python 等声值线的绘制

前言

本文主要通过 python 实现风电风机点声源的等声值线绘制。

风电噪声原理及背景

风电项目噪声为一个面源，与普通点源不同， 风机噪声源主要包括：机舱内部零部件（齿轮箱和发电机等）运转过程中产生的噪 声、叶片旋转过程中的结构振动噪声和风轮叶片旋转时产生的空气动力学噪声（即气动 噪声）。目前风电机组机舱内部零件噪声和结构振动噪声已得到很好的控制，风电机组 的噪声影响主要来自叶片气动噪。叶片气动噪声是在入流扰动和塔架扰动下的非定常流场和叶片相互作用下，气流流 经叶片界面产生附着涡、分离涡和尾迹脱落涡等，这些非定常涡和叶片表面相互作用从 而引起的非稳定流动噪声。
翟国庆等利用美国航天航空局（NASA）研发的风电机组噪声预测模型，结合国内风机特点和风机噪声实际测量值对做出的模型修正提出了对 国内的风电机组噪声预测模型，但模型较复杂且需要的参数较多。根据其模型简化与实 测比对研究的结果，当噪声预测点距风电机组较近（水平距离 d≤2 倍风轮半）时， 噪声测量值不能用点声源模型进行较好预测；当噪声测点距离风电机组较远（水距离 d≥2 倍风轮半径）时，下风向噪声预测点的预测结果与实测值拟合系数明显，一般 可达到 0.95 以上，拟合效果较好。国外学者 Makarewicz 也用数学方法证明了预测点 距风电水平距离大于 2 倍叶片长度即 1 倍风轮直径时，风机叶片噪声符合自声场点声 源的特点；谷朝军等的实测研究结果也表明，在下风向 4 倍叶片长度距离，距离每增 加 1 倍风机噪声约衰减 6dB(A)，基本满足点声源的传播规律。

将风机噪声贡献简化为以下情况：
风机直径w=120， d 为 预测点与噪声源的距离，m。
LA(d) 为预测点（距离 r）的噪声值，dB（A）；
LAW 为噪声源的声功率级，dB（A）赋值109
当d<w/π/2时，LA几乎不变；
当d<w/π>d>w/π/2时 ,LA(d) = LAW-10lgd
当d>w/π时，LA(d) = LAW-20lgd-8

Python 代码片段

根据以上要求可以使用 python 进行绘制

import numpy as np
import matplotlib.pyplot as plt

# 设置中心点的坐标和地图范围
center_x = 0
center_y = 0
radius = 500
w = 120  # 风机直径

# 计算网格点的坐标
x = np.linspace(-radius, radius, 1000)
y = np.linspace(-radius, radius, 1000)
X, Y = np.meshgrid(x, y)

# 计算每个点的距离和噪声值
d = np.sqrt(X**2 + Y**2)

LA = np.zeros_like(d)
LA[d < w/(2*np.pi)] = 109
LA[(d > w/(2*np.pi)) & (d < w)] = 109 - 10 * np.log10(d[(d > w/(2*np.pi)) & (d < w)])
LA[d > w] = 109 - 20 * np.log10(d[d > w]) - 8

# 背景噪声值
B = 40

# 叠加背景噪声值
LA_total = 10 * np.log10(10**(0.1*LA) + 10**(0.1*B))

# 绘制等声值线图
plt.figure(figsize=(5, 5), dpi=300)
plt.contourf(X, Y, LA_total, levels=np.arange(40, 111, 10), cmap='RdYlGn_r', alpha=0.5)
plt.colorbar(label='Total Sound Level (dB)')
plt.title('Total Sound Contour Map')
plt.xlabel('X')
plt.ylabel('Y')
plt.show()

图片美化

利用ps 将带比例尺的背景图与预测结果叠加即可。

参考文献

王跃华. 风电场噪声、光影环境防护距离的研究[D].东北大学,2011.

BY

纯个人经验，如有帮助，请收藏点赞，如需转载，请注明出处。
微信公众号：环境猫 er
CSDN : 细节处有神明
个人博客： https://maoyu92.github.io/