Turbulent wind thrust control to reduce pitch motion of floating wind platforms with improved rotor operation
School of Engineering, The University of Manchester(曼彻斯特大学工程学院)
本文提出改进的涡轮机控制策略,通过负阻尼效应的消除和涡轮机动力学与平台动力学的解耦,提升漂浮式风力平台在湍流风中的运行性能。
2025-10-31 physics.flu-dyn
Study change of the performance of airfoil of small wind turbine under low wind speed by CFD simulation
本研究利用XFLR5软件重新设计S1010翼型,并通过CFD仿真在4-6 m/s低风速下评估其气动性能,发现新翼型在特定攻角与厚度参数下气动效率最优。
2023-11-20 physics.flu-dyn
Physical constraints on visual anemometry using vegetation displacement statistics
可视化风速测量(VA)利用流体-结构相互作用的观察来推断入射流特性。最近的工作已经证明了VA的概念,使用数据驱动和物理建模方法应用于自然植被。这些方法尚未实现跨植物物种的推广,需要特定地点的校准。我们进行了一项实验室研究,在一个开路风洞使用架空图像的三种植被的风速推断植被位移场的效用进行评估。风速和植被生长速度均呈双参数威布尔分布。风和植被的比例因子(两个参数之一)之间的关系被发现是很好地描述了一个S形函数,表明三个地区的不同的结构响应的风荷载在低,中,高风速。在中等风速范围内,风和植被尺度因子几乎成线性比例,从而促进VA。重要的是,风和植被尺度因子被发现是不相关的低和高的风制度,揭示了一个基本的限制VA使用结构响应数据。我们讨论了这些制度的物理基础,并提出了额外的参数关系,可以利用在中间风制度可能概括推断的风速和风向。
2022-09-04 physics.flu-dyn
Supervised Learning for Multi Zone Sound Field Reproduction under Harsh Environmental Conditions
Technical University Berlin(柏林工业大学)
本文提出了一种基于监督学习的多区域声场再现方法。传统的多区域声场再现方法假设声音的速度恒定,忽略了风和温度分层等非线性效应。我们将展示如何使用传递函数的监督学习来克服这些限制。通过声学对比度和再现误差来衡量解决方案的质量。我们的研究结果表明,对于所选的设置,即使风速相对较小,当在训练模型中考虑风时,声学对比度和再现误差也可以提高高达16 dB。
2021-12-14 cs.SD eess.AS physics.flu-dyn
Evaluating near-surface wind speeds simulated by the CRCM6-GEM5 model using AmeriFlux data over North America
本研究利用北美27个AmeriFlux站点数据,通过多维度误差指标评估CRCM6-GEM5模式不同配置的10米风速模拟效果,明确了粗糙度长度、稳定度相关设置及地形拖曳方案对模拟结果的影响。
2025-03-21 physics.ao-ph physics.flu-dyn
On the prediction of underwater aerodynamic noise of offshore wind turbines
本文首次量化了5 MW、10 MW和22 MW海上风力机及其风电场的水下气动噪声足迹,提出结合风力机噪声预测与平面波传播理论的新方法,为减轻水下噪声排放和可持续开发海上风能提供依据。
2025-03-10 physics.ao-ph physics.flu-dyn
Environmental Atmospheric Turbulence at Florence Airport
我们提出了一个时间序列的风强度测量记录在佛罗伦萨机场在2002年10月至2003年3月期间的分析。同时采取的数据由两个跑道头风速计,位于900米的距离,在3.3 10-3赫兹的频率。数据显示,在几十个小时的长时间跨度内,相关性很强。我们进行了风速分析,因为它通常是为湍流实验室实验。风速回报和风速差被认为是。这些量的pdf表现出强的非高斯胖尾。伽玛分布可以成功地再现波动的标准偏差的分布,而对数正态分布则完全失败。按照Beck和Cohen超统计方法,我们从该Gamma分布中提取Tsallis熵指数q。相应的q指数曲线以非常好的精度再现了收益率和速度差的pdf。
2004-06-28 cond-mat.stat-mech physics.ao-ph physics.flu-dyn
Statistical analysis of wind speed fluctuation and increments of non-stationary atmospheric boundary layer turbulence
本文研究了大气边界层风速水平分量的统计特性。出于它的非平稳性,我们研究哪些参数保持不变,或可以被视为是分段常数,并解释如何估计它们。我们将验证自然大气边界层湍流是由连续发生的接近理想湍流的不同参数组成的图像。第一个重点放在风速的波动周围的平均行为。我们描述了一种方法估计的标准偏差的波动和平均风速之间的比例因子,并分析其时间依赖性。第二个重点是风速增量。我们调查的增量分布,并使用基于超统计的算法来量化的时间依赖性的参数描述的分布。应用所介绍的工具产生了一个全面的描述风速在大气边界层。
2008-11-20 physics.ao-ph physics.data-an physics.flu-dyn
Simulations of near-source wind development and pollution dispersion over complex terrain under different thermal conditions
建立了不同气象条件下可压缩污染物扩散的计算流体动力学(CFD)模型,求解了稳态雷诺平均Navier-Stokes(RANS)方程。创建了一个6.4公里乘6.4公里的计算域,该计算域位于地面以上1公里的复杂地形上。利用多源气象资料获得风速、气温、湍流动能及其耗散率等边界条件。为了评估模型,部署了一个由四个风速计组成的监测网络。模型的预测进行了比较,风速和浓度的SO2排放的当地焦化厂的测量。比较表明,预测的风速是合理的接近实测平均风速和平均误差在10%以内的一个位置,其中相对较快的风速记录。CFD模型还预测了不同海拔的多个地点风速变化的正确趋势。考虑到地形和气象条件的复杂性,该模型还为多种情况下的SO2浓度提供了良好的预测。
2022-11-14 physics.comp-ph physics.flu-dyn
A Two-Regime Statistical Framework for Wind-Power Distributions: From Wind-Speed Fluctuations to Turbine Control
OIST Graduate University(冲绳科学技术大学院大学);MINES ParisTech(巴黎高等矿业学院);London Mathematical Laboratory(伦敦数学实验室);Exus Renewables North America(Exus可再生能源北美公司)
研究风电变异性挑战,开发双机制统计框架。在空气动力学运行状态下推导风电分布解析表达式,在控制主导的近额定状态下表征功率亏缺,为风力涡轮机全运行范围的风电波动提供物理解释统计描述。
2026-07-29 physics.ao-ph physics.data-an physics.flu-dyn
Seeing the Wind: Visual Wind Speed Prediction with a Coupled Convolutional and Recurrent Neural Network
Stanford University(斯坦福大学);California Institute of Technology(加州理工学院)
风能资源量化、空气污染监测和天气预报都依赖于对当地风况的快速、准确测量。对风的影响的视觉观察-例如树木的摇摆和旗帜的拍打-编码了关于当地风况的信息,这些信息可以潜在地用于廉价且无处不在的视觉风速测量。在这里,我们展示了一个耦合的卷积神经网络和循环神经网络架构,提取风速编码的可视化记录的流结构的相互作用的旗帜和树在自然发生的风。风速范围为0.75-11 m/s的预测与现场杯风速计的测量结果一致,根均方误差接近大气湍流引起的自然风速变化。该网络的通用性证明了成功的风速预测的基础上记录的其他旗帜在现场和受控风洞测试。此外,基于物理的缩放的扑动动力学准确地预测网络性能的视频帧速率和持续时间的依赖。
2019-10-28 cs.CV cs.LG physics.flu-dyn
Rician Distribution as a Physically Interpretable Model for Wind-Speed Statistics
OIST Graduate University(冲绳科学技术大学院大学);MINES ParisTech(巴黎高等矿业学院);London Mathematical Laboratory(伦敦数学实验室);Exus Renewables North America(Exus Renewables北美分公司)
研究提出基于两个正交高斯速度分量的物理模型推导风速的莱斯分布,利用四个风电场风速记录对比,表明莱斯模型优于高斯模型,与威布尔模型竞争,其参数能描述变异性,是紧凑且物理可解释的双参数模型。
2026-07-29 physics.ao-ph physics.data-an physics.flu-dyn