Diseño óptimo de turbinas eólicas de eje vertical combinando redes neuronales y openfoam

En el presente trabajo se propone un nuevo concepto en el aprovechamiento de energía eólica a través de una combinación entre turbinas de eje vertical Savonius y Darrieus cuya topología más difundida es la denominada “turbina H”. Combinando fluidodinámica computacional y redes neuronales se propo...

Descripción completa

Detalles Bibliográficos
Autores principales: Mroginski, Javier Luis, Castro, Hugo Guillermo, Podestá, Juan Manuel, Paz, Rodrigo Rafael
Formato: Artículo
Lenguaje:Español
Publicado: Asociación Argentina de Mecánica Computacional 2023
Materias:
CFD
Redes neuronales
H-turbine
Optimización
Neural network
Optimization
Acceso en línea:http://repositorio.unne.edu.ar/handle/123456789/51675
Aporte de:
RIUNNE - Repositorio Institucional de la Universidad Nacional del Nordeste (UNNE) de Universidad Nacional del Nordeste
id I48-R184-123456789-51675
record_format dspace
spelling I48-R184-123456789-516752023-09-11T11:45:08Z Diseño óptimo de turbinas eólicas de eje vertical combinando redes neuronales y openfoam Optimal design of eolic turbine with vertical axis combining neural network and openfoam Mroginski, Javier Luis Castro, Hugo Guillermo Podestá, Juan Manuel Paz, Rodrigo Rafael CFD Redes neuronales H-turbine Optimización Neural network H-turbine Optimization En el presente trabajo se propone un nuevo concepto en el aprovechamiento de energía eólica a través de una combinación entre turbinas de eje vertical Savonius y Darrieus cuya topología más difundida es la denominada “turbina H”. Combinando fluidodinámica computacional y redes neuronales se propone el diseño de una turbina inteligente que combine las turbinas Savonius y Darrieus según la velocidad y dirección del viento incidente, así como también, modifique la longitud y/o el ángulo de ataque de los álabes con el fin de obtener el máximo rendimiento para diferentes velocidades y ángulos de incidencia del viento. El modelo de turbina seleccionado consta de 3 álabes verticales de perfiles NACA 0018 de 2 m de longitud cubriendo un radio medio de R = 1 m. Los álabes poseen un dispositivo que permite su apertura modificando su principio de funcionamiento pudiendo pasar de una turbina Savonius a una Darrieus y viceversa, permitiendo el arranque del sistema con velocidades de viento relativamente bajas. Adoptando como variables de optimización el ángulo de ataque y la inclinación de los álabes, así como también el radio medio de la turbina, se obtiene un redimiento óptimo del equipo turbogenerador tanto en la potencia máxima alcanzada como en la regularidad del equipo In the present work a new concept in the use of wind energy is proposed through a combination between vertical axis turbines Savonius and Darrieus whose most widespread topology is the so-called "H turbine". Combining computational fluid dynamics and neural networks, we propose the design of an intelligent turbine that combines the Savonius and Darrieus turbines according to the speed and direction of the incident wind, as well as, modify the length and/or the angle of attack of the blades in order to obtain maximum performance for different speeds and angles of wind incidence. The adopted turbine model geometry is 3 vertical blade of NACA 0018 profiles with 2 m length covering an average radius of R = 1 m. The blades have a device that allows their opening modifying its operating principle, being able to go from a Savonius turbine to a Darrieus turbine, allowing the start of the system with relatively low wind speeds. Adopting as optimization variables the angle of attack and the inclination of the blades, as well as the average radius of the turbine, an optimum performance of the turbogenerator is obtained both in the maximum power reached and in the regularity of the equipment. 2023-06-13T11:41:03Z 2023-06-13T11:41:03Z 2018 Artículo Mroginski, Javier Luis, et al., 2018. Diseño óptimo de turbinas eólicas de eje vertical combinando redes neuronales y openfoam. Mecánica Computacional. Santa Fe: Asociación Argentina de Mecánica Computacional, vol. 36, p. 1343-1343. ISSN 2591-3522. 2591-3522 http://repositorio.unne.edu.ar/handle/123456789/51675 spa openAccess http://creativecommons.org/licenses/by-nc-nd/2.5/ar/ application/pdf p. 1343-1343 application/pdf Asociación Argentina de Mecánica Computacional Mecánica Computacional, 2018, vol. 36, p. 1343-1343.
institution Universidad Nacional del Nordeste
institution_str I-48
repository_str R-184
collection RIUNNE - Repositorio Institucional de la Universidad Nacional del Nordeste (UNNE)
language Español
topic CFD
Redes neuronales
H-turbine
Optimización
Neural network
H-turbine
Optimization
spellingShingle CFD
Redes neuronales
H-turbine
Optimización
Neural network
H-turbine
Optimization
Mroginski, Javier Luis
Castro, Hugo Guillermo
Podestá, Juan Manuel
Paz, Rodrigo Rafael
Diseño óptimo de turbinas eólicas de eje vertical combinando redes neuronales y openfoam
topic_facet CFD
Redes neuronales
H-turbine
Optimización
Neural network
H-turbine
Optimization
description En el presente trabajo se propone un nuevo concepto en el aprovechamiento de energía eólica a través de una combinación entre turbinas de eje vertical Savonius y Darrieus cuya topología más difundida es la denominada “turbina H”. Combinando fluidodinámica computacional y redes neuronales se propone el diseño de una turbina inteligente que combine las turbinas Savonius y Darrieus según la velocidad y dirección del viento incidente, así como también, modifique la longitud y/o el ángulo de ataque de los álabes con el fin de obtener el máximo rendimiento para diferentes velocidades y ángulos de incidencia del viento. El modelo de turbina seleccionado consta de 3 álabes verticales de perfiles NACA 0018 de 2 m de longitud cubriendo un radio medio de R = 1 m. Los álabes poseen un dispositivo que permite su apertura modificando su principio de funcionamiento pudiendo pasar de una turbina Savonius a una Darrieus y viceversa, permitiendo el arranque del sistema con velocidades de viento relativamente bajas. Adoptando como variables de optimización el ángulo de ataque y la inclinación de los álabes, así como también el radio medio de la turbina, se obtiene un redimiento óptimo del equipo turbogenerador tanto en la potencia máxima alcanzada como en la regularidad del equipo
format Artículo
author Mroginski, Javier Luis
Castro, Hugo Guillermo
Podestá, Juan Manuel
Paz, Rodrigo Rafael
author_facet Mroginski, Javier Luis
Castro, Hugo Guillermo
Podestá, Juan Manuel
Paz, Rodrigo Rafael
author_sort Mroginski, Javier Luis
title Diseño óptimo de turbinas eólicas de eje vertical combinando redes neuronales y openfoam
title_short Diseño óptimo de turbinas eólicas de eje vertical combinando redes neuronales y openfoam
title_full Diseño óptimo de turbinas eólicas de eje vertical combinando redes neuronales y openfoam
title_fullStr Diseño óptimo de turbinas eólicas de eje vertical combinando redes neuronales y openfoam
title_full_unstemmed Diseño óptimo de turbinas eólicas de eje vertical combinando redes neuronales y openfoam
title_sort diseño óptimo de turbinas eólicas de eje vertical combinando redes neuronales y openfoam
publisher Asociación Argentina de Mecánica Computacional
publishDate 2023
url http://repositorio.unne.edu.ar/handle/123456789/51675
work_keys_str_mv AT mroginskijavierluis disenooptimodeturbinaseolicasdeejeverticalcombinandoredesneuronalesyopenfoam
AT castrohugoguillermo disenooptimodeturbinaseolicasdeejeverticalcombinandoredesneuronalesyopenfoam
AT podestajuanmanuel disenooptimodeturbinaseolicasdeejeverticalcombinandoredesneuronalesyopenfoam
AT pazrodrigorafael disenooptimodeturbinaseolicasdeejeverticalcombinandoredesneuronalesyopenfoam
AT mroginskijavierluis optimaldesignofeolicturbinewithverticalaxiscombiningneuralnetworkandopenfoam
AT castrohugoguillermo optimaldesignofeolicturbinewithverticalaxiscombiningneuralnetworkandopenfoam
AT podestajuanmanuel optimaldesignofeolicturbinewithverticalaxiscombiningneuralnetworkandopenfoam
AT pazrodrigorafael optimaldesignofeolicturbinewithverticalaxiscombiningneuralnetworkandopenfoam
_version_ 1808038713928712192

Ejemplares similares