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(一組用于發電的風力渦輪機)創建基于物理信息的數字孿生。

該公司在全球各地擁有數千臺渦輪機，通過清潔能源為學校、家庭、醫院和工廠提供照明。這些渦輪機的風力發電總量超過 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形式將使用 NVIDIA Omniverse和 Modulus構建，這兩者共同構成了 NVIDIA 的科學計算數字孿生平臺。

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

在 2020 至 2025 年期間，全球每年風力發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電量比以往更加重要。

這個全球價值數萬億美元的可再生能源行業正在積極利用數字孿生的力量，例如 Siemens Gamesa 的風力電廠(全球現無其他同類電廠)就在利用這項技術推進氣候研究并加速清潔能源轉型。

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

借助用于開發物理信息型機器學習模型的 AI 框架 NVIDIA Modulus，以及 3D 設計協作和世界模擬平臺 Omniverse，研究人員現在可以通過比傳統方法快 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果。

Siemens Gamesa 陸上數字產品組合經理 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電量。

通過風力電廠的 Omniverse 數字孿生，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，研究人員現在能夠超越傳統方法，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方法，即使在 100 個 CPU 構成的集群上，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化風力電廠，需要運行成百上千次的迭代和模擬，而傳統上，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 數字孿生平臺進行科學計算，加速清潔能源轉型

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

審核編輯：湯梓紅