Author(s):
Rodrigues, Carlos Manuel Farinhas de Oliveira 
Date: 2008
Persistent ID: http://hdl.handle.net/10773/2469
Origin: RIA - Repositório Institucional da Universidade de Aveiro
Subject(s): Engenharia mecânica; Energia eólica; Previsão meteorológica; Ambiente urbano; Redes neuronais
Description
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. Mestrado em Engenharia Mecânica
