Sensitivity analysis of multiscale large-eddy simulations for wind fields in complex terrain

Multiscale modeling tools have the capability to simulate atmospheric motions across a broad range of spatio-temporal scales, covering almost all turbulence energetic scales. By using a coupling technique, high-resolution nested Large-Eddy Simulations (LES) can be dynamically informed by large-scale numerical weather prediction models, resulting in more accurate and reliable simulations of the planetary boundary layer. This approach has numerous beneficial applications, including the wind energy sector. It can indeed aid in fully understanding, managing, and predicting the performance of wind plants. In this study, the sensitivity of realistic multiscale LES to different input variables has been assessed and quantified. Sensitivity analysis is used to identify key drivers of model behavior and guide future model development and improvement. To this end, four factor variables were investigated: 1. global boundary conditions, 2. topography dataset, 3. gray zone treatment, and 4. LES’s subgrid scale parametrization. Given all possible combinations, 36 simulations have been explored. To decompose total variance, the statistical tool ANOVA has been used. Simulations were conducted over an area of complex terrain in central Portugal during a four-day long period. Both estimates of power productions and wind speed were investigated. Firstly, a time-averaged analysis was conducted to explore the whole spatial domain, and then by focusing on one specific ridge location, the entire timeseries was investigated. In the first case, a consistent pattern in time and in space was detected. Topography prevailed when the convective boundary layer was fully developed, as well as when a multi-day period was investigated. Under nighttime conditions, instead, in both strong and weak synoptic circumstances, an equal influence of boundary conditions, gray zone treatment, and topography, was found. These results are of aid when time-averaged wind speed are of relevance, as in the case of optimal turbine siting assessments. On the contrary, in the case of sensitivity analysis performed on the whole timeseries of wind speed data, a coherent and recurrent structure was not detected. Nevertheless, locally major factors of variability were found. Future developments should focus on deepening the understanding of the physical mechanisms behind observed sensitivity patterns. The sensitivity analysis of power production has locally yielded different results, given the wind turbine characteristic power curve. Improvements to those input features highlighted for wind speed may thus not necessarily enhance power production estimates, under certain wind conditions.

Modelli accoppiati alla meso e alla microscala costituiscono una metodologia avanzata per la simulazione di moti atmosferici su di una vasta gamma di scale spazio-temporali. Tali modelli consentono di ottenere simulazioni più accurate e affidabili dello strato limite planetario rispetto ai modelli tradizionali, poiché comprendono grandi circolazioni globali e regionali così come fenomeni turbolenti locali generati da ostacoli alla superficie. La transizione da un modello all’altro è particolarmente critica nella cosiddetta terra incognita, dove l’ordine di grandezza di strutture convettive turbolenti diventa comparabile con la risoluzione spaziale del modello. Tra i vari risvolti pratici di tali applicazioni modellistiche figura, ad esempio, l’interesse per il settore dell’energia eolica. Tali simulazioni possono infatti aiutare a capire, gestire e prevedere le prestazioni di un parco eolico. In questo studio è stata valutata e quantificata la sensibilità di un modello meteorologico a multi scala, ovvero un modello LES (Large-Eddy Simulations) realistico, a diverse variabili in ingresso. L'analisi di sensibilità viene utilizzata per identificare i principali fattori che influenzano il comportamento di un modello. A tal fine, sono state quindi indagate quattro variabili d’interesse: condizioni al contorno globali, orografia, risoluzione della turbolenza nella “terra incognita” e sua parametrizzazione delle scale minori. Sono state confrontate 36 simulazioni, considerando tutte le possibili combinazioni delle quattro variabili. Come metodo di decomposizione della varianza, è stata utilizzata l’analisi di varianza ANOVA. Le simulazioni, sviluppate su quattro giorni, sono state condotte su di un'area caratterizzata da terreno complesso nel centro del Portogallo. Sono state indagate sia stime di velocità del vento sia di produzione di energia. In primo luogo, è stata condotta un'analisi sui valori medi temporali stimati per l'intero dominio spaziale. Successivamente, la sensibilità del modello meteorologico è stata valutata sull'intero arco temporale in una singola località in cresta. Nel primo caso, è stato trovato uno schema consistente nel tempo e nello spazio. In particolare, la caratterizzazione dell’orografia è risultata predominante quando lo strato limite convettivo era completamente sviluppato o quando era stato analizzato un periodo di più giorni. Invece, di notte, in entrambe le circostanze sinottiche forti e deboli, sono state trovate uguali influenze di più fattori. Questi risultati sono utili se si desidera stimare la velocità media del vento, come ad esempio nel caso dell’ottimizzazione del posizionamento di un impianto eolico. Al contrario, nel caso di analisi di sensibilità eseguite in ogni istante temporale, non è stata rilevata una struttura coerente e ricorrente, ma sono emersi localmente specifici fattori a cui il modello risulta particolarmente sensibile. Sarebbe necessario condurre ulteriori studi per spiegare in modo esauriente i meccanismi fisici sottostanti ai pattern di sensibilità osservati. In ultimo, data la caratteristica curva di potenza, l'analisi di sensibilità per la produzione di energia ha prodotto risultati, per determinate condizioni di vento, differenti dai precedenti. Pertanto, il miglioramento delle caratteristiche delle variabili in ingresso precedentemente citate potrebbe non necessariamente comportare un miglioramento anche nelle stime di produzione di energia.