Przykłady AIJ Case E - Kompleks budynków w rzeczywistym obszarze miejskim o gęstej koncentracji budynków w mieście Niigata

Wprowadzenie

Japoński Instytut Architektury (AIJ) przedstawił kilka dobrze znanych scenariuszy porównawczych symulacji wiatru.
Poniższy artykuł dotyczy "Przypadku E - Kompleks budynków C na rzeczywistym obszarze miejskim o gęstej koncentracji budynków niskich w mieście Niigata".
Poniżej opisany scenariusz jest symulowany w RWIND& 2, a wyniki są porównywane z wynikami symulacji i eksperymentów przez AIJ.

Układ modelu

Przypadek E opisuje autentyczną część miasta z przeważającą koncentracją niezbyt wysokich budynków. Tylko kilka budynków znacznie wystaje ponad pozostałe. Ze względu na bardzo złożoną geometrię, dokładniejszy opis geometrii lub położenia poszczególnych punktów pomiarowych nie ma znaczenia. Kompletna geometria została udostępniona przez autorów jako plik CAD [1] i zaimportowana do programu RFEM na potrzeby tego artykułu, aby można ją było przenieść do RWIND.

Układ modelu pokazano poniżej.

01 Modelowanie budynku z góry - studium przypadku AIJ: prawdziwy fragment miasta z niską zabudową Niigata City

W symulacji obliczono prędkość przepływu w wyraźnie określonych punktach. Dokładne położenie punktów pomiarowych zostało również opublikowane [1].

Położenie punktów pomiarowych pokazano poniżej.

02 Modelowanie budynku z góry - studium przypadku AIJ: prawdziwy fragment miasta z niską zabudową Niigata City

W przeciwieństwie do modeli o mniejszej złożoności geometrycznej, ustawienie poziomu szczegółowości podczas tworzenia siatki w RWIND jest w tym przypadku bardzo istotne. W przypadku niskiego poziomu szczegółowości, takiego jak domyślna wartość 2, siatka termokurczliwa zamyka aleje między budynkami lub wewnętrzne dziedzińce. Dlatego zdecydowanie zaleca się ustawienie poziomu szczegółowości na maksymalną wartość 4. Poniżej przedstawiono problem z gęstością siatki 15%.

03 Poziom szczegółowości siatki 2 i gęstość siatki 15%

04 Poziom szczegółowości 4 i gęstość siatki 15%

Pomimo tego samego ustawienia w odniesieniu do gęstości siatki, istnieje znaczna różnica w liczbie elementów, a tym samym w jakości siatki. Dlatego zaleca się stosowanie w każdym przypadku poziomu szczegółowości 4 i optymalizację gęstości siatki tylko na podstawie tego ustawienia.

W eksperymencie AIJ, odpowiedni model został ustawiony w tunelu aerodynamicznym, a prędkość wiatru została zmierzona we wspomnianych punktach za pomocą sond z włókna szklanego.
Autorzy zastosowali trzy podejścia do modelowania, z których tylko "Kod T" jest używany w tym artykule. Model ten został wybrany, ponieważ jest to nieokreślony solwer komercyjny, a nie indywidualnie opracowany kod, który byłby łatwiejszy do zastosowania do specjalnych celów, a także ponieważ RWIND jest również narzędziem komercyjnym.
Porównanie RWIND ze wszystkimi trzema podejściami do modelowania zostało pominięte ze względu na przejrzystość. Ponadto wyniki różnych podejść w publikacji [1] nie różnią się znacząco pod względem jakości. Przedstawione tutaj porównania są zatem bardzo podobne do dwóch pozostałych modeli.

W tym artykule wykorzystano RWIND Pro 2.02. Struktura modelu w RWIND została w możliwie jak największym stopniu dostosowana do struktury CFD odniesienia. Jako model turbulencji zastosowano standard k–ε, przy założeniu stałego przepływu. Dokonane porównania odnoszą się do kierunku wiatru zachodniego w publikacji [1]. Dla poniższych porównań prędkość względna wiatru została znormalizowana dla prędkości powyżej 2,77 m/s.

Prędkość przepływu na wysokości jest pokazana poniżej.

Wyniki eksperymentów AIJ zostały opublikowane na ich stronie internetowej [1].
Wyświetlane dane symulacji AIJ zostały określone za pomocą narzędzia ENGAUGE Digitizer [2] na podstawie wykresów opublikowanych w publikacji [1], ponieważ dokładne wartości nie zostały opublikowane.
Jednak dokładność wyodrębnionych punktów powinna być wystarczająco dokładna (w zakresie +-0,5%), a zatem łatwo porównywalna.

Innym ważnym czynnikiem, który ma na to wpływ, jest ustawienie „Warstwy graniczne”, które znacznie zwiększa gęstość siatki wokół dolnej granicy warunku (gruntu). Zasadniczo, zazębienie w pobliżu gruntu wpływa na wyniki w tym obszarze bardziej niż w przypadku większej odległości od gruntu, ponieważ warunek brzegowy gruntu ma duży wpływ. Ze względu na bardzo złożoną geometrię miasta aktywowano powyższe ustawienie, a liczbę dodatkowych warstw („NL”) ustawiono na 10.

Ergebnisse i Diskussion

Przedstawienie trójwymiarowych punktów pomiarowych za pomocą prostej jednowymiarowej numeracji może być trudne do zinterpretowania. Dlatego też bezpośrednie porównanie doświadczenia (oś x) i symulacji (oś y) pokazano poniżej dla wszystkich punktów pomiarowych. Im bliżej przekątnej y=x znajduje się punkt pomiarowy, tym większa zgodność między symulacją a doświadczeniem.

05 Korelacja symulacji z eksperymentem z dużą liczbą pierwiastków dla różnych modeli turbulencji

Średnie odchylenie kwadratowe (MSE) zostało użyte jako kryterium porównania, ale porównanie współczynników determinacji również wykazałoby takie samo zachowanie, na przykład. Odchylenie średniokwadratowe było preferowane w stosunku do współczynnika determinacji, ponieważ stosunek prędkości przepływu doświadczalnego do symulowanego nie stanowi regresji, a zatem oznaczałby tylko rodzaj ważenia poszczególnych odchyleń, a nie dobroć dopasowania. MSE jest geometrycznie łatwiejszy do interpretacji z tą samą wyrazistością.

Szczególnie wyróżnia się obszar w pobliżu najwyższego budynku, tj. punkty o najmniejszej prędkości przepływu w doświadczeniu. Dla tej grupy punktów można zaobserwować wyższy stopień zgodności między RWIND a eksperymentem niż między RWIND i AIJ. Region ten zostanie dokładniej zbadany w późniejszym szczegółowym badaniu.

Zasadniczo zaleca się dokładniejsze przyjrzenie się wpływowi gęstości siatki. Poniżej porównano sieci o różnych gęstościach, o identycznej strukturze modelu i modelu turbulencji k-epsilon RAS, z wartościami odniesienia literaturowymi. Wyniki przedstawiono poniżej.

06 Symulacje skorelowane z eksperymentem Symulacje typu Benchmark i RWIND k-epsilon z różnymi numerami pierwiastków

Poszczególne punkty danych leżą w zakresie względnej prędkości przepływu, zwłaszcza między 0 a 0,8. Zgodność z wynikami eksperymentów czasami znacznie się różni w podanym zakresie i poza nim. Dla lepszej porównywalności, tylko punkty danych z rel. Prędkości przepływu poniżej 0,8 są pokazane dla obu osi, a odchylenia średniokwadratowe są odpowiednio obliczane.

07 Korelacja symulacji z doświadczeniem w rel. Prędkości przepływu poniżej 0,8 Symulacje typu Benchmark i RWIND k-epsilon z różnymi numerami pierwiastków

Przeprowadzono również badanie zbieżności sieci dla modelu turbulencji k-omega i tych samych formacji sieci. Wyniki przedstawiono poniżej.

08 Symulacje skorelowane z eksperymentem Symulacje k-omega Benchmark i RWIND z różną liczbą pierwiastków

Podobnie jak w przypadku porównania modeli k-epsilon, prędkości niskiego przepływu zostały porównane osobno dla k-omega. Dane te zostały zwizualizowane poniżej.

09 Korelacja symulacji z doświadczeniem w rel. Prędkości przepływu poniżej 0,8 Symulacje k-omega Benchmark i RWIND z różną liczbą pierwiastków

Potwierdzają się wyniki porównania modeli k-epsilon. W przypadku sieci o niższej rozdzielczości względne prędkości przepływu poniżej 0,8 bardziej odbiegają od eksperymentalnego punktu odniesienia niż średnia dla wszystkich punktów danych.
Wraz ze wzrostem liczby elementów efekt ten ulega jednak odwróceniu, w związku z czym modele ściśle połączone w sieć wykazują jeszcze mniejsze odchylenia dla niskich prędkości przepływu względnego.

Punkty uwzględnione w tym odrębnym rozpatrzeniu są zwykle zlokalizowane w obszarach gęściej zabudowanych. Położenie punktów może wyjaśniać lepsze wyniki bardziej złożonych siatek, ponieważ drobniejsze siatki mogą dokładniej odzwierciedlać geometrię. Ponieważ rzeczywista geometria wpływa na te punkty bardziej niż na punkty o względnych prędkościach przepływu powyżej 0,8, gęstsza siatka lepiej pasuje do eksperymentu.

10 Wartości szczątkowe dla dwóch modeli turbulencji - przypadek E

Obserwacje te są zbieżne z oczekiwaniami różnych modeli turbulencji. W przypadku zastosowania k-omegi zaleca się zatem znaczne zwiększenie liczby maksymalnych iteracji. Domyślną wartość 300 należy ręcznie zwiększyć do co najmniej 1000.

Ogólnie rzecz biorąc, porównanie dwóch modeli turbulencji w RWIND jest mniej jasne dla przypadku E niż, na przykład, dla przypadku D. W tym przykładzie odniesienia model k-epsilon jest lepszy dla dowolnej gęstości siatki. Ponadto k-epsilon skaluje się znacznie lepiej niż k-omega wraz ze wzrostem liczby pierwiastków. Wyniki drugiego modelu turbulencji nie wykazują zbieżności przy większej gęstości siatki. Model o średniej złożoności daje najlepsze wyniki, podczas gdy model bardzo złożony wykazuje zdecydowanie największe odchylenie od eksperymentalnego punktu odniesienia. Tak więc wyniki k-epsilon mieszczą się w oczekiwanym zakresie i mogą również przewyższyć symulację referencyjną przy dużej gęstości oczek, ale nie można wyciągnąć żadnych zgodnych wniosków dla k-omega. Zagadką jest bardzo duże odchylenie dla największego modelu k-omega. prawdopodobnie nie udało się jednoznacznie zidentyfikować czynnika wpływającego na k-omega, ale nie wpływającego na k-epsilon.

W celu lepszego porównania symulacji referencyjnej z wynikami RWIND zaleca się uwzględnienie prędkości przepływu jako kolorowego obrazu butelki.
Rozważany przekrój wokół najwyższego budynku został dostosowany do przekroju autorów [1]. Wynik pokazano poniżej.

11 Prędkość przepływu wokół najwyższego budynku - AIJ Case E

Ze względu na prawa autorskie obrazy w fałszywych kolorach nie są w tym momencie porównywane obok siebie.

Dodatkowo, na poziomie punktów pomiarowych, pokazano fałszywie kolorowy obraz prędkości przepływu w całym mieście.

12 Prędkość przepływu w całym mieście - AIJ Case E

Tutaj również jest bardzo dobra zgodność z symulacją literaturową. Mniejsze odchylenia występują głównie w narożnikach budynków o ostrym przepływie, są one jednak niewielkie ilościowo i bardzo ograniczone przestrzennie.

Podsumowanie

Poniżej zestawiono średnie odchylenia kwadratowe dla różnych kombinacji liczby pierwiastków i modelu turbulencji.

Poniżej znajduje się porównanie różnych zakresów prędkości.

[1] https://www.aij.or.jp/jpn/publish/cfdguide/index_e.htm
[2] https://markummitchell.github.io/engauge-digitizer/