RESOLVIENDO EL PROBLEMA DE OPTIMIZACIÓN DEL DISEÑO DE PARQUES EÓLICOS EMPLEANDO ALGORITMOS GENÉTICOS (SOLVING THE WIND FARM LAYOUT OPTIMIZATION PROBLEM USING GENETIC ALGORITHMS)
Resumen
Resumen
La construcción de parques eólicos está destinada a incrementarse en los países que buscan la sustentabilidad ambiental. Una etapa importante en la construcción de parques eólicos es resolver el problema de optimización del diseño del parque, el cual consiste en distribuir un conjunto de aerogeneradores de tal manera que las pérdidas de energía ocasionadas por los efectos estela se minimicen y la producción de energía esperada se maximice. El efecto estela es un fenómeno que debe ser tomado en cuenta para obtener la mejor configuración de un campo eólico. Este problema es considerado por la comunidad científica como un problema de optimización NP-Duro, causando suma atención y relevancia. En esta investigación se implementa una metaheurística evolutiva, específicamente algoritmos genéticos para encontrar la ubicación óptima de aerogeneradores, considerando el efecto estela. Los resultados demuestran que el método metaheurístico provee una solución de configuración de alta calidad en un tiempo computacional razonable.
Palabras Clave: Algoritmos Genéticos, Aerogeneradores, Campos Eólicos, Efecto Estela, Optimización combinatoria.
Abstract
The construction of wind farms is destined to increase in countries that seek environmental sustainability. An important phase in the construction of wind farms is solving the wind farm layout optimization problem, which consists of distributing a set of wind turbines in such a way that the energy losses caused by wake effects are minimized and the expected energy production maximized. The wake effect is a phenomenon that must be taken into account to obtain the best configuration of a wind farm. This problem is considered by the scientific community as an NP-Hard optimization problem, causing a lot of attention and relevance. In this research an evolutionary metaheuristic is implemented, specifically genetic algorithms to find the optimal location of wind turbines, considering the wake effect. The results demonstrate that the metaheuristic method provides a high quality configuration solution in a reasonable computational time.
Keywords: Combinatorial Optimization, Genetic Algorithms, Wake Effect, Wind Farms, Wind Turbines.
Texto completo:
64-81 PDFReferencias
Fischetti, M., & Monaci, M. (2016). Proximity search heuristics for wind farm optimal layout. Journal of Heuristics, 22(4), 459-474.
Chen, Y., Li, H., Jin, K., & Song, Q. (2013). Wind farm layout optimization using genetic algorithm with different hub height wind turbines. Energy Conversion and Management, 70, 56-65.
AWEA. Obtenido de https://www.awea.org/. Accesado en Febrero 2019.
Samorani, M. (2013). The wind farm layout optimization problem. In Handbook of wind power systems (pp. 21-38). Springer, Berlin, Heidelberg.
Méchali, M., Barthelmie, R., Frandsen, S., Jensen, L., & Réthoré, P. E. (2006). Wake effects at Horns Rev and their influence on energy production. In European wind energy conference and exhibition (Vol. 1, pp. 10-20). Citeseer.
Shakoor, R., Hassan, M. Y., Raheem, A., & Wu, Y. K. (2016). Wake effect modeling: A review of wind farm layout optimization using Jensen׳ s model. Renewable and Sustainable Energy Reviews, 58, 1048-1059.
González, J. S., Rodriguez, A. G. G., Mora, J. C., Santos, J. R., & Payan, M. B. (2010). Optimization of wind farm turbines layout using an evolutive algorithm. Renewable energy, 35(8), 1671-1681.
DuPont, B., & Cagan, J. (2016). A hybrid extended pattern search/genetic algorithm for multi-stage wind farm optimization. Optimization and Engineering, 17(1), 77-103.
Emami, A., & Noghreh, P. (2010). New approach on optimization in placement of wind turbines within wind farm by genetic algorithms. Renewable Energy, 35(7), 1559-1564.
Eroğlu, Y., & Seçkiner, S. U. (2012). Design of wind farm layout using ant colony algorithm. Renewable Energy, 44, 53-62.
Wan, C., Wang, J., Yang, G., & Zhang, X. (2010, June). Optimal micro-siting of wind farms by particle swarm optimization. In International Conference in Swarm Intelligence (pp. 198-205). Springer, Berlin, Heidelberg.
Lackner, M. A., & Elkinton, C. N. (2007). An analytical framework for offshore wind farm layout optimization. Wind Engineering, 31(1), 17-31.
Gatscha, S. (2016). Generic Optimization of a Wind Farm Layout using a Genetic Algorithm (Master´s thesis). University of Natural Resources and Life Science, Vienna.
URL de la licencia: https://creativecommons.org/licenses/by/3.0/deed.es
Pistas Educativas está bajo la Licencia Creative Commons Atribución 3.0 No portada. 
TECNOLÓGICO NACIONAL DE MÉXICO / INSTITUTO TECNOLÓGICO DE CELAYA
Antonio García Cubas Pte #600 esq. Av. Tecnológico, Celaya, Gto. México
Tel. 461 61 17575 Ext 5450 y 5146
pistaseducativas@itcelaya.edu.mx