Physics-based modelling of wind-turbine wakes turbulence in neutral atmospheric boundary layers

Diese Arbeit stellt ein physikbasiertes Modell zur Vorhersage der wake-induzierten Turbulenzintensität in neutralen atmosphärischen Grenzschichten vor, das auf der Analyse der turbulenten kinetischen Energie und der Reynolds-Spannungen beruht und dabei eine hohe Übereinstimmung mit LES-Simulationen und Windkanalmessungen bei gleichzeitig einfacher Anwendbarkeit zeigt.

Das Wesentliche

Der unsichtbare Wirbelsturm hinter dem Windrad

Stellen Sie sich vor, Sie fahren mit dem Auto an einem großen Windrad vorbei. Wenn das Rad sich dreht, nimmt es Energie aus dem Wind, um Strom zu erzeugen. Aber was passiert mit dem Wind hinter dem Rad? Er wird langsamer und beginnt zu wirbeln. Diese unsichtbare, turbulente Zone nennt man den Schweif (oder "Wake" auf Englisch).

Für Windparks ist dieser Schweif ein riesiges Problem. Wenn ein zweites Windrad genau in diesen Schweif eines ersten Rades gerät, bekommt es weniger Wind und weniger Energie. Zudem wird das zweite Rad durch die Wirbel stärker erschüttert, was zu mehr Verschleiß führt.

Bisher haben Ingenieure zwei Dinge berechnet:

1. Wie stark der Wind abnimmt (das ist gut verstanden).
2. Wie stark die Turbulenz (das "Wackeln") zunimmt (das war bisher eher ein Raten oder Schätzen).

Die Autoren dieses Papiers haben nun einen neuen, physikalisch fundierten Weg gefunden, um genau dieses "Wackeln" vorherzusagen.

---

Die Metapher: Der Fluss und die Steine

Um das Problem zu verstehen, stellen Sie sich einen ruhigen Fluss vor (das ist der Wind, der auf das Windrad zuläuft).

• Das Windrad ist wie ein großer Stein im Fluss.
• Der Schweif ist das aufgewühlte Wasser hinter dem Stein.

Das alte Problem:
Bisher haben die Modelle für das aufgewühlte Wasser hinter dem Stein nur grobe Schätzungen verwendet. Sie sagten oft: "Es ist überall gleich wild" oder "Es folgt einer einfachen Formel". Aber in der Realität ist das Wasser hinter dem Stein ganz unterschiedlich wild:

• Direkt hinter dem Stein ist es chaotisch.
• Weiter unten wird es ruhiger.
• Oben und unten ist es anders als in der Mitte.
• Wenn der Fluss selbst schon Wellen hat (wie in der Atmosphäre), wird das Chaos noch komplizierter.

Die alten Modelle ignorierten diese feinen Unterschiede oft oder nahmen an, alles sei symmetrisch (wie ein perfekter Kreis), was in der Natur nie der Fall ist.

Die neue Lösung (dieses Papier):
Die Forscher haben sich genau angesehen, wie die Energie in diesem aufgewühlten Wasser fließt. Sie haben eine Art "Buchhaltung" für die Turbulenz gemacht:

1. Woher kommt die Energie? (Sie wird durch die Scherung erzeugt, wenn schneller Wind auf langsamen Wind trifft).
2. Wohin fließt sie? (Sie wird durch den Wind weitertransportiert).
3. Wo geht sie verloren? (Sie wird durch Reibung in Wärme umgewandelt).

Anstatt nur zu raten, haben sie die physikalischen Gesetze (die Navier-Stokes-Gleichungen, vereinfacht) genutzt, um eine neue Formel zu entwickeln.

Was macht diese neue Formel besonders?

1. Sie ist dreidimensional:
   Früher dachte man, der Schweif sei wie ein perfekter Zylinder. Die neue Formel weiß, dass der Schweif oben, unten und an den Seiten anders aussieht. Es ist eher wie ein unregelmäßiger, sich verformender Nebel als wie ein stabiler Zylinder.

2. Sie ist "physikalisch":
   Statt nur Daten aus Versuchen zu kopieren (wie ein Rezept, das man auswendig lernt), basiert die Formel auf den echten Gesetzen der Strömungsmechanik. Das bedeutet, sie funktioniert auch in Situationen, für die es noch keine Messdaten gibt.

3. Sie ist schnell:
   Frühere, sehr genaue Methoden (wie "Large Eddy Simulations") sind wie das Berechnen eines ganzen Wettersystems auf einem Supercomputer – das dauert ewig. Die neue Formel ist wie eine schnelle, intelligente Schätzung, die ein Ingenieur auf einem normalen Laptop in Sekunden berechnen kann.

Wie haben sie es getestet?

Die Forscher haben zwei Dinge getan:

• Virtuelle Experimente: Sie haben einen Supercomputer genutzt, um den Wind um ein Windrad herum zu simulieren (wie ein digitales Windkanal-Experiment).
• Echte Experimente: Sie haben ihre Formel mit echten Messdaten aus Windkanälen verglichen.

Das Ergebnis? Die neue Formel trifft die Realität viel genauer als die alten Modelle. Sie kann vorhersagen, wo genau die Turbulenz am stärksten ist und wie schnell sie sich wieder beruhigt.

Warum ist das wichtig?

Wenn wir Windparks besser planen können, indem wir genau wissen, wie die Wirbel hinter den Rädern aussehen, können wir:

• Die Räder optimaler aufstellen (nicht zu nah beieinander, aber auch nicht zu weit).
• Die Lebensdauer der Räder verlängern (weniger Vibrationen).
• Mehr Strom produzieren, weil die Räder effizienter arbeiten.

Zusammenfassend:
Die Autoren haben den "Schweif" hinter einem Windrad nicht mehr nur geschätzt, sondern ihn mit einer neuen, schnellen und physikalisch korrekten Formel beschrieben. Es ist, als hätten sie von einer groben Skizze des Unwetters zu einer präzisen Wettervorhersage für jeden einzelnen Tropfen im Schweif gefunden. Das hilft uns, Windenergie effizienter und sicherer zu nutzen.

Technische Zusammenfassung

Technische Zusammenfassung: Physikalische Modellierung von Windturbinen-Nachläufen in neutralen atmosphärischen Grenzschichten

1. Problemstellung
Die Planung von Windparks und die Echtzeit-Steuerung von Windkraftanlagen basieren häufig auf vereinfachten analytischen Strömungsmodellen. Diese Modelle bestehen typischerweise aus zwei Unterteilen: einem für den Geschwindigkeitsdefizit (Wake Deficit) und einem für die nachlaufbedingte Turbulenzintensität (Wake-Added Turbulence).
Während die Modellierung des Geschwindigkeitsdefizits weitgehend ausgereift ist, sind Modelle für die nachlaufbedingte Turbulenz oft empirisch oder gehen von einer axialen Symmetrie aus. Dies ist jedoch problematisch, da reale Turbinennachläufe in der atmosphärischen Grenzschicht (ABL) inhärent dreidimensional und asymmetrisch sind, insbesondere durch Scherung im vertikalen Profil. Ungenaue Turbulenzschätzungen führen zu Fehlern bei der Vorhersage von Strömungswechselwirkungen und dem Energieertrag, da Turbinennachläufe sowohl empfindlich auf Turbulenz reagieren als auch deren Quelle sind. Bisherige physikalische Modelle (z. B. von Bastankhah et al.) waren oft auf numerische Integrationen angewiesen oder nahmen fälschlicherweise Axialsymmetrie an, was sie für komplexe Optimierungen ungeeignet macht.

2. Methodik
Die Autoren entwickeln ein neues, physikbasiertes, dreidimensionales analytisches Modell für die turbulente kinetische Energie (TKE, $k$) und die normale Reynolds-Spannung in Strömungsrichtung ($u'u'$).

• Datengrundlage: Die Entwicklung und Validierung stützen sich auf Large-Eddy-Simulationen (LES) mit dem Solver waLBerla-wind, der auf der Gitter-Boltzmann-Methode (LBM) basiert. Simuliert wurden poröse Scheiben (als vereinfachte Turbinenmodelle) in neutralen atmosphärischen Grenzschichten mit variierenden Bodenrauigkeiten und Schubkoeffizienten ($C_T$).
• Budget-Analyse: Die Autoren analysieren die Budget-Gleichungen für den Transport von TKE und $u'u'$. Dabei identifizieren sie die dominanten Terme (Produktion, Advektion, Transport, Dissipation) und vernachlässigen Terme mit geringem Einfluss (z. B. viskose Diffusion, Drucktransport in bestimmten Bereichen).
• Vereinfachung der Transportgleichung:
  • Ausgehend von der Reynolds-gemittelten Navier-Stokes-Gleichung (RANS) wird eine vereinfachte partielle Differentialgleichung (PDE) für die nachlaufbedingte TKE ($k_w$) hergeleitet.
  • Es werden Annahmen wie die Gradienten-Diffusions-Hypothese und die Boussinesq-Eddy-Viskositäts-Hypothese verwendet.
  • Für den Ferne-Nachlauf (Far-Wake) werden weitere Vereinfachungen vorgenommen, darunter die Annahme der Selbstähnlichkeit für den Advektionsterm und die Annahme, dass die Eddy-Viskosität im Ferne-Nachlauf gegen den Wert der Anströmung ($\nu_{t,\infty}$) geht.
• Analytische Lösung: Durch diese Vereinfachungen wird die PDE in eine explizite, geschlossene algebraische Formel umgewandelt. Dies eliminiert die Notwendigkeit numerischer Integrationsverfahren und ermöglicht eine schnelle Berechnung.
• Erweiterung auf $u'u'$: Die gleiche Methodik wird auf die Transportgleichung für die normale Reynolds-Spannung $u'u'$ angewendet. Ein zusätzlicher Term, die Druck-Dehnungs-Korrelation (Pressure-Strain Correlation), wird modelliert, um den Unterschied zur TKE-Gleichung zu berücksichtigen.

3. Schlüsselbeiträge

• Erstes physikbasiertes, asymmetrisches Modell: Dies ist, soweit bekannt, das erste analytische Modell für nachlaufbedingte Turbulenz, das die durch die Scherung der Anströmung verursachte Asymmetrie (insbesondere im vertikalen Profil) explizit berücksichtigt, ohne auf numerische Integration angewiesen zu sein.
• Geschlossene algebraische Formulierung: Das Ergebnis ist ein einfaches, praktisches Modell, das direkt in Engineering-Software für Windpark-Layout-Optimierungen integriert werden kann.
• Konsistente Herleitung: Das Modell leitet sich streng aus den Budget-Analysen der TKE- und $u'u'$-Transportgleichungen ab und nutzt etablierte RANS-Annahmen sowie Fern-Nachlauf-Näherungen.
• Validierung: Das Modell wurde nicht nur gegen die eigenen LES-Daten, sondern auch gegen zwei unabhängige Windkanal-Datensätze (Bastankhah & Porté-Agel sowie Stein & Kaltenbach) validiert, die als "unseen" (nicht zur Kalibrierung verwendet) gelten.

4. Ergebnisse

• Vergleich mit LES: Das analytische Modell zeigt eine starke Übereinstimmung mit den LES-Daten für sowohl glatte (SBL) als auch raue (RBL) Grenzschichten. Es erfasst korrekt den Übergang von einer bimodalen Verteilung im Nahbereich zu einer gleichmäßigeren Verteilung im Ferne-Nachlauf.
• Validierung mit Windkanal: In den Windkanal-Experimenten reproduziert das Modell die gemessenen Profile für Geschwindigkeitsdefizite und Turbulenzintensität ($I_{u,add}$) sowie die Reynolds-Spannungen ($u'u'$) sehr gut.
  • Im Vergleich zu bestehenden empirischen Modellen (z. B. Ishihara & Qian) zeigt das neue Modell eine höhere Genauigkeit, insbesondere bei rauen Grenzschichten und in der vertikalen Verteilung, wo andere Modelle die Turbulenz oft unterschätzen oder überschätzen.
  • Eine leichte Überschätzung der Turbulenz im Nahbereich ($x/D \le 4$) wird beobachtet, was jedoch aufgrund der Fern-Nachlauf-Annahmen des Modells erwartet wird und für viele Anwendungen akzeptabel ist.
• Robustheit: Das Modell ist robust gegenüber Änderungen des Schubkoeffizienten und der Anströmungsturbulenzintensität. Die Kalibrierungsparameter zeigen eine klare Abhängigkeit vom Schubkoeffizienten ($C_T^2$), während sie weitgehend unabhängig von der Anströmungsturbulenz sind.

5. Bedeutung und Ausblick
Die Arbeit bietet ein leistungsfähiges Werkzeug für die Windenergiebranche, das die Genauigkeit von Strömungslösern für Windparks verbessert.

• Prädiktive Kraft: Durch den physikalischen Ansatz statt rein empirischer Anpassungen ist das Modell besser geeignet, um Vorhersagen unter neuen Betriebsbedingungen oder für neuartige Turbinenkonfigurationen zu treffen.
• Effizienz: Da es sich um eine explizite algebraische Gleichung handelt, ist es rechnerisch sehr effizient und eignet sich ideal für Echtzeit-Anwendungen und Optimierungsprobleme, bei denen Tausende von Simulationen benötigt werden.
• Zukünftige Arbeiten: Die Autoren planen, das Modell auf Windpark-Skalen (mehrfache Nachläufe) zu erweitern und die Einbeziehung atmosphärischer Stabilität (nicht-neutrale Bedingungen) zu untersuchen, was eine wichtige nächste Stufe für die Realitätsnähe darstellt.

Zusammenfassend stellt diese Arbeit einen bedeutenden Fortschritt in der analytischen Modellierung von Windturbinen-Nachläufen dar, indem sie die Lücke zwischen rechenintensiven physikalischen Simulationen und vereinfachten, aber ungenauen empirischen Modellen schließt.