复杂城市环境中的风场与扩散的LES与RANS模拟:动量通量与标量通量的比较

《BUILDING AND ENVIRONMENT》:LES and RANS simulations of wind and dispersion in a complex urban environment: Comparison of momentum and scalar fluxes

【字体: 大 中 小 】 时间:2026年07月08日 来源:BUILDING AND ENVIRONMENT 8.4

编辑推荐:

  汉尼拔·E·福苏姆|托马斯·维克|安德斯·赫尔格兰|托尔·耶斯达尔|查尔斯·迪班克|马可·普拉奇迪|马泰奥·卡彭蒂埃挪威国防研究机构(FFI),Instituttveien 20,Kjeller,2007,挪威摘要采用大涡模拟(LES)和雷诺平均纳维-斯托克斯方程(RANS)对复

  汉尼拔·E·福苏姆|托马斯·维克|安德斯·赫尔格兰|托尔·耶斯达尔|查尔斯·迪班克|马可·普拉奇迪|马泰奥·卡彭蒂埃挪威国防研究机构(FFI),Instituttveien 20,Kjeller,2007,挪威摘要采用大涡模拟(LES)和雷诺平均纳维-斯托克斯方程(RANS)对复杂城市环境中的风场与污染物扩散进行了数值模拟,并与风洞实验结果进行了对比。本文系统地比较了不同网格分辨率和湍流施密特数下LES与RANS的模拟效果,将污染物扩散预测与动量及标量通量建模联系起来。通过多种统计指标对模型性能进行定量评估,其中包括“两倍因子”(FAC2)。无论采用何种网格,RANS和LES的数值结果与实验数据在速度幅值上均表现出极好的一致性(FAC2>0.94)。对于湍流动能(TKE),LES的预测结果非常准确(FAC2>0.99),而RANS则始终存在低估现象(FAC2>0.90)。标量浓度预测方面,LES的结果较为满意(FAC2<0.85),而RANS的结果则差很多(FAC2<0.54)。值得注意的是,由于点源附近存在较大的标量梯度,RANS需要更高的网格精度才能实现收敛。此外,随着网格分辨率的提高,RANS的结果与实验数据的吻合度反而下降。通过LES计算的湍流动量及标量通量(FAC2<0.53)与实验结果较为一致,而RANS框架中使用的布辛涅斯克涡粘性模型和梯度-扩散假设分别得出的动量通量及标量通量精度较低(FAC2<0.30)。在许多情况下,RANS预测的湍流标量通量与实验及LES的结果方向相反。这些结果表明,RANS在浓度预测方面的误差主要源于标量通量闭合假设的局限性,这也凸显了RANS建模的缺陷。引言计算流体动力学(CFD)已成为用于模拟城市环境中的近地面及微观尺度风场与污染物扩散的常用方法[1]。污染物扩散与风场密切相关[2],但模拟这一过程还需考虑其他因素[3][4]。尤其是湍流模型的选择,无论是基础研究还是应用研究都面临重要且复杂的挑战[5]。基础CFD研究通常旨在改进或验证CFD模型,或深入理解特定的物理现象[6][7];而应用研究则多针对现实城市中的具体案例,这类研究需要可靠的風場预测结果[8][9]。无论哪种情况,风场与污染物扩散模拟的具体目标都会决定所需的建模精度水平[5][10]。在模拟城市流场中的湍流效应时,人们通常采用稳态雷诺平均纳维-斯托克斯方程闭合模型,该模型至今仍是最为常用的建模框架[3][5]。因此,也有许多最佳实践指南出台,为域范围设定、网格分辨率、数值方案、迭代收敛标准以及验证等工作提供指导建议[10][11][12][13][14][15]。总体而言,RANS模型能够相对较好地再现平均风速,尤其是在风速较高的区域;在风速加速区域,预测风速与实验值的偏差通常在10%以内[6][16]。但在尾流区域或再附着区,RANS模型的表现则较差[17],而且它们往往低估城市冠层中的湍流动能[18]。显然,稳态RANS模型也无法再现涡旋脱落现象,也无法预测极端的风速或污染物浓度值。在模拟污染物输运时,RANS模型通常会采用梯度-扩散模型来描述湍流标量通量。标准的梯度-扩散假设要求确定湍流施密特数,而研究表明,在城市环境中该数值的范围在0.2到1.3之间[19],它会对模拟结果产生显著影响[20]。由于湍流通量代表着速度波动与标量波动之间的协方差,因此它会通过相关的湍流运动带动标量变化,进而取决于湍流的结构。由此可见,认为湍流仅能增强分子扩散的梯度-扩散假设无法全面反映湍流输运的所有特征,因此确定该参数实际上就变成了最小化模型误差的问题。托贾-席尔瓦[21]认为,在复杂城市环境中,湍流施密特数的取值在0.5到0.8之间较为合适。不过,格罗姆克[22]和古索[23]的研究表明,不同情况下的最佳数值存在显著差异。由于调整湍流施密特数对城市流场的影响难以推广,因此不适合作为模拟的调参参数[10]。为解决固定湍流施密特数假设缺乏普遍适用性的问题,人们尝试通过构建与流动相关的标量施密特数[20][24]或引入各向异性[25][26][27]来扩展梯度-扩散框架,但这些模型至今并未得到广泛应用。目前还没有哪种RANS模型被确定为标准推荐模型。几十年来,人们在城市流场模拟中一直使用多种不同的湍流施密特数模型[1],也有不少研究将不同RANS模型与实验数据进行了对比[28][29][30]。先前的研究[28][30][31][32]表明,经过改进的模型性能优于传统的湍流施密特数模型。石等人[33]提出的可实现湍流施密特数模型得到了里奇等人[30]和杨等人[34]的推荐,可用于城市风场CFD模拟;莫恩等人[35]也认为该模型适用于复杂城市几何结构。托米纳加和斯塔索普洛斯[36]对孤立建筑物周围的轻质、中性及密集气体进行了RANS模拟,并与风洞实验结果进行了对比。模拟结果显示,回流区的大小被高估了,但中性气体的垂直速度分布则与实验结果十分吻合。他们认为,在所使用的各种RANS模型中,可实现湍流施密特数模型在平均浓度方面的预测结果与实验数据最为接近。近年来,随着计算资源的提升,大涡模拟已成为城市流场与污染物扩散模拟中常用的湍流建模方法。LES非常适合用于预测流场的间歇性、混合特性以及回流区域,而这些正是城市流场中的关键特征[5][32][37]。相比实验数据,LES在预测近场浓度方面的表现明显更优[5][3] [10]。例如,诺佐和田村[38]对东京地区(平均建筑高度为180米)的湍流风场及被动气体扩散进行了LES模拟,并将其结果与风洞实验结果进行了对比。他们发现,尾流区域以及高层建筑物周围的高速区域的流动模式,以及气体扩散情况——包括高层建筑物下侧的高浓度区域——模拟结果都与实验数据高度吻合。尽管LES具有出色的预测能力,但其所需的计算时间要长得多,而且边界条件的设定往往较为困难。此外,针对LES模拟的最佳实践指南相对较少[37],模型的验证工作也会更加复杂[39]。虽然一些以RANS为基础的成熟最佳实践指南[例如[13][14][15]]在一定程度上也适用于LES,但专门针对LES的指导方针则是近期才出现的[5][40]。数值模拟的污染物扩散结果既受平均风速影响,也受标量通量影响。据作者所知,目前还没有研究明确比较过这两种模型在复杂城市环境中的湍流通量表现。在本研究中,我们使用了开源有限体积法软件套件OpenFOAM?1[41],分别采用了LES和RKE两种闭合模型,对挪威奥斯陆某复杂城市区域的风场与污染物扩散进行了模拟,然后将数值结果与风洞实验数据进行了对比。我们的目标是,根据现有文献的建议,使用相同的开源求解器,评估RANS与LES在预测风场及近场污染物扩散方面的精度与质量差异,同时探讨这一差异与湍流通量建模之间的关联。引言之后的部分介绍了用于收集参考数据的风洞实验情况。第3节阐述了数学模型与数值方法,包括对方法的验证,第4节则分析了模拟结果,最后第5节给出了总结性意见。实验设施实验是在萨里大学的爱恩弗洛气象风洞进行的,该风洞是英国工程与物理科学研究委员会的国家级实验设施。这座大型吸力式风洞主要用于大气流场与污染物扩散的专项研究。如图1所示,风洞的工作段长度为20米,宽度为3.5米,高度为1.5米。风洞内配备有三轴移动装置,各种测量仪器都安装在该装置上。控制方程对于不可压缩的牛顿流体,其质量守恒方程和动量守恒方程分别可以表示为:其中,是全微分算子,是空间梯度算子,是速度场,为笛卡尔坐标系下的位置向量,是压力场,是流体密度。有效粘度定义为,其中是运动粘度(分子粘度),是湍流粘度(在LES模型中为亚网格尺度粘度)。污染物输运初步模拟图9展示了城市模型上游区域的平均顺流速度、湍流动能以及雷诺切应力水平和垂直应力分量的垂直分布曲线,这些曲线与风洞实验数据进行了对比。顺流速度的模拟结果与实验数据吻合得很好。在距离地面较远的位置,数值模型略微高估了速度值。尽管在靠近壁面的位置存在轻微的高估现象,但模拟得到的湍流动能与实验数据非常吻合。结论利用公开可用的开源求解器OpenFOAM?,我们对真实复杂城市环境中的风场与污染物扩散进行了数值模拟,模拟结果与按1:303比例缩放的实验室实验数据进行了对比。在模拟中,我们同时采用了大涡模拟(LES)和雷诺平均纳维-斯托克斯方程(RANS)两种湍流闭合模型。对于RANS的标量输运模型,我们采用了标准的梯度-扩散假设,并设置了六种不同的湍流施密特数。CRediT作者贡献说明汉尼拔·E·福苏姆:写作——审稿与编辑,写作——初稿撰写,可视化,验证,监督,软件使用,项目管理,方法论研究,数据分析,形式分析,数据整理,概念设计。托马斯·维克:写作——审稿与编辑,写作——初稿撰写,验证,软件使用,方法论研究,数据分析,形式分析,概念设计。安德斯·赫尔格兰:写作——审稿与编辑,写作——初稿撰写,可视化,验证,监督。利益冲突声明作者声明自己不存在任何可能影响本文研究结果的已知财务利益或个人关系。致谢本项工作部分得到了MODISAFE项目(EUROPA MoU FR-NO-SW-UK-01-2019)和CHIMERA项目(欧盟资助编号101121342)的支持。部分模拟工作是在挪威国家高性能计算与数据存储基础设施Sigma2的算力支持下完成的。对于实验工作,作者们还要感谢大气测量与观测设施(AMOF)以及英国自然环境研究委员会(UKRI-NERC)的支持。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号