Un nuevo algoritmo de control para parques eólicos que altera la forma en que las turbinas individuales se orientan hacia el viento promete aumentar la eficiencia general y la producción de energía de los parques al optimizar la forma en que lidian con su estela turbulenta.

El algoritmo, que se probó en un parque eólico comercial en la India pero podría emplearse en cualquier lugar, ofrece el potencial para una mejora inmediata y sin costo en los parques eólicos existentes. También puede permitir que los parques eólicos se construyan en espacios más reducidos, lo que extrae más energía de menos bienes inmuebles, mitigando una gran estafa de la energía eólica.

Colectivamente, los parques eólicos generan alrededor de 380 mil millones de kilovatios-hora cada año en los Estados Unidos. Si todos los parques eólicos de EE. UU. adoptaran la nueva estrategia y obtuvieran aumentos de eficiencia similares a los encontrados en el nuevo estudio, sería equivalente a agregar cientos de nuevas turbinas capaces de alimentar cientos de miles de hogares a la red eléctrica de la nación, dice Caltech. John O. Dabiri, profesor del Centenario de Aeronáutica e Ingeniería Mecánica y autor principal de un artículo sobre el proyecto que fue publicado por la revista Nature Energy el 11 de agosto.

"Las turbinas individuales generan aire entrecortado, o una estela, lo que perjudica el rendimiento de cada turbina a favor del viento", dice Dabiri. "Para hacer frente a eso, las turbinas de los parques eólicos tradicionalmente están lo más separadas posible, lo que desafortunadamente ocupa una gran cantidad de espacio".

Después de años de estudiar el problema, Dabiri y su exalumno de posgrado Michael F. Howland, autor principal del artículo y ahora profesor asistente de ingeniería civil y ambiental Esther y Harold E. Edgerton en el MIT, desarrollaron un algoritmo que fuerza a las turbinas eólicas individuales dejar de actuar solo en su propio interés, es decir, maximizar su propio acceso al viento enfrentándose directamente a él, y en su lugar actuar por el bien mayor de la producción del parque eólico.

Varun Sivaram, quien, en ese momento, era el director de tecnología (CTO) de ReNew Power, la compañía de energía renovable más grande de India, hizo posible una prueba y ajuste del algoritmo en el mundo real durante un año realizado en India de 2020 a 2021. quien ahora es asesor principal del Enviado Presidencial Especial de EE. UU. para el Clima, John Kerry, como su director general de energía limpia e innovación. Sivaram también es coautor del artículo.

Sivaram quedó impresionado por una presentación que Dabiri hizo en 2017 ante la junta directiva de una empresa eléctrica canadiense sobre el uso de algoritmos para mejorar la eficiencia de los parques eólicos. Cuando se convirtió en CTO de ReNew Power en 2018, Sivaram se acercó para ver si Dabiri estaría interesado en colaborar.

"Llamé a John y le pregunté si podíamos hacer esto. Y él dijo:'Tengo un estudiante de posgrado extraordinario en este momento, y creo que este podría ser el proyecto perfecto para que todos lo abordemos'".

El interés de Howland en el control colectivo de parques eólicos comenzó cuando era un estudiante universitario en la Universidad Johns Hopkins que estudiaba la física del flujo de aire a través de los parques eólicos. "Estaba interesado en desarrollar modelos predictivos para parques eólicos, que pueden usarse para mejorar la eficiencia", dice Howland. "Pero es increíblemente costoso en términos de poder de cómputo para simular la física completa del flujo atmosférico y del parque eólico".

Fue durante su investigación de pregrado que Howland exploró por primera vez cómo la desalineación del ángulo de la turbina con respecto al viento tiene un tremendo impacto en la estela.

Para explicar la importancia de ese ajuste, es útil comprender que no hay muchas formas de ajustar fácilmente el rendimiento de una turbina eólica sin instalar hardware adicional. No están diseñados para modificar su inclinación o su ángulo hacia arriba y hacia abajo. Pero se pueden girar de lado a lado, ajustando su guiñada.

"Algunos estudios anteriores se centraron en modificar la resistencia creada por la generación de energía de la turbina", dice Howland. "Dejar que las aspas giren más libremente crea estelas menos intensas, pero la turbina con operación modificada también genera menos energía". La desalineación de guiñada, por otro lado, no solo reduce la fuerza de la estela, sino que redirige su impacto río abajo.

Después de sus estudios universitarios, Howland obtuvo sus títulos de posgrado con Dabiri, que entonces estaba en la Universidad de Stanford. Dabiri había trabajado previamente en Caltech estudiando cómo la ubicación de las turbinas eólicas influía en la producción de energía. En 2019, Howland y Dabiri desarrollaron un modelo informático para intentar mejorar el rendimiento de un conjunto específico de seis turbinas y luego realizaron una prueba de dos semanas en el conjunto para medir el rendimiento de las turbinas. Demostraron que una estrategia de orientación en toda la granja que incluye la desalineación de guiñada puede mejorar el rendimiento general. El problema era, ¿realmente habían optimizado el rendimiento en esa granja? ¿O simplemente lo mejoró un poco en comparación con los métodos de control estándar de la industria?

Sin poder probar todas las posibles estrategias subóptimas y elegir directamente la mejor, era imposible decirlo. Por lo tanto, el equipo se centró específicamente en desarrollar modelos mejorados sobre cómo el ajuste del ángulo de una turbina de barlovento afecta tanto a las turbinas de barlovento como al rendimiento de la propia turbina desalineada. Es importante destacar que el rendimiento de la turbina desalineada depende de las condiciones del viento atmosférico incidente que fluye hacia el parque. Modelar el efecto conjunto del ajuste del ángulo y las condiciones del viento incidente fue fundamental para desarrollar un modelo preciso que pueda predecir la mejor estrategia de orientación de granja posible.

"Debido a que los fuertes efectos de estela reducen la producción de energía de las turbinas a favor del viento, la turbina a favor del viento está haciendo el trabajo pesado para la producción total de la granja", explica Howland. "El modelado preciso de la potencia de la turbina desalineada de guiñada, dependiendo del flujo de viento atmosférico, a menudo se pasaba por alto en los modelos utilizados para la optimización del control de flujo de parques eólicos. Este fue un enfoque tanto para el desarrollo de nuestro modelo como para nuestros experimentos de validación".

Con base en esa investigación, Howland, Dabiri y sus colegas desarrollaron un algoritmo que obliga a las turbinas individuales, comenzando con la turbina principal, a desalinear su guiñada hasta 25 grados para maximizar la eficiencia general de la granja y, por lo tanto, la producción de energía.

Dependiendo de la velocidad del viento, el nuevo algoritmo fue capaz de modificar la orientación de las turbinas para aumentar la producción total del parque eólico en India entre un 1 y un 3 por ciento.

"Nadie necesita construir o comprar nada nuevo para comenzar a obtener inmediatamente más energía de su parque eólico", dice Dabiri.

Sin embargo, el beneficio real, dicen Howland y Dabiri, es el potencial del algoritmo para permitir que las turbinas eólicas se agrupen más juntas al abordar activamente el problema de la estela, ya sea agregando nuevas turbinas entre las existentes o permitiendo que los planes de construcción futuros se empaqueten. más turbinas en una determinada parcela de tierra.

Uno de los elementos más importantes del nuevo algoritmo es que tiene el potencial de ser útil en cualquier lugar, desde un parque eólico marino en el Mar del Norte hasta los parques eólicos que salpican el desierto en las afueras de Palm Springs, California, al predecir la mejor estrategia para orientar la desalineación de guiñada de turbinas individuales. "No había forma de hacer esa predicción de manera confiable hasta este documento; solo hubo prueba y error", dice Dabiri. "El problema es que no se puede pasar mucho tiempo haciendo un montón de experimentos en un parque eólico que tiene la obligación de generar energía para sus clientes".

En cambio, el algoritmo de Howland y Dabiri reduce cada sitio de parque eólico a unos pocos parámetros importantes que describen matemáticamente cómo se crearán las estelas por sus turbinas. Luego, el algoritmo predice las mejores formas de mitigar esa estela. Por ejemplo, un factor crítico es si el parque eólico está sobre tierra o en alta mar, porque la tierra ofrece más resistencia por fricción al viento que el agua y, por lo tanto, rompe una estela en una distancia más corta. El algoritmo se basa en la física del flujo atmosférico y del parque eólico, pero aprovecha los datos operativos del parque eólico para aprender y mejorar el modelo, lo que reduce significativamente los errores de predicción y las incertidumbres.

Un elemento clave del proyecto es que no se basa solo en la teoría; más bien, se probó en el mundo real en un parque eólico generador de energía. Bajo la dirección de Sivaram, ReNew Power invirtió en unidades LiDAR (dispositivos de escaneo láser) que midieron la velocidad y la dirección del viento en función de la altura en el flujo incidente en el parque eólico, ofreciendo datos detallados que permitieron a Howland y Dabiri mejorar su algoritmo según fuera necesario. . Además, se establecieron equipos de ingeniería en India y España para colaborar con Howland y Dabiri en los Estados Unidos.

"Al final, todos quedaron impresionados por la magnitud de lo que se logró:una mejora en el rendimiento que no cuesta nada en términos de inversión en infraestructura", dice Sivaram. ReNew Power ahora está trabajando para extender los hallazgos para mejorar el resto de su flota de parques eólicos.

Mientras tanto, el equipo planea expandir sus demostraciones de campo para abordar los parques eólicos marinos, que presentan nuevos desafíos y oportunidades.

"The wakes tend to persist for much longer distances over the ocean, so these new methods become even more important," Dabiri says. "At the same time, the wind resource offshore is phenomenal and still largely untapped. And, we can design those wind farms from scratch using these ideas, so we're not limited by existing wind turbine layouts, as is the case for existing wind farms on land."

The real-world testing of the algorithm was made possible in part by the efforts of Caltech's Office of Technology Transfer and Corporate Partnerships (OTTCP), which helped the engineers in Pasadena negotiate a relationship with ReNew Power in India and also Siemens Gamesa Renewable Energy Innovation &Technology in Spain (the company that designed the turbines ReNew Power operates).

"Working with OTTCP was fantastic," Sivaram says. "What we created is a groundbreaking, three-continent agreement that I now use as a model."

Sivaram sits on the steering committee of Mission Innovation, a global research and development alliance announced by President Barack Obama in 2015 to address climate change and make clean energy more affordable.

"This is my centerpiece example for how we want to do international R&D collaboration," Sivaram says. "If we have a hundred more partnerships like these, then we'll change the world."

The project was also a true product of the COVID-19 pandemic, as the engineers from the U.S. and Spain only met in-person one time—at a dinner in Pasadena held in February 2020 to kick off their new venture.

"We thought then that we'd all be meeting up regularly to share notes and discuss ideas," Dabiri says. "Thankfully, we were all able to pivot toward work via video conference, with multiple online meetings each week throughout 2020, 2021, and 2022." + Explora más

How to build a better wind farm