Dissertação
"Improvement of the standard Site Calibration for wind turbines: Implementation of Machine Learning techniques for Power Curve Measurement campaigns. " EVALUATED
A calibração ao local é a etapa anterior à verificação da curva de Potência para turbinas eólicas em terrenos complexos. Uma calibração ao local incorrecta afecta a curva medida, aumentando o risco de compensação para os fabricantes. Hoje em dia a calibração ao local pode ser realizada por métodos de multi-binning ou usando ferramentas CFD conforme descrito na norma IEC 61400. Esta tese propõe uma nova metodologia que utiliza dados do mastro meteorológico de referência como input para modelos de regressão de aprendizagem automática para prever melhor a velocidade do vento no local da turbina e à altura da Nacelle. Nove turbinas eólicas em três locais diferentes são o objeto deste estudo. Três técnicas de Aprendizagem Automática são implementadas: modelação linear, regressão polinomial considerando a regularização Ridge e Lasso, Redes Neurais Artificiais e Extreme Gradient Boosting baseado em árvore de decisão. O principal resultado desta pesquisa é que todos modelos de aprendizagem automática aplicados à calibração ao local são mais precisos do que os atuais padrões IEC 2005 e melhoram a estimativa da curva de potência medida. O Extreme Gradient Boosting reduziu o erro RMSE em mais de 30% para a velocidade do vento e cerca de 29.3% na potência da turbina eólica em comparação com a norma IEC 2005. Uma análise aos valores SHAP aponta como variáveis mais importantes a velocidade e direcção do vento em diferentes alturas e a intensidade de turbulência, enquanto os sensores mais importantes são os anemómetros da nacelle e ultra-sónico.
dezembro 14, 2021, 10:0
Publicação
Obra sujeita a Direitos de Autor
Orientação
ORIENTADOR
Ricardo Balbino Santos Pereira
Departamento de Engenharia Mecânica (DEM)
Professor Auxiliar Convidado
