Custo Nivelado da Energia em Parque Eólico com Kites
Autor(a) principal: | |
---|---|
Data de Publicação: | 2023 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
Texto Completo: | http://hdl.handle.net/10400.22/24244 |
Resumo: | Este trabalho abordará a importância das energias renováveis, onde se destacam países em que as matrizes elétricas possuem um alto nível de dependência dos recursos eólicos para garantir o atendimento a demanda por energia. Será contextualizado a tecnologia Airborne Wind System, seus tipos de geração, formas aerodinâmicas, a potência produzida e aspetos importantes a se considerar quando buscamos otimizá-lo. Como ferramentas de análise deste trabalho, será utilizado algoritmos genéticos como forma de se otimizar uma unidade geradora, e então evoluímos para a utilização de Biased Random Key Genetic Algorithm para otimização de um parque eólico com kites de pequeno porte, de forma a possibilitar a estimativa de produção de energia anual. Como ferramenta de análise financeira, serão utilizados modelos de custos com base nas diversas referências bibliográficas, com intuito de melhor e mais próximo ao cenário real estimar o custo nivelado da energia. Como forma de fiabilizar os resultados, serão feitas simulações utilizando os algoritmos genéticos como ferramenta de otimização, desde a unidade até o parque. Posteriormente, com as estimativas obtidas e a partir de um novo modelo de custos, com base na literatura e aproximando ao máximo de um cenário real, podemos estimar o custo nivelado da energia para um parque eólico de pequeno porte de kites. Desta forma, podemos comparar esta tecnologia com as demais presentes na área de geração de energia elétrica. Ao final, compararemos os resultados obtidos com valores atuais de custo nivelado de energia das eólicas convencionais, onshore e offshore. Faremos uma comparação utilizando níveis diferentes de capacidade instalada do parque com kites, de forma a saber o impacto sobre o custo nivelado da energia e a partir de que momento esta tecnologia fica competitiva perante a eólica convencional. |
id |
RCAP_09921578669dd92a0c1c1006db5785d7 |
---|---|
oai_identifier_str |
oai:recipp.ipp.pt:10400.22/24244 |
network_acronym_str |
RCAP |
network_name_str |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
repository_id_str |
7160 |
spelling |
Custo Nivelado da Energia em Parque Eólico com KitesLevelized Cost of Energy in Kites Wind FarmAirborne wind energy systemGenetic AlgorithmRenewable energyWind energyLevelized cost of energyDomínio/Área Científica::Engenharia e TecnologiaEste trabalho abordará a importância das energias renováveis, onde se destacam países em que as matrizes elétricas possuem um alto nível de dependência dos recursos eólicos para garantir o atendimento a demanda por energia. Será contextualizado a tecnologia Airborne Wind System, seus tipos de geração, formas aerodinâmicas, a potência produzida e aspetos importantes a se considerar quando buscamos otimizá-lo. Como ferramentas de análise deste trabalho, será utilizado algoritmos genéticos como forma de se otimizar uma unidade geradora, e então evoluímos para a utilização de Biased Random Key Genetic Algorithm para otimização de um parque eólico com kites de pequeno porte, de forma a possibilitar a estimativa de produção de energia anual. Como ferramenta de análise financeira, serão utilizados modelos de custos com base nas diversas referências bibliográficas, com intuito de melhor e mais próximo ao cenário real estimar o custo nivelado da energia. Como forma de fiabilizar os resultados, serão feitas simulações utilizando os algoritmos genéticos como ferramenta de otimização, desde a unidade até o parque. Posteriormente, com as estimativas obtidas e a partir de um novo modelo de custos, com base na literatura e aproximando ao máximo de um cenário real, podemos estimar o custo nivelado da energia para um parque eólico de pequeno porte de kites. Desta forma, podemos comparar esta tecnologia com as demais presentes na área de geração de energia elétrica. Ao final, compararemos os resultados obtidos com valores atuais de custo nivelado de energia das eólicas convencionais, onshore e offshore. Faremos uma comparação utilizando níveis diferentes de capacidade instalada do parque com kites, de forma a saber o impacto sobre o custo nivelado da energia e a partir de que momento esta tecnologia fica competitiva perante a eólica convencional.This work will approach the matter of renewable energy sources in countries highly dependent on wind sources to ensure the energy demand. It will contextualize the Airborne Wind Energy System, the kinds of generation, aerodynamics shapes, power produced and important aspects to be considered aiming the optimization of the system. As analysing tools, this work will use genetic algorithms to optimize generating unit, then will escalate to the use of Biased Random Key Genetic Algorithm to optimize a small proportion kite farm, aiming to estimate the annual energy production. This work will also use cost models based on several bibliographic references to make a financial analysis in order to be as close as possible of the real scenario. As way to entrust the results, simulations using genetic algorithms will be made to optimize the process from the generating unit to the wind farm. Posteriorly, based on the results and from a new cost model based on literature it will be possible to estimate the cost producing energy on a small kite farm. In this way it will be possible to compare this technology to others present in the power generation market. Finally, we will compare the results with the current cost of conventional ways of generating power by wind, onshore and offshore. We will also compare different levels of installed power capacity in the kite farms as a way to know the impact upon the levelized cost of energy and from which point kite farms start being competitive compared to conventional wind farms.Roque, Luis Augusto CorreiaRepositório Científico do Instituto Politécnico do PortoHoinoski, Junior Junckes2023-12-18T11:39:10Z2023-11-262023-11-26T00:00:00Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttp://hdl.handle.net/10400.22/24244TID:203414039porinfo:eu-repo/semantics/openAccessreponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãoinstacron:RCAAP2023-12-20T01:57:13Zoai:recipp.ipp.pt:10400.22/24244Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireopendoar:71602024-03-20T00:55:12.516871Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãofalse |
dc.title.none.fl_str_mv |
Custo Nivelado da Energia em Parque Eólico com Kites Levelized Cost of Energy in Kites Wind Farm |
title |
Custo Nivelado da Energia em Parque Eólico com Kites |
spellingShingle |
Custo Nivelado da Energia em Parque Eólico com Kites Hoinoski, Junior Junckes Airborne wind energy system Genetic Algorithm Renewable energy Wind energy Levelized cost of energy Domínio/Área Científica::Engenharia e Tecnologia |
title_short |
Custo Nivelado da Energia em Parque Eólico com Kites |
title_full |
Custo Nivelado da Energia em Parque Eólico com Kites |
title_fullStr |
Custo Nivelado da Energia em Parque Eólico com Kites |
title_full_unstemmed |
Custo Nivelado da Energia em Parque Eólico com Kites |
title_sort |
Custo Nivelado da Energia em Parque Eólico com Kites |
author |
Hoinoski, Junior Junckes |
author_facet |
Hoinoski, Junior Junckes |
author_role |
author |
dc.contributor.none.fl_str_mv |
Roque, Luis Augusto Correia Repositório Científico do Instituto Politécnico do Porto |
dc.contributor.author.fl_str_mv |
Hoinoski, Junior Junckes |
dc.subject.por.fl_str_mv |
Airborne wind energy system Genetic Algorithm Renewable energy Wind energy Levelized cost of energy Domínio/Área Científica::Engenharia e Tecnologia |
topic |
Airborne wind energy system Genetic Algorithm Renewable energy Wind energy Levelized cost of energy Domínio/Área Científica::Engenharia e Tecnologia |
description |
Este trabalho abordará a importância das energias renováveis, onde se destacam países em que as matrizes elétricas possuem um alto nível de dependência dos recursos eólicos para garantir o atendimento a demanda por energia. Será contextualizado a tecnologia Airborne Wind System, seus tipos de geração, formas aerodinâmicas, a potência produzida e aspetos importantes a se considerar quando buscamos otimizá-lo. Como ferramentas de análise deste trabalho, será utilizado algoritmos genéticos como forma de se otimizar uma unidade geradora, e então evoluímos para a utilização de Biased Random Key Genetic Algorithm para otimização de um parque eólico com kites de pequeno porte, de forma a possibilitar a estimativa de produção de energia anual. Como ferramenta de análise financeira, serão utilizados modelos de custos com base nas diversas referências bibliográficas, com intuito de melhor e mais próximo ao cenário real estimar o custo nivelado da energia. Como forma de fiabilizar os resultados, serão feitas simulações utilizando os algoritmos genéticos como ferramenta de otimização, desde a unidade até o parque. Posteriormente, com as estimativas obtidas e a partir de um novo modelo de custos, com base na literatura e aproximando ao máximo de um cenário real, podemos estimar o custo nivelado da energia para um parque eólico de pequeno porte de kites. Desta forma, podemos comparar esta tecnologia com as demais presentes na área de geração de energia elétrica. Ao final, compararemos os resultados obtidos com valores atuais de custo nivelado de energia das eólicas convencionais, onshore e offshore. Faremos uma comparação utilizando níveis diferentes de capacidade instalada do parque com kites, de forma a saber o impacto sobre o custo nivelado da energia e a partir de que momento esta tecnologia fica competitiva perante a eólica convencional. |
publishDate |
2023 |
dc.date.none.fl_str_mv |
2023-12-18T11:39:10Z 2023-11-26 2023-11-26T00:00:00Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://hdl.handle.net/10400.22/24244 TID:203414039 |
url |
http://hdl.handle.net/10400.22/24244 |
identifier_str_mv |
TID:203414039 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.source.none.fl_str_mv |
reponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação instacron:RCAAP |
instname_str |
Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação |
instacron_str |
RCAAP |
institution |
RCAAP |
reponame_str |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
collection |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
repository.name.fl_str_mv |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação |
repository.mail.fl_str_mv |
|
_version_ |
1799136438634151936 |