Otimização de micrositing de parques eólicos : uma abordagem metaheurística
Autor(a) principal: | |
---|---|
Data de Publicação: | 2018 |
Tipo de documento: | Trabalho de conclusão de curso |
Idioma: | por |
Título da fonte: | Repositório Institucional da UFRGS |
Texto Completo: | http://hdl.handle.net/10183/180622 |
Resumo: | A energia eólica está cada vez mais participando da matriz energética dos países como uma fonte alternativa de energia sustentável. Parques eólicos são a forma racional de gerar este tipo de energia e o Brasil é um país que tem um grande potencial para ser explorado. Neste trabalho, o layout de parques eólicos é otimizado de forma a maximizar a produção energética que depende das condições de vento da região onde está instalado o empreendimento, bem como o número de aerogeradores disponíveis e os limites geográficos para instalação dos mesmos. A otimização foi baseada em um algoritmo metaheurístico, QPSO, uma vez que, em geral, o posicionamento dos aerogeradores não pode ser feito de forma contínua, mas de forma discreta em função de distâncias mínimas recomendadas entre as torres. O algoritmo QPSO foi testado em duas situações diferentes, em uma das avaliações nomeada pela literatura como Caso Ideal e outra mais realística, que compreende o Parque eólico de Horns Rev 1. A função objetivo do problema é alcançar o aumento da eficiência energética decorrente dos micrositings para realizar uma comparação com os resultados relatados na literatura. Para ambos casos avaliados, o QPSO foi capaz de encontrar soluções mais eficientes, mesmo com maior dispersão entre todas soluções possíveis varridas durante o processo iterativo que outras abordagens. |
id |
UFRGS-2_25b4a0d32d0b741466f089264a66c85b |
---|---|
oai_identifier_str |
oai:www.lume.ufrgs.br:10183/180622 |
network_acronym_str |
UFRGS-2 |
network_name_str |
Repositório Institucional da UFRGS |
repository_id_str |
|
spelling |
Giacomolli, LuanGomes, Herbert Martins2018-07-26T02:30:27Z2018http://hdl.handle.net/10183/180622001072370A energia eólica está cada vez mais participando da matriz energética dos países como uma fonte alternativa de energia sustentável. Parques eólicos são a forma racional de gerar este tipo de energia e o Brasil é um país que tem um grande potencial para ser explorado. Neste trabalho, o layout de parques eólicos é otimizado de forma a maximizar a produção energética que depende das condições de vento da região onde está instalado o empreendimento, bem como o número de aerogeradores disponíveis e os limites geográficos para instalação dos mesmos. A otimização foi baseada em um algoritmo metaheurístico, QPSO, uma vez que, em geral, o posicionamento dos aerogeradores não pode ser feito de forma contínua, mas de forma discreta em função de distâncias mínimas recomendadas entre as torres. O algoritmo QPSO foi testado em duas situações diferentes, em uma das avaliações nomeada pela literatura como Caso Ideal e outra mais realística, que compreende o Parque eólico de Horns Rev 1. A função objetivo do problema é alcançar o aumento da eficiência energética decorrente dos micrositings para realizar uma comparação com os resultados relatados na literatura. Para ambos casos avaliados, o QPSO foi capaz de encontrar soluções mais eficientes, mesmo com maior dispersão entre todas soluções possíveis varridas durante o processo iterativo que outras abordagens.Wind energy is increasingly participating in the energy matrix of countries as an alternative source of sustainable energy. Wind farms are the rational way to generate this type of energy and Brazil is a country that has great potential to be explored. In this work, the layout of wind farms is optimized in order to maximize the energy production that depends on the wind conditions of the region where the project is located, as well as the number of wind turbines available and the geographic limits for their installation. The optimization was based on a metaheuristic algorithm, QPSO, since, in general, the positioning of the wind towers can’t be done continuously, but in a discrete way due to the minimum recommended distances between the towers. The QPSO algorithm was tested in two different situations in one of the evaluations named in the literature as an Ideal Case and a more realistic case, which includes the Horns Rev 1 Wind Farm. The objective function of the problem is to achieve the increase in energy efficiency resulting from the micrositings to make a comparison with results obtained from the literature. For both evaluated cases, the QPSO was able to find more efficient solutions, even with greater dispersion among all possible solutions swept during the iterative process than other approaches.application/pdfporEngenharia mecânicaMetaheuristic optimizationWind turbinesMicrositingWake modelOtimização de micrositing de parques eólicos : uma abordagem metaheurísticaOptimization of micrositing in wind farms : a metaheuristic approachinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisUniversidade Federal do Rio Grande do SulEscola de EngenhariaPorto Alegre, BR-RS2018Engenharia Mecânicagraduaçãoinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UFRGSinstname:Universidade Federal do Rio Grande do Sul (UFRGS)instacron:UFRGSORIGINAL001072370.pdfTexto completoapplication/pdf1689172http://www.lume.ufrgs.br/bitstream/10183/180622/1/001072370.pdfdca49ac5aefbe38118105a5db3557009MD51TEXT001072370.pdf.txt001072370.pdf.txtExtracted Texttext/plain58654http://www.lume.ufrgs.br/bitstream/10183/180622/2/001072370.pdf.txt8b86f7c7c6670c66e7ba5facca30a54dMD52THUMBNAIL001072370.pdf.jpg001072370.pdf.jpgGenerated Thumbnailimage/jpeg1122http://www.lume.ufrgs.br/bitstream/10183/180622/3/001072370.pdf.jpga8462feff21153cf2d56319cc9740702MD5310183/1806222018-10-05 07:31:28.657oai:www.lume.ufrgs.br:10183/180622Repositório de PublicaçõesPUBhttps://lume.ufrgs.br/oai/requestopendoar:2018-10-05T10:31:28Repositório Institucional da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)false |
dc.title.pt_BR.fl_str_mv |
Otimização de micrositing de parques eólicos : uma abordagem metaheurística |
dc.title.alternative.en.fl_str_mv |
Optimization of micrositing in wind farms : a metaheuristic approach |
title |
Otimização de micrositing de parques eólicos : uma abordagem metaheurística |
spellingShingle |
Otimização de micrositing de parques eólicos : uma abordagem metaheurística Giacomolli, Luan Engenharia mecânica Metaheuristic optimization Wind turbines Micrositing Wake model |
title_short |
Otimização de micrositing de parques eólicos : uma abordagem metaheurística |
title_full |
Otimização de micrositing de parques eólicos : uma abordagem metaheurística |
title_fullStr |
Otimização de micrositing de parques eólicos : uma abordagem metaheurística |
title_full_unstemmed |
Otimização de micrositing de parques eólicos : uma abordagem metaheurística |
title_sort |
Otimização de micrositing de parques eólicos : uma abordagem metaheurística |
author |
Giacomolli, Luan |
author_facet |
Giacomolli, Luan |
author_role |
author |
dc.contributor.author.fl_str_mv |
Giacomolli, Luan |
dc.contributor.advisor1.fl_str_mv |
Gomes, Herbert Martins |
contributor_str_mv |
Gomes, Herbert Martins |
dc.subject.por.fl_str_mv |
Engenharia mecânica |
topic |
Engenharia mecânica Metaheuristic optimization Wind turbines Micrositing Wake model |
dc.subject.eng.fl_str_mv |
Metaheuristic optimization Wind turbines Micrositing Wake model |
description |
A energia eólica está cada vez mais participando da matriz energética dos países como uma fonte alternativa de energia sustentável. Parques eólicos são a forma racional de gerar este tipo de energia e o Brasil é um país que tem um grande potencial para ser explorado. Neste trabalho, o layout de parques eólicos é otimizado de forma a maximizar a produção energética que depende das condições de vento da região onde está instalado o empreendimento, bem como o número de aerogeradores disponíveis e os limites geográficos para instalação dos mesmos. A otimização foi baseada em um algoritmo metaheurístico, QPSO, uma vez que, em geral, o posicionamento dos aerogeradores não pode ser feito de forma contínua, mas de forma discreta em função de distâncias mínimas recomendadas entre as torres. O algoritmo QPSO foi testado em duas situações diferentes, em uma das avaliações nomeada pela literatura como Caso Ideal e outra mais realística, que compreende o Parque eólico de Horns Rev 1. A função objetivo do problema é alcançar o aumento da eficiência energética decorrente dos micrositings para realizar uma comparação com os resultados relatados na literatura. Para ambos casos avaliados, o QPSO foi capaz de encontrar soluções mais eficientes, mesmo com maior dispersão entre todas soluções possíveis varridas durante o processo iterativo que outras abordagens. |
publishDate |
2018 |
dc.date.accessioned.fl_str_mv |
2018-07-26T02:30:27Z |
dc.date.issued.fl_str_mv |
2018 |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
format |
bachelorThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://hdl.handle.net/10183/180622 |
dc.identifier.nrb.pt_BR.fl_str_mv |
001072370 |
url |
http://hdl.handle.net/10183/180622 |
identifier_str_mv |
001072370 |
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 Institucional da UFRGS instname:Universidade Federal do Rio Grande do Sul (UFRGS) instacron:UFRGS |
instname_str |
Universidade Federal do Rio Grande do Sul (UFRGS) |
instacron_str |
UFRGS |
institution |
UFRGS |
reponame_str |
Repositório Institucional da UFRGS |
collection |
Repositório Institucional da UFRGS |
bitstream.url.fl_str_mv |
http://www.lume.ufrgs.br/bitstream/10183/180622/1/001072370.pdf http://www.lume.ufrgs.br/bitstream/10183/180622/2/001072370.pdf.txt http://www.lume.ufrgs.br/bitstream/10183/180622/3/001072370.pdf.jpg |
bitstream.checksum.fl_str_mv |
dca49ac5aefbe38118105a5db3557009 8b86f7c7c6670c66e7ba5facca30a54d a8462feff21153cf2d56319cc9740702 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS) |
repository.mail.fl_str_mv |
|
_version_ |
1801224554880696320 |