El MIT ha presentado un nuevo m\u00e9todo para aumentar la generaci\u00f3n de energ\u00eda de los parques e\u00f3licos y todo ello sin invertir en nuevos equipos. De acuerdo al estudio, al modelar las condiciones de todo un parque e\u00f3lico en lugar de las turbinas individuales, los ingenieros pueden exprimir m\u00e1s energ\u00eda de las instalaciones existentes.<\/p>\n\n\n\n
Pr\u00e1cticamente todos los aerogeneradores, que producen m\u00e1s del 5% de la electricidad mundial, se controlan como si fueran unidades individuales e independientes. De hecho, la gran mayor\u00eda forman parte de instalaciones de parques e\u00f3licos m\u00e1s grandes que incluyen docenas o incluso cientos de turbinas, cuyas estelas pueden afectarse mutuamente.<\/p>\n\n\n\n
Ahora, los ingenieros del MIT y de otros lugares han descubierto que, sin necesidad de nuevas inversiones en equipos, la generaci\u00f3n de energ\u00eda de esas instalaciones e\u00f3licas puede aumentarse modelando el flujo de viento de todo el conjunto de turbinas y optimizando el control de las unidades individuales en consecuencia.<\/p>\n\n\n\n
El aumento de la generaci\u00f3n de energ\u00eda de una instalaci\u00f3n determinada puede parecer modesto: es de un 1,2% en total y de un 3% cuando la velocidad del viento es \u00f3ptima. Pero el algoritmo puede implantarse en cualquier parque e\u00f3lico, cuyo n\u00famero est\u00e1 creciendo r\u00e1pidamente para cumplir los objetivos clim\u00e1ticos de forma acelerada. Si ese 1,2% de aumento de energ\u00eda se aplicara a todos los parques e\u00f3licos existentes en el mundo, equivaldr\u00eda a a\u00f1adir m\u00e1s de 3.600 nuevos aerogeneradores, o lo suficiente como para abastecer a unos 3 millones de hogares<\/strong>, y una ganancia total para los productores de energ\u00eda de casi mil millones de d\u00f3lares al a\u00f1o, dicen los investigadores. Y todo ello sin ning\u00fan coste.<\/p>\n\n\n\n La investigaci\u00f3n se public\u00f3 el 11 de agosto en la revista Nature Energy, en un estudio dirigido por el profesor adjunto de Ingenier\u00eda Civil y Medioambiental del MIT Esther y Harold E. Edgerton, Michael F. Howland.<\/p>\n\n\n\n B\u00e1sicamente, todas las turbinas existentes a escala de servicios p\u00fablicos se controlan de forma ‘codiciosa’ e independiente\u00bb, afirma Howland. El t\u00e9rmino \u00abcon avidez\u00bb, explica, se refiere al hecho de que se controlan para maximizar s\u00f3lo su propia generaci\u00f3n de energ\u00eda, como si fueran unidades aisladas sin ning\u00fan impacto perjudicial en las turbinas vecinas.<\/p>\n\n\n\n Pero en el mundo real, las turbinas se colocan deliberadamente cerca unas de otras en los parques e\u00f3licos para conseguir beneficios econ\u00f3micos relacionados con el uso del suelo (en tierra o en el mar) y con infraestructuras como carreteras de acceso y l\u00edneas de transmisi\u00f3n. Esta proximidad significa que las turbinas suelen verse muy afectadas por las estelas turbulentas producidas por otras que est\u00e1n a contraviento de ellas, un factor que los sistemas de control de las turbinas individuales no tienen en cuenta actualmente.<\/p>\n\n\n\n \u00abDesde el punto de vista de la f\u00edsica de los flujos, colocar los aerogeneradores muy juntos en los parques e\u00f3licos suele ser lo peor que se puede hacer<\/strong>\u00ab<\/em>, afirma Howland. \u00abLo ideal para maximizar la producci\u00f3n total de energ\u00eda ser\u00eda ponerlos lo m\u00e1s separados posible\u00bb<\/em>, pero eso aumentar\u00eda los costes asociados.<\/p>\n\n\n\n Ah\u00ed es donde entra el trabajo de Howland y sus colaboradores. Desarrollaron un nuevo modelo de flujo que predice la generaci\u00f3n de energ\u00eda de cada turbina del parque en funci\u00f3n de los vientos incidentes en la atm\u00f3sfera y de la estrategia de control de cada turbina. Aunque se basa en la f\u00edsica del flujo, el modelo aprende de los datos operativos del parque e\u00f3lico para reducir el error de predicci\u00f3n y la incertidumbre.<\/p>\n\n\n\n Sin cambiar nada sobre la ubicaci\u00f3n f\u00edsica de las turbinas y los sistemas de hardware de los parques e\u00f3licos existentes, han utilizado la modelizaci\u00f3n basada en la f\u00edsica y asistida por datos del flujo dentro del parque e\u00f3lico y la producci\u00f3n de energ\u00eda resultante de cada turbina, dadas las diferentes condiciones de viento, para encontrar la orientaci\u00f3n \u00f3ptima de cada turbina en un momento dado. Esto les permite maximizar la producci\u00f3n de todo el parque, y no s\u00f3lo de las turbinas individuales.<\/p>\n\n\n\n Ya se realizaron pruebas en un parque e\u00f3lico<\/strong><\/p>\n\n\n\n En la actualidad, cada turbina detecta constantemente la direcci\u00f3n y velocidad del viento y utiliza su software de control interno para ajustar su posici\u00f3n de \u00e1ngulo de gui\u00f1ada (eje vertical) para alinearse lo m\u00e1s posible con el viento. Pero en el nuevo sistema, por ejemplo, el equipo ha comprobado que al girar una turbina ligeramente fuera de su propia posici\u00f3n de salida m\u00e1xima -quiz\u00e1s 20 grados fuera de su \u00e1ngulo de salida m\u00e1ximo individual- el aumento resultante de la generaci\u00f3n de energ\u00eda de una o m\u00e1s unidades a favor del viento compensar\u00e1 con creces la ligera reducci\u00f3n de la producci\u00f3n de la primera unidad. Gracias a un sistema de control centralizado que tiene en cuenta todas estas interacciones, el conjunto de turbinas funcion\u00f3 con niveles de potencia hasta un 32% superiores en algunas condiciones.<\/strong><\/p>\n\n\n\n Este sistema aument\u00f3 la generaci\u00f3n de energ\u00eda en un conjunto de tres turbinas en la India en un 32%.<\/p>\n\n\n\n En un experimento de meses de duraci\u00f3n en un parque e\u00f3lico real de la India, el modelo predictivo se valid\u00f3 primero probando una amplia gama de estrategias de orientaci\u00f3n de la gui\u00f1ada, la mayor\u00eda de las cuales eran intencionadamente sub\u00f3ptimas. Al probar muchas estrategias de control, incluidas las sub\u00f3ptimas, tanto en el parque real como en el modelo, los investigadores pudieron identificar la verdadera estrategia \u00f3ptima. Y lo que es m\u00e1s importante, el modelo fue capaz de predecir la generaci\u00f3n de energ\u00eda en el parque y la estrategia de control \u00f3ptima para la mayor\u00eda de las condiciones de viento probadas<\/strong>, lo que permite confiar en que las predicciones del modelo seguir\u00e1n la verdadera estrategia operativa \u00f3ptima para el parque. Esto permite utilizar el modelo para dise\u00f1ar las estrategias de control \u00f3ptimas para nuevas condiciones de viento y nuevos parques e\u00f3licos sin necesidad de realizar nuevos c\u00e1lculos desde cero.<\/p>\n\n\n\n A continuaci\u00f3n, mediante un segundo experimento de meses de duraci\u00f3n en el mismo parque, en el que se aplicaron \u00fanicamente las predicciones de control \u00f3ptimas del modelo, se demostr\u00f3 que los efectos del algoritmo en el mundo real pod\u00edan igualar las mejoras energ\u00e9ticas generales observadas en las simulaciones. En promedio, durante todo el periodo de prueba, el sistema logr\u00f3 un aumento del 1,2% en la generaci\u00f3n de energ\u00eda a todas las velocidades del viento, y un aumento del 3% a velocidades de entre 6 y 8 metros por segundo (entre 13 y 18 millas por hora)<\/strong>.<\/p>\n\n\n\n Aunque la prueba se realiz\u00f3 en un parque e\u00f3lico, los investigadores afirman que el modelo y la estrategia de control cooperativo pueden aplicarse en cualquier parque e\u00f3lico existente o futuro<\/strong>. Howland calcula que, traducido a la flota de aerogeneradores existente en el mundo, una mejora energ\u00e9tica global del 1,2% producir\u00eda m\u00e1s de 31 teravatios-hora (TWh) de electricidad adicional al a\u00f1o, lo que equivale aproximadamente a instalar 3.600 aerogeneradores m\u00e1s sin coste alguno<\/strong>. Esto se traducir\u00eda en unos 950 millones de d\u00f3lares de ingresos adicionales para los operadores de parques e\u00f3licos al a\u00f1o, afirma.<\/p>\n\n\n\n La cantidad de energ\u00eda que se puede obtener var\u00eda mucho de un parque e\u00f3lico a otro, dependiendo de una serie de factores como el espaciado de las unidades, la geometr\u00eda de su disposici\u00f3n y las variaciones de los patrones de viento en ese lugar a lo largo de un a\u00f1o. Pero en todos los casos, el modelo desarrollado por este equipo puede proporcionar una predicci\u00f3n clara de cu\u00e1les son exactamente las ganancias potenciales para un sitio determinado, dice Howland. \u00abLa estrategia de control \u00f3ptima y la ganancia potencial de energ\u00eda ser\u00e1n diferentes en cada parque e\u00f3lico, lo que nos motiv\u00f3 a desarrollar un modelo predictivo que puede utilizarse ampliamente, para la optimizaci\u00f3n en todo el parque e\u00f3lico\u00bb<\/em>, a\u00f1ade.<\/p>\n\n\n\n Pero el nuevo sistema puede adoptarse potencialmente de forma r\u00e1pida y sencilla, afirma. \u00abNo requerimos ninguna instalaci\u00f3n de hardware adicional. En realidad, s\u00f3lo estamos haciendo un cambio de software, que supone un importante aumento potencial de energ\u00eda asociado a \u00e9l.<\/strong>\u00ab<\/em> Incluso una mejora del 1%, se\u00f1ala, significa que en un parque e\u00f3lico t\u00edpico de unas 100 unidades, los operadores podr\u00edan obtener la misma producci\u00f3n con una turbina menos, ahorrando as\u00ed los costes, normalmente de millones de d\u00f3lares, asociados a la compra, construcci\u00f3n e instalaci\u00f3n de esa unidad.<\/p>\n\n\n\n Adem\u00e1s, se\u00f1ala, al reducir las p\u00e9rdidas por estela, el algoritmo podr\u00eda permitir colocar las turbinas m\u00e1s juntas en los futuros parques e\u00f3licos, lo que aumentar\u00eda la densidad de potencia de la energ\u00eda e\u00f3lica y ahorrar\u00eda espacio en tierra (o en el mar). Este aumento de la densidad de potencia y la reducci\u00f3n de la huella podr\u00edan contribuir a alcanzar los apremiantes objetivos de reducci\u00f3n de las emisiones de gases de efecto invernadero, que exigen un aumento sustancial del despliegue de la energ\u00eda e\u00f3lica, tanto en tierra como en el mar.<\/p>\n\n\n\n Por si fuera poco, dice, la mayor \u00e1rea nueva de desarrollo de parques e\u00f3licos es la de alta mar, y \u00abel impacto de las p\u00e9rdidas de estela suele ser mucho mayor en los parques e\u00f3licos de alta mar\u00bb<\/em><\/strong>. Eso significa que el impacto de este nuevo enfoque para controlar esos parques e\u00f3licos podr\u00eda ser significativamente mayor.<\/p>\n\n\n\n El laboratorio Howland y el equipo internacional siguen perfeccionando los modelos y trabajando para mejorar las instrucciones operativas que derivan del modelo, avanzando hacia un control aut\u00f3nomo y cooperativo que busque la mayor generaci\u00f3n de energ\u00eda posible a partir de un conjunto determinado de condiciones, afirma Howland.<\/p>\n\n\n\n \u00abEste art\u00edculo describe un importante paso adelante para la energ\u00eda e\u00f3lica\u00bb, dice Charles Meneveau, profesor de ingenier\u00eda mec\u00e1nica de la Universidad Johns Hopkins, que no ha participado en este trabajo.<\/p>\n\n\n\n \u00abIncluye nuevas ideas y metodolog\u00edas para controlar eficazmente los aerogeneradores de forma colectiva bajo el recurso e\u00f3lico altamente variable. Demuestra que las estrategias de control de la orientaci\u00f3n aplicadas de forma inteligente utilizando modelos de estela basados en la f\u00edsica m\u00e1s avanzada, complementados con enfoques basados en datos, pueden aumentar la generaci\u00f3n de energ\u00eda en los parques e\u00f3licos.\u00bb<\/em> El hecho de que esto se haya demostrado en un parque e\u00f3lico en funcionamiento, dice, \u00abes de especial importancia para facilitar la posterior implementaci\u00f3n y ampliaci\u00f3n del enfoque propuesto.\u00bb<\/em><\/p>\n\n\n\n <\/p>\n\n\n\n <\/p>\n","protected":false},"excerpt":{"rendered":" El MIT ha presentado un nuevo m\u00e9todo para aumentar la generaci\u00f3n de energ\u00eda de los parques e\u00f3licos y todo ello sin invertir en nuevos equipos. De acuerdo al estudio, al modelar las condiciones de todo un parque e\u00f3lico en lugar de las turbinas individuales, los ingenieros pueden exprimir m\u00e1s energ\u00eda de las instalaciones existentes. Pr\u00e1cticamente […]<\/p>\n","protected":false},"author":1,"featured_media":5108,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[17],"tags":[],"class_list":["post-5106","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-eolica-energias"],"_links":{"self":[{"href":"https:\/\/epre.gov.ar\/web\/wp-json\/wp\/v2\/posts\/5106","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/epre.gov.ar\/web\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/epre.gov.ar\/web\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/epre.gov.ar\/web\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/epre.gov.ar\/web\/wp-json\/wp\/v2\/comments?post=5106"}],"version-history":[{"count":2,"href":"https:\/\/epre.gov.ar\/web\/wp-json\/wp\/v2\/posts\/5106\/revisions"}],"predecessor-version":[{"id":5143,"href":"https:\/\/epre.gov.ar\/web\/wp-json\/wp\/v2\/posts\/5106\/revisions\/5143"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/epre.gov.ar\/web\/wp-json\/wp\/v2\/media\/5108"}],"wp:attachment":[{"href":"https:\/\/epre.gov.ar\/web\/wp-json\/wp\/v2\/media?parent=5106"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/epre.gov.ar\/web\/wp-json\/wp\/v2\/categories?post=5106"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/epre.gov.ar\/web\/wp-json\/wp\/v2\/tags?post=5106"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}