بهره‌‌وری مزارع توربین بادی با روشی جدید

پژوهشگران موفق به ابداع الگوریتمی برای افزایش بهره‌‌وری مزارع بادی از طریق بهینه‌‌سازی الگوی چیدمان توربین‌‌ها شده‌‌اند.

همزمان با افزایش تقاضای انرژی، پژوهشگران در دانشگاه ایالتی پن آمریکا و دانشگاه تبریز ایران، طراحی یک الگوریتم (یا روش) برای طراحی مزارع بادی کارآمدتر را با موفقیت به پایان رسانده‌اند؛ الگوریتمی که به تولید درآمد بیشتر برای سازندگان و دسترسی به انرژی‌ بیشتر برای مصرف‌‌کنندگان کمک می‌کند.

محمد رسولی، استادیار مهندسی برق در دانشگاه ایالتی پن ایری، کالج بهرند می‌گوید: استفاده از انرژی بادی در حال افزایش است و این افزایش تنها مختص به آمریکا نیست. در حالی که بازدهی پنل‌‌های خورشیدی کمتر از ۲۵ درصد است؛ توربین‌های بادی بسیار کارآمدتر بوده و بیش از ۴۵ درصد از انرژی باد را به برق تبدیل می‌کنند.

رسولی در ادامه می‌‌گوید که اگر چه توربین‌های بادی کارآمد هستند، طراحی نادرست مزارع بادی می‌توانند این کارایی را کاهش دهد. طراحان همیشه توربین‌ها را در مکان‌هایی با بالاترین سرعت باد (جایی که بیش‌ترین توان را می‌‌توان از توربین برداشت کرد)، پیاده‌سازی نمی‌‌کنند.

فاصله‌‌ی بین توربین‌‌ها نیز از اهمیت ویژه‌ای برخوردار است؛ چون توربین‌های نیرویی را ایجاد می‌کنند که سرعت باد را کاهش می‌دهد؛ پس می‌‌توان گفت که اولین صف از توربین‌هایی که در برابر جریان باد قرار می‌‌گیرند، قدرت بیشتری نسبت به توربین‌های بعدی تولید خواهند کرد.

پژوهشگران بر این باورند که به‌‌منظور احداث مزارع بادی کارآمدتر، طراحان باید عواملی نظیر سرعت باد، فاصله‌‌‌ی بین توربین‌‌ها، مساحت زمین، محل جغرافیایی، تعداد توربین‌ها، میزان پوشش گیاهی، شرایط جوی، هزینه‌های ساخت و ملاحظات دیگر مورد توجه قرار دهند.

تعادل همه این عوامل برای پیدا کردن یک چیدمان بهینه، حتی با کمک مدل‌های ریاضی دشوار است.

رسولی گفت: این یک رویکرد چند منظوره است. ما یک تابع در اختیار داریم و می‌خواهیم آن را با در نظر گرفتن محدودیت‌های مختلف بهینه‌سازی کنیم.

پژوهشگران بر یک رویکرد تمرکز کردند که بهینه‌سازی مبتنی بر جغرافیای زیستی (BBO) نامیده می‌‌شود. این رویکرد در سال ۲۰۰۸ و با الهام از طبیعت به‌‌دست آمد؛ BBO بر این اساس استوار است که چگونه حیوانات به‌‌طور طبیعی در محیط توزیع می‌شوند تا براساس نیازهایشان، بتوانند به بهترین شکل از محیط استفاده کنند.

با ایجاد یک مدل ریاضی از رفتار حیوانات، پژوهشگران خواهند توانست تا توزیع بهینه‌‌ی اشیا در سناریوهای دیگر (مانند توربین‌های بادی در یک مزرعه بادی) را محاسبه کنند.

رسولی گفت: روش‌های تحلیلی نیازمند محاسبات زیادی هستند. این روش BBO محاسبات را به حداقل می‌رساند، نتایج بهتری ارائه می‌دهد و راه‌حل بهینه را با هزینه‌‌ی محاسباتی کمتری پیدا می‌کند.

در سال ۲۰۱۷ و ۲۰۱۸، پژوهشگران دیگر نسخه‌های ساده‌شده‌ی روش BBO را برای محاسبه‌‌ی چیدمان مزارع بادی کارآمدتر مورد استفاده قرار دادند؛ اما این نسخه‌های ساده‌شده تمام عوامل موثر بر چیدمان بهینه را در نظر نمی‌گیرند.

پژوهشگران دانشگاه ایالتی پن و دانشگاه تبریز این رویکرد را با استفاده از متغیرهای اضافی، از جمله داده‌های بازار واقعی، زبری سطح (که بر میزان قدرت باد تأثیر می‌گذارد) و میزان وزش بادی که هر توربین دریافت می‌کند، تکمیل کردند.

همچنین تیم پژوهشی روش BBO را با استفاده از یک مدل واقعی‌تر برای محاسبه‌‌ی اثر wake بهبود بخشیدند (مناطقی با سرعت پره‌‌ی کمتر که پس از عبور جریان باد از یک توربین ایجاد می‌‌شود). آن‌‌ها همچنین میزان حساسیت مدل را به عوامل دیگری مانند نرخ سود، مشوق‌های مالی و تفاوت‌ در هزینه‌های تولید انرژی مورد آزمایش قرار دادند. آن‌ها نتایج خود را به‌صورت آنلاین در مجله‌‌ی Cleaner Production ارائه کردند که در ماه نوامبر منتشر خواهد شد.

رسولی می‌گوید: این یک رویکرد بهینه‌سازی واقعی‌‌تر در مقایسه با برخی روش‌های ساده‌سازی‌شده خواهد بود.

با استفاده از داده‌های بیشتر مانند سوابق هواشناسی به‌‌روز و نیز اطلاعات سازندگان، پژوهشگران قادر خواهند بود از رویکرد BBO برای بهینه‌سازی چیدمان مزارع بادی در بسیاری از نقاط استفاده کنند و به طراحان نیروگاه‌های بادی در سراسر دنیا کمک کنند تا از زمین خود، استفاده‌‌ی بهینه‌‌تری داشته باشند و انرژی بیشتری برای برآورده کردن نیازهای آینده‌‌ی مصرف‌‌کنندگان فراهم آورند. رسولی گفت:

سوخت‌های فسیلی به‌‌زودی به پایان خواهند رسید. با استفاده از روش BBO و روش‌های بهینه‌سازی بهتر، ما خواهیم توانست از انرژی باد، بهره‌‌ی بیشتری ببریم.