Previsão de ventos locais em ambiente urbano conjugando CFD e redes neuronais

Abstract

No panorama energético mundial, a previsão de ventos locais em ambiente urbano tornou-se muito apetecível como fonte energética alternativa para consumo doméstico. Por isso, são particularmente desejáveis, sistemas que permitam, de uma forma simples, rápida e de baixo custo, a previsão de ventos em ambiente urbano. Modelos empíricos têm sido aplicados, ainda que com algumas limitações, devido aos detalhes relacionados com a heterogeneidade do escoamento vento, no estudo deste fenómeno. Além destes, também modelos numéricos têm sido aplicados com bastante sucesso; estes modelos são, contudo, caros e morosos, não estando a sua correcta implementação ao alcance do eventual utilizador final. Assim, a presente tese pretende contribuir no sentido do desenvolvimento de um modelo que permita, de uma forma simples e rápida a previsão de ventos locais em ambiente urbano. É, portanto, o objectivo específico da presente tese demonstrar a eficácia da utilização de redes neuronais artificiais na previsão de ventos em cima dos topos de edifícios. Resultados experimentais obtidos em túnel de vento de um modelo à escala laboratorial foram utilizados para validar o uso de uma ferramenta CFD (Computational Fluid Dynamics) para simular regimes de vento em ambiente urbano. Foi demonstrado que os resultados da simulação CFD eram aceitavelmente aproximados aos resultados experimentais do túnel de vento, particularmente para cotas superiores às alturas dos edifícios. No sentido da diminuição da complexidade do problema e da diminuição do esforço computacional, dado o enorme número de cenários possíveis de simular a três dimensões, foi decido a criação de um modelo bidimensional para simulação em CFD: quatro edifícios, de alturas variáveis, expostos ao efeito de vento de amplitude constante, e a jusante destes, no topo de um quinto edifício de altura fixa, a velocidade resultante foi simulada e registada. Para este modelo, foram utilizadas dimensões comparáveis com o já referido modelo à escala laboratorial. De seguida, uma rede neuronal foi projectada, cujos inputs de treino eram as alturas dos quatro edifícios a montante e o output a velocidade no topo do quinto edifício. Foram comparados resultados de valores que não tinham sido usados no treino da rede (desconhecidos) e rede demonstrou prever velocidades de vento com erros na ordem de 5%, ficando patenteado o grande potencial do uso de redes neuronais como ferramenta para a simulação de ventos em regimes urbanos.

ABSTRACT: In the current World energetic panorama, the prediction of urban winds has become very desirable as an energy alternative for domestic use. For this reason, systems that enable one to predict the regime of urban winds in a simple, effective and inexpensive way has become particularly attractive. Empirical models have been applied, although with some limitations due to the inherent heterogeneity of the wind streams, in the study of this phenomenon. Furthermore, numerical methods have also been successfully implemented; however, these models are expensive and time-consuming, requiring a user to possess high technical skills. As a result, the present thesis intends to make a positive contribution to the development of a model that enables one, with simple and economical procedures, to predict wind regimes in urban environments. Therefore, it is the specific objective of the current thesis to demonstrate the effectiveness of using artificial neural networks in the prediction of wind regimes at the top of building roofs. Experimental wind test results from a laboratory-scale model were utilized in order to validate the application of a CFD (Computer Fluid Dynamics) software to simulate wind regimes in urban environments. It was demonstrated that the CFD results were in relatively close agreement to the experimental wind tunnel results, especially above the buildings roof level. In order to diminish the complexity of the problem and computational time, due to the enormous number of possible three-dimensional scenarios, it was decided to produce a two-dimensional model for the CFD simulation: four buildings with variable heights, exposed to the effect of a constant-velocity wind stream, and following these buildings, the wind speed above the top of constant-height building was simulated and recorded. The dimensions of this model were of the same order of magnitude of the afore-mentioned laboratory-scale model. Afterwards, a neural network was designed, whose training inputs were the heights of the four variable-height buildings, and the output was the value the wind speed at the top of the fifth building. By using input results that have not been used during the training process of the network (unseen results), the network demonstrated to predict wind speed with errors not greater than 5%, demonstrating the vast potential of employing neural networks as a means to simulate winds in urban regimes.