围内；根据本发明的技术方案及其改进构思加以等同替换或改变；都应涵盖在本发明的保护范围内。

Claims (10)

1.基于CFD模拟和测风激光雷达的风场重建方法，其特征在于：包括以下步骤：
S1、根据局部区域的地形和建筑，进行网格划分，对计算域进行离散化，建立CFD模型；
S2、根据测风激光雷达历史探测数据和当地气象日志，统计出计算域的风速风向概率密度分布；
S3、对CFD模型的边界条件进行离散化，覆盖所有可能出现的来流条件，对风速风向概率密度分布大的工况进行加密离散化，建立CFD数据库；
S4、测风激光雷达进行不同仰角的实时PPI扫描，反演出径向风速、水平风速和风向，根据风速风向对计算域的风场进行分块处理（V1，V2...Vn）,对每个分块分别匹配出最接近的CFD数据库，对于均匀风场则直接匹配不需要分块处理；
S5、多源数据融合，用匹配的数据库，填补激光雷达盲区和其未为探测区域的风场结果，从而获得整个计算域内的完整的精细三维风场数据S0；
S6、根据雷达实测边界条件和三维风场S0作为初始场，激活CFD模拟程序可对未来三维风场分布进行预测。
2.根据权利要求1所述的基于CFD模拟和测风激光雷达的风场重建方法，其特征在于：S1中，所述CFD模型包括计算网格、边界条件、计算域、湍流模型和CFD求解器。
3.根据权利要求2所述的基于CFD模拟和测风激光雷达的风场重建方法，其特征在于：所述CFD模型的计算域为圆柱形，下边界为无滑移壁面边界条件，上边界条件为对称边界条件，前方来流为速度入口。
4.根据权利要求1所述的基于CFD模拟和测风激光雷达的风场重建方法，其特征在于：S2中，通过当地气象局获得气象日志中风速风向数据。
5.根据权利要求1所述的基于CFD模拟和测风激光雷达的风场重建方法，其特征在于：S2中，通过提前布置测风激光雷达进行长期观测试验，统计出目标区域的风速风向概率密度分布。
6.根据权利要求1所述的基于CFD模拟和测风激光雷达的风场重建方法，其特征在于：S3中，在进行边界条件离散时，对风速风向概率密度分布大的工况进行加密离散化处理；对于风速风向概率密度低的情况，设置梯度更稀疏的计算工况。
7.根据权利要求6所述的基于CFD模拟和测风激光雷达的风场重建方法，其特征在于：S3中，仅保留目标区域网格节点位置(x,y,z)和风场数据（u,v,w）,x为水平方向坐标、y侧向坐标，w为竖直方向坐标，u为南北方向分速度、v东西分速度、w为竖直分速度，并记录目标区域的平均风速。
8.根据权利要求1所述的基于CFD模拟和测风激光雷达的风场重建方法，其特征在于：S4中，对于存在风速风向突变、阵风情况下，不同区域的风场流入情况不同，此时则根据目标区域的风速和风向分布进行分块处理，相邻距离门风速差异小于第一阈值W1且风向差异小于第二阈值D1，分类为同一块区域，将探测区域分为（V1，V2...Vn），对每个分块分别匹配出最接近的CFD数据库（C1，C2...Cn）；
罚函数
Figure 996808DEST_PATH_IMAGE001
为：
Figure 80039DEST_PATH_IMAGE002
其中：
Figure 358573DEST_PATH_IMAGE004
Figure 54128DEST_PATH_IMAGE006
Figure 734508DEST_PATH_IMAGE008
Figure 988641DEST_PATH_IMAGE010
Figure 629838DEST_PATH_IMAGE012
Figure 378351DEST_PATH_IMAGE014
Figure 663970DEST_PATH_IMAGE016
其中，
Figure 370895DEST_PATH_IMAGE017
和
Figure 499388DEST_PATH_IMAGE018
分别为分速度项和径向速度项，
Figure 52858DEST_PATH_IMAGE019
和
Figure 442251DEST_PATH_IMAGE020
为对应的加权系数，
Figure 805231DEST_PATH_IMAGE021
，
Figure 280074DEST_PATH_IMAGE022
，
Figure 885237DEST_PATH_IMAGE023
和
Figure 270082DEST_PATH_IMAGE024
分别为雷达反演的南北方向分速度、东西方向分速度，竖直方向分速度和径向速度，
Figure 787651DEST_PATH_IMAGE025
，
Figure 766102DEST_PATH_IMAGE026
和
Figure DEST_PATH_IMAGE027
分别为CFD模拟数据库中的南北方向分速度、东西方向分速度和竖直方向分速度，
Figure 863371DEST_PATH_IMAGE028
和
Figure DEST_PATH_IMAGE029
分别为方位角和俯仰角，
Figure 804520DEST_PATH_IMAGE030
为网格节点三维坐标的标号；
所示加权系数
Figure DEST_PATH_IMAGE031
和
Figure 306040DEST_PATH_IMAGE032
由雷达反演的南北方向分速度、东西方向分速度，竖直方向分速度和径向速度的反演精度决定，反演精度越高，则对应的加权系数应设置的越大。
9.根据权利要求1所述的基于CFD模拟和测风激光雷达的风场重建方法，其特征在于：S5中，所述完整的精细三维风速数据S0包括实测风场数据和CFD模拟数据，所述完整的精细三维风速数据S0中有实测风场数据计算网格节点，直接保留实测数据，没有实测风场数据的计算网格节点，则采用匹配的CFD模拟数据。
10.应用于如权利要求1-9任一所述的基于CFD模拟和测风激光雷达的风场重建方法的系统，其特征在于：包括：
CFD模型模块，用于根据目标区域的地形和建筑的几何参数建立目标区；
CFD数据库建立模块，根据目标区域的风速风向分布的概率分布，对CFD边界条件进行离散化，并分别求解这些计算工况，批量输出节点坐标和风速，建立目标区域的CFD风场数据库；
风场实时采集模块，基于测风激光雷达实时对目标区域的风场进行采样；
CFD数据库匹配模块，用于实测数据和CFD数据库匹配；
多源数据融合模块，用于实测数据和CFD模拟数据的融合；
三维风场预测模块，基于初始场，求解未来风场变化。
CN202211362731.1A 2022-11-02 2022-11-02 基于cfd模拟和测风激光雷达的风场重建方法及系统 Active CN115408962B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211362731.1A CN115408962B (zh) 2022-11-02 2022-11-02 基于cfd模拟和测风激光雷达的风场重建方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211362731.1A CN115408962B (zh) 2022-11-02 2022-11-02 基于cfd模拟和测风激光雷达的风场重建方法及系统

Publications (2)

Publication Number Publication Date
CN115408962A true CN115408962A (zh) 2022-11-29
CN115408962B CN115408962B (zh) 2023-03-31

Family

ID=84169094

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211362731.1A Active CN115408962B (zh) 2022-11-02 2022-11-02 基于cfd模拟和测风激光雷达的风场重建方法及系统

Country Status (1)

Country Link
CN (1) CN115408962B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116357522A (zh) * 2023-01-03 2023-06-30 蒙东协合开鲁风力发电有限公司 一种集成机载激光测风雷达的风机系统及运行控制方法
CN116522781A (zh) * 2023-05-04 2023-08-01 北京百度网讯科技有限公司 样本数据生成方法、模型的训练方法和装置
CN117091802A (zh) * 2023-07-26 2023-11-21 上海勘测设计研究院有限公司 基于实测数据的风速湍流模型的标定方法
CN117250632A (zh) * 2023-08-18 2023-12-19 华南理工大学 城市地貌粗糙度类别和风场特性获取方法、系统、设备和介质

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103679298A (zh) * 2013-12-27 2014-03-26 中能电力科技开发有限公司 风电场短期功率预测精度的评价方法
CN105608326A (zh) * 2015-12-31 2016-05-25 长沙理工大学 一种山区复杂地形风场大涡模拟入口边界条件输入方法
CN106707166A (zh) * 2017-01-05 2017-05-24 云南电网有限责任公司电力科学研究院 一种风电场出力特性评估方法
CN108563867A (zh) * 2018-04-13 2018-09-21 华中科技大学 一种基于OpenFOAM实现WRF和CFD耦合模拟风场的方法
CN109703770A (zh) * 2018-12-12 2019-05-03 国耀量子雷达科技有限公司 基于测风激光雷达和cfd数据库的舰载机助降方法
CN113673181A (zh) * 2021-08-13 2021-11-19 中国人民解放军国防科技大学 一种基于多源风场数据的机场区域风切变智能识别方法
CN113868971A (zh) * 2021-08-13 2021-12-31 中国人民解放军国防科技大学 一种基于数值仿真模型及历史风场特征的机场区域三维精细化风场重构方法
CN114357571A (zh) * 2021-12-14 2022-04-15 华南理工大学 建成建筑环境下大气边界层风场特性的反演方法和系统

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103679298A (zh) * 2013-12-27 2014-03-26 中能电力科技开发有限公司 风电场短期功率预测精度的评价方法
CN105608326A (zh) * 2015-12-31 2016-05-25 长沙理工大学 一种山区复杂地形风场大涡模拟入口边界条件输入方法
CN106707166A (zh) * 2017-01-05 2017-05-24 云南电网有限责任公司电力科学研究院 一种风电场出力特性评估方法
CN108563867A (zh) * 2018-04-13 2018-09-21 华中科技大学 一种基于OpenFOAM实现WRF和CFD耦合模拟风场的方法
CN109703770A (zh) * 2018-12-12 2019-05-03 国耀量子雷达科技有限公司 基于测风激光雷达和cfd数据库的舰载机助降方法
CN113673181A (zh) * 2021-08-13 2021-11-19 中国人民解放军国防科技大学 一种基于多源风场数据的机场区域风切变智能识别方法
CN113868971A (zh) * 2021-08-13 2021-12-31 中国人民解放军国防科技大学 一种基于数值仿真模型及历史风场特征的机场区域三维精细化风场重构方法
CN114357571A (zh) * 2021-12-14 2022-04-15 华南理工大学 建成建筑环境下大气边界层风场特性的反演方法和系统

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
刘磊等: "基于激光雷达数据的首都机场风场模拟", 《大气与环境光学学报》 *
刘鑫: "复杂地形下风力机尾流数值模拟研究和激光雷达实验对比", 《太阳能学报》 *
沈炼等: "基于WRF的山区峡谷桥址风场数值模拟", 《中国公路学报》 *
马致远等: "基于优化CFD模型的风电场风速数值模拟" *

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116357522A (zh) * 2023-01-03 2023-06-30 蒙东协合开鲁风力发电有限公司 一种集成机载激光测风雷达的风机系统及运行控制方法
CN116522781A (zh) * 2023-05-04 2023-08-01 北京百度网讯科技有限公司 样本数据生成方法、模型的训练方法和装置
CN116522781B (zh) * 2023-05-04 2024-04-05 北京百度网讯科技有限公司 样本数据生成方法、模型的训练方法和装置
CN117091802A (zh) * 2023-07-26 2023-11-21 上海勘测设计研究院有限公司 基于实测数据的风速湍流模型的标定方法
CN117091802B (zh) * 2023-07-26 2024-03-01 上海勘测设计研究院有限公司 基于实测数据的风速湍流模型的标定方法
CN117250632A (zh) * 2023-08-18 2023-12-19 华南理工大学 城市地貌粗糙度类别和风场特性获取方法、系统、设备和介质
CN117250632B (zh) * 2023-08-18 2024-03-08 华南理工大学 城市地貌粗糙度类别和风场特性获取方法、系统、设备和介质

Also Published As

Publication number Publication date
CN115408962B (zh) 2023-03-31

Similar Documents

Publication Publication Date Title
CN115408962B (zh) 基于cfd模拟和测风激光雷达的风场重建方法及系统
Salvador et al. Horizontal grid size selection and its influence on mesoscale model simulations
Chan et al. A validation of FEM3MP with Joint Urban 2003 data
Lyons et al. Modeling impacts of mesoscale vertical motions upon coastal zone air pollution dispersion
Zaïdi et al. Numerical simulations of the microscale heterogeneities of turbulence observed on a complex site
Srinivas et al. Sensitivity analysis of atmospheric dispersion simulations by FLEXPART to the WRF-simulated meteorological predictions in a coastal environment
Barlow et al. A review of urban roughness sublayer turbulence
He et al. Estimation of roughness length at Hong Kong International Airport via different micrometeorological methods
Liu et al. Wind dynamics over a highly heterogeneous oasis area: An experimental and numerical study
Gadal et al. Local wind regime induced by giant linear dunes: comparison of ERA5-land reanalysis with surface measurements
Dallman et al. Flow and turbulence in an industrial/suburban roughness canopy
Margairaz et al. Development and evaluation of an isolated-tree flow model for neutral-stability conditions
Song et al. Field measurements and CFD simulations of wind characteristics at the Yellow River bridge site in a converging-channel terrain
Grawe et al. Comparison of results of an obstacle resolving microscale model with wind tunnel data
Heimes et al. Vertical motions in orographic cloud systems over the Payette River basin. Part III: An evaluation of the impact of transient vertical motions on targeting during orographic cloud seeding operations
Carruthers et al. Urban air quality: meteorological processes
Zhang et al. A microscale model for air pollutant dispersion simulation in urban areas: Presentation of the model and performance over a single building
Paas et al. Analysis of a turbulent wind field in a street canyon: Good agreement between LES model results and data from a mobile platform
Chan Atmospheric turbulence in complex terrain: verifying numerical model results with observations by remote-sensing instruments
Chrit et al. Improving wind speed forecasting for urban air mobility using coupled simulations
Kim et al. Turbulent characteristics in complex coastal areas assessed using BSWO observations and WRF-LES simulation results
Yu et al. Experimental study of the impact of upstream mountain terrain and urban exposure on approaching wind characteristics
Palau et al. A study of dispersion in complex terrain under winter conditions using high-resolution mesoscale and Lagrangian particle models
Hunt et al. Air flow and dispersion in rough terrain: a report on Euromech 173
Gowardhan et al. Evaluation of the QUIC urban dispersion model using the Salt Lake City URBAN 2000 tracer experiment data—IOP 10

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant