Por Matheus de Paula, Matheus Noronha e Marcella Lazar
A criação de layouts dos projetos no setor de eólicas offshore, tem como objetivo principal descobrir a melhor posição dos aerogeradores para que seja possível aproveitar de forma maximizada o recurso energético disponível nas regiões litorâneas. Os layouts de parques eólicos nada mais são que a organização física e estrutural das turbinas eólicas, subestação e demais equipamentos relevantes que envolvem todo o complexo eólico offshore.
Dentro desse contexto, diversas aplicações de inteligência artificial (IA) tem emergido, permitindo com que ocorra a otimização de layouts dos projetos, além de auxiliar no suporte para a escolha final do arranjo a ser construído. O uso de IA atrelado ao estudo do recurso energético pode gerar vantagens associadas como a diminuição do efeito esteira (“Wake effect”), menores custos na implantação dos projetos, taxa de retornos mais atrativas, além de aproveitar o máximo do recurso energético disponível na região de interesse.
Para que essa otimização ocorra, existem diversas metodologias que abarcam o uso da inteligência artificial e que podem ser aplicadas. Dentre as diversas metodologias existentes, podemos destacar:
Os algoritmos heurísticos tratam-se de uma abordagem matemática para encontrar diversas soluções para um mesmo problema com intuito de descobrir a melhor otimização para determinada problemática. Esses algoritmos são aplicados em diferentes soluções no setor eólico, sobre as quais se destacam: a otimização de layouts, as melhores rotas para transporte de equipamentos, o projeto ideal para a rede elétrica, entre outras aplicações.
O funcionamento do algoritmo heurístico, é realizado a partir de uma discretização da área marítima em diversas grades e, assim, o local é modelado matematicamente para a descoberta dos melhores locais para a alocação dos aerogeradores e, consequentemente, evitando o efeito esteira. Essa metodologia permite inclusive a descoberta dos melhores locais para a inclusão de novos aerogeradores durante a operação comercial do parque eólico offshore e, portanto, maximiza o uso do recurso energético disponível.
O algoritmo é utilizado com uso de diversos dados disponíveis, por exemplo vento e condições oceânicas, que permitem estimar a produção geral de energia de forma analítica e precisa, além de descobrir o local mais seguro e factível para a alocação das unidades geradoras, como exemplificado na imagem abaixo. Esse fator, permite que as diversas soluções encontradas sejam comparadas a partir de diversas métricas estatísticas, como o erro percentual médio absoluto, de forma a decidir qual é a solução ideal para a implantação do parque eólico offshore.
Os algoritmos genéticos são soluções estruturadas para a resolução de problemas a partir de valores discretos, isto é, que não são contínuos. Os valores discretos possuem a característica de não apresentarem valores intermediários entre eles e, portanto, fazem com que exista um conjunto limitado dentro de determinada problemática. Em suma, esse tipo de algoritmo é utilizado em diversas aplicações no setor de energia, sobre os quais destacam-se: a gestão de redes elétricas, melhor alocação de dispositivos de controle e automação, integração de parques eólicos com sistemas de armazenamento de energia, entre outros meios.
A abordagem matemática utilizada busca descobrir as melhores coordenadas em que as turbinas podem ocupar, o que permite uma melhor otimização para maximização de desempenho do parque. Além disso, procura também o melhor posicionamento para a rede elétrica que interligará as unidades geradoras do parque eólico offshore.
Para o funcionamento da solução, são utilizados dados satélites além de séries históricas de vento e a aplicação da solução faz com que haja distintos arranjos de layouts para a posterior escolha da melhor solução.
A imagem abaixo mostra um exemplo do uso de algoritmos genéticos para a otimização de um parque offshore real, onde os layouts otimizados estão à esquerda, os layouts de referência estão no centro e diferença espacial de potência eólica está à direita, utilizando os modelos de esteira de Jensen (a–c) e Gaussiano (d–f). Linhas cinza claro representam o comprimento mínimo de cabo necessário.
O Aprendizado de Máquina (“Machine Learning”) é um subcampo da IA que busca utilizar diversos dados para alavancar o potencial de soluções mais inovadoras, eficientes e sustentáveis dentro do setor energético. No setor eólico, o Machine Learning (ML) é utilizado para diversas funções, dentre elas: a previsibilidade de vento, otimização de redes elétricas, previsão de preços para comercialização de energia, entre outras aplicabilidades.
As técnicas de aprendizado de máquina podem ser atreladas aos algoritmos discretos para a busca do melhor layout para os parques eólicos offshore. Na avaliação de layouts de parques eólicos, as técnicas de ML são responsáveis por complementar os algoritmos discretos e, na prática, analisar de forma mais profunda os dados para que se possa escolher com precisão o melhor conjunto que foi encontrado a partir da aplicação dos algoritmos genéticos.
A princípio, em grande parte dos casos, as técnicas de ML são utilizadas de forma sucessora aos algoritmos genéticos e permitem, por exemplo, a otimização do layout levando em consideração diversas premissas cruciais para a instalação dos parques eólicos offshore, tais como: questões ambientais, suporte das estruturas das turbinas e dos equipamentos, viabilidade de conexão, etc.
Nesse contexto, a figura abaixo apresenta um exemplo do uso de machine learning para o desenvolvimento de um sistema para identificação de aves, tendo como objetivo principal encontrar métodos adequados para detectar colisões e, especialmente, identificar métodos para afastar as aves.
Todas as metodologias explicitadas compõem soluções utilizadas para auxiliar em aspectos de desenvolvimento de projeto, desde a operação dos parques eólicos offshore, bem como o seu respectivo descomissionamento no futuro. Os algoritmos e heurísticos e genéticos atrelados as técnicas de aprendizado de máquina auxiliam e aceleram o desenvolvimento do layout dos parques eólicos. Portanto, tais metodologias permitem a maximização de conversão de potência, ampliação da receita líquida, maximização da produção energética e do custo por potência extraída.