Optimizando Convertidores de Energía de Olas para Mejorar la Eficiencia
Mejorar el diseño de los convertidores de energía de las olas puede aumentar la generación de energía a partir de las olas del océano.
― 8 minilectura
Tabla de contenidos
- Los desafíos de diseñar granjas de WEC
- Creando diseños eficientes con modelos sustitutos
- Usando datos para mejores decisiones de diseño
- La importancia de la modelización probabilística de olas
- Explorando las interacciones ola-estructura
- Utilizando el Método de Elementos de Contorno
- Dinámica y control de WEC
- El papel de la optimización en el diseño de WEC
- Consideraciones de matriz para granjas de WEC
- Construyendo modelos sustitutos para interacciones hidrodinámicas
- Mejorando la eficiencia computacional a través de modelos sustitutos
- Validación de modelos sustitutos
- Conclusión
- Fuente original
- Enlaces de referencia
La energía de las olas es una fuente valiosa de energía renovable que puede ayudar a satisfacer la creciente demanda de energía en nuestra sociedad. Los Convertidores de energía de olas (WEC) son dispositivos diseñados para capturar la energía de las olas del océano y convertirla en electricidad utilizable. Estos dispositivos pueden ofrecer una fuente de energía limpia y confiable.
Sin embargo, el rendimiento de los WEC depende en gran medida de su diseño y de cómo se controlan. Es esencial optimizar su tamaño, la forma en que obtienen energía de las olas y su disposición dentro de una granja de energía de olas. Una granja de energía de olas es un conjunto de WEC que trabajan juntos para generar energía.
Para mejorar la generación de energía de los WEC, deben colocarse de manera estratégica dentro de la granja. Aunque se han estudiado aspectos individuales de los WEC, combinar todos estos factores en un solo enfoque de diseño podría llevar a un mejor rendimiento. Sin embargo, estimar cómo interactúan los WEC entre sí cuando están cerca puede ser complicado, especialmente a medida que aumenta el número de WEC.
Los desafíos de diseñar granjas de WEC
Al intentar mejorar el rendimiento de los WEC, enfrentamos el desafío de entender cómo interactúan entre sí en una granja de olas. Cuando varios WEC están cerca unos de otros, pueden afectar la eficiencia de cada uno. Esta interacción puede ayudar o dificultar su rendimiento.
Implementar WEC en una matriz puede reducir costos relacionados con la instalación y el mantenimiento, pero introduce interacciones complejas que son difíciles de manejar. Para asegurar que estos dispositivos funcionen bien juntos, es necesario una planificación cuidadosa al diseñar su disposición.
Creando diseños eficientes con modelos sustitutos
En este contexto, desarrollar diseños eficientes puede facilitarse usando técnicas avanzadas, como redes neuronales artificiales (ANN). Las ANN son sistemas informáticos modelados a partir de cómo funciona el cerebro humano y se pueden usar para predecir resultados según los datos de entrada.
Usando ANN, los investigadores pueden crear modelos que estimen cómo se comportarán los WEC en una matriz sin necesidad de realizar simulaciones costosas para cada posible disposición. Estos modelos pueden proporcionar rápidamente información sobre cómo funcionarán diferentes diseños y distribuciones de WEC, ahorrando tiempo y recursos.
Usando datos para mejores decisiones de diseño
El proceso comienza recopilando datos sobre cómo los WEC reaccionan a las olas del océano. Estos datos se utilizan para entrenar los modelos de ANN. Una vez que estos modelos están establecidos, pueden ayudar a los diseñadores a evaluar varias configuraciones de WEC en una granja, considerando factores como las condiciones de las olas y la disposición física.
La ANN puede analizar datos pasados para predecir la producción de energía, facilitando los ajustes en los diseños y creando configuraciones más eficientes. Este enfoque combinado puede llevar a un proceso de diseño integrado donde el tamaño de los dispositivos, los mecanismos de control y la disposición se optimizan al mismo tiempo.
La importancia de la modelización probabilística de olas
Entender las condiciones de las olas es crucial para diseñar WEC efectivos. Dado que las olas no son constantes y pueden cambiar según muchos factores, modelar estas condiciones es necesario. Al examinar datos históricos de olas, podemos crear un Modelo Probabilístico que represente diferentes tamaños y patrones de olas.
Este modelo ayuda a los diseñadores a anticipar los tipos de olas que los WEC podrían encontrar con el tiempo. Como resultado, los WEC pueden diseñarse para manejar estas condiciones variables de manera efectiva, asegurando que generen energía de manera constante.
Explorando las interacciones ola-estructura
Al diseñar WEC, también es importante entender cómo las olas del océano interactúan con estos dispositivos. Las olas crean fuerzas sobre las estructuras, lo que puede llevar a varias respuestas. Por ejemplo, cuando las olas golpean un WEC, generan fuerzas que pueden ayudar a la producción de energía o crear resistencia.
Estas interacciones pueden ser complejas, ya que la forma y posición de un WEC influyen en cómo responderá a la acción de las olas. Entender esta dinámica es clave para optimizar el rendimiento de los dispositivos en diferentes estados del mar.
Método de Elementos de Contorno
Utilizando elUn método comúnmente usado para analizar las fuerzas que actúan sobre los WEC es el método de elementos de contorno (BEM). Esta técnica simplifica los cálculos involucrados en entender cómo las olas interactúan con las estructuras.
Al descomponer el problema en partes más pequeñas, BEM permite a los ingenieros analizar los efectos de las olas sin necesidad de complicadas simulaciones que serían muy intensivas en recursos.
Dinámica y control de WEC
Los WEC deben ser diseñados no solo para absorber energía de las olas, sino también para convertir esa energía en electricidad de manera eficiente. Este proceso implica tener sistemas de control que gestionen la forma en que se toma la energía de las olas.
Un sistema de extracción de energía (PTO) bien diseñado puede aumentar significativamente la energía capturada por los WEC. Al mejorar este diseño, podemos maximizar la energía generada en las granjas de olas.
El papel de la optimización en el diseño de WEC
La optimización es un paso crítico en el proceso de diseño de los WEC. Al ajustar diferentes parámetros, los ingenieros buscan encontrar la mejor configuración que maximice la salida de energía mientras minimiza costos.
Se pueden utilizar varios métodos para la optimización, incluidos algoritmos genéticos y otras heurísticas que proporcionan buenas soluciones sin búsquedas exhaustivas a través de todas las posibilidades. Estas técnicas ayudan a agilizar el proceso de encontrar el diseño más eficiente.
Consideraciones de matriz para granjas de WEC
Al planear una granja de energía de olas, es crucial considerar cómo cada WEC encaja dentro de la matriz más grande. Esto incluye su espaciamiento y orientación con respecto a las olas.
Al analizar las interacciones entre los dispositivos, los diseñadores pueden optimizar su ubicación para mejorar el rendimiento general. Estas consideraciones pueden llevar a mejoras significativas en la generación de energía para toda la granja.
Construyendo modelos sustitutos para interacciones hidrodinámicas
Desarrollar modelos sustitutos permite a los investigadores simplificar las complejas interacciones entre múltiples WEC. En lugar de realizar cálculos extensos e intensivos en recursos, estos modelos pueden proporcionar aproximaciones que ayudan a predecir la producción de energía.
Al estimar con precisión cómo los WEC se afectan entre sí, los diseñadores pueden tomar decisiones informadas sobre distribuciones y estrategias de control. Esto puede llevar a un mejor rendimiento en condiciones del mundo real.
Mejorando la eficiencia computacional a través de modelos sustitutos
Usar modelos sustitutos ahorra tiempo en el proceso de diseño. En lugar de ejecutar numerosas simulaciones, estos modelos permiten evaluaciones rápidas de diferentes escenarios. Esta eficiencia significa que los diseñadores pueden explorar más opciones y tomar decisiones mejor informadas sobre configuraciones de WEC.
Al incorporar estos modelos en el proceso de diseño, los equipos pueden centrarse en matrices más grandes con diversas configuraciones sin verse abrumados por la complejidad computacional.
Validación de modelos sustitutos
Es esencial validar los modelos sustitutos para asegurar que predicen con precisión el comportamiento de los WEC. Al comparar las salidas de los modelos con datos del mundo real, los investigadores pueden ajustar sus enfoques y mejorar la precisión de sus predicciones.
Este proceso de validación ayuda a garantizar que los diseños producidos mediante estos modelos funcionen como se espera en condiciones reales de olas.
Conclusión
Los convertidores de energía de olas tienen un gran potencial para generar energía limpia y renovable. Sin embargo, optimizar su diseño sigue siendo una tarea compleja que requiere una cuidadosa consideración de muchos factores.
Al usar técnicas avanzadas de modelización y herramientas computacionales, los investigadores pueden entender y diseñar mejor las granjas de energía de olas. La integración de diseño, control y optimización de disposición puede llevar a soluciones de energía de olas más efectivas y eficientes.
Con la investigación y el desarrollo continuos, el sector de la energía de las olas puede seguir creciendo, ofreciendo soluciones de energía sostenible que satisfagan la creciente demanda de energía de nuestra sociedad.
Título: Concurrent Probabilistic Control Co-Design and Layout Optimization of Wave Energy Converter Farms using Surrogate Modeling
Resumen: Wave energy converters (WECs) are a promising candidate for meeting the increasing energy demands of today's society. It is known that the sizing and power take-off (PTO) control of WEC devices have a major impact on their performance. In addition, to improve power generation, WECs must be optimally deployed within a farm. While such individual aspects have been investigated for various WECs, potential improvements may be attained by leveraging an integrated, system-level design approach that considers all of these aspects. However, the computational complexity of estimating the hydrodynamic interaction effects significantly increases for large numbers of WECs. In this article, we undertake this challenge by developing data-driven surrogate models using artificial neural networks and the principles of many-body expansion. The effectiveness of this approach is demonstrated by solving a concurrent plant (i.e., sizing), control (i.e., PTO parameters), and layout optimization of heaving cylinder WEC devices. WEC dynamics were modeled in the frequency domain, subject to probabilistic incident waves with farms of $3$, $5$, $7$, and $10$ WECs. The results indicate promising directions toward a practical framework for array design investigations with more tractable computational demands.
Autores: Saeed Azad, Daniel R. Herber
Última actualización: 2023-08-11 00:00:00
Idioma: English
Fuente URL: https://arxiv.org/abs/2308.06418
Fuente PDF: https://arxiv.org/pdf/2308.06418
Licencia: https://creativecommons.org/licenses/by-nc-sa/4.0/
Cambios: Este resumen se ha elaborado con la ayuda de AI y puede contener imprecisiones. Para obtener información precisa, consulte los documentos originales enlazados aquí.
Gracias a arxiv por el uso de su interoperabilidad de acceso abierto.