Una técnica de evaluación de turbinas eólicas puede aumentar la producción de energía eólica

Con un incentivo global para utilizar más energía renovable, el viento es un recurso prometedor y cada vez más utilizado. A pesar de los muchos avances tecnológicos realizados en la modernización de los sistemas eólicos, una forma sistemática y confiable de evaluar las tecnologías competidoras ha sido un desafío.

En un nuevo estudio de caso, investigadores de la Universidad de Texas A&M, trabajando con socios internacionales en la industria energética, utilizaron métodos avanzados de análisis de datos e ideas de las ciencias sociales para comparar el desempeño de varios diseños de turbinas eólicas.

“Actualmente no existe ningún método para probar si la tecnología recientemente desarrollada aumentará la producción y la eficiencia de la energía eólica en algún grado”, dijeron el Dr. Yu Ding, Mike y el profesor Sugar Barnes del Departamento de Industria y Sistemas de EE. UU. Michael Barnes ’64. Ingenieria. “En este estudio, proporcionamos una solución práctica a un problema que ha existido en la industria eólica durante mucho tiempo”.

Los resultados de su investigación se publican en la revista Energía renovable.

Las turbinas eólicas convierten la energía transferida desde el aire que golpea sus palas en electricidad. A partir de 2020, aproximadamente el 8,4% de la electricidad total producida en los Estados Unidos proviene de la energía eólica. Además, durante la próxima década, el Departamento de Energía planea aumentar la participación de la energía eólica en el sector eléctrico al 20% para cumplir con los ambiciosos objetivos climáticos del país.

En línea con este objetivo, ha aumentado el número de tecnologías novedosas, especialmente para las palas que giran con el viento. Estas mejoras prometen mejorar la eficiencia de los aerogeneradores y, por tanto, la producción de energía. Sin embargo, es tedioso averiguar si estas cantidades aumentarán y cuánto.

Una de las muchas razones que dificultan la evaluación del rendimiento es el tamaño de las turbinas eólicas, que a menudo tienen varios cientos de metros de altura. Probando el rendimiento de estas máquinas gigantes en el programa ambiente controladocomo el laboratorio es impráctico. Por otro lado, el uso de versiones reducidas de las turbinas eólicas que encajan en los túneles de viento de laboratorio produce valores inexactos que no reflejan el rendimiento de las turbinas eólicas de tamaño real. Los investigadores también encontraron que es difícil en el laboratorio recrear la amplia variedad de condiciones atmosféricas y climáticas que ocurren al aire libre.

En consecuencia, Ding y su equipo decidieron recopilar datos de parques eólicos terrestres para su investigación, trabajando con la industria propietaria de los parques eólicos. Incluyeron 66 turbinas eólicas en una granja en su análisis. Estas máquinas estaban equipadas con sensores para rastrear continuamente varios elementos, como la energía generada por las turbinas, la velocidad del viento, la dirección del viento y la temperatura. En total, los investigadores recopilaron datos durante cuatro años y medio, tiempo durante el cual las turbinas recibieron tres mejoras tecnológicas.

Para medir el cambio en la producción y el rendimiento de energía antes y después de la actualización, Ding y su equipo no pudieron aplicar análisis estándar previos a la intervención, como los que se utilizan en los ensayos clínicos. En resumen, en los ensayos clínicos, la eficacia de un medicamento en particular se prueba a través de experimentos aleatorios con grupos de prueba que han recibido el medicamento y grupos de control que no lo han recibido. Los grupos de prueba y de control se seleccionan cuidadosamente para que sean comparables de otras formas, de modo que el efecto del fármaco sea el único factor que distinga a los grupos. Sin embargo, en su estudio turbinas de viento no se pudo dividir claramente en grupos de prueba y de control de acuerdo con las necesidades de experimentación aleatoria.

“El desafío al que nos enfrentamos es que incluso si elegimos las turbinas de” prueba “y” control “, de forma similar a como se hace Ensayos clinicos, todavía no podemos garantizar que las condiciones de entrada, como los vientos que golpean las palas durante el período de registro, fueran las mismas para todas las turbinas “, dijo Ding.” En otras palabras, tenemos un conjunto de factores además de las mejoras planificadas que también difieren antes y después de la actualización. “

Por lo tanto, Ding y su equipo recurrieron a un procedimiento analítico utilizado por los sociólogos para experimentos naturales llamado inferencia causal. Aquí, a pesar de los factores de confusión, el análisis todavía nos permite concluir en qué medida el resultado observado se debe a la actividad prevista, que en el caso de las turbinas fue la modernización.

Para el análisis basado en causas, los investigadores solo incluyeron turbinas después de igualar sus condiciones de entrada. Esto significa que estas máquinas fueron sometidas a velocidades de viento, densidades de aire o turbulencias similares durante el período de registro. Luego, utilizando la metodología avanzada de comparación de datos que Ding co-desarrolló con el Dr. Rui Tuo, profesor asistente en el departamento de ingeniería industrial y de sistemas, el equipo de investigación redujo la incertidumbre al cuantificar si hubo una mejora en el rendimiento de la turbina eólica.

Si bien el método utilizado en el estudio requiere meses de recopilación de datos, Ding dijo que proporciona un método sólido y preciso para determinar los méritos de las tecnologías de la competencia. Dijo que esta información sería beneficiosa para los operadores eólicos que necesitan decidir si una determinada tecnología de turbina vale la pena la inversión.

“La energía eólica todavía está subsidiada por el gobierno federal, pero no durará para siempre y debemos mejorar turbina eficiencia y aumentar su rentabilidad “, dijo Ding.” Nuestra herramienta es, por lo tanto, importante ya que ayudará a los operadores eólicos a identificar las mejores prácticas en la selección de tecnologías que funcionan y eliminar las que no funcionan “.

Ding recibió el Premio de Impacto de la Estación Experimental de Ingeniería de Texas A&M 2018 por Innovación en Datos e Investigación de Calidad para Efectos del Viento energía industria.

Otros coautores de la investigación incluyen a Nitesh Kumar, Abhinav Prakash y Adaiyibo Kio de Industrial and Systems Engineering, y el personal técnico de los colaboradores. viento negocio.