GTC22 | Siemens Gamesa 利用 NVIDIA 数字孪生平台进行科学计算

GTC22 | Siemens Gamesa 利用 NVIDIA 数字孪生平台进行科学计算借助用于开发物理信息型机器学习模型的 AI 框架 NVIDIA Modulus,以及 3D 设计协作和世界模拟平台 Omniverse,研究人员

欢迎大家来到IT世界,在知识的湖畔探索吧!

在 NVIDIA Modulus 和 Omniverse 的支持下,这家可再生能源公司利用物理信息型机器学习模拟风力电厂,将相关任务的速度提高到原本的 4000 倍。

GTC22 | Siemens Gamesa 利用 NVIDIA 数字孪生平台进行科学计算

Siemens Gamesa Renewable Energy 公司目前与 NVIDIA 携手合作,为其风力电厂(一组用于发电的风力涡轮机)创建基于物理信息的数字孪生。

该公司在全球各地拥有数千台涡轮机,通过清洁能源为学校、家庭、医院和工厂提供照明。这些涡轮机的风力发电总量超过 1000 亿瓦特,足以每年为接近 8700 万个家庭供电。

Siemens Gamesa 风力电厂的虚拟表现形式将使用 NVIDIA Omniverse和 Modulus构建,这两者共同构成了 NVIDIA 的科学计算数字孪生平台。

该平台将帮助 Siemens Gamesa 加快计算速度、优化电厂布局,与先前的设计相比,此平台预计将使电厂的发电量提高 20%。

在 2020 至 2025 年期间,全球每年风力发电设备的安装量可能会提高四倍,因此,尽可能增加每台涡轮机的发电量比以往更加重要。

这个全球价值数万亿美元的可再生能源行业正在积极利用数字孪生的力量,例如 Siemens Gamesa 的风力电厂(全球现无其他同类电厂)就在利用这项技术推进气候研究并加速清洁能源转型。

在全球清洁能源技术快速进步的推动下,如今在风能和太阳能转换系统中每投入的一美元所产生的电量要比十年前在同一系统上投入一美元时多 4 倍。从利润角度来看,这对过渡到更绿色环保的地球有着具有巨大的影响。

借助用于开发物理信息型机器学习模型的 AI 框架 NVIDIA Modulus,以及 3D 设计协作和世界模拟平台 Omniverse,研究人员现在可以通过比传统方法快 4000 倍的速度进行计算流体动力学模拟,并以高保真度查看模拟结果。

Siemens Gamesa 陆上数字产品组合经理 Sergio Dominguez 表示:“Siemens Gamesa 与 NVIDIA 的合作意义非凡,意味着在计算流体动力学等复杂领域,我们在最新算法开发的计算速度和部署速度方面迈出了一大步。”

更大限度地提高风力发电量

在风力电厂中,将风力涡轮机添加到另一个涡轮机旁边会改变气流并形成唤醒效果,也就是说降低下游风速,这会降低风力电厂的发电量。

通过风力电厂的 Omniverse 数字孪生,Siemens Gamesa 将能准确模拟两台风力涡轮机彼此相邻布置时,一台涡轮机对另一台产生的影响。

使用 NVIDIA Modulus 和在 GPU 上运行的物理型机器学习模型,研究人员现在能够超越传统方法,以更快的速度运行计算流体动力学模拟。通过基于 Reynolds 平均值的Navier-Stokes方程或大涡模拟等传统方法,即使在 100 个 CPU 构成的集群上,也可能需要一个多月的时间才能完成模拟。

利用这种高达 4000 倍的提速,他们可以快速准确地模拟唤醒效应。

要实时分析和更大限度地减少潜在的唤醒效果,同时针对各种其他风和气候场景优化风力电厂,需要运行成百上千次的迭代和模拟,而传统上,这些迭代和模拟从时间和成本上来说不具备可行性。

NVIDIA Omniverse 和 Modulus 使用基于低分辨率输入的高保真度、高分辨率模型,准确模拟多台涡轮机之间的复杂交互。

免责声明:本站所有文章内容,图片,视频等均是来源于用户投稿和互联网及文摘转载整编而成,不代表本站观点,不承担相关法律责任。其著作权各归其原作者或其出版社所有。如发现本站有涉嫌抄袭侵权/违法违规的内容,侵犯到您的权益,请在线联系站长,一经查实,本站将立刻删除。 本文来自网络,若有侵权,请联系删除,如若转载,请注明出处:https://itzsg.com/40257.html

(0)

相关推荐

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注

联系我们YX

mu99908888

在线咨询: 微信交谈

邮件:itzsgw@126.com

工作时间:时刻准备着!

关注微信