H 1.6. Données mesurées pour les charges de vent sur de petits bâtiments (exemple WTG 9.3)

Histoire de l'utilisateur

L'exemple suivant décrit des expériences en soufflerie menées par Université Polytechnique de Tokyo (TPU) comme exemple de validation dans la partie 9.3 du WTG-Merkblatt M3. Nous allons calculer le coefficient de pression du vent moyen (Cp) pour différentes zones de vent qui appartiennent au Groupe 2, selon Figure 2.2 dans le WTG-Merkblatt M3 :

• G2: Valeurs absolues avec exigences de précision moyennes: La zone d'application peut inclure des paramètres ou des études préliminaires lorsque des enquêtes ultérieures avec une précision plus élevée sont prévues (par exemple, examen en soufflerie de classe G3).
• R2: Solitaire: toutes les directions de vent pertinentes avec une résolution directionnelle suffisamment fine.
• Z2: Valeurs moyennes statistiques et écarts-types: à condition qu'elles impliquent des processus d'écoulement stationnaires, pour lesquels une vérification statistique des fluctuations avec un facteur de crête est suffisante.
• S1: Effets statiques: Ils suffisent à représenter le modèle structurel avec le détail mécanique nécessaire, mais sans propriétés de masse et d'amortissement.

Description

Cette section présente des données expérimentales de validation pour les charges de vent sur des modèles de bâtiments bas à toit à pignon. Les données proviennent de la base de données aérodynamiques de l'Université Polytechnique de Tokyo (TPU), qui fournit des mesures de référence pour des bâtiments avec différentes configurations de toit.

L'exemple de vérification compare les prédictions CFD des coefficients de pression du vent avec les expériences en soufflerie de la TPU. La géométrie du bâtiment de référence (rapport de dimensions D:B:H_o= 160 : 160 : 40, angle de pente du toit β=45^∘) est analysée en décomposant la structure en surfaces individuelles (mur au vent, murs latéraux, mur sous le vent, et pentes du toit) comme le montre l'image 1. La partie inférieure de la figure montre les profils de condition aux limites d'entrée utilisés dans la soufflerie et le modèle CFD :

• Profil de vitesse moyenne du vent U(z)
• Profil d'intensité de turbulence I(z)

Ces profils sont comparés avec les conditions de terrain de la Catégorie III (norme AIJ 2004). L'accord démontre que l'écoulement d'entrée de la soufflerie de la TPU reproduit des caractéristiques réalistes de la couche limite atmosphérique, fournissant une base fiable pour la validation.

1 Champ de vent simulé pour un terrain suburbain [Données TPU]

Table 1: Données d'entrée du toit à pignon 3D

Étude de la maille computationnelle

La figure présente une analyse de la sensibilité de la maille du modèle de toit à pignon dans RWIND. Le coefficient de force calculé (C_f) reste constant à 0.83 pour des densités de maille de 15% et 25%, indiquant des résultats stables à des niveaux de raffinement inférieurs. À des densités de maille plus élevées de 30% et 35%, C_f augmente légèrement à 0.85 et 0.87, respectivement. Ce comportement montre une convergence globale, avec seulement de légères variations observées à mesure que la maille devient plus fine.

2 Analyse de sensibilité du maillage avec le coefficient de force (Cf) dans RWIND

De plus, l'étude de la maille computationnelle doit être réalisée selon le lien suivant :

• Étude de maillage numérique

Exigence de précision du WTG-Merkblatt M3

Le WTG-Merkblatt M3 fournit deux méthodes clés pour valider les résultats de simulation. La méthode du Taux de réussite évalue combien des valeurs simulées P_i correspondent correctement aux valeurs de référence O_i dans une tolérance définie, en utilisant une approche de classification binaire (réussite ou échec). Cette approche évalue la fiabilité de la simulation en calculant un taux de réussite q, similaire aux fonctions de confiance utilisées dans la théorie de la fiabilité. En revanche, la méthode de la Erreur quadratique moyenne normalisée (e²) offre une évaluation de précision plus détaillée en quantifiant la déviation quadratique moyenne entre les valeurs simulées et de référence, normalisée pour tenir compte des différences d'échelle. Ensemble, ces méthodes fournissent des mesures à la fois qualitatives et quantitatives pour la validation de simulation.

• Validation des résultats de simulation à l’aide de la méthode du taux de réussite définie dans la WTG-Merkblatt M3

• Évaluation de la précision des résultats à l'aide de l'erreur quadratique moyenne normalisée définie dans la WTG-Merkblatt M3

Résultats et discussion

Les six figures (images 3 à 8) présentent une analyse comparative des coefficients de pression moyens (Ave C_p) sur différentes surfaces d'un bâtiment à toit à pignon, obtenue à partir des expériences en soufflerie de l'Université Polytechnique de Tokyo (TPU) et simulée avec RWIND en utilisant les modèles de turbulence Steady RANS k-ω et URANS k-ω.

Pour la surface 1 (mur au vent), la C_p moyenne diminue régulièrement d'environ 0.65 à une direction du vent de 0° à environ –0.9 à 90°. Les données expérimentales commencent à des valeurs légèrement plus élevées, tandis que le Steady RANS sous-estime les pressions positives de crête. L'URANS capture mieux les pics de pression, en particulier entre 10° et 20°, et montre un meilleur accord avec les expériences dans la plage initiale, bien que toutes les méthodes convergent à des angles plus larges.

3 Comparaison des résultats expérimentaux et CFD pour le coefficient de pression moyen (Cp) sur la surface 1 selon les directions de vent

Pour la surface 2 (mur latéral), la C_p moyenne augmente régulièrement d'environ –0.6 à 0° à environ +0.65 à 90°. Les résultats expérimentaux montrent une augmentation régulière et cohérente sur toute la plage angulaire. La simulation Steady RANS sous-estime légèrement l'aspiration à de petits angles de vent et surestime légèrement les pressions positives à des angles plus élevés. En revanche, les résultats URANS montrent un accord beaucoup plus étroit avec les données expérimentales, notamment entre 30° et 80°, soulignant sa capacité améliorée à capturer la récupération de l'écoulement sous le vent.

4 Comparaison des résultats expérimentaux et CFD pour le coefficient de pression moyen (Cp) sur la surface 2 sous différentes directions de vent

Dans le cas de la surface 3 (mur sous le vent), la pression reste négative, commençant autour de –0.3 à 0° et atteignant des valeurs autour de –0.9 près de 70°–80°. La tendance expérimentale est bien capturée par Steady RANS dans la plupart des angles, tandis que l'URANS sous-estime constamment la pression (Cp moins négatif), notamment dans la plage intermédiaire des directions du vent. Cela montre que Steady RANS fonctionne mieux pour les conditions d'aspiration des murs latéraux.

5 Comparaison des coefficients de pression du vent expérimentaux et numériques sur la surface 3 selon les directions du vent

Le coefficient de pression moyen sur la surface 4 (mur latéral) reste négatif pour toutes les directions du vent, avec des valeurs augmentant progressivement d'une forte aspiration à 0° à presque neutre à 90°. Tant RANS que URANS capturent généralement la tendance globale observée dans les données expérimentales, mais des écarts notables se produisent, notamment à des angles de vent élevés où les simulations tendent à surestimer la récupération. Steady RANS montre un meilleur accord dans la plage moyenne, tandis que Steady URANS présente des écarts plus importants à des angles élevés.

6 Comparaison des coefficients de pression du vent expérimentaux et numériques sur la surface 4 selon les directions du vent

Pour la surface 5, toutes les méthodes capturent de manière cohérente la transition en douceur du coefficient de pression moyen, des valeurs négatives (aspiration) à de faibles angles de vent à une pression positive à des directions de vent plus élevées. Les données expérimentales de TPU indiquent une augmentation régulière, passant de l'aspiration à la pression autour de 45°, une tendance bien reflétée par les deux approches numériques. Steady RANS suit les résultats expérimentaux avec une très grande précision, montrant seulement des écarts minimes sur toute la plage angulaire. L'URANS, d'autre part, prédit de légères valeurs différentes, ayant généralement tendance à sous-estimer la pression à des directions de vent plus élevées, mais maintient néanmoins un bon accord global avec les expériences et RANS.

7 Comparaison des coefficients de pression du vent expérimentaux et numériques sur la surface 5 selon les directions du vent

Enfin, le coefficient de pression moyen sur la surface 6 montre un bon accord entre les expériences et le CFD, tandis qu'à 20°–40°, les expériences indiquent une aspiration plus forte. Steady RANS sous-estime légèrement ce pic, et URANS surestime constamment avec une aspiration plus faible. Dans l'ensemble, RANS capture plus fiablement la tendance expérimentale, tandis que URANS tend à s'écarter à des angles de vent obliques.

8 Comparaison des coefficients de pression du vent expérimentaux et numériques sur la surface 6 en fonction des directions du vent

Le tableau 3 résume les métriques de validation pour les six surfaces de bâtiment, en considérant un critère de déviation de 10% pour RANS et 20% pour URANS. Pour la Surface 1, l'URANS montre une supériorité évidente avec un taux de réussite plus élevé (85% contre 57% pour RANS) et une erreur plus faible (e² = 0.012 contre 0.015). Une tendance similaire est observée pour la Surface 2, où l'URANS dépasse à nouveau le RANS, obtenant un taux de réussite de 71% contre 57% et réduisant l'erreur de 0.025 à 0.011. En revanche, la Surface 3 met en lumière la force du RANS, qui atteint un taux de réussite plus élevé (85% contre 71%) et une erreur nettement plus faible (0.008 contre 0.030). Pour la Surface 4, les deux méthodes atteignent un taux de réussite identique de 85%, mais le RANS performe légèrement mieux en termes d'erreur (0.022 contre 0.026). Les Surfaces 5 et 6 montrent des taux de réussite équilibrés de 71% pour les deux méthodes; cependant, pour la Surface 5, les erreurs sont égales (0.010 pour les deux), tandis que pour la Surface 6, le RANS est nettement supérieur avec une erreur beaucoup plus petite (0.006 contre 0.031). Globalement, les résultats indiquent que l'URANS fournit un meilleur accord avec les expériences sur les Surfaces 1 et 2, tandis que le RANS offre des prédictions plus précises pour les Surfaces 3 et 6, avec les deux méthodes montrant des performances comparables sur les Surfaces 4 et 5.

Table 3: Métrique de validation pour la valeur de Cp de six zones différentes

87x

13x

WTG Exemple 9.3