近地层风的多尺度精细化模拟方法研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号：
    41905084
  • 项目类别：
    青年科学基金项目
  • 资助金额：
    22.0万
  • 负责人：
    车玉章
  • 依托单位：
    成都信息工程大学
  • 学科分类：
    D0511.大气数值模式发展
  • 结题年份：
    2022
  • 批准年份：
    2019
  • 项目状态：
    已结题
  • 起止时间：
    2020-01-01 至2022-12-31

项目摘要

The refined prediction of the low-level wind is closely related to our daily lives, however, precisely simulating the low-level wind becomes very difficult due to the surface friction and the inherent properties of turbulence process. In this study, the MCV (Multi-moment Constraint Finite Volume) method which is more easily to construct high order interpolation over single grid with relatively lower computational burden, is intended to develop a novel CFD (Computational Fluid Dynamics) model by solving Reynolds-averaged Navier–Stokes and the related turbulence equations. Then this MCV based CFD model will be coupled with the meso-scale WRF (Weather Research and Forecasting) model to build a multi-scale modelling system to simulate the low-level wind with high resolution and accuracy at target regions. The needed information for running the CFD model is derived from the meso-scale WRF model. On one hand, using the results of this multi-scale modelling system could study how to simulate the wind over very complex terrain or other underlying surface as well as improve the multi-scale model itself. On the other hand, the success of this study will contribute to the development of the current numerical weather prediction and provide scientific instructions to real wind farms to improve the wind energy forecasting as well as the management of urban air pollution.
近地层风的精细化模拟与人类生活息息相关，但由于地表摩擦影响和近地层大气的湍流运动性质，近地层风成为精细数值模拟的难点。本研究拟采用多矩约束（MCV）方法构造高阶精度且计算经济的局地高分辨率雷诺平均Navier-Stokes计算流体动力模式，并与高分辨率中尺度WRF模式耦合，由中尺度模式提供环境动力场，驱动计算流体(CFD)模式获得高精度的近地层风场模拟，实现对复杂地形区域近地层风的多尺度、高精度模拟，探讨复杂地形和下垫面上风场精细化模拟方法，为实际风电场风能预测以及城市污染物应急管理提供科学依据。

结项摘要

近地层风的精细化模拟与人类生活息息相关，但由于地表摩擦影响和近地层大气的湍流运动性质，近地层风成为精细数值模拟的难点。本研究首先将中尺度数值模式WRF与基于传统有限体积方法的CFD模式OpenFOAM进行耦合并对结果进行验证。之后利用多项式混沌展开(PCE)方法对耦合模式中的不确定性定量化以及机器学习方法改进模式输出风场。最后采用多矩约束(MCV)方法构造了高阶精度且计算经济的局地高分辨率雷诺平均Navier-Stokes计算流体动力模式，并与高分辨率中尺度WRF模式耦合。主要结果表明：.（1）多尺度耦合模式可克服单一中尺度数值模式无法准确地得到近地面尤其是复杂下垫面情形下的风场问题。通过对研究区域2019年7月的风场的模拟及检验，发现耦合模式对于偏差(ME)和均方根误差(RMSE)的改善分别为93.08%和36.43%。.（2）不确定性定量化分析表明模式初始场的不确定性对风场预测精度的影响要大于内在湍流模型。基于模式多种气象变量（风速、风向、气压、气温和湿度）和风场观测构建的机器学习模型可在很大程度上改善数值模式短期（24 h）预测。.（3）将在局地高阶重构、数值耗散和稳定性方面具有优势的MCV构建的CFD模型和中尺度WRF结合后的数值结果优于基于传统有限体积方法的WRF-OpenFOAM。.该项目成果对复杂下垫面下近地层风的高精度模拟和预测有重要的指导意义，可为实际风电场风能预测以及城市污染物应急管理提供科学依据。

项目成果

期刊论文数量（8）
专著数量（0）
科研奖励数量（0）
会议论文数量（0）
专利数量（0）
Deep generative model for probabilistic wind speed and wind power estimation at a wind farm
风电场概率风速和风功率估计的深度生成模型
  • DOI：
    10.1002/ese3.1086
  • 发表时间：
    2022-02
  • 期刊：
    Energy Science & Engineering
  • 影响因子：
    --
  • 作者：
    Andrés A. Salazar;Jiafeng Zheng;Yuzhang Che;Feng Xiao
  • 通讯作者：
    Feng Xiao
A multi-scale model for day-ahead wind speed forecasting: A case study of the Houhoku wind farm, Japan
日前风速预测的多尺度模型：以日本丰北风电场为例
  • DOI：
    10.1016/j.seta.2022.101995
  • 发表时间：
    2022
  • 期刊：
    Sustainable Energy Technologies and Assessments
  • 影响因子：
    8
  • 作者：
    Yuzhang Che;Andrés A. Salazar;Siyue Peng;Jiafeng Zheng;Yangruixue Chen;Liang Yuan
  • 通讯作者：
    Liang Yuan
High‐order conservative transport on Yin‐Yang grids using the multi‐moment constrained finite volume method
使用多矩约束有限体积法在阴阳网格上进行高阶保守输运
  • DOI：
    10.1002/qj.4233
  • 发表时间：
    2021-12
  • 期刊：
    Quarterly Journal of the Royal Meteorological Society
  • 影响因子：
    8.9
  • 作者：
    Juan Gu;Xindong Peng;Jun Chang;Yuzhang Che
  • 通讯作者：
    Yuzhang Che
Multivariable neural network to postprocess short-term, hub-height wind forecasts
用于后处理短期轮毂高度风力预报的多变量神经网络
  • DOI：
    10.1002/ese3.928
  • 发表时间：
    2021
  • 期刊：
    Energy Science & Engineering
  • 影响因子：
    3.8
  • 作者：
    Andres A. Salazar;Yuzhang Che;Jiafeng Zheng;Feng Xiao
  • 通讯作者：
    Feng Xiao
Evolution and Structure of a Dry Microburst Line Observed by Multiple Remote Sensors in a Plateau Airport
高原机场多遥感器观测干微爆线的演化与结构
  • DOI：
    10.3390/rs14153841
  • 发表时间：
    2022-08
  • 期刊：
    Remote Sensing
  • 影响因子：
    5
  • 作者：
    Xuan Huang;Jiafeng Zheng;Yuzhang Che;Gaili Wang;Tao Ren;Zhiqiang Hua;Weidong Tian;Zhikun Su;Lianxia Su
  • 通讯作者：
    Lianxia Su

数据更新时间：{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI：
    {{ item.doi || "--"}}
  • 发表时间：
    {{ item.publish_year || "--" }}
  • 期刊：
    {{ item.journal_name }}
  • 影响因子：
    {{ item.factor || "--"}}
  • 作者：
    {{ item.authors }}
  • 通讯作者：
    {{ item.author }}

数据更新时间：{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ monograph.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ patent.updateTime }}

其他文献

模式初值敏感性对中期数值天气预报的影响
  • DOI：
    10.16836/j.cnki.jcuit.2017.03.011
  • 发表时间：
    2017
  • 期刊：
    成都信息工程大学学报
  • 影响因子：
    --
  • 作者：
    牛嫣静;车玉章;彭新东;范广洲
  • 通讯作者：
    范广洲

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI：
    {{ item.doi || "--" }}
  • 发表时间：
    {{ item.publish_year || "--"}}
  • 期刊：
    {{ item.journal_name }}
  • 影响因子：
    {{ item.factor || "--" }}
  • 作者：
    {{ item.authors }}
  • 通讯作者：
    {{ item.author }}
empty
内容获取失败，请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题，我已根据课题信息分析并撰写以下内容，帮您拓宽课题思路：

AI项目思路

AI技术路线图

相似国自然基金

{{ item.name }}
  • 批准号：
    {{ item.ratify_no }}
  • 批准年份：
    {{ item.approval_year }}
  • 资助金额：
    {{ item.support_num }}
  • 项目类别：
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号：
    {{ item.ratify_no }}
  • 财政年份：
    {{ item.approval_year }}
  • 资助金额：
    {{ item.support_num }}
  • 项目类别：
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者：{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目：调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要：

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题，其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子，其表达水平对抗病毒防御至关重要。然而，TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用，影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法，探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用，为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义，并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路：

科学问题：TRIM2如何调控A型流感病毒诱导的IFN-β表达？
前期研究：已有研究表明TRIM2参与抗病毒反应，但其具体机制尚不明确。
研究创新点：本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线：包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术：TRIM2与病毒RNA的相互作用分析，IFN-β启动子活性检测。
实验模型：使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
关闭
close
客服二维码