Desarrollo de controladores neuroborrosos para la optimización del rendimiento de aerogeneradores en plataformas semisumergibles off-shore.

El aprovechamiento de la energía eólica marina está limitado por la saturación de los emplazamientos viables en tierra o aguas poco profundas.

Investigador principal

Juan Jesús Fernández Lozano

Sede:

UMA

Tecnología

Maching Learning

Agentes agregados

EnerOcean, S.L.

Resumen de la propuesta

El aprovechamiento de la energía eólica marina está limitado por la saturación de los emplazamientos viables en tierra o aguas poco profundas. Esto hace que el empleo de plataformas semisumergibles mar adentro sea una opción atractiva. Sin embargo, las interacciones entre la plataforma y los aerogeneradores aumentan la complejidad del sistema, y las técnicas de control convencional no permiten considerar fácilmente estas interacciones, limitando el aprovechamiento de la energía primaria. El uso de técnicas de control inteligente, en particular control neuroborroso, permite considerar estas interacciones y mejorar este aprovechamiento, si bien es necesario contar con modelos y sistemas de simulación que incluyan estos efectos. Este proyecto plantea el desarrollo de sistemas de control neuroborrosos que puedan implantarse en aerogeneradores en plataformas flotantes. Para ello se parte de resultados previos de controladores borrosos que muestran resultados prometedores, junto con un sistema de simulación que permite abordar el ajuste de los controladores mediante técnicas de aprendizaje, en particular, técnicas neuroborrosas. Se cuenta además con la colaboración de EnerOcean S.L. como agente agregado, que además de su experiencia en el campo contribuye con datos reales, y con el acceso a la plataforma W2Power, construida e instalada en Gran Canaria.

Objetivo del proyecto

Fruto de la colaboración reciente se han obtenido controladores basados en lógica borrosa que prometen mejores rendimientos que los convencionales. Dichos controladores han sido ajustados a través del conocimiento experto, y han sido validados en simulación. El objetivo es obtener un sistema de control que pueda implantarse en un entorno operacional. Para ello es preciso definir la arquitectura del controlador, de manera que se establezca de qué modo (hardware y software) se integra la lógica borrosa. Por otra parte, también es necesario avanzar en el diseño en sí del componente borroso, de manera que incorpore aspectos adicionales al mero rendimiento en la extracción de energía, como el efecto del movimiento de la plataforma o el impacto del comportamiento del controlador en la vida útil. En este sentido, incorporar redes neuronales puede suponer una mejora, por cuanto el controlador será ahora multiobjetivo, y su ajuste es complejo. La disponibilidad de un sistema de simulación resultado del proyecto ORPHEO permite abordar el diseño de sistemas de control neuroborroso, al poder confrontar la salida simulada con los conjuntos de entrada salida deseados, y ajustar mediante redes neuronales los controladores borrosos. Este enfoque promete mejores resultados que los obtenidos hasta ahora, que emplea sólo ajuste manual del controlador.

Resultados esperados e indicadores

El resultado final que se espera de este proyecto es un sistema de control neuroborroso que mejore el comportamiento de los controladores actuales de los aerogeneradores instalados en plataformas flotantes, y que al mismo tiempo pueda implantarse realmente en ellas. Como consecuencia de ello, se esperan los siguientes indicadores hasta el 31/12/2021:

  • Nuevo personal investigador: La propuesta incluye la contratación de un ingeniero/a a tiempo completo durante 10 meses, o la dedicación equivalente.
  • Patentes: Se valorará la posibilidad de solicitar una patente en relación con los resultados obtenidos en este proyecto. Deberá considerarse conjuntamente con EnerOcean, en la medida en que incorpore conocimiento previo de la empresa. De valorarse positivamente, deberán buscarse fuentes de financiación alternativas a este proyecto, como por ejemplo el Plan Propio de Transferencia de la Universidad de Málaga.
  • Nº de contratos de transferencia: Esta línea de trabajo se mantiene con continuidad desde 2009, con diversas colaboraciones con EnerOcean. Es previsible que los resultados den lugar a un nuevo contrato de transferencia.
  • Congresos: Se prevé la participación en al menos un congreso durante la duración del proyecto.
  • Publicaciones indexadas: Se considera la publicación de al menos un artículo en publicaciones indexadas, preferentemente de acceso abierto.
  • Tesis doctorales: Actualmente se encuentran en curso dos tesis doctorales en el ámbito de la propuesta. Estas dos tesis deben completarse dentro del plazo de esta propuesta. Asimismo, el contenido específico de la propuesta permitirá empezar los trabajos de otra tesis, si bien no es previsible que se complete dentro de la duración del proyecto.

Justificación potencial impacto tecnológico del proyecto TRL

El proyecto parte de los resultados prometedores obtenidos en simulación durante el proyecto ORPHEO, lográndose mejores rendimientos de los aerogeneradores. En el transcurso de ese proyecto se tuvo a la vista las particularidades de la plataforma W2Power, una plataforma a escala 1:6 construida e instalada en Gran Canaria. El presente proyecto plantea diseñar un sistema de control neuroborroso que pasen desde el nivel de validación en simulación alcanzado en ORPHEO (equivalente a TRL 3-4) a una implantación en el hardware de control real de los aerogeneradores instalados en la plataforma W2Power. Esta implantación se validará al menos en el modo hardware-in-the-loop, usando datos operacionales reales (equivalente por tanto a TRL 7). Igualmente, se plantea trasladar dicha implantación a los aerogeneradores reales de la plataforma, en función de la disponibilidad de la misma. Esta plataforma es la primera disponible en España, y la primera multi-aerogenerador disponible en el mundo, por lo que es un recurso valioso y solicitado. La colaboración de EnerOcean con esta propuesta permite tanto acceder a datos reales como a la misma plataforma real.