在 NVIDIA Modulus 和 Omniverse 的支持下，這家可再生能源公司利用物理信息型機器學習模擬風力電廠，將相關任務的速度提高到原本的 4000 倍。

Siemens Gamesa Renewable Energy 公司目前與 NVIDIA 攜手合作，為其風力電廠(一組用于發(fā)電的風力渦輪機)創(chuàng)建基于物理信息的數(shù)字孿生。

該公司在全球各地擁有數(shù)千臺渦輪機，通過清潔能源為學校、家庭、醫(yī)院和工廠提供照明。這些渦輪機的風力發(fā)電總量超過 1000 億瓦特，足以每年為接近 8700 萬個家庭供電。

Siemens Gamesa 風力電廠的虛擬表現(xiàn)形式將使用 NVIDIA Omniverse和 Modulus構(gòu)建，這兩者共同構(gòu)成了 NVIDIA 的科學計算數(shù)字孿生平臺。

該平臺將幫助 Siemens Gamesa 加快計算速度、優(yōu)化電廠布局，與先前的設計相比，此平臺預計將使電廠的發(fā)電量提高 20%。

在 2020 至 2025 年期間，全球每年風力發(fā)電設備的安裝量可能會提高四倍，因此，盡可能增加每臺渦輪機的發(fā)電量比以往更加重要。

這個全球價值數(shù)萬億美元的可再生能源行業(yè)正在積極利用數(shù)字孿生的力量，例如 Siemens Gamesa 的風力電廠(全球現(xiàn)無其他同類電廠)就在利用這項技術(shù)推進氣候研究并加速清潔能源轉(zhuǎn)型。

在全球清潔能源技術(shù)快速進步的推動下，如今在風能和太陽能轉(zhuǎn)換系統(tǒng)中每投入的一美元所產(chǎn)生的電量要比十年前在同一系統(tǒng)上投入一美元時多 4 倍。從利潤角度來看，這對過渡到更綠色環(huán)保的地球有著具有巨大的影響。

借助用于開發(fā)物理信息型機器學習模型的 AI 框架 NVIDIA Modulus，以及 3D 設計協(xié)作和世界模擬平臺 Omniverse，研究人員現(xiàn)在可以通過比傳統(tǒng)方法快 4000 倍的速度進行計算流體動力學模擬，并以高保真度查看模擬結(jié)果。

Siemens Gamesa 陸上數(shù)字產(chǎn)品組合經(jīng)理 Sergio Dominguez 表示：“Siemens Gamesa 與 NVIDIA 的合作意義非凡，意味著在計算流體動力學等復雜領域，我們在最新算法開發(fā)的計算速度和部署速度方面邁出了一大步。”

更大限度地提高風力發(fā)電量

在風力電廠中，將風力渦輪機添加到另一個渦輪機旁邊會改變氣流并形成喚醒效果，也就是說降低下游風速，這會降低風力電廠的發(fā)電量。

通過風力電廠的 Omniverse 數(shù)字孿生，Siemens Gamesa 將能準確模擬兩臺風力渦輪機彼此相鄰布置時，一臺渦輪機對另一臺產(chǎn)生的影響。

使用 NVIDIA Modulus 和在 GPU 上運行的物理型機器學習模型，研究人員現(xiàn)在能夠超越傳統(tǒng)方法，以更快的速度運行計算流體動力學模擬。通過基于 Reynolds 平均值的Navier-Stokes方程或大渦模擬等傳統(tǒng)方法，即使在 100 個 CPU 構(gòu)成的集群上，也可能需要一個多月的時間才能完成模擬。

利用這種高達 4000 倍的提速，他們可以快速準確地模擬喚醒效應。

要實時分析和更大限度地減少潛在的喚醒效果，同時針對各種其他風和氣候場景優(yōu)化風力電廠，需要運行成百上千次的迭代和模擬，而傳統(tǒng)上，這些迭代和模擬從時間和成本上來說不具備可行性。

NVIDIA Omniverse 和 Modulus 使用基于低分辨率輸入的高保真度、高分辨率模型，準確模擬多臺渦輪機之間的復雜交互。

原文標題：GTC22 | Siemens Gamesa 利用 NVIDIA 數(shù)字孿生平臺進行科學計算，加速清潔能源轉(zhuǎn)型

文章出處：【微信公眾號：NVIDIA英偉達企業(yè)解決方案】歡迎添加關注!文章轉(zhuǎn)載請注明出處。

審核編輯：湯梓紅