報告書番号

SS26003

タイトル（和文）

風車後流への適用を見据えた乱流速度場に対する超解像再構築の基礎検討

タイトル（英文）

Preliminary study of super-resolution reconstruction of turbulent velocity fields for application to wind turbine wakes

概要 （図表や脚注は「報告書全文」に掲載しております）

背　　景
洋上風力発電所では，風車後方の複雑な流れ（後流）が，風車の発電効率やブレードに作用する空力荷重に影響を及ぼす．浮体式の風車の場合は浮体の動揺に伴う後流の変動も生じる．このため，後流を正確に評価することは浮体式洋上風力発電のライフサイクルコストの見積もりにおいて重要である．後流の形成は，複数の風車が並ぶ発電所全体の大域的な現象からブレード翼面上の境界層スケールの局所的な現象までが相互作用する，マルチスケール問題である（図1）．しかしながら，従来の後流モデル注１）や風車モデル注２）を用いた評価ではブレード翼面上で生じる渦を含んだ乱流の影響を考慮できず，ブレードに作用する抗力を適切に評価できない．
目　　的
浮体式洋上風車の空力荷重および後流の評価に関する従来の技術を整理し，渦構造レベルでの後流評価に向けた今後の技術開発の方向性および展開を示す．
主な成果
1. 従来の空力荷重評価と後流評価に関連する研究動向の調査
ブレードに作用する空力荷重の評価を高精度に行うには，他の風車の影響を受けた後流を適切に評価する必要がある．後流に関する研究は，発電所スケール，後流スケール，境界層スケールの各階層において行われていることを整理した（図1）．特に発電所スケールの大域的な後流に対しては，後流モデルや風車モデルを用いることで，計算コストを抑えた評価が可能となる．一方で，境界層スケールにおける渦構造までは十分に考慮できないことが示された．そのため，後流モデルや風車モデルを用いた解析に対して，境界層スケールの渦構造を補完する技術の適用が期待される．
2. 乱流現象を対象とした超解像再構築の基礎技術の検討
機械学習を用いた超解像技術が，境界層スケールの渦構造の情報を取得する上で有効であると考え，その基礎的な検討を行った．微細な渦を伴う乱流の超解像に有効とされる敵対的生成ネットワークを用いた超解像モデルを構築し，Taylor-Green型統計定常乱流注３）への試適用を行った．構築した超解像モデルは，入力データに含まれない微細構造を考慮した流れ場の再構築に有効であることを示した（図2）．
今後の展開
ブレード周りの流れ場および風車後流への適用を見据えた超解像技術の改良を行い，マルチスケールの渦の影響を考慮した抗力評価技術の開発を目指す．

概要 （英文）

In floating offshore wind turbines, wake dynamics significantly affect power generation efficiency and blade loads. This study reviews recent research on wind turbine wakes and discusses the challenges arising from their multiscale nature. In particular, conventional Computational Fluid Dynamics (CFD) approaches have difficulty resolving all relevant scales at high resolution because of computational limitations. To address this issue, a super-resolution reconstruction technique based on generative adversarial networks (GAN) is introduced, and a super-resolution model combining CycleGAN and ESRGAN is developed. The proposed model is designed to improve the reconstruction of multiscale flow structures while overcoming limitations of conventional super-resolution approaches. Its effectiveness is investigated through a preliminary test using Taylor-Green statistically stationary turbulence. The results indicate that the proposed model improves the reconstruction of fine-scale flow structures and enhances the accuracy of super-resolution reconstruction.

報告者

キーワード