H 1.6. Dados medidos para cargas de vento em edifícios pequenos (exemplo WTG 9.3)

História do utilizador

O exemplo a seguir descreve experiências em túnel de vento conduzidos por Universidade Politécnica de Tóquio (TPU) como um exemplo de validação na Parte 9.3 do documento WTG-Merkblatt M3. Vai-se calcular o coeficiente de pressão do vento médio (Cp) para diferentes zonas de vento, que pertencem ao Grupo 2, de acordo com Figura 2.2 no WTG-Merkblatt-M3:

• G2: Valores absolutos com requisitos de precisão média: A área de aplicação pode incluir parâmetros ou estudos preliminares quando investigações posteriores com maior precisão estão planejadas (por exemplo, exame em túnel de vento da classe G3).
• R2: Solitário: todas as direções do vento relevantes com resolução direcional suficientemente fina.
• Z2: Valores médios estatísticos e desvios padrão: desde que envolvam processos de fluxo estacionário, para os quais uma verificação estatística das flutuações com um fator de pico é suficiente.
• S1: Efeitos estáticos: São suficientes para representar o modelo estrutural com o detalhe mecânico necessário, mas sem propriedades de massa e amortecimento.

Descrição

Esta seção apresenta dados de validação experimentais para cargas de vento em modelos de edifícios de baixa altura com telhados de duas águas. Os dados são obtidos a partir da base de dados de aerodinâmica da Universidade Politécnica de Tóquio (TPU), que fornece medições de referência para edifícios com diferentes configurações de telhado.

O exemplo de verificação compara previsões de CFD de coeficientes de pressão de vento com os resultados experimentais em túnel de vento da TPU. A geometria do edifício de referência (relação das dimensões D:B:H_o= 160 : 160 : 40, ângulo de inclinação do telhado β=45^∘) é analisada através da decomposição a estrutura em superfícies individuais (parede a barlavento, paredes laterais, parede de sotavento e inclinações do telhado) como mostrado na imagem 1. A parte inferior da figura mostra os perfis da condição de contorno de entrada utilizados no túnel de vento e no modelo CFD:

• Perfil médio da velocidade do vento U(z)
• Perfil da intensidade da turbulência I(z)

Esses perfis são comparados com as condições do terreno Categoria III (norma AIJ 2004). A concordância demonstra que a entrada do túnel de vento da TPU reproduz características realistas da camada limite atmosférica, fornecendo uma base confiável para validação.

1 Campo de vento simulado de terreno suburbano [dados TPU]

Tabela 1: Dados de entrada do telhado com duas águas 3D

Estudo de Malha Computacional

A figura apresenta uma análise de sensibilidade de malha do modelo de telhado de duas águas no RWIND. O coeficiente de força calculado (C_f) permanece constante em 0.83 para densidades de malha de 15% e 25%, indicando resultados estáveis em níveis de refinamento mais baixos. Em densidades de malha mais altas de 30% e 35%, C_f aumenta ligeiramente para 0.85 e 0.87, respectivamente. Esse comportamento demonstra convergência geral, com apenas pequenas variações observadas à medida que a malha se torna mais fina.

2 Análise de sensibilidade da malha utilizando coeficiente de força (Cf) no RWIND

Além disso, o estudo da malha computacional precisa ser realizado de acordo com o seguinte link:

• estudo de malha computacional

Requisito de Precisão do WTG-Merkblatt M3

O WTG-Merkblatt M3 oferece dois métodos principais para validar os resultados da simulação. O Método Taxa de Acerto avalia quanto dos valores simulados P_i correspondem corretamente aos valores de referência O_i dentro de uma tolerância definida, usando uma abordagem de classificação binária (acerto ou erro). Esta abordagem avalia a confiabilidade da simulação calculando uma taxa de acerto q, semelhante às funções de confiança utilizadas na teoria de confiabilidade. Em contraste, o método de Erro Quadrático Médio Normalizado (e²) oferece uma avaliação de precisão mais detalhada, quantificando o desvio quadrático médio entre os valores simulados e de referência, normalizado para acomodar diferenças de escala. Em conjunto, esses métodos oferecem medidas qualitativas e quantitativas para a validação da simulação.

• Validação de resultados de simulações utilizando o método de taxa de acerto no WTG-Merkblatt M3

• Avaliação da precisão de resultados utilizando o erro quadrado médio normalizado definido no WTG-Merkblatt M3

Resultados e Discussão

As seis figuras (imagens 3 a 8) apresentam uma análise comparativa dos coeficientes médios de pressão (Ave C_p) em diferentes superfícies de um edifício com telhado de duas águas, obtidos a partir dos dados experimentais em túnel de vento da Universidade Politécnica de Tóquio (TPU) e simulados usando RWIND com ambos os modelos de turbulência Steady RANS k-ω e URANS k-ω.

Para a superfície 1 (parede a favor do vento), o C_p médio diminui constantemente de cerca de 0.65 na direção do vento 0° para cerca de –0.9 em 90°. Os dados experimentais começam com valores ligeiramente mais altos, enquanto o Steady RANS subestima os picos de pressão positiva. URANS captura melhor os picos de pressão, particularmente entre 10° e 20°, e exibe uma concordância mais próxima com os dados experimentais na faixa inicial, embora todos os métodos convirjam em ângulos maiores.

3 Comparação de resultados experimentais e CFD para coeficiente de pressão médio (Cp) na superfície 1 sob várias direções do vento

Para a superfície 2 (parede lateral), o C_p médio aumenta constantemente de aproximadamente –0.6 em 0° para cerca de +0.65 em 90°. Os resultados experimentais mostram uma elevação suave e consistente ao longo de todo o intervalo angular. A simulação Steady RANS subestima ligeiramente a sucção em pequenos ângulos de vento e superestima marginalmente as pressões positivas em ângulos maiores. Em contraste, os resultados do URANS mostram uma concordância muito mais próxima com os dados experimentais, especialmente entre 30° e 80°, destacando sua capacidade aprimorada em capturar a recuperação do fluxo de sotavento.

4 Comparação de resultados experimentais e CFD para coeficiente de pressão média (Cp) na superfície 2 sob diferentes direções do vento

No caso da superfície 3 (parede de sotavento), a pressão permanece negativa, começando em cerca de –0.3 em 0° e alcançando valores em torno de –0.9 perto de 70°–80°. A tendência experimental é bem capturada pelo Steady RANS na maioria dos ângulos, enquanto o URANS consistentemente subestima a pressão (menos negativo Cp), especialmente na faixa média das direções do vento. Isso mostra que o Steady RANS tem um desempenho melhor para condições de sucção na parede lateral.

5 Comparação de coeficientes de pressão do vento experimentais e numéricos na superfície 3 em direções de vento cruzadas

O coeficiente médio de pressão na superfície 4 (parede lateral) permanece negativo em todas as direções do vento, com os valores a aumentar gradualmente de uma forte sucção em 0° para próximo de neutro em 90°. Tanto o RANS quanto o URANS geralmente capturam a tendência geral observada nos dados experimentais, mas ocorrem desvios assinaláveis, particularmente em ângulos de vento mais altos, onde as simulações tendem a superestimar a recuperação. O Steady RANS mostra uma concordância mais próxima na faixa média, enquanto o Steady URANS apresenta discrepâncias maiores em ângulos altos.

6 Comparação de coeficientes de pressão do vento experimentais e numéricos na superfície 4 em diferentes direções de vento

Para a superfície 5, todos os métodos capturam consistentemente a transição suave do coeficiente médio de pressão de valores negativos (sucção) em baixos ângulos de vento para pressão positiva em direções de vento mais altas. Os dados experimentais da TPU indicam um aumento constante, passando de sucção para pressão em torno de 45°, uma tendência que é bem refletida em ambas as abordagens numéricas. O Steady RANS segue os resultados experimentais com muita precisão, mostrando apenas desvios mínimos ao longo de toda a faixa angular. O URANS, por outro lado, prevê valores ligeiramente diferentes, geralmente tendendo a subestimar a pressão em direções de vento mais altas, mas ainda mantém uma boa concordância geral com os resultados experimentais e RANS.

7 Comparação de coeficientes de pressão do vento experimentais e numéricos na superfície 5 em todas as direções de vento

Finalmente, o coeficiente médio de pressão na superfície 6 mostra uma boa concordância entre os resultados experimentais e CFD, enquanto em 20°–40° os resultados experimentais indicam uma sucção mais forte. O Steady RANS subestima ligeiramente esse pico, e o URANS consistentemente superestima com uma sucção mais fraca. No geral, o RANS captura a tendência experimental com mais confiabilidade, enquanto o URANS tende a desviar em ângulos de vento oblíquos.

8 Comparação de coeficientes de pressão de vento experimentais e numéricos na superfície 6 para direções do vento

A Tabela 3 resume as métricas de validação para as seis superfícies do edifício, considerando um critério de desvio de 10% para RANS e 20% para URANS. Para a Superfície 1, o URANS apresenta uma superioridade clara com uma maior taxa de acerto (85% em comparação a 57% para o RANS) e menor erro (e² = 0.012 contra 0.015). Uma tendência semelhante é observada para a Superfície 2, onde o URANS novamente supera o RANS, alcançando uma taxa de acerto de 71% contra 57% e reduzindo o erro de 0.025 para 0.011. Em contraste, a Superfície 3 destaca a força do RANS, que atinge uma taxa de acerto mais alta (85% contra 71%) e um erro significativamente menor (0.008 em comparação com 0.030). Para a Superfície 4, ambos os métodos atingem uma taxa de acerto idêntica de 85%, mas o RANS tem um desempenho ligeiramente melhor em termos de erro (0.022 contra 0.026). As Superfícies 5 e 6 mostram taxas de acerto equilibradas de 71% para ambos os métodos; no entanto, para a Superfície 5, os erros são iguais (0.010 para ambos), enquanto para a Superfície 6, o RANS é notavelmente superior com um erro muito menor (0.006 contra 0.031). No geral, os resultados indicam que o URANS proporciona uma melhor concordância com os resultados experimentais nas Superfícies 1 e 2, enquanto o RANS fornece previsões mais precisas para as Superfícies 3 e 6, com ambos os métodos mostrando desempenho comparável nas Superfícies 4 e 5.

Tabela 3: Métrica de Validação para valor de Cp em Seis Zonas Diferentes

77x

13x

Exemplo de WTG 9.3