後流（ウェイク） — 先端技術と研究動向

Huerre & Monkewitz (1985, 1990) のフレームワークが標準だ。

• 対流不安定性: 擾乱が下流に流されながら成長。上流に情報が伝わらない。外部擾乱のアンプリファイア
• 絶対不安定性: 擾乱が発生点に留まりつつ成長。自励振動を引き起こす。カルマン渦列の発生源

後流プロファイルのパラメータ $\Lambda = (U_{min} - U_\infty)/(U_{min} + U_\infty)$ が臨界値 $\Lambda_{cr} \approx -0.9$ より小さいとき（速度欠損が十分大きいとき）、後流は絶対不安定になる。

その通り。絶対不安定な領域が「グローバル振動子（global oscillator）」として機能し、カルマン渦列の周波数を決定する。これが Strouhal 数の物理的な起源だ。

フルNavier-Stokes計算では計算領域が膨大になるため、ハイブリッド手法が使われる。

• 渦粒子法（Vortex Particle Method）: 渦度場を離散渦粒子で表現。格子なしで渦の移流と拡散を追跡
• Temporal approach: 航空機の直後の断面を初期条件として、時間発展で渦の減衰を追跡（空間座標を時間に変換）
• RANS/LES → 渦粒子法の引き継ぎ: 航空機近傍はCFD、遠方場は渦粒子法で効率的に計算

PODはスナップショット（瞬時流れ場の集合）からエネルギー的に最適なモード分解を行う手法だ。後流解析では、

第1モードが渦放出の対称/反対称パターンに対応し、寄与率（エネルギー比）が $50\%$ 以上を占めることが多い。低次元モデル（ROM）の構築や流れ制御の設計に活用される。

以下のトピックが活発だ。

• ウェイクステアリング: 上流の風車のヨー角を故意にずらし、ウェイクを横に逸らして下流風車への影響を軽減。Howland et al. (2019, Nature Energy)
• Dynamic Induction Control: ロータの推力を時間変動させて後流の混合を促進
• LiDAR計測との統合: 前方LiDARでウェイクをリアルタイム検出し、制御にフィードバック
• 機械学習によるウェイクモデル: GAN やオートエンコーダで高速ウェイク予測

Siemens Gamesa や Vestas が実機テストを行い、ファーム全体の発電量が $1\text{--}3\%$ 向上する結果が報告されている。一見小さいが、大規模洋上風力で年間数十億円の差になりうる。