phys

Her iki buçuk saatte, ABD‘de yeni bir rüzgar türbini yükseliyor. 2016’da rüzgar, üretilen tüm elektriğin yüzde 5,6’sını, 2010’da rüzgârın yarattığı miktarın iki katından fazlasını sağladı. Ancak hala hedeflenen potansiyelinden çok uzak.

Dallas Üniversitesi’nden (UT Dallas) bir grup araştırmacı, rüzgardan daha fazla güç elde etmek için yeni bir yol geliştirdi. Bu yaklaşım, rüzgar enerjisi üretimini, gelirdeki artışla önemli ölçüde artırma potansiyeline sahip. Texas Advanced Computing Center‘da (TACC) gerçekleştirilen sayısal simülasyonlar, yüzde 6 ila 7’ye kadar potansiyel artışlarına işaret etmektedir.

Araştırmacılara göre, ülkedeki tüm rüzgar çiftliklerine uygulanan yüzde bir iyileşme, 100 milyon dolar değerinde. Bu nedenle, yeni yöntem, ülke çapında eklenen 600 milyon dolarlık rüzgar enerjisi üretme potansiyeline sahip.

Ekip, Aralık 2017’de Wind Energy‘de ve Aralık 2017’de Yenilenebilir Enerji‘de bulgularını bildirdi.

Akışkanlar dinamiği olarak bilinen fizik dalında, türbülans modellemenin yaygın bir yolu büyük eddy simülasyonlarıdır. Birkaç yıl önce, Stefano Leonardi ve araştırma ekibi, fiziksel davranışı 100 metre uzunluğundaki türbin motorlarından, santimetre kalınlığındaki bıçak uçlarına kadar geniş bir yelpazedeki ölçekler arasında birleştirebilen ve süper bilgisayarı kullanarak doğrulukla rüzgar gücünü tahmin edebilen modeller yarattı.

Makine mühendisliği bölümü doçenti Leonardi, “Rüzgâr türbinlerini taklit etmek için bir kule geliştirdik. Kule ve nacelle [bir türbin motorunun tüm bileşenlerini barındıran kapak] ile türbin motorunun aktif olduğu yer arasındaki etkileşimi hesaba kattık” dedi.

Belirli bir zamanda belirli bir bölge için rüzgarın değişkenliğini modellemek, uzunluk ölçekleri aralığının ötesinde bir başka sorundur. Bunu ele almak için ekip kodlarını, Atmosferik Araştırmalar Ulusal Merkezi‘nde geliştirilen bir hava durumu tahmin modeli olan Hava Araştırma ve Tahmin Modeli (WRF) ile birleştirdi.

Leonardi, “Kuzey Amerika Mesoscale Modelinden rüzgar alanını kaba bir ızgara üzerinde alabiliriz. Bunu, daha yüksek çözünürlükte beş yuvalanmış alan için bir girdi olarak kullanabiliriz. Gerçek bir rüzgar çiftliğinin elektrik üretimini yüksek doğrulukla yeniden üretebiliriz.” Dedi.

Bilgisayarların artan gücü, Leonardi ve ekibinin bir rüzgar çiftliğinde rüzgar alanını ve her bir türbinin güç üretimini doğru bir şekilde modellemesine izin veriyor. Araştırmacılar, modelin sonuçlarını Kuzey Teksas‘taki bir rüzgar çiftliğinden elde edilen verilere karşı test ederek, tahminleri ile türbin verimliliği arasında yüzde 90’lık bir uyum gördüler. Büyük bir rüzgar enerjisi araştırma konferansı olan Torque 2018‘de sonuçlarını sunacaklar.

Optimizasyon Kontrol Algoritmasından Türbülansı Almak

Rüzgar basitçe tek yönde akmaz. Bir rüzgar çiftliğinde olduğu gibi türbinler bir araya getirildiğinde büyütülmüş türbülans ve rüzgar içerir.

ABD Enerji Bakanlığı‘na göre, rüzgar etkileşimleri yıllık üretimin yüzde 20’sine varan kayıplara yol açıyor. Türbülansın enerji üretimini nasıl etkilediğini anlamak, türbinlerin davranışlarını maksimum güçten kazanmak için gerçek zamanlı olarak ayarlamak için önemlidir.

Modelleme yeteneklerini kullanarak, rüzgâr çiftliklerinde dinamik sistemlerin işleyişini yönetmek için kullanılan kontrol algoritmalarını test ettiler. Bu, sistemle ilgili sınırlı bilgi birikimi bilindiğinde, dinamik sistemlerden en iyi performansı almanın modelsiz bir yolu olan ekstremum arama kontrolü olarak bilinen kontrol algoritmalarını içeriyordu.

Leonardi, “Bu yaklaşım, türbülans ve türbinlerin sürekli değiştiği bir durum sağladığı gerçeğinden dolayı bu yaklaşımı kullanmanın mümkün olmadığını düşündürdü. Fakat kontrol şemasından türbülansı filtrelemenin bir yolunu bulmak için çok sayıda simülasyon yaptık. Bu en büyük zorluktu.” dedi.

Aşırı kontrol arayan sistem, eğrilen bir türbin bıçağının dönme hızını arttırıyor, gücü ölçerken degradeyi hesaplıyor. Bu, kontrolör optimal çalışma hızını bulana kadar tekrarlanır.

Leonardi, “Önemli olan, kontrol algoritmasının fizik tabanlı bir modele dayanmamasıdır. Gerçek bir rüzgar çiftliğinde pek çok belirsizlik var. Bu yüzden her şeyi modelleyemezsiniz. Aşırı kontrol arayanlar, bıçaklarda erozyon veya buzlanma olsada optimum olanı bulabilirler. Çok sağlamdır ve sistemdeki belirsizliklere rağmen çalışır.” dedi.

Aralık 2017’nin Wind Energy kapak resmi, Texas Advanced Computing Center’daki Stampede2 süper bilgisayarı kullanılarak üretildi. Kredi: Christian Santoni, Kenneth Carrasquillo, Isnardo Arenas-Navarro ve Stefano Leonardi, Dallas Üniversitesi, Dallas

Rüzgarı Simüle Etmek

Yeni yaklaşımlarını test etmek için ekip, dünyanın en güçlü iki tanesi olan Stampede2 ve Lonestar5 dahil olmak üzere TACC‘de süper bilgisayarları kullanarak sanal rüzgar deneyleri gerçekleştirdi. Bu sistemleri, 2007’den beri Texas Üniversitesi’nin ve 14 kurumun TACC‘ın kaynaklarına, uzmanlığına ve eğitimine erişebilmeleri için araştırmacılar sağlayan Texas Araştırma Döngüsü Altyapısı (UTRC) girişimi aracılığıyla kullanabildiler.

Güçlü süper bilgisayarlara erişim önemlidir. Çünkü rüzgar türbinleri inşa etmek ve işletmek pahalıdır. Araştırmacılara çok az sayıda rüzgar araştırma olanağı vardır.

Enerji Bilimleri, Teknoloji ve Araştırma (WindSTAR) Endüstri-Üniversite Kooperatif Araştırma Merkezi (IUCRC) UT Dallas’taki makine mühendisliği profesörü Mario Rotea “Rüzgar enerjisi ile ilgili önerilen çözümlerin analizinin yapılacağı sanal bir platform oluşturmak için yüksek performanslı bilgi işlemin kullanılmasının yararları çok büyük.”dedi.

Rüzgar çiftlikleri için kontrol arayan ekstremum uygulaması henüz saha testine tabi tutulmamış olsa da UT Dallas ekibi, yöntemi halihazırda Ulusal Yenilenebilir Enerji Laboratuvarı‘nda (NREL) tek bir türbine uygulamıştır.

Rotea, “NREL testi bize rüzgar gücü maksimizasyonu için uç nokta kontrolünün değerini destekleyen deneysel veriler verdi. Deneysel sonuçlar, ekstremum kontrolünün, güç kontrolünü temel kontrolöre göre% 8-12 artırdığını gösteriyor.” dedi.

Teşvik edici deneysel ve hesaplamalı sonuçlar göz önüne alındığında, UT Dallas ekibi bir rüzgar çiftliğinde bir tür türbini içeren deneysel bir kampanya planlamaktadır.

İşbirlikleri ve Sonraki Adımlar

Rüzgar türbinleri için akışkanlar dinamiği modelinin geliştirilmesi, dört ABD kuruluşu (Johns Hopkins Üniversitesi, UT Dallas, Texas Tech ve Smith College) ve üç Avrupa kuruluşu (Danimarka Teknik Üniversitesi, École polytechnique fédérale de Lausanne) arasındaki uluslararası işbirliğinin bir parçasıydı. Bu işbirliği Ulusal Bilim Vakfı tarafından finanse ediliyor.

WindSTAR merkezi aracılığıyla, önde gelen dokuz rüzgar enerjisi şirketi ve ekipman üreticisi ile işbirliği yapıyorlar. Bu şirketler işi kabul etmek veya ticarileştirmekle ilgileniyorlar.

Rotea, “TACC‘deki bilgisayarlar bizim için bir varlıktır. Bize diğer gruplara göre bir rekabet avantajı sağlar. Gerçek problemleri çözme açısından, dahil edebileceği kontrol sistemleri oluşturuyoruz. Yada HPC‘yi rüzgar kaynaklarını tahmin etmek için yeni araçlar geliştirmek için kullanabiliriz veya performans göstermeyen türbinlerin olup olmadığını belirleyebiliriz.” dedi.

İşin uzun vadeli etkileri teorik olanın ötesine geçmektedir.

Leonardi, “Araştırma, rüzgâr enerjisi üretimini optimize etmemize ve şebekede yenilenebilir enerjinin penetrasyonunu artırmamıza izin veriyor. Aynı makineler tarafından daha fazla güç üretilecek. Çünkü bir rüzgar çiftliğinde akış fiziği hakkında daha fazla şey anlıyoruz. Aynı arazi kullanımı ve dağıtımı için daha fazla enerji elde edebiliyoruz.” dedi.

Bir yanıt yazın

E-posta adresiniz yayınlanmayacak. Gerekli alanlar * ile işaretlenmişlerdir

You May Also Like

Mühendisler LEGO Benzeri Yapay Zeka Çipi İnşa Ediyor

Cep telefonlarının, akıllı saatlerin ve diğer giyilebilir cihazların daha yeni bir model…

AI; doktorların COVID-19 salgını sırasında yoğun bakım yataklarından en iyi şekilde yararlanmalarına yardımcı olabilir

Yeni teknoloji, yoğun bakım ünitesi (YBÜ) tedavisine ihtiyaç duyan hastaları belirleyerek COVID-19…

Doğal Dili Programlama Koduna Çeviren Bir Yapay Zeka Sistemi: Codex

  Yapay zeka araştırma şirketi OpenAI, doğal dili programlama koduna çeviren bir…

AI’ye Karanlıkta Renkleri Tanımlamayı Öğretmek

California Üniversitesi‘ndeki bir araştırma ekibi, karanlıkta sınırlı renk görüşü sağlamak için derin…