用于增强风电场模拟的渐进式数据增强 RANS 模型

无论是在当前还是未来，开发先进的模拟工具对于改进风能设计策略并为全面过渡到可持续解决方案铺平道路至关重要。雷诺平均纳维-斯托克斯（RANS）模型在增进我们对风电场内部及周围复杂流动的理解方面发挥着关键作用，因此，提高其在此背景下准确模拟湍流的能力是一个重要的研究目标。这种增强对于精确预测尾流恢复以及捕捉复杂流动现象（如涡轮机后方 Prandtl 第二类二次流）至关重要。为实现这些目标，本文提出了一种渐进式数据增强方法。我们首先将涡轮机诱导力纳入广泛使用的 $k-\omega\text{SST}$ 模型的湍动能方程中。随后，我们利用大涡模拟数据逐步增强此基线模型的雷诺应力预测，准确捕捉尾流中涡黏性的演变以及二次流的出现。然后，我们将优化后的模型应用于两个具有不同布局的未见案例，并针对归一化流向速度亏损、湍流强度和功率输出等所得量进行比较分析。我们还检验了增强模型在预测尾流区域二次流方面的成功率。我们还将增强模型的预测性能与风洞测量数据进行了比较，以评估其在预测尾流特性方面的表现。我们的比较与验证表明，在本文考虑的所有案例中，渐进式数据增强模型的性能均优于标准版本。