• Home
  • Química
  • Astronomia
  • Energia
  • Natureza
  • Biologia
  • Física
  • Eletrônicos
  • O modelo ajuda a escolher os locais do parque eólico, prevê saída

    Um parque eólico nas montanhas Tehachapi, na Califórnia. Crédito:Stam Shebs

    O vento está sempre soprando em algum lugar, mas decidir onde localizar um parque eólico é um pouco mais complicado do que levantar o dedo molhado. Agora, uma equipe de pesquisadores da Penn State tem um modelo que pode localizar o melhor local para o parque eólico e até mesmo ajudar com previsões de produção de energia de 24 horas.

    "Normalmente, as pessoas que planejam construir um parque eólico procurarão um bom terreno e uma velocidade média do vento que não seja muito forte nem muito fraca, mas consistente, "disse Guido Cervone, professor de geografia, e meteorologia e ciências atmosféricas. "Encontramos uma maneira mais precisa e eficiente de olhar para a previsibilidade do vento em locais específicos, um fator chave ao considerar a construção de um novo parque eólico. Com combustíveis fósseis e energia nuclear, você sabe exatamente quanta energia terá. Mas o vento não é assim. "

    Localização, para saída elétrica geral, é importante, mas ser capaz de prever quanta energia eólica a fazenda será capaz de produzir 24 horas no futuro também é importante. Os fornecedores de eletricidade compram a energia produzida pelos parques eólicos e desejam confiabilidade. Os parques eólicos rotineiramente vendem sua produção elétrica aos fornecedores, mas eles também gostariam de poder agendar, 24 horas de antecedência, quanta energia eles irão produzir.

    "Os fornecedores de eletricidade precisam saber quanta energia está disponível um dia antes, "disse Cervone, que também é diretor associado do Penn State Institute for CyberScience. "Eles precisam ter fontes confiáveis ​​porque não podem ter um apagão. Eles também não querem comprar mais eletricidade no mercado spot porque as compras no mesmo dia são mais caras."

    Cervone e Mehdi Shahriar, recente recebedor de doutorado em Penn State em energia e engenharia mineral, usou o Analog Ensemble, desenvolvido pelo National Center for Atmospheric Research, para analisar os erros nas previsões de produção elétrica de parques eólicos em todo o país.

    AnEn usa um conjunto histórico de observações e previsões anteriores abrangendo pelo menos vários meses, mas de preferência dois anos. Ele fornece um modelo de probabilidade da previsão, neste caso, o vento disponível para a produção de energia.

    "Observamos que os locais com maior velocidade média do vento estão associados a maiores graus de incerteza de previsão, o que aumenta a dificuldade de prever a velocidade do vento nesses locais, "relataram os pesquisadores recentemente online em Energia renovável .

    Usando previsões anteriores de possíveis locais de implantação, os construtores de parques eólicos podem escolher locais com velocidades médias do vento talvez mais baixas, mas ventos mais consistentes e previsíveis.

    A abordagem dos pesquisadores não fornece uma resposta simples de sim ou não para saber se haverá vento. O modelo produz uma curva de probabilidade para a produção eólica a partir da qual as empresas podem tomar decisões enquanto entendem os riscos. Se o modelo diz que a probabilidade de vento suficiente para a produção elétrica é de cerca de 80%, tanto os proprietários de parques eólicos como os compradores de eletricidade sabem que o risco de os ventos serem insuficientes. Se a probabilidade for 20%, sem dúvida, ambos decidiriam que o risco seria muito grande para depender do parque eólico para obter eletricidade.

    "Se pudermos prever a velocidade do vento, podemos prever a produção e dizer quanta energia iremos produzir ao longo de um determinado tempo, "disse Cervone.

    O modelo é extremamente eficiente. Dada a previsão atual, ele procura uma previsão histórica que corresponda e forneça as velocidades e durações reais do vento.

    "Este modelo é computacionalmente eficiente, "disse Cervone." Poderíamos executá-lo continuamente em uma grande área com poucos problemas. "


    © Ciência https://pt.scienceaq.com