En helt ny og billigere tilgang til modellering af turbulens. Det er målet for et nyt projekt, som forskere fra Aarhus Universitet står bag. I dag gør høje beregningsomkostninger det stort set umuligt at simulere turbulente strømme nøjagtigt for komplekse systemer som eks. vindmølleparker.

Bedre modelleringer vil gøre det muligt eksempelvis at kunne designe billigere, men mere produktive vindmølleparker, mere effektive pumper, ligesom også mere pålidelige vejrudsigter kan blive en gevinst, ved den metode som forskerne vil udvikle, skriver Aarhus Universitet i en pressemeddelelse.

Turbulens spiller en central rolle i overordentligt mange systemer, både naturlige og tekniske. At forstå og forudsige nøjagtige detaljer i turbulente strømme er derfor vigtigt, men det kræver simuleringer med så høje beregningsmæssige omkostninger, at det i dag ikke er muligt, lyder det fra en af forskerne i det ny projekt.

- Selv med moderne supercomputere er det umuligt at simulere mange af de turbulente systemer, som ellers er vigtige for os at forstå. F.eks. kan vi stadig kun simulere et lille udsnit af en stor vindmøllepark, og hvis vi ikke nøjagtigt kan simulere atmosfærens turbulente strømninger gennem parkerne, bliver det meget svært for os at optimere dem til fremtidens energiproduktion og -behov, siger lektor Mahdi Abkar fra Aarhus Universitets Institut for Mekanik og Produktion.

Kan levere banebrydende resultater

Projektet, der får under navnet Physics-constrained Learning for Turbulent Flows (PLTF), fået 6,2 mio. kr. i støtte fra Danmarks Frie Forskningsfond. Mahdi Abkar satser på, at projektet kan blive et paradigmeskifte inden for modellering af turbulente strømme. Projektet kan ikke kun blive til gavn for vindmølleparker, men kan også gøre eksempelvis motorer, fly eller shippingindustrien mere energieffektiv.

Holdet bag projektet vil udvikle en ny slags model, der skal kobles med avanceret maskinlæringsteknikker. Det centrale mål er at tackle de høje beregningsmæssige omkostninger og stadig være i stand til at levere på nøjagtigheden

- Med PLTF-projektet foreslår vi en ny tilgang til turbulensmodellering via såkaldt ’physics-constrained’ maskinlæring. Hypotesen er, at den underliggende fysik, som bliver ignoreret i nuværende modeller, i langt højere grad kan indfanges gennem datadrevne modeller, der benytter førende maskinlæringsteknikker, siger Mahdi Abkar, som ser store perspektiver for projektet, hvis der lykkes for ham og hans hold.

- Modellen kan i så fald bruges til modellering af ethvert flowproblem i enhver applikation. Vi forventer, at projektet vil fremme vores viden inden for modellering i fluidmekanik og turbulente systemer. Baseret på den enorme mængde data som vi har adgang til i dag, og den massive investering som industrien lægger i at bruge data-drevet design og optimering, har projektet potentiale for at levere banebrydende resultater, siger han.

amp

Mulighed for mere effektive vindmøller:Nyt projekt skal øge forståelsen for turbulens

Mulighed for mere effektive vindmøller:
Nyt projekt skal øge forståelsen for turbulens