Optimizando los Convertidores de Energía de Olas para Mejorar la Eficiencia

La energía de las olas es un tipo de energía renovable que proviene del movimiento de las olas en el océano. Tiene cualidades únicas, como ser predecible y estar disponible en diferentes momentos y lugares. Sin embargo, aprovechar la energía de las olas aún está en las primeras etapas de desarrollo en comparación con las tecnologías de energía eólica y solar. Este artículo habla sobre maneras de mejorar las granjas de convertidores de energía de olas (WEC), que son grupos de dispositivos diseñados para capturar energía de las olas.

#Desafíos en la Conversión de Energía de Olas

Los WEC han existido durante mucho tiempo, pero todavía enfrentan muchos desafíos. Estos incluyen su preparación para uso comercial, dificultades causadas por las duras condiciones del océano y climas de olas variables. Además, no hay un diseño único y perfecto para los WEC, lo que significa que se necesita más investigación para desarrollar dispositivos rentables y robustos.

#La Necesidad de Optimización

Optimizar las granjas de WEC implica muchos factores, incluyendo el diseño de los dispositivos, su disposición y sus sistemas de control. Para abordar estos problemas, se puede aplicar un método llamado Co-diseño de control (CCD). El CCD ayuda a tomar mejores decisiones al tener en cuenta las relaciones entre diferentes elementos de diseño.

#Complejidad de la Optimización

Encontrar el mejor diseño para una granja de WEC puede ser complicado debido a la complejidad del problema de optimización. Esto se debe en parte a que calcular las interacciones entre diferentes dispositivos requiere mucha potencia computacional. Los métodos tradicionales pueden ser demasiado lentos o intensivos en recursos, lo que dificulta explorar Diseños más intrincados.

#Modelado Sustituto

Para acelerar el proceso de optimización, se han creado modelos sustitutos (SM). Estos modelos utilizan técnicas basadas en datos, como redes neuronales artificiales (ANN), para aproximar las relaciones entre diferentes factores de diseño. Al usar estos modelos sustitutos, podemos estimar más rápidamente el rendimiento de varios diseños sin cálculos excesivos.

#El Proceso de Creación de Modelos Sustitutos

Crear modelos sustitutos efectivos implica varios pasos:

1. Recolección de Datos: El primer paso es recopilar datos sobre el rendimiento de diferentes diseños de WEC. Estos datos pueden provenir de varios métodos, incluidas simulaciones numéricas que calculan cómo interactúa la energía de las olas con los dispositivos.

2. Entrenamiento del Modelo: Una vez que se haya recopilado suficiente información, se utiliza para entrenar los modelos sustitutos. Estos modelos aprenden las relaciones entre las elecciones de diseño y el rendimiento, lo que permite evaluaciones más rápidas de nuevos diseños.

3. Validación del Modelo: Es esencial asegurarse de que los modelos sustitutos proporcionen predicciones precisas. Esto se hace comparando los resultados de los modelos con datos de rendimiento reales.

4. Uso del Modelo para Optimización: Después de la validación, se utilizan los modelos sustitutos para explorar opciones de diseño, ayudando a encontrar las mejores configuraciones para las granjas de WEC.

#Estrategia de Optimización Híbrida

Un enfoque de optimización híbrido combina el uso de modelos sustitutos con técnicas de optimización tradicionales. Este método implica realizar una optimización inicial utilizando SM para encontrar un buen punto de partida y luego refinar el diseño usando modelos más detallados para mayor precisión. Este enfoque dual ahorra tiempo y recursos mientras se busca obtener resultados óptimos.

#Optimización de Disposición

La disposición de los WEC dentro de una granja impacta significativamente su rendimiento. Optimizar la disposición implica encontrar las mejores posiciones para cada dispositivo para maximizar la captura de energía mientras se minimizan las interacciones negativas entre ellos. Se puede aplicar un método llamado algoritmos genéticos (GA) aquí, ya que puede navegar eficientemente por el complejo espacio de búsqueda de posibles disposiciones.

#Estudios de Caso y Resultados

Varios estudios de caso ilustran la efectividad de usar modelado sustituto y optimización híbrida para el diseño de granjas de WEC:

#Estudio de Caso 1: Optimización de Planta

En este estudio, se optimizó la geometría de un solo WEC para ubicaciones en las costas Este y Oeste de EE. UU. Los resultados indican que los modelos sustitutos pudieron encontrar formas óptimas para los dispositivos de manera efectiva, con un aumento significativo en la eficiencia computacional en comparación con los métodos tradicionales.

#Estudio de Caso 2: Optimización de Disposición

Este estudio examina cómo organizar múltiples WEC en una granja. Usando modelos sustitutos, se optimizó la disposición para una granja de 10 WEC. Los resultados muestran que la disposición optimizada podría aumentar la producción total de energía mientras se reducían las interacciones negativas.

#Estudio de Caso 3: Optimización Concurrente de Planta y Disposición

Aquí, el enfoque fue optimizar tanto el diseño de los dispositivos como su disposición en varias ubicaciones. El estudio confirmó que tener en cuenta ambos factores llevó a mejores diseños en comparación con tratarlos por separado.

#Estudio de Caso 4: Planta Geométrica, Control a Nivel de Granja y Optimización de Disposición

En este estudio, el objetivo era optimizar los diseños, estrategias de control y disposiciones de WEC conjuntamente. Los resultados mostraron que este enfoque integrado podría llevar a una mejor generación de energía en comparación con optimizar cada factor de manera independiente.

#Estudio de Caso 5: Control a Nivel de Dispositivo y Optimización de Disposición

Este caso exploró los beneficios potenciales de optimizar los parámetros de control para cada WEC individualmente. Los hallazgos revelaron que este enfoque podría mejorar la producción de energía, pero también aumentó la complejidad del problema de optimización.

#Estudio de Caso 6: Optimización de Granja Multi-WEC

El caso final examinó el diseño de una granja más grande de WEC con 20 dispositivos. El enfoque de optimización híbrido demostró su efectividad al reducir el tiempo de cálculo mientras aún se obtenían resultados precisos.

#Conclusión

El uso de modelado sustituto y métodos de optimización híbrida muestra un gran potencial en el diseño y optimización del rendimiento de las granjas de WEC. Al calcular de manera eficiente las interacciones entre diferentes elementos de diseño, se vuelve posible explorar disposiciones y configuraciones más complejas. El trabajo futuro probablemente se centrará en refinar estos modelos, incorporando restricciones del mundo real y mejorando la robustez de los diseños para diversas condiciones ambientales.

A través de estos avances, el sector de la energía de las olas puede dar pasos significativos hacia soluciones energéticas más eficientes y económicamente viables.