随着城市的发展,对可持续能源的需求也在增长。您是否知道,屋顶上可以安静地运行紧凑型风力涡轮机,为电网提供电力,同时融入城市天际线?这些小巧但强大的涡轮机可以帮助抵消能源浪费,同时产生清洁能源,然而,找到合适的安装位置可能很棘手。

项目概况

鲁汶大学景观、建筑和建筑环境研究所 (LAB)于 2022 年至 2024 年  加入了布鲁塞尔风能 (WEB)项目。该项目探索了在布鲁塞尔北区中央商务区安装小型城市风力涡轮机 (SUWT)的可行性。该地区拥有高层建筑,非常适合捕捉强风,同时还拥有支持涡轮机安装和维护的空间。

认识到这一潜力后,加州大学鲁汶分校的分析师与BuildWind的工程师合作开发了一种数据驱动的方法。在Innoviris (一家支持布鲁塞尔研究和创新的公共组织)的共同资助下,所有利益相关者都致力于对市中心产生有意义且可持续的影响。

Fig2
图 2A/B:比利时布鲁塞尔北区研究区

探究城市风能潜力

在城市地区整合 SUWT 具有诸多优势。它们产生的清洁能源可在当地消费,从而减少对电网基础设施的依赖,并在电力短缺的情况下支持城市恢复。随着技术的进步,这些系统也变得更小、更安静、更易于连接到电网,从而提高了成本效益和可访问性。

然而,在安装之前,必须根据净能源收益(包括灰色能源影响)来论证 SUWT 的合理性。这意味着从组装、制造到退役(从摇篮到坟墓),SUWT 需要消耗的能源和温室气体要少于它们所替代的能源。

fig7_draft
图 3:SUWT 安装模型

SUWT 的使用寿命为 15 至 25 年。为了评估能源潜力,WEB 项目分析师首先评估了风能资源的可用性和发电效率。他们使用计算流体动力学 (CFD) 构建了模拟,并通过机器学习进行了增强,以提供具有成本效益的风能资源估算。同时,混合生命周期分析 (LCA) 检查了制造、运输、安装、维护和退役的能源需求。这种方法确定了每个拟议候选地点的能源和排放投资回报。

Fig-4-Harvested-energy-estimation-and-proposed-SUWT-locations-spaced-across-flat-rooftop
图 4:收集的能量估算和建议的 SUWT 位置分布在平屋顶上

潜在挑战

在城市环境中安装 SUWT 面临诸多挑战。公众担忧的问题包括:

  • 机械故障对行人造成风险
  • 移动叶片造成的冰冻危险
  • 对野生动物(尤其是飞行动物)的威胁
  • 振动影响建筑物
  • 噪音影响
  • 视觉冲击

加州大学鲁汶分校的分析师(包括本博客的合著者)将噪音和视觉污染作为获得公众认可的关键因素。噪音影响分析更为直接,因为大多数 SUWT 规范将分贝 (dB) 水平报告为“低”。小型发电机的嗡嗡声和这些涡轮机上小叶片的轻柔呼啸声不会掩盖周围城市环境的大气噪音。此外,高层屋顶和现有建筑系统的距离衰减将进一步掩盖这些拟议的 SUWT 的声音。

最终,了解涡轮机对北区视觉影响变得更加复杂——需要进一步研究。分析师发现,在这种情况下,审美主观性和感知往往会与项目目标相冲突。例如,纪念碑附近的涡轮机可能被视为侵扰,而现代建筑上的涡轮机则象征着对绿色能源的承诺。

要进一步探索这些影响研究,请查看这些同行评审文章(Tsionas、Llaguno 和 Stephan,2025 年

ArcGIS Pro 中的屋顶细化

为了评估涡轮机的可见性,ArcGIS Pro帮助集中和处理 2D 和 3D 数据源。最初,建筑物足迹被挤压成低多边形体量模型。后来,团队收到并处理了航空LiDAR和地面激光扫描 (TLS) 数据,以优化屋顶几何形状。这将提供现有屋顶结构的数字孪生,以获得更好的可见性结果。在本博客中,金融大厦(研究区域中的一座著名建筑)将展示如何分析所有建筑物及其相关候选位置以获得北区的可见性。

Fig-5A-Simple-roof-geometry-of-Finance-Tower-example-buildling
图 #5A:金融大厦的简单屋顶几何形状(示例建筑物)
Fig-5B-Refined-roof-geometry-of-Finance-Tower-example-buildling
图 #5B:金融大厦(示例建筑)的精细屋顶几何形状(多面体)

创建候选位置和观察点

利用这些数据,在风力较大的区域选择了 2,079 个候选位置,且不会破坏现有基础设施。然后,分析师在公共场所以 5 到 10 米的间隔放置了 22,512 个观察点。借助ArcGIS Pro 中的3D Analyst 扩展 Intervisibility 工具,团队开始进行分析,寻找哪些位置(不理想的)具有高可见性。

使用 ArcGIS Pro 中的ModelBuilder创建的自定义工具箱可进行详细的用户定义评估,以测试和更改这些候选点和观察点的位置。分析师测试了道路、公园、河流和地标的景观,确保了结构化且可重复使用的地理处理解决方案。

Fig-6-Visibility-analysis-toolbox-with-custom-model-builder-designs
图 6:带有自定义模型构建器设计的可见性分析工具箱

能够操纵密度和观察者高度参数允许进行更灵活的分析,同时考虑不同公众视角的视野。为了获得真实的结果,设置了不同的观察者高度以适应身体差异(例如儿童与成人)。分析师还考虑了从地面向上的不同高度,包括从火车、汽车、船只、建筑楼层、露台和飞行路径的视野。

使用 ArcGIS CityEngine 提高准确性

该项目最初并没有计划使用ArcGIS CityEngine——但有时合适的工具会找到你!

在 Esri 的大型产品套件中,您可以使用许多工具来自定义工作流。有时,这只不过是在朝着目标前进的过程中发挥您的创造性解决问题的技能。

尽管 ArcGIS Pro 为数据和分析提供了坚实的基础,但对于此特定用例仍存在一些限制。分析师发现,SUWT 仅以点的形式表示,因此在使用通视性工具时只能得到简单的是/否可见性结果。这导致在考虑部分可见性时出现假阴性。

此外,由于物体在远处看起来更小且更难看清,分析师意识到他们无法使用通视性工具直接解释这一现象。

在这个阶段,团队转向使用 CityEngine,这样他们就可以使用立体角来测量视觉突出度。然后可以将这些测量值(立体角)标准化为视场 (FOV) 的百分比,以更好地与人类视觉感知保持一致。

Fig-7A-CityEngine-viewshed-preview-with-steradian-measurements
图 7:CityEngine 对金融大厦(示例建筑)的视域预览,采用立体角测量

视场 (FOV) 覆盖距离

随着观察者距离的增加,每个视场覆盖的面积显著增加。例如,在 20 米处,双目视野覆盖 4,800 平方米,但在 1,000 米处,它扩大到 12,000,000 平方米。

  • 双目视图(120° x 120°):覆盖面积较大,但细节较少。
  • 中央视图(60° x 30°):具有适度细节的平衡视图。
  • 中央凹视图(12° x 10°):聚焦于具有高细节的小区域。

 

Fig-7-Horizontal-and-vertical-angles-of-selected-Field-of-VIews-FOVs
图 8:选定视野 (FOV) 的水平和垂直角度

完整的 360° 球面视图相当于 12.57 球面度,但人类只能看到其中的一部分。为了在 CityEngine 中准确测量可见度,分析师计算了不同距离的风力涡轮机占据了多少视野。

CityEngine 中的 Python

CityEngine 中的 Python 脚本功能简化了分析。由于研究区域内有如此多的安装位置和观察点,因此自动化至关重要。

使用 Python,项目分析师可以根据所需的 FOV 更高效地创建视域,并系统地将指标提取到逗号分隔值 (*.csv) 文件中。然后可以将这些 CSV 文件重新导入 ArcGIS Pro 并在地图上将其地理编码为点数据。属性与原始观察点相关,以可视化它们之间的一对多关系。查看CityEngine Python 参考手册,以自动化下一个项目的工作流程!

Fig-8-CityEngine-layout-with-Python-Console-1
图 9:CityEngine 布局与 Python 控制台显示金融大厦(示例建筑)

工作流程概述

  1. 从点到 3D 模型的转变 – 在 ArcGIS Pro 中,SUWT 最初以点的形式表示,因此团队根据规范绘制了涡轮机的 3D collada (*.dae) 模型,以便可以在可视化中复制它。
  2. 将 SUWT 的 3D Collada (*.dae) 模型作为资产导入 CityEngine
  3. 使用文件地理数据库将观测点从 ArcGIS Pro 导入 CityEngine
  4. 使用文件地理数据库将现有条件下的精致多面体建筑物导入 CityEngine
  5. 在 CityEngine Python 模块中创建 Python (*.py) 脚本
  6. 运行 Python (*.py) 脚本以根据水平和垂直 FOV 创建和更改可见性
  7. 运行 Python (*.py) 脚本以将观察点的坐标和相应的查看指标导出并保存到逗号分隔值 (*.csv) 文件中
  8. 在 ArcGIS Pro 中,对逗号分隔值 (*.csv) 文件进行地理编码并将其转换为点
  9. 在 ArcGIS Pro 中,使用关系类分析 SUWT 与观测点之间的一对多关系
  10. 发布并符号化结果,以便在ArcGIS Online中交互式 Web 查看

 

Fig10-CityEngine-Viewshed-Python-automation-result-of-a-single-SUWT-on-the-Finance-Tower-Example-Building
图 10:金融大厦(示例建筑)上单个 SUWT 的 CityEngine Viewshed Python 自动化结果

分享工作

当技术专业人员能够分享他们的知识并提供帮助或激发创造力以继续开展原始工作时,总是一件很棒的事情。考虑到这一点,加州大学鲁汶分校的分析师提供了一个 Python (*.py) 脚本,与 ArcGIS CityEngine 社区分享 –那就是你!

该脚本将分析结果导出到 CSV 文件,其中包含可见性指标和视域信息(包括观看距离和 FOV)。可见性指标按层报告,以 sterads X 1000 为单位,以便于阅读。视图/观察点被选为图例中的视域层,目标对象位于带有硬编码的 targetFilter 表达式的图层中。该脚本本身在Github上公开,任何需要它或希望改进它的人都可以使用它。

金融大厦 – 建筑成果示例

使用 Python 自动化分析使评估每个 SUWT 位置变得容易得多。金融大厦高 141 米,是验证分析的关键测试地点。它的屋顶暴露在强风中,并具有边缘保护、天线和机械设备等结构 – 这些元素可以帮助隐藏涡轮机。

例如,当将 SUWT 放置在金融大厦屋顶中心时,简单的屋顶模型显示向东的可见性。然而,改进的屋顶几何形状引入了更多障碍物,最终阻挡了向东的可见性。每个 SUWT 位置都使用 Python 进行测试,以确保结果准确。查看图 #11A/B 以比较视线,其中颜色表示距离(深色 = 短,浅色 = 远)。

Fig-11AB-Visibility-differences-impacted-by-roof-articulation-of-the-Finance-Tower-example-building-model
图 11A/B:金融大厦(示例建筑)模型的屋顶连接对可见度的影响

继续以金融大厦为例,让我们看看下面的地图(图 12)。您会注意到,红色圆圈的大小表示可见度,X 表示未报告可见度(期望结果)。现在此分析已实现自动化,可以快速进行调整,尝试增加隐藏在视野之外的 SUWT 数量。

Fig-12-Map-of-one-to-many-visibility-analysis-results-for-Finance-Tower-example-building-1
图 12:金融大厦(示例建筑)的一对多可见性分析结果图

增强分析的主要发现

  • 增强型 3D 模型将 SUWT 整体可见度降低了 1.3%
  • 由于建筑物几何形状的改进,11,681 条额外视线报告无可见性(这是期望的结果)
  • 可见性模式因位置、周围建筑物和观察者位置而异
Fig-13-Wind-Energy-for-Brussels-WEB-application-showing-published-project-data-1
图 13:单击此处访问布鲁塞尔风能 (WEB) 应用程序,其中显示已发布的项目数据

计算效率

3D 分析对图形和处理效率的要求很高。为此,分析可见性需要强大的处理能力。会话一次处理 300 到 500 个观察点。团队必须升级到配备 32GB RAM 的第 12 代 Intel Core i7-12700H,其性能优于他们最初使用的配备 8GB RAM 的旧款 Intel Core i5-6500。如果着手进行类似任务,最好记住这一点。为了提供帮助,您还可以在开始工作之前查看显卡的最低系统要求和优化建议。

衡量成功

城市环境十分复杂。要获得公众对能源基础设施的认可,需要在定量数据和主观看法之间取得平衡。与本项目一样,成功还可能取决于精确的建模、自动化和利益相关者的紧密合作。

通过将 CityEngine 与其他技术和数据类型集成,您可以改进分析、改善利益相关者协作、提高透明度并制定有效的实际实施策略。准备好探索了吗?试用CityEngine 的 21 天免费试用版并访问CityEngine 社区委员会提出问题。

声明:本站所有文章,如无特殊说明或标注,均为本站原创发布。任何个人或组织,在未征得本站同意时,禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益,可联系我们进行处理。