Navegando por Assunto "Wind energy"
Agora exibindo 1 - 3 de 3
Resultados por página
Opções de Ordenação
Trabalho de Curso - Graduação - Monografia Acesso aberto (Open Access) Estudo experimental de um difusor cônico aplicado a um microgerador eólico(2018-08-02) TANOUE, Atamy Reis; BARBOSA, Disterfano Lima Martins; http://lattes.cnpq.br/5619873050662231O difusor cônico instalado em volta da turbina causa um aumento na velocidade do vento que incide sobre o seu rotor, acarretando em um aumento de eficiência na geração de energia elétrica. Uma vez conhecido o comportamento do vento no interior do difusor, pode-se determinar a região ideal para a instalação da turbina (maiores velocidades), de modo a aproveitar a maior energia cinética disponível. Este aumento global na velocidade do vento que chega ao rotor da turbina ocasiona um aumento na extração de energia. O presente trabalho tem como objetivo avaliar o aumento da geração de energia elétrica de uma turbina eólica com a instalação de difusores cônicos, além de um levantamento experimental acerca do comportamento do escoamento de ar em um difusor cônico. Desta forma, além de avaliar a influência da geometria do difusor na geração de energia elétrica, o trabalho busca levantar informações que complementem o modelo matemático proposto por Barbosa (2013), o qual prevê a distribuição de velocidades no interior do difusor em função de sua geometria. Os resultados obtidos por este trabalho indicaram que de fato há o aumento de tensão em função da presença do difusor em torno da turbina, o aumento de velocidade foi da ordem de 21%, enquanto que o aumento de velocidade tensão elétrica foi da ordem de 16%. Mostrou também que o comportamento obtido é compatível com a literatura disponível e com os resultados de trabalhos acerca da temática.Trabalho de Curso - Graduação - Monografia Acesso aberto (Open Access) Estudo experimental do ângulo de abertura de difusores cônicos em um microgerador eólico(2019-12-13) SILVA, Thales Cunha e; BARBOSA, Disterfano Lima Martins; http://lattes.cnpq.br/5619873050662231O presente trabalho tem como objetivo avaliar a influência do ângulo de abertura de difusores cônicos, utilizando materiais de baixo custo, em um microgerador eólico. O difusor, ou intensificador de potência, atua na formação de zonas de baixa pressão na sua seção de saída, promovendo um efeito de ―aspiração‖ da corrente de ar, aumentando a velocidade que incide sobre o rotor da turbina eólica, consequentemente elevando a geração de energia elétrica. Neste trabalho foram construídos 5 difusores cônicos com diâmetros de entrada e comprimentos fixos, variando seus ângulos de abertura, no caso, 5º, 10º, 15º, 20º e 25º. A razão entre o comprimento de cada difusor (L/d) e o seu diâmetro de entrada foi de 0,5. O túnel de vento utilizado para os ensaios foi construído a partir de materiais de baixo custo, assim como o microgerador eólico. Foram realizadas leituras de tensões elétricas, por meio do microgerador, no interior de cada difusor. Em seguida, foram realizadas leituras de velocidade, por meio do tubo de Pitot, no interior de cada difusor. A partir destes valores, foram determinados os fatores de aumento de velocidade e de tensões elétricas, que posteriormente foram comparados. Foi observado que todos os difusores promoveram aumento de velocidade e de tensão elétrica. Observou-se também, que para a relação L/d utilizada, as razões de velocidade e as razões de tensões aumentavam de acordo com o aumento do ângulo de abertura. Entretanto, ângulos de abertura elevados, como 40°, causam redução de velocidade, como visto em Barbosa (2013). Os resultados mostraram a influência da geometria do difusor no aumento da geração de velocidades e de tensões elétricas na ordem de até 32%. Os resultados obtidos neste trabalho apresentam boa concordância com os trabalhos disponíveis na literatura, mesmo que difusores cônicos sejam pouco utilizados em aplicações eólicas.Trabalho de Curso - Graduação - Monografia Acesso aberto (Open Access) Predição de séries temporais da velocidade do vento no Brasil(2021-10-06) FIGUEIREDO, Yann Fabricio Cardoso de; CAMPOS, Lídio Mauro Lima de; http://lattes.cnpq.br/0970111009687779; https://orcid.org/0000-0003-4315-829XHistoricamente o Brasil tˆem sua produ¸c˜ao de energia el´etrica sustentada por duas principais fontes de gera¸c˜ao, a hidroel´etrica e a termoel´etrica, sendo que a segunda, em muitas das usinas, ´e utilizada mais quando a primeira tem um per´ıodo de baixa. Nos ´ultimos anos o Brasil vem aumentando as pesquisas e consequentemente o uso de outro tipo de gera¸c˜ao de energia, a e´olica, sendo esta atualmente a segunda maior fonte de gera¸c˜ao de energia no pa´ıs. A gera¸c˜ao de energia e´olica possui como vantagem o fato de ser um tipo de energia limpa, ajudando assim na preserva¸c˜ao do meio ambiente. Apesar de ser ben´efica e mais barata que as demais fontes de energia citadas, a gera¸c˜ao por turbinas e´olicas enfrenta um problema de imprevisibilidade quanto ao recurso principal, o vento. Surge ent˜ao uma necessidade cada vez maior em pesquisar formas de predizer a disponibilidade do vento com base em certas vari´aveis, como a velocidade do vento. Este trabalho tˆem o objetivo de desenvolver modelos de predi¸c˜ao da velocidade do vento, usando para isto t´ecnicas de inteligˆencia artificial aplicadas juntamente de Redes Neurais Artificiais Profundas (RNAPs) atrav´es das arquiteturas de rede direta (Deep Feedforward) e recorrente (LSTM), para assim ter uma no¸c˜ao mais completa da disponibilidade de energia e´olica nas regi˜oes estudadas. A pesquisa foi feita com base em vari´aveis meteorol´ogicas dos reposit´orios do INMET (Instituto Nacional de Meteorologia), no caso da esta¸c˜ao e´olica de Macau (RN), e do SONDA (Sistema de Organiza¸c˜ao Nacional de Dados Ambientais), no caso da esta¸c˜ao e´olica de Petrolina (PE). Ambas bases de dados cont´em informa¸c˜oes do per´ıodo de 1 de janeiro de 2004 a 31 de maio de 2017 na base com dados em formato de dias, 1 de junho de 2016 a 31 de maio de 2017 na base com dados em formato de horas, e 27 de maio de 2017 a 31 de maio de 2017 com a base em formato de minutos. Para um ´unico modelo de predi¸c˜ao espec´ıfico, com a base em formato de dias, a s´erie temporal vai de 1 de janeiro de 2015 a 31 de julho de 2018. No total foram gerados 15 modelos, criados a partir da aplica¸c˜ao de Ensemble Learning Methods, no caso voting e bagging, em diversos submodelos criados para cada base e prazo de dados. O melhor modelo foi usando a base de Petrolina de curto prazo, com registros disponibilizados no formato de horas, obtido ao ser usado o m´etodo bagging para criar o modelo final. O melhor modelo obteve MAE de 0.0036, MAPE de 0.0012% e RMSE de 0.0143.