Repositório Digital

A- A A+

Modelagem da esteira e otimização do posicionamento de aerogeradores em parques eólicos

.

Modelagem da esteira e otimização do posicionamento de aerogeradores em parques eólicos

Mostrar registro completo

Estatísticas

Título Modelagem da esteira e otimização do posicionamento de aerogeradores em parques eólicos
Autor Nowaczyk, Eduardo Ribas
Orientador Farenzena, Marcelo
Fernandes, Pedro Rafael Bolognese
Data 2015
Nível Mestrado
Instituição Universidade Federal do Rio Grande do Sul. Escola de Engenharia. Programa de Pós-Graduação em Engenharia Química.
Assunto Aerogeradores
MATLAB (Programa de computador)
Otimização de processos
Simulação numérica
Resumo A otimização de processos tem como objetivo a maximização, ou minimização, de uma função objetivo que descreve o problema a ser resolvido. Para tanto, dependendo do problema e visando a obtenção da melhor resposta no menor tempo, podem ser utilizadas técnicas estocásticas ou determinísticas. Atualmente, o emprego de otimizadores não mais se restringe às aplicações da indústria de processos e manufaturas, mas também em outras áreas, como, por exemplo, a de energias renováveis. Esse fato se deve à conscientização acerca das consequências da utilização combustíveis fósseis e da busca pelo maior custo-benefício em projetos da área. Este trabalho tem como objetivo estudas o posicionamento de aerogeradores em um parque eólico utilizando otimização de processos. Para tal, foi desenvolvido um modelo baseado em Katic et al. (1986) para a descrição do déficit de velocidade do vento, aplicando o conceito de blending functions para combinar as perdas pelo efeito de esteira em todas as direções de vento incidente. O resultado é um modelo de rápida execução e qualitativamente correto. Comparou-se, então, soluções de otimizadores de busca direta global do tipo estocástico (PSO) e determinístico (DIRECT), escolhidos em função da não-regularidade da função objetivo. Considerou-se, também, o valor de 15% de perda de energia em relação à geração ideal como sendo o máximo aceitável para as respostas. O DIRECT alcançou soluções viáveis para até 8 turbinas, enquanto o PSO solucionou o problema para até 13 aerogeradores. Os resultados do PSO com 80 partículas e 100 iterações, para posicionamento de 13 aerogeradores, foi comparado com os resultados mostrados por Mosetti et al. (1994), mostrando uma necessidade de área de terreno cerca de cinco vezes menor para cada turbina. Avaliou-se, então, a influência os parâmetros algoritmo PSO, tanto os internos quantos os externos (número de partículas e iterações), em cenários de média e alta complexibilidade para a mesma quantidade de avaliações da função objetivo, respectivamente. As soluções encontradas mostraram que tais parâmetros tem grande efeito nas respostas dos otimizadores.
Abstract The aim of process optimization is maximize, or minimize, an objective function that describes a problem to be solved. To do that, depending on the problem and aiming the best solution in a shortest time, stochastic or deterministic techniques can be used. Currently, the use of optimizers no longer is restricted to process and manufacturing industrial problems, but in many others fields, like, for example, the renewable energy. This is due to the awareness about the consequences of using fossils fuels and looking for the best cost-effective in the projects of this area. The objective of this work is study the set of wind turbines in a wind park using process optimization. To do that, it was developed a model based on Katic et al. (1986) to describe the wind speed decay, using the knowledge of blending functions to add the wake losses in all wind directions. The result is a fast performance and qualitatively correct model. Then, global direct search optimizers solutions, a stochastic (PSO) and a deterministic (DIRECT), were compared. Those were chosen due the non-regular objective function. It was considerer 15% as the maximum acceptable energy losses, compared to the ideal, of the positioning answeres. The DIRECT reached viable solutions up to 8 turbines while the PSO solved the problem up to 13 turbines. The results of the PSO with 80 particles and 100 iteractions to positioning 13 turbines, was compared with the results shown by Mosetti et al. (1994) resulting in about 5 times less land required to each turbine. Then, it was evaluated the effect os the PSO parameters, inner and outer (number of particles and iteractions), in medium and high complexity scenarios to the same amount of objective functions evaluations. The solutions reached shown that those parameters have large influence in the optimizers solutions.
Tipo Dissertação
URI http://hdl.handle.net/10183/132618
Arquivos Descrição Formato
000982707.pdf (3.081Mb) Texto completo Adobe PDF Visualizar/abrir

Este item está licenciado na Creative Commons License

Este item aparece na(s) seguinte(s) coleção(ões)


Mostrar registro completo

Percorrer



  • O autor é titular dos direitos autorais dos documentos disponíveis neste repositório e é vedada, nos termos da lei, a comercialização de qualquer espécie sem sua autorização prévia.
    Projeto gráfico elaborado pelo Caixola - Clube de Criação Fabico/UFRGS Powered by DSpace software, Version 1.8.1.