Técnicas de Inteligência Artificial e Controlo Adaptativo Aplicadas à Gestão de Parques Eólicos

247 Pages·2011·2.31 MB·Portuguese

FACULDADE DE ENGENHARIA DA UNIVERSIDADE DO PORTO
Departamento de Engenharia Mecânica

Técnicas de Inteligência Artificial e Controlo
Adaptativo Aplicadas à Gestão de Parques Eólicos

António José de Sousa Ferreira da Silva

Mestre em Engenharia Mecânica
pelo Instituto Superior Técnico

Dissertação submetida para obtenção do grau de Doutor
em Engenharia Mecânica

Dissertação realizada sob a supervisão de
Professor Doutor José Nuno Marques Fidalgo
(Professor Auxiliar da Faculdade de Engenharia da Universidade do Porto)
e co-orientação de
Professor Doutor Fernando Aristides da Silva Ferreira de Castro
(Equiparado a Professor Adjunto do Instituto Superior de Engenharia do Porto)

Porto, 2008

Técnicas de Inteligência Artificial e Controlo Adaptativo Aplicadas à Gestão de Parques Eólicos 3

AGRADECIMENTOS

Gostaria de expressar a minha gratidão a todas as pessoas que directa ou indirectamente
contribuíram para a realização deste trabalho.

Em primeiro lugar, queria agradecer ao orientador desta tese, Professor Doutor José Nuno
Marques Fidalgo, não apenas pelo muito profissional e dedicado apoio prestado, mas também,
e sobretudo pelo incansável entusiasmo e optimismo que sempre me transmitiu, factores que
em muito contribuíram para ter conseguido levar esta tese a bom termo.

Ao co-orientador desta tese, Professor Doutor Fernando Aristides da Silva Ferreira de
Castro, agradeço os úteis comentários e observações que prestou sobre este trabalho, ao longo
das inúmeras conversas que tivemos.

Queria também agradecer a toda a minha família. Em especial à minha mulher e ao meu
filho por todo o apoio que sempre me deram. Ao meu irmão Rui Camacho pelas longas
conversas e conselhos que em muito me ajudaram neste árduo percurso. Sem eles, julgo que
todo este trabalho não teria sido possível.

Enfim, a todos que, mesmo não citados, aqui ou ali colaboraram de uma forma ou de outra e
que assim também contribuíram para a realização deste trabalho.

Agradecimentos
4 Técnicas de Inteligência Artificial e Controlo Adaptativo Aplicadas à Gestão de Parques Eólicos
Técnicas de Inteligência Artificial e Controlo Adaptativo Aplicadas à Gestão de Parques Eólicos 5

RESUMO

Desde que a CE estabeleceu 2020 como meta para que 20% da energia primária tivesse
origem renovável, tem-se assistido em Portugal a um enorme aumento do volume de integração
de energia de fontes renováveis. Neste particular, devido principalmente à disponibilidade do
recurso eólico no nosso país, a que se deverá juntar a possibilidade actual de despachar toda a
energia produzida por esta fonte, com uma remuneração atractiva, e também à maturidade que
a tecnologia hoje apresenta, a energia de base eólica tem assumido particular protagonismo.
Apesar da actual situação, é no entanto fortemente expectável, que com o crescimento
continuado do mercado de geração eólica, num futuro próximo, numa lógica de mercado de
electricidade, os promotores dos parques eólicos, tenham que apresentar propostas de produção
discretizadas (a 24 ou a 72 horas por exemplo), ou porque ao nível do mercado intradiário haja
a necessidade de proceder a ajustes de modo a permitir o equilíbrio entre a produção e a carga.
Com a materialização desta possibilidade, situações haverá (mesmo podendo ser apenas em
curtos períodos de tempo) em que será necessário controlar a potência das turbinas do parque
ou mesmo proceder à paragem completa de algumas delas. No caso da necessidade de uma
produção discretizada, o controlo de potência ou paragem de turbinas, deverá ser idealmente
feito de modo a que, em cada momento, a potência a fornecer à rede seja tão próxima quanto
possível do valor contratualizado.
Nesta dissertação é proposto um algoritmo para gestão de parques eólicos, que inclui, quer a
possibilidade de despacho total, quer a possibilidade de limitação da energia produzida pelo
parque. O algoritmo é baseado em redes neuronais artificiais (RNA) e num algoritmo genético
(AG). As RNA permitem fazer a previsão do recurso, e também, uma aproximação à curva de
potência de cada uma das máquinas que compõem o parque eólico. O AG fará, no espaço
temporal desejado (na situação de limitação de potência), o escalonamento das turbinas que
deverão estar em funcionamento com vista a permitir alcançar o objectivo desejado.
As metodologias e os modelos desenvolvidos foram posteriormente testados com dados
reais. A boa qualidade dos resultados obtidos parece sustentar a abordagem adoptada.

Resumo
6 Técnicas de Inteligência Artificial e Controlo Adaptativo Aplicadas à Gestão de Parques Eólicos
Técnicas de Inteligência Artificial e Controlo Adaptativo Aplicadas à Gestão de Parques Eólicos 7

ABSTRACT

Since the EC has set the target of 20% from primary energy renewable sources at 2020,
there has been in Portugal a considerable increase in the volume integration of renewable
energy. Wind power has experienced a particular relevance given the availability of wind
resource in our country and the current maturity of wind technology. Besides, all wind
production is dispatched and its remuneration is quite attractive. However it is expected that,
considering the tendency growth of the wind generation in the near future and the electricity
market development, wind energy will have to compete with the other concurrent energy
sources. Wind farms owners will have to submit proposals for discretized production (to 24 or
to 72 hours for example) or, because the level of intraday market, they will have to make
production adjustments to allow the balance between production and load. Under this scenario,
one should consider the case where it will be required (in some cases, for short periods of time)
to control the power generation of some turbines in the park or even turning off some of them.
In the case of discretized production assumption, the turbines’ control should ideally be made
so that at each moment, the power to provide the network is as close as possible to the
contracted value.
This thesis proposes an algorithm for control of wind farms, which includes either the
possibility of total dispatch, or the possibility of limiting the energy produced by the park. The
algorithm is based on artificial neural networks (ANN) and genetic algorithms (GA). ANNs is
used for wind forecasting, and also the representation of power curve of each of the machines
that comprise the wind farm. The GA is the core of the control algorithm, design to optimize
the turbines control in order to follow a pre-specified production curve, in the requested
schedule.
The methodologies and models developed were subsequently tested with real data. The
good quality of results seems to support the adopted approach.

Abstract
8 Técnicas de Inteligência Artificial e Controlo Adaptativo Aplicadas à Gestão de Parques Eólicos
Técnicas de Inteligência Artificial e Controlo Adaptativo Aplicadas à Gestão de Parques Eólicos 9

RÉSUMÉ

Depuis la CE a mis en 2020 comme objectif pour 20% d'énergie primaire à partir de sources
renouvelables avait, il ya eu au Portugal à une augmentation considérable du volume de
l'intégration des énergies renouvelables. En particulier, en raison principalement de la
disponibilité de la ressource éolienne dans notre pays, où il devrait rejoindre la possibilité
actuelle de l'expédition de toute l'énergie produite par cette source, avec un salaire attrayant, et
aussi de maturité que la technologie d'aujourd'hui a le pouvoir vent de base a pris une
importance particulière. En dépit de la situation actuelle, est toutefois fortement probable que
la croissance continue du marché de la production d'énergie éolienne, à l'avenir, en ce qui
concerne le marché de l'électricité, les développeurs de parcs éoliens ont à soumettre des
propositions pour la production discrétisé (24 ou à 72 heures par exemple) ou parce que le
niveau du marché intrajournalier il est nécessaire de procéder à des ajustements pour permettre
à l'équilibre entre la production et de la charge. Avec la concrétisation de cette possibilité, il y
aura des situations (même peut-être que pour de courtes périodes de temps) qui seront
nécessaires pour contrôler la puissance des turbines du parc ou même procéder à un arrêt
complet de certains d'entre eux. Dans le cas de la nécessité pour la production discrétisé, le
contrôle de la puissance ou l'arrêt de turbines devrait idéalement être fait en sorte qu'à chaque
instant, le pouvoir d'offrir le réseau soit aussi proche que possible de la valeur contractuelle.
Cette thèse propose un algorithme de gestion de fermes éoliennes, ce qui inclut à la fois la
possibilité de l'ordre total, ou la possibilité de limiter l'énergie produite par le parc.
L'algorithme est basé sur les réseaux de neurones artificiels (RNA) et un algorithme génétique
(AG). L'RNA afin de permettre la prédiction de la ressource, et aussi une approximation de la
courbe de puissance de chacune des machines qui composent le parc éolien. L'AG, dans le
scénario que vous souhaitez (dans la position du pouvoir de prescription), la mise en scène de
turbines devraient être opérationnelle en vue d'atteindre l'objectif souhaité.
Les méthodes et modèles développés ont ensuite été testées avec des données réelles. La
bonne qualité des résultats semblent appuyer la démarche.

Résumé
10 Técnicas de Inteligência Artificial e Controlo Adaptativo Aplicadas à Gestão de Parques Eólicos