Home » El MIT presenta un nuevo método para aumentar la generación de energía de los parques eólicos

El MIT presenta un nuevo método para aumentar la generación de energía de los parques eólicos

por wetadmin

El MIT ha presentado un nuevo método para aumentar la generación de energía de los parques eólicos y todo ello sin invertir en nuevos equipos. De acuerdo al estudio, al modelar las condiciones de todo un parque eólico en lugar de las turbinas individuales, los ingenieros pueden exprimir más energía de las instalaciones existentes.

Prácticamente todos los aerogeneradores, que producen más del 5% de la electricidad mundial, se controlan como si fueran unidades individuales e independientes. De hecho, la gran mayoría forman parte de instalaciones de parques eólicos más grandes que incluyen docenas o incluso cientos de turbinas, cuyas estelas pueden afectarse mutuamente.


Ahora, los ingenieros del MIT y de otros lugares han descubierto que, sin necesidad de nuevas inversiones en equipos, la generación de energía de esas instalaciones eólicas puede aumentarse modelando el flujo de viento de todo el conjunto de turbinas y optimizando el control de las unidades individuales en consecuencia.

El aumento de la generación de energía de una instalación determinada puede parecer modesto: es de un 1,2% en total y de un 3% cuando la velocidad del viento es óptima. Pero el algoritmo puede implantarse en cualquier parque eólico, cuyo número está creciendo rápidamente para cumplir los objetivos climáticos de forma acelerada. Si ese 1,2% de aumento de energía se aplicara a todos los parques eólicos existentes en el mundo, equivaldría a añadir más de 3.600 nuevos aerogeneradores, o lo suficiente como para abastecer a unos 3 millones de hogares, y una ganancia total para los productores de energía de casi mil millones de dólares al año, dicen los investigadores. Y todo ello sin ningún coste.

La investigación se publicó el 11 de agosto en la revista Nature Energy, en un estudio dirigido por el profesor adjunto de Ingeniería Civil y Medioambiental del MIT Esther y Harold E. Edgerton, Michael F. Howland.

“Básicamente, todas las turbinas existentes a escala de servicios públicos se controlan de forma ‘codiciosa’ e independiente”, afirma Howland. El término “con avidez”, explica, se refiere al hecho de que se controlan para maximizar sólo su propia generación de energía, como si fueran unidades aisladas sin ningún impacto perjudicial en las turbinas vecinas.

Pero en el mundo real, las turbinas se colocan deliberadamente cerca unas de otras en los parques eólicos para conseguir beneficios económicos relacionados con el uso del suelo (en tierra o en el mar) y con infraestructuras como carreteras de acceso y líneas de transmisión. Esta proximidad significa que las turbinas suelen verse muy afectadas por las estelas turbulentas producidas por otras que están a contraviento de ellas, un factor que los sistemas de control de las turbinas individuales no tienen en cuenta actualmente.

“Desde el punto de vista de la física de los flujos, colocar los aerogeneradores muy juntos en los parques eólicos suele ser lo peor que se puede hacer, afirma Howland. “Lo ideal para maximizar la producción total de energía sería ponerlos lo más separados posible”, pero eso aumentaría los costes asociados.

Ahí es donde entra el trabajo de Howland y sus colaboradores. Desarrollaron un nuevo modelo de flujo que predice la generación de energía de cada turbina del parque en función de los vientos incidentes en la atmósfera y de la estrategia de control de cada turbina. Aunque se basa en la física del flujo, el modelo aprende de los datos operativos del parque eólico para reducir el error de predicción y la incertidumbre.

Sin cambiar nada sobre la ubicación física de las turbinas y los sistemas de hardware de los parques eólicos existentes, han utilizado la modelización basada en la física y asistida por datos del flujo dentro del parque eólico y la producción de energía resultante de cada turbina, dadas las diferentes condiciones de viento, para encontrar la orientación óptima de cada turbina en un momento dado. Esto les permite maximizar la producción de todo el parque, y no sólo de las turbinas individuales.

Ya se realizaron pruebas en un parque eólico

En la actualidad, cada turbina detecta constantemente la dirección y velocidad del viento y utiliza su software de control interno para ajustar su posición de ángulo de guiñada (eje vertical) para alinearse lo más 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 posición de salida máxima -quizás 20 grados fuera de su ángulo de salida máximo individual- el aumento resultante de la generación de energía de una o más unidades a favor del viento compensará con creces la ligera reducción de la producción de la primera unidad. Gracias a un sistema de control centralizado que tiene en cuenta todas estas interacciones, el conjunto de turbinas funcionó con niveles de potencia hasta un 32% superiores en algunas condiciones.

Este sistema aumentó la generación de energía en un conjunto de tres turbinas en la India en un 32%.

En un experimento de meses de duración en un parque eólico real de la India, el modelo predictivo se validó primero probando una amplia gama de estrategias de orientación de la guiñada, la mayoría de las cuales eran intencionadamente subóptimas. Al probar muchas estrategias de control, incluidas las subóptimas, tanto en el parque real como en el modelo, los investigadores pudieron identificar la verdadera estrategia óptima. Y lo que es más importante, el modelo fue capaz de predecir la generación de energía en el parque y la estrategia de control óptima para la mayoría de las condiciones de viento probadas, lo que permite confiar en que las predicciones del modelo seguirán la verdadera estrategia operativa óptima para el parque. Esto permite utilizar el modelo para diseñar las estrategias de control óptimas para nuevas condiciones de viento y nuevos parques eólicos sin necesidad de realizar nuevos cálculos desde cero.

A continuación, mediante un segundo experimento de meses de duración en el mismo parque, en el que se aplicaron únicamente las predicciones de control óptimas del modelo, se demostró que los efectos del algoritmo en el mundo real podían igualar las mejoras energéticas generales observadas en las simulaciones. En promedio, durante todo el periodo de prueba, el sistema logró un aumento del 1,2% en la generación de energía 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).

Aunque la prueba se realizó en un parque eólico, los investigadores afirman que el modelo y la estrategia de control cooperativo pueden aplicarse en cualquier parque eólico existente o futuro. Howland calcula que, traducido a la flota de aerogeneradores existente en el mundo, una mejora energética global del 1,2% produciría más de 31 teravatios-hora (TWh) de electricidad adicional al año, lo que equivale aproximadamente a instalar 3.600 aerogeneradores más sin coste alguno. Esto se traduciría en unos 950 millones de dólares de ingresos adicionales para los operadores de parques eólicos al año, afirma.

La cantidad de energía que se puede obtener varía mucho de un parque eólico a otro, dependiendo de una serie de factores como el espaciado de las unidades, la geometría de su disposición y las variaciones de los patrones de viento en ese lugar a lo largo de un año. Pero en todos los casos, el modelo desarrollado por este equipo puede proporcionar una predicción clara de cuáles son exactamente las ganancias potenciales para un sitio determinado, dice Howland. “La estrategia de control óptima y la ganancia potencial de energía serán diferentes en cada parque eólico, lo que nos motivó a desarrollar un modelo predictivo que puede utilizarse ampliamente, para la optimización en todo el parque eólico”, añade.

Pero el nuevo sistema puede adoptarse potencialmente de forma rápida y sencilla, afirma. No requerimos ninguna instalación de hardware adicional. En realidad, sólo estamos haciendo un cambio de software, que supone un importante aumento potencial de energía asociado a él. Incluso una mejora del 1%, señala, significa que en un parque eólico típico de unas 100 unidades, los operadores podrían obtener la misma producción con una turbina menos, ahorrando así los costes, normalmente de millones de dólares, asociados a la compra, construcción e instalación de esa unidad.

Además, señala, al reducir las pérdidas por estela, el algoritmo podría permitir colocar las turbinas más juntas en los futuros parques eólicos, lo que aumentaría la densidad de potencia de la energía eólica y ahorraría espacio en tierra (o en el mar). Este aumento de la densidad de potencia y la reducción de la huella podrían contribuir a alcanzar los apremiantes objetivos de reducción de las emisiones de gases de efecto invernadero, que exigen un aumento sustancial del despliegue de la energía eólica, tanto en tierra como en el mar.

Por si fuera poco, dice, la mayor área nueva de desarrollo de parques eólicos es la de alta mar, y “el impacto de las pérdidas de estela suele ser mucho mayor en los parques eólicos de alta mar”. Eso significa que el impacto de este nuevo enfoque para controlar esos parques eólicos podría ser significativamente mayor.

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 autónomo y cooperativo que busque la mayor generación de energía posible a partir de un conjunto determinado de condiciones, afirma Howland.

“Este artículo describe un importante paso adelante para la energía eólica”, dice Charles Meneveau, profesor de ingeniería mecánica de la Universidad Johns Hopkins, que no ha participado en este trabajo.

“Incluye nuevas ideas y metodologías para controlar eficazmente los aerogeneradores de forma colectiva bajo el recurso eólico altamente variable. Demuestra que las estrategias de control de la orientación aplicadas de forma inteligente utilizando modelos de estela basados en la física más avanzada, complementados con enfoques basados en datos, pueden aumentar la generación de energía en los parques eólicos.” El hecho de que esto se haya demostrado en un parque eólico en funcionamiento, dice, “es de especial importancia para facilitar la posterior implementación y ampliación del enfoque propuesto.”

 

Fuente: MIT News

 

Inscríbase gratuitamente a nuestro boletín semanal aquí.

 

 No dude en ponerse en contacto con nosotros para darnos sugerencias y noticias. Es suficiente con enviar un mensaje a contacto@worldenergytrade.com para hacérnoslo saber.

 

 


 

 Te puede interesar:

También te puede interesar

Deja un comentario

QUIENES SOMOS

World Energy Trade es el líder en la oferta de artículos técnicos especializados para el sector Oil & Gas y Energías Alternativas; además, presenta la más completa selección de noticias actualizadas del mercado energético mundial, a un clic de distancia.

DESTACADAS

SUSCRIPCIÓN

Suscribete a nuestro boletin semanal. Mantente actualizado!

Are you sure want to unlock this post?
Unlock left : 0
Are you sure want to cancel subscription?
-
00:00
00:00
Update Required Flash plugin
-
00:00
00:00