El mejor método para predecir la energía eólica óleo

0 11


Los investigadores de Rutgers desarrollaron un modelo de aprendizaje automático utilizando un simulador basado en la física y datos meteorológicos del mundo real para predecir mejor la energía eólica marina.

Los resultados aparecen en la revista Energía aplicada.

La energía eólica marina está madurando rápidamente hasta convertirse en una fuente de energía renovable líder en todo el mundo y se prevé que crezca un 13% durante las próximas dos décadas y 15 veces para 2040 para convertirse en una industria de $ 1 billón, igualando el gasto de capital en generación de energía a gas y carbón. En los Estados Unidos, por ejemplo, Nueva York y Nueva Jersey adjudicaron recientemente dos contratos de energía eólica marina para ayudar a cumplir sus objetivos de integración de energía renovable.

“Estamos entrando en una nueva era de la revolución de la energía eólica marina”, dijo el autor principal Ruo-Qian (Roger) Wang, profesor asistente en el Departamento de Ingeniería Civil y Ambiental de la Universidad de Rutgers en New Brunswick. “La clave para respaldar este crecimiento es desarrollar herramientas confiables para evaluar y predecir mejor el rendimiento de las turbinas eólicas marinas con el fin de mejorar la planificación de proyectos y respaldar las operaciones y el mantenimiento. El apagón del parque eólico marino Hornsea de 2019 en Inglaterra y la crisis energética de 2021 en Texas ilustra la necesidad urgente de desarrollar modelos poderosos para estimar y predecir la incertidumbre ambiental de la generación de energía eólica “.

La curva de potencia, o la relación que gobierna la conversión de las variables meteorológicas que experimenta una turbina eólica en energía eléctrica, se utiliza ampliamente en la industria eólica para estimar la producción de energía con fines de planificación y operativos. Pero los métodos actuales para la estimación de la curva de potencia tienen limitaciones, que incluyen depender principalmente de la velocidad del viento e ignorar otros factores ambientales y descuidar en gran medida el complejo entorno marino en el que operan las turbinas marinas.

En su estudio, los investigadores de Rutgers diseñaron un marco de análisis de sensibilidad para revelar y predecir los principales factores que contribuyen a la incertidumbre ambiental de la generación de energía eólica marina. El motor de este análisis de sensibilidad es un modelo de aprendizaje automático, que fusiona los resultados de un simulador basado en la física con datos meteorológicos del mundo real recopilados de una serie de boyas desplegadas frente a la costa de Nueva Jersey. Las boyas están ubicadas cerca de al menos tres futuros proyectos eólicos marinos, que en conjunto se espera que agreguen aproximadamente 2,8 gigavatios a la capacidad eólica marina de EE. UU. Para 2024.

“Hasta donde sabemos, el marco de modelado propuesto es el primero en investigar el impacto de hasta siete variables ambientales, incluidos los factores del viento y las olas, en la generación de energía eólica marina”, dijo Aziz Ezzat, coautor y profesor asistente de industrial y ingeniería de sistemas en Rutgers. “El marco estudia el efecto de las variaciones en el entorno marino sobre el rendimiento del diseño de vanguardia de la turbina marina de 15 megavatios, que se espera que se instale en la costa de Nueva Jersey y otros estados de EE. UU. En un futuro próximo”.

El análisis del equipo reveló que las olas juegan un papel importante, si no el más importante, en la predicción del segundo momento de la energía eólica: su variación alrededor del nivel de generación promedio. Los investigadores también encontraron que la integración de varias variables ambientales puede mejorar significativamente la predicción de energía con alta precisión.

“Probado en datos del mundo real de los sitios de Nueva York y Nueva Jersey, nuestro marco de análisis puede mejorar la precisión hasta en un 91% con respecto al estándar tradicional de la industria para la estimación de energía eólica, que se basa en la velocidad del viento como el único elemento ambiental” Dijo Wang. “La precisión significativamente mayor de nuestro modelo de estimación de energía de múltiples entradas invita a la comunidad de investigación ya los profesionales de la energía eólica marina a cambiar su enfoque hacia herramientas de estimación / predicción de energía de múltiples entradas, especialmente en entornos marinos complejos”.

Fuente de la historia:

Materiales proporcionados por Universidad Rutgers. Nota: El contenido se puede cambiar por estilo y longitud.

También podría gustarte
Deja una respuesta

Su dirección de correo electrónico no será publicada.

This website uses cookies to improve your experience. We'll assume you're ok with this, but you can opt-out if you wish. Accept Read More