Cada dos horas y media, una nueva turbina eólica se levanta en los EE. UU. En 2016, el viento proporcionó el 5,6 por ciento de toda la electricidad producida, más del doble de la cantidad generada por el viento en 2010, pero todavía muy lejos de su potencial.

Un equipo de investigadores de la Universidad de Texas en Dallas (UT Dallas) ha desarrollado una nueva forma de extraer más energía del viento. Este enfoque tiene el potencial de aumentar significativamente la generación de energía eólica con el consiguiente aumento de los ingresos. Las simulaciones numéricas realizadas en el Centro de Computación Avanzada de Texas (TACC) indican aumentos potenciales de hasta seis a siete por ciento.

Según los investigadores, una mejora del uno por ciento aplicada a todos los parques eólicos del país generaría el equivalente a $ 100 millones en valor. Este nuevo método, por lo tanto, tiene el potencial de generar $ 600 millones en energía eólica adicional en todo el país.

El equipo informó sus hallazgos en Energía eólica en diciembre de 2017 y Energía renovable en diciembre de 2017.

En la rama de la física conocida como dinámica de fluidos, Una forma común de modelar la turbulencia es a través de grandes simulaciones de remolinos. Muchos años atrás, Stefano Leonardi y su equipo de investigación crearon modelos que pueden integrar el comportamiento físico en una amplia gama de escalas de longitud, desde rotores de turbina de 100 metros de largo, a las puntas de unas aspas de centímetros de grosor, y predice la energía eólica con precisión utilizando supercomputadoras.

"Desarrollamos un código para imitar las turbinas eólicas, teniendo en cuenta la interferencia entre la estela de la torre y la góndola [la cubierta que alberga todos los componentes generadores de un aerogenerador] con la estela del rotor de la turbina, "dijo Leonardi, profesor asociado de ingeniería mecánica y autor de la Energía eólica papel, que fue seleccionado para la portada.

Más allá del rango de escalas de longitud, modelar la variabilidad del viento para una región determinada en un momento específico es otro desafío. Para abordar esto, el equipo integró su código con el modelo de pronóstico e investigación meteorológica (WRF), un modelo líder de predicción del tiempo desarrollado en el Centro Nacional de Investigaciones Atmosféricas.

"Podemos obtener el campo de viento del modelo de mesoescala de América del Norte en una cuadrícula gruesa, utilizarlo como entrada para cinco dominios anidados con una resolución progresivamente más alta y reproducir con alta fidelidad la generación de energía de un parque eólico real, "Dijo Leonardi.

El creciente poder de las computadoras permite a Leonardi y su equipo modelar con precisión el campo eólico en un parque eólico y la producción de energía de cada turbina. Probando los resultados de su modelo con datos de un parque eólico en el norte de Texas, vieron un 90 por ciento de acuerdo entre sus predicciones y la eficiencia de la turbina. Presentarán sus resultados en Torque 2018, una importante conferencia de investigación sobre energía eólica.

Eliminando la turbulencia del algoritmo de control de optimización

El viento no fluye simplemente suavemente en una dirección. Contiene turbulencias y estelas que se magnifican cuando las turbinas se agrupan como en un parque eólico.

Las interacciones de estela conducen a pérdidas de hasta el 20 por ciento de la producción anual, según el Departamento de Energía de EE. UU. Comprender cómo la turbulencia afecta la generación de energía es importante para ajustar el comportamiento de las turbinas en tiempo real para obtener la máxima potencia.

Usando sus capacidades de modelado, probaron algoritmos de control que se utilizan para gestionar la operación de sistemas dinámicos en parques eólicos. Esto incluyó los algoritmos de control conocidos como control de búsqueda extrema, una forma sin modelos de obtener el mejor rendimiento de los sistemas dinámicos cuando solo se conoce un conocimiento limitado del sistema.

"Muchos pensaron que no sería posible utilizar este enfoque debido a las turbulencias y al hecho de que proporciona una situación en la que las turbinas cambian todo el tiempo". ", Dijo Leonardi." Pero hicimos una gran cantidad de simulaciones para encontrar una manera de filtrar la turbulencia fuera del esquema de control. Este fue el mayor desafío ".

Con extrema búsqueda de control, el sistema aumenta y reduce la velocidad de rotación de una pala de turbina giratoria, todo el tiempo midiendo el poder, y calcular el gradiente. Esto se repite hasta que el controlador encuentra la velocidad de funcionamiento óptima.

"Lo importante es que el algoritmo de control no se basa en un modelo basado en la física, ", Dijo Leonardi." Hay muchas incertidumbres en un parque eólico real, por lo que no puede modelar todo. El extremo que busca el control puede encontrar el óptimo sin importar si hay erosión o formación de hielo en las palas. Es muy robusto y funciona a pesar de las incertidumbres del sistema ".

Simulando el viento

Para probar su nuevo enfoque, el equipo realizó experimentos de viento virtuales utilizando supercomputadoras en el TACC, incluidos Stampede2 y Lonestar5, dos de los más poderosos del mundo. Pudieron usar estos sistemas a través de la iniciativa de Infraestructura Cibernética de Investigación de la Universidad de Texas (UTRC), cuales, desde 2007, ha proporcionado a los investigadores de cualquiera de las 14 instituciones del Sistema de la Universidad de Texas acceso a los recursos de TACC, experiencia y formación.

El acceso a supercomputadoras potentes es importante porque las turbinas eólicas son caras de construir y operar y hay pocas instalaciones de investigación eólica disponibles para los investigadores.

"Los beneficios de utilizar la informática de alto rendimiento para crear una plataforma virtual para realizar análisis de las soluciones propuestas para la energía eólica son enormes, "dijo Mario Rotea, profesor de ingeniería mecánica en UT Dallas, y director del sitio de la Ciencia de la Energía Eólica, apoyada por la Fundación Nacional de Ciencias, Tecnología e Investigación (WindSTAR) Centro de Investigación Cooperativa Universidad-Industria (IUCRC). "Cuanto más podamos hacer con las computadoras, cuanto menos tengamos que ver con las pruebas, que es una gran parte de los costos. Esto beneficia a la nación al reducir el costo de la energía ".

Si bien la aplicación del control de búsqueda extrema a los parques eólicos aún no se ha probado en el campo, el equipo de UT Dallas ya aplicó el método a una sola turbina en el Laboratorio Nacional de Energía Renovable (NREL).

"La prueba NREL nos brindó datos experimentales que respaldan el valor del control de búsqueda extrema para maximizar la energía eólica, ", dijo Rotea." Los resultados experimentales muestran que el control de búsqueda extrema aumenta la captura de energía en un 8-12% en relación con un controlador de línea de base ".

Dados los alentadores resultados experimentales y computacionales, El equipo de UT Dallas está planeando una campaña experimental que involucra un grupo de turbinas en un parque eólico.

Colaboraciones y próximos pasos

El desarrollo del modelo de dinámica de fluidos para turbinas eólicas fue parte de una colaboración internacional entre cuatro instituciones estadounidenses (Universidad Johns Hopkins, UT Dallas, Texas Tech y Smith College) y tres instituciones europeas (Universidad Técnica de Dinamarca, École polytechnique fédérale de Lausanne y Katholieke Universiteit Leuven) financiada por la National Science Foundation.

A través del centro WindSTAR, colaboran con nueve empresas líderes en energía eólica y fabricantes de equipos. Estas empresas están interesadas en adoptar o comercializar la obra.

"Los miembros de nuestro centro no tienen acceso a muchos caballos de fuerza en términos de HPC [computación de alto rendimiento], ", dijo Rotea." Las computadoras en TACC son un activo para nosotros y nos dan una ventaja competitiva sobre otros grupos. En términos de resolución de problemas reales, creamos sistemas de control que pueden incorporar, o pueden usar HPC para desarrollar nuevas herramientas para pronosticar los recursos eólicos o determinar si hay turbinas que no están funcionando ".

Además de desarrollar los nuevos algoritmos de turbulencia y estrategias de control, Los miembros del equipo de WindSTAR han introducido métodos para predecir resultados precisos en computadoras menos potentes (trabajo que apareció en la edición de marzo de 2018 de Energía eólica ) y para determinar qué tan cerca colocar las turbinas para maximizar las ganancias, dependiendo del costo del terreno (presentado en el Simposio Eólico 2018).

Los efectos a largo plazo del trabajo van más allá de lo teórico.

“La investigación nos permite optimizar la producción de energía eólica y aumentar la penetración de energías renovables en la red, "Leonardi dijo." Habrá más energía generada por las mismas máquinas porque entendemos más sobre la física del flujo en un parque eólico, y para el mismo uso y despliegue de la tierra, podemos obtener más energía ".