Metodología de posicionamiento óptimo de aerogeneradores urbanos para reducir sus costos de energía

Abstract

En las últimas décadas, la generación distribuida viene siendo promovida para satisfacer parcialmente la demanda energética de distintas ciudades alrededor del mundo. Los aerogeneradores instalados en ambientes urbanos (aerogeneradores urbanos, UWTs son una opción viable para abastecer parcialmente dicha demanda. Estudios anteriores han abordado el diseño de UWTs, pero la literatura científica muestra aún una brecha de conocimiento en cuanto al posicionamiento óptimo de UWTs instalados sobre las azoteas de los edificios (UWTs). La presente investigación involucra el desarrollo de una nueva metodología de posicionamiento óptimo de BMWTs, basada en dinámica de fluidos computacional (CFD) y algoritmos genéticos (GA), que impacta económicamente en la generación eléctrica. La nueva metodología incluye las etapas de evaluación del sitio, análisis de datos del viento, validación de modelos numéricos, evaluación del recurso eólico, diseño o selección del aerogenerador y optimización del posicionamiento. Las simulaciones CFD emplean dos modelos de turbulencia tipo Reynolds- Averaged Navier Stokes (RANS). La validación de los modelos utilizados para representar el edificio y el aerogenerador se lleva a cabo mediante estudios de independencia de malla y la comparación entre resultados numéricos y datos experimentales disponibles en la literatura. Los resultados numéricos del proceso de validación sugieren que las simulaciones individuales del edificio y del aerogenerador deben realizarse con los modelos de turbulencia Realizable K −𝜀 y el SST k – ω, respectivamente. Las simulaciones conjuntas del edificio y aerogenerador (aplicaciones urbanas) pueden realizarse utilizando el modelo SST k − ω. El posicionamiento óptimo del aerogenerador produce un costo de la energía (CoE) de 3.05146 $/kWh. En el análisis de sensibilidad del CoE variando el factor de refuerzo del edificio (F) se encontró que, a medida que F aumenta, la posición del mejor CoE disminuye en altura. Notar también que a medida que F aumenta, este parámetro se convierte en el más importante en la reducción del CoE del BMWTs.

In recent decades, distributed generation has been promoted to partially meet the energy demand of various cities around the world. The wind turbines installed in urban environments (Urban Wind Turbines, UWTs) are a viable option for partially supplying this demand. Previous studies have addressed the design of UWTs, but the scientific literature still shows a knowledge gap regarding the optimal positioning of UWTs installed on building rooftops (Building Mounted Wind Turbines, UWTs). This research involves the development of a new methodology for the optimal positioning of

BMWTs, based on Computational Fluid Dynamics (CFD) and Genetic Algorithms (GA), which has economic implications for the power generation. The new methodology includes the stages of site assessment, wind data analysis, validation of numerical models, wind resource assessment, wind turbine design, and positioning optimization. CFD simulations employ two Reynolds-Averaged Navier Stokes (RANS) turbulence models. Validation of the models used to represent the building and the wind turbine is carried out through mesh independence studies and comparison between numerical results and experimental data available in the literature. The numerical results of the validation process suggest that individual simulations of the building and the wind turbine should be performed using the Realizable K − 𝜀 and the SST K −ω turbulence models, respectively. Joint simulations of the building and the wind turbine (urban applications) can be performed using the SST K − ω model. The optimal positioning of the wind turbine results in a CoE of 3.05146 $/kWh. In the sensitivity analysis of the Coe by varying the building reinforcement factor (F), it was found that as F increases, the position of the best CoE decreases in height. It is also noted that as F increases, this parameter becomes the most important in reducing the CoE of the BMWTs.