منوعات

يتيح التعلم الآلي جدوى توربينات الرياح ذات المحور العمودي

إذا كنت تتخيل توربينات الرياح الصناعية، فمن المحتمل أنك تتخيل تصميم توربينات الرياح، والمعروفة تقنيًا باسم توربينات الرياح ذات المحور الأفقي (HAWT). لكن توربينات الرياح الأولى تم تطويرها في الشرق الأوسط في حوالي القرن الثامنذ القرن العشرين لطحن الحبوب، كانت توربينات الرياح ذات المحور العمودي (VAWT)، مما يعني أنها تحولت بشكل عمودي على الريح بدلاً من التوازي.

نظرًا لسرعة دورانها الأبطأ، فإن VAWTs أقل ضجيجًا من HAWTs وتحقق كثافة طاقة رياح أكبر، مما يعني أنها تتطلب مساحة أقل لنفس الناتج، سواء على الأرض أو في البحر. كما أن الشفرات أكثر احترامًا للحياة البرية: لأنها تدور جانبيًا. بدلاً من القطع من الأعلى، يسهل على الطيور تجنبها.

مع هذه المزايا، لماذا تغيب VAWTs إلى حد كبير عن سوق طاقة الرياح اليوم؟ وكما يوضح سيباستيان لو فويست، الباحث في مختبر تشخيص التدفق غير المستقر بكلية الهندسة، إنها مشكلة هندسية – التحكم في تدفق الهواء – والتي يقول إنه يمكن حلها من خلال الجمع بين تكنولوجيا الاستشعار والتعلم الآلي. في مقال نشر مؤخرا في الاتصالات الطبيعيةيصف Le Fouest وKaren Mulleners، رئيس UNFOLD، اثنين من ملفات تعريف الملعب المثالية لشفرات VAWT، والتي تحقق زيادة بنسبة 200% في كفاءة التوربينات وانخفاضًا بنسبة 77% في الاهتزازات التي تهدد الهيكل.

يوضح لو فويست: “تمثل دراستنا، على حد علمنا، أول تطبيق تجريبي لخوارزمية التعلم الجيني لتحديد أفضل درجة لشفرة VAWT”.

تحويل كعب أخيل إلى ميزة

ويوضح لو فويست أنه إذا زادت قدرة الرياح المركبة في أوروبا بمقدار 19 جيجاوات سنويًا، فيجب أن يكون هذا الرقم أقرب إلى 30 جيجاوات لتحقيق أهداف الأمم المتحدة لانبعاثات الكربون بحلول عام 2050.

ويقول: “إن العوائق التي تحول دون تحقيق هذا الهدف ليست مالية، بل اجتماعية وتشريعية: فتوربينات الرياح لا تحظى بقبول كبير من قبل الجمهور بسبب حجمها والضوضاء التي تحدثها”.

على الرغم من المزايا التي تتمتع بها أجهزة VAWT في هذا الصدد، فإنها تعاني من عيب خطير: فهي تعمل بشكل جيد فقط مع تدفق الهواء المعتدل والمستمر. يعني المحور العمودي للدوران أن الشفرات تغير اتجاهها باستمرار بالنسبة للرياح. تعمل الرياح القوية على زيادة الزاوية بين تدفق الهواء والشفرة، مما يشكل دوامة في ظاهرة تسمى المماطلة الديناميكية. تخلق هذه الدوامات أحمالًا هيكلية عابرة لا تستطيع الشفرات تحملها.

ولمعالجة هذا النقص في مقاومة الرياح، قام الباحثون بتركيب أجهزة استشعار على عمود شفرة المحرك لقياس القوى الجوية المؤثرة عليه. ومن خلال رمي الشفرة ذهابًا وإيابًا بزوايا وسرعات وسعة مختلفة، قاموا بتوليد سلسلة من “ملفات تعريف الملعب”. بعد ذلك، استخدموا جهاز كمبيوتر لتشغيل خوارزمية جينية، والتي أجرت أكثر من 3500 تكرار تجريبي. وكعملية تطورية، اختارت الخوارزمية ملفات تعريف الملعب الأكثر فعالية وقوة، وأعادت تجميع خصائصها لإنشاء “ذرية” جديدة ومحسنة.

سمح هذا النهج للباحثين ليس فقط بتحديد مجموعتين من ملفات تعريف الملعب التي تساعد بشكل كبير على تحسين كفاءة التوربينات ومتانتها، ولكن أيضًا تحويل أكبر نقاط الضعف في VAWT إلى نقطة قوة.

يوضح لو فويست: “إن المماطلة الديناميكية – نفس الظاهرة التي تدمر توربينات الرياح – يمكن أن تدفع الشفرة للأمام على نطاق أصغر. وهنا نستخدم المماطلة الديناميكية لصالحنا من خلال إعادة توجيه ميل الشفرة للأمام لإنتاج الطاقة”. “تقوم معظم توربينات الرياح بتوجيه القوة الناتجة عن الشفرات إلى الأعلى، مما لا يجعل الدوران أسهل. وتغيير هذه الزاوية لا يشكل دوامة أصغر فحسب، بل يدفعها بعيدًا في الوقت المناسب تمامًا، مما يؤدي إلى منطقة ثانية من الطاقة. في اتجاه الريح.”

ال الاتصالات الطبيعية يمثل المقال عمل أطروحة لو فويست في مختبر UNFOLD. وقد حصل الآن على منحة BRIDGE من مؤسسة العلوم الوطنية السويسرية (SNSF) لبناء التحقق من صحة VAWT. الهدف هو تثبيته في الخارج، بحيث يمكن اختباره لأنه يستجيب في الوقت الحقيقي للظروف الحقيقية.

يقول لو فويست: “نأمل أن تتمكن هذه الطريقة للتحكم في تدفق الهواء من جلب تقنية VAWT الفعالة والموثوقة إلى مرحلة النضج بحيث يمكن تسويقها تجاريًا في النهاية”.

..

Source link

orcalimaa

المصدر الرئيسي للأخبار والمعلومات الصحية والطبية الموثوقة وفي الوقت المناسب . توفير معلومات صحية ذات مصداقية ومجتمع داعم وخدمات تعليمية من خلال مزج الخبرة الحائزة على جوائز في المحتوى والخدمات المجتمعية وتعليقات الخبراء والمراجعة الطبية .

مقالات ذات صلة

اترك تعليقاً

زر الذهاب إلى الأعلى